diff --git a/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.br.png b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.br.png
new file mode 100644
index 00000000..1ba4f5c7
Binary files /dev/null and b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.br.png differ
diff --git a/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.tr.png b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.tr.png
new file mode 100644
index 00000000..1ba4f5c7
Binary files /dev/null and b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.tr.png differ
diff --git a/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.br.png b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.br.png
new file mode 100644
index 00000000..3cac91bb
Binary files /dev/null and b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.br.png differ
diff --git a/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.tr.png b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.tr.png
new file mode 100644
index 00000000..3cac91bb
Binary files /dev/null and b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.tr.png differ
diff --git a/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.br.png b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.br.png
new file mode 100644
index 00000000..967e6539
Binary files /dev/null and b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.br.png differ
diff --git a/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.tr.png b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.tr.png
new file mode 100644
index 00000000..967e6539
Binary files /dev/null and b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.tr.png differ
diff --git a/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.br.png b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.br.png
new file mode 100644
index 00000000..247c1dd6
Binary files /dev/null and b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.br.png differ
diff --git a/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.tr.png b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.tr.png
new file mode 100644
index 00000000..247c1dd6
Binary files /dev/null and b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.tr.png differ
diff --git a/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.br.png b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.br.png
new file mode 100644
index 00000000..e89d81c4
Binary files /dev/null and b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.br.png differ
diff --git a/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.tr.png b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.tr.png
new file mode 100644
index 00000000..e89d81c4
Binary files /dev/null and b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.tr.png differ
diff --git a/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.br.png b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.br.png
new file mode 100644
index 00000000..0237836d
Binary files /dev/null and b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.br.png differ
diff --git a/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.tr.png b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.tr.png
new file mode 100644
index 00000000..0237836d
Binary files /dev/null and b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.tr.png differ
diff --git a/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.br.png b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.br.png
new file mode 100644
index 00000000..4229fee0
Binary files /dev/null and b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.br.png differ
diff --git a/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.tr.png b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.tr.png
new file mode 100644
index 00000000..4229fee0
Binary files /dev/null and b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.tr.png differ
diff --git a/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.br.png b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.br.png
new file mode 100644
index 00000000..9b503ac8
Binary files /dev/null and b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.br.png differ
diff --git a/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.tr.png b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.tr.png
new file mode 100644
index 00000000..9b503ac8
Binary files /dev/null and b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.tr.png differ
diff --git a/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.br.png b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.br.png
new file mode 100644
index 00000000..c98b7aaf
Binary files /dev/null and b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.br.png differ
diff --git a/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.tr.png b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.tr.png
new file mode 100644
index 00000000..c98b7aaf
Binary files /dev/null and b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.tr.png differ
diff --git a/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.br.png b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.br.png
new file mode 100644
index 00000000..706f83bc
Binary files /dev/null and b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.br.png differ
diff --git a/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.tr.png b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.tr.png
new file mode 100644
index 00000000..706f83bc
Binary files /dev/null and b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.tr.png differ
diff --git a/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.br.png b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.br.png
new file mode 100644
index 00000000..76bec4da
Binary files /dev/null and b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.br.png differ
diff --git a/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.tr.png b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.tr.png
new file mode 100644
index 00000000..76bec4da
Binary files /dev/null and b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.tr.png differ
diff --git a/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.br.png b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.br.png
new file mode 100644
index 00000000..b49060a2
Binary files /dev/null and b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.br.png differ
diff --git a/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.tr.png b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.tr.png
new file mode 100644
index 00000000..b49060a2
Binary files /dev/null and b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.tr.png differ
diff --git a/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.br.png b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.br.png
new file mode 100644
index 00000000..3ca064d5
Binary files /dev/null and b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.br.png differ
diff --git a/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.tr.png b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.tr.png
new file mode 100644
index 00000000..3ca064d5
Binary files /dev/null and b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.tr.png differ
diff --git a/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.br.png b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.br.png
new file mode 100644
index 00000000..1f5f2412
Binary files /dev/null and b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.br.png differ
diff --git a/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.tr.png b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.tr.png
new file mode 100644
index 00000000..1f5f2412
Binary files /dev/null and b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.tr.png differ
diff --git a/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.br.png b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.br.png
new file mode 100644
index 00000000..2953cea1
Binary files /dev/null and b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.br.png differ
diff --git a/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.tr.png b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.tr.png
new file mode 100644
index 00000000..2953cea1
Binary files /dev/null and b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.tr.png differ
diff --git a/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.br.png b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.br.png
new file mode 100644
index 00000000..2ce7dedf
Binary files /dev/null and b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.br.png differ
diff --git a/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.tr.png b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.tr.png
new file mode 100644
index 00000000..2ce7dedf
Binary files /dev/null and b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.tr.png differ
diff --git a/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.br.png b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.br.png
new file mode 100644
index 00000000..157c08c6
Binary files /dev/null and b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.br.png differ
diff --git a/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.tr.png b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.tr.png
new file mode 100644
index 00000000..157c08c6
Binary files /dev/null and b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.tr.png differ
diff --git a/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.br.png b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.br.png
new file mode 100644
index 00000000..031361a6
Binary files /dev/null and b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.br.png differ
diff --git a/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.tr.png b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.tr.png
new file mode 100644
index 00000000..031361a6
Binary files /dev/null and b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.tr.png differ
diff --git a/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.br.png b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.br.png
new file mode 100644
index 00000000..3a43eb23
Binary files /dev/null and b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.br.png differ
diff --git a/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.tr.png b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.tr.png
new file mode 100644
index 00000000..3a43eb23
Binary files /dev/null and b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.tr.png differ
diff --git a/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.br.png b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.br.png
new file mode 100644
index 00000000..7c9552e3
Binary files /dev/null and b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.br.png differ
diff --git a/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.tr.png b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.tr.png
new file mode 100644
index 00000000..7c9552e3
Binary files /dev/null and b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.tr.png differ
diff --git a/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.br.png b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.br.png
new file mode 100644
index 00000000..78f695b7
Binary files /dev/null and b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.br.png differ
diff --git a/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.tr.png b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.tr.png
new file mode 100644
index 00000000..78f695b7
Binary files /dev/null and b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.tr.png differ
diff --git a/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.br.png b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.br.png
new file mode 100644
index 00000000..77f563fb
Binary files /dev/null and b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.br.png differ
diff --git a/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.tr.png b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.tr.png
new file mode 100644
index 00000000..77f563fb
Binary files /dev/null and b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.tr.png differ
diff --git a/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.br.png b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.br.png
new file mode 100644
index 00000000..8dccd514
Binary files /dev/null and b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.br.png differ
diff --git a/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.tr.png b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.tr.png
new file mode 100644
index 00000000..8dccd514
Binary files /dev/null and b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.tr.png differ
diff --git a/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.br.png b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.br.png
new file mode 100644
index 00000000..b75e015e
Binary files /dev/null and b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.br.png differ
diff --git a/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.tr.png b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.tr.png
new file mode 100644
index 00000000..b75e015e
Binary files /dev/null and b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.tr.png differ
diff --git a/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.br.png b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.br.png
new file mode 100644
index 00000000..5bfed282
Binary files /dev/null and b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.br.png differ
diff --git a/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.tr.png b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.tr.png
new file mode 100644
index 00000000..5bfed282
Binary files /dev/null and b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.tr.png differ
diff --git a/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.br.png b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.br.png
new file mode 100644
index 00000000..34ca765c
Binary files /dev/null and b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.br.png differ
diff --git a/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.tr.png b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.tr.png
new file mode 100644
index 00000000..34ca765c
Binary files /dev/null and b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.tr.png differ
diff --git a/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.br.png b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.br.png
new file mode 100644
index 00000000..d1f7bc09
Binary files /dev/null and b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.br.png differ
diff --git a/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.tr.png b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.tr.png
new file mode 100644
index 00000000..d1f7bc09
Binary files /dev/null and b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.tr.png differ
diff --git a/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.br.png b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.br.png
new file mode 100644
index 00000000..c215b446
Binary files /dev/null and b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.br.png differ
diff --git a/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.tr.png b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.tr.png
new file mode 100644
index 00000000..c215b446
Binary files /dev/null and b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.tr.png differ
diff --git a/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.br.png b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.br.png
new file mode 100644
index 00000000..63f58daa
Binary files /dev/null and b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.br.png differ
diff --git a/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.tr.png b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.tr.png
new file mode 100644
index 00000000..63f58daa
Binary files /dev/null and b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.tr.png differ
diff --git a/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.br.png b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.br.png
new file mode 100644
index 00000000..3eb38501
Binary files /dev/null and b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.br.png differ
diff --git a/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.tr.png b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.tr.png
new file mode 100644
index 00000000..3eb38501
Binary files /dev/null and b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.tr.png differ
diff --git a/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.br.png b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.br.png
new file mode 100644
index 00000000..4f960870
Binary files /dev/null and b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.br.png differ
diff --git a/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.tr.png b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.tr.png
new file mode 100644
index 00000000..4f960870
Binary files /dev/null and b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.tr.png differ
diff --git a/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.br.png b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.br.png
new file mode 100644
index 00000000..ca5b5882
Binary files /dev/null and b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.br.png differ
diff --git a/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.tr.png b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.tr.png
new file mode 100644
index 00000000..ca5b5882
Binary files /dev/null and b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.tr.png differ
diff --git a/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.br.png b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.br.png
new file mode 100644
index 00000000..2c3440cd
Binary files /dev/null and b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.br.png differ
diff --git a/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.tr.png b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.tr.png
new file mode 100644
index 00000000..2c3440cd
Binary files /dev/null and b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.tr.png differ
diff --git a/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.br.png b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.br.png
new file mode 100644
index 00000000..5294a9dc
Binary files /dev/null and b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.br.png differ
diff --git a/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.tr.png b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.tr.png
new file mode 100644
index 00000000..5294a9dc
Binary files /dev/null and b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.tr.png differ
diff --git a/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.br.png b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.br.png
new file mode 100644
index 00000000..912ac4ca
Binary files /dev/null and b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.br.png differ
diff --git a/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.tr.png b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.tr.png
new file mode 100644
index 00000000..912ac4ca
Binary files /dev/null and b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.tr.png differ
diff --git a/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.br.png b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.br.png
new file mode 100644
index 00000000..8e47de7d
Binary files /dev/null and b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.br.png differ
diff --git a/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.tr.png b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.tr.png
new file mode 100644
index 00000000..8e47de7d
Binary files /dev/null and b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.tr.png differ
diff --git a/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.br.png b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.br.png
new file mode 100644
index 00000000..b3c98d83
Binary files /dev/null and b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.br.png differ
diff --git a/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.tr.png b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.tr.png
new file mode 100644
index 00000000..b3c98d83
Binary files /dev/null and b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.tr.png differ
diff --git a/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.br.png b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.br.png
new file mode 100644
index 00000000..1d494613
Binary files /dev/null and b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.br.png differ
diff --git a/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.tr.png b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.tr.png
new file mode 100644
index 00000000..1d494613
Binary files /dev/null and b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.tr.png differ
diff --git a/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.br.png b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.br.png
new file mode 100644
index 00000000..47ced39a
Binary files /dev/null and b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.br.png differ
diff --git a/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.tr.png b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.tr.png
new file mode 100644
index 00000000..47ced39a
Binary files /dev/null and b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.tr.png differ
diff --git a/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.br.png b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.br.png
new file mode 100644
index 00000000..88d5c896
Binary files /dev/null and b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.br.png differ
diff --git a/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.tr.png b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.tr.png
new file mode 100644
index 00000000..88d5c896
Binary files /dev/null and b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.tr.png differ
diff --git a/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.br.png b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.br.png
new file mode 100644
index 00000000..e0706533
Binary files /dev/null and b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.br.png differ
diff --git a/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.tr.png b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.tr.png
new file mode 100644
index 00000000..e0706533
Binary files /dev/null and b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.tr.png differ
diff --git a/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.br.png b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.br.png
new file mode 100644
index 00000000..a1f17249
Binary files /dev/null and b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.br.png differ
diff --git a/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.tr.png b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.tr.png
new file mode 100644
index 00000000..a1f17249
Binary files /dev/null and b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.tr.png differ
diff --git a/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.br.png b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.br.png
new file mode 100644
index 00000000..3adc61ef
Binary files /dev/null and b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.br.png differ
diff --git a/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.tr.png b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.tr.png
new file mode 100644
index 00000000..3adc61ef
Binary files /dev/null and b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.tr.png differ
diff --git a/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.br.png b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.br.png
new file mode 100644
index 00000000..1c3c8d53
Binary files /dev/null and b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.br.png differ
diff --git a/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.tr.png b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.tr.png
new file mode 100644
index 00000000..1c3c8d53
Binary files /dev/null and b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.tr.png differ
diff --git a/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.br.jpg b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.br.jpg
new file mode 100644
index 00000000..0f4a9a38
Binary files /dev/null and b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.br.jpg differ
diff --git a/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.tr.jpg b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.tr.jpg
new file mode 100644
index 00000000..0f4a9a38
Binary files /dev/null and b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.tr.jpg differ
diff --git a/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.br.png b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.br.png
new file mode 100644
index 00000000..32dab60c
Binary files /dev/null and b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.br.png differ
diff --git a/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.tr.png b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.tr.png
new file mode 100644
index 00000000..32dab60c
Binary files /dev/null and b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.tr.png differ
diff --git a/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.br.png b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.br.png
new file mode 100644
index 00000000..78e9b675
Binary files /dev/null and b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.br.png differ
diff --git a/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.tr.png b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.tr.png
new file mode 100644
index 00000000..78e9b675
Binary files /dev/null and b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.tr.png differ
diff --git a/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.br.png b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.br.png
new file mode 100644
index 00000000..fb87dd71
Binary files /dev/null and b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.br.png differ
diff --git a/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.tr.png b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.tr.png
new file mode 100644
index 00000000..fb87dd71
Binary files /dev/null and b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.tr.png differ
diff --git a/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.br.png b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.br.png
new file mode 100644
index 00000000..acaa9a02
Binary files /dev/null and b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.br.png differ
diff --git a/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.tr.png b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.tr.png
new file mode 100644
index 00000000..acaa9a02
Binary files /dev/null and b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.tr.png differ
diff --git a/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.br.png b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.br.png
new file mode 100644
index 00000000..b6afaa8a
Binary files /dev/null and b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.br.png differ
diff --git a/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.tr.png b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.tr.png
new file mode 100644
index 00000000..b6afaa8a
Binary files /dev/null and b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.tr.png differ
diff --git a/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.br.png b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.br.png
new file mode 100644
index 00000000..18f92ede
Binary files /dev/null and b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.br.png differ
diff --git a/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.tr.png b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.tr.png
new file mode 100644
index 00000000..18f92ede
Binary files /dev/null and b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.tr.png differ
diff --git a/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.br.png b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.br.png
new file mode 100644
index 00000000..e1eb6df0
Binary files /dev/null and b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.br.png differ
diff --git a/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.tr.png b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.tr.png
new file mode 100644
index 00000000..e1eb6df0
Binary files /dev/null and b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.tr.png differ
diff --git a/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.br.png b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.br.png
new file mode 100644
index 00000000..dfcfde45
Binary files /dev/null and b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.br.png differ
diff --git a/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.tr.png b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.tr.png
new file mode 100644
index 00000000..dfcfde45
Binary files /dev/null and b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.tr.png differ
diff --git a/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.br.png b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.br.png
new file mode 100644
index 00000000..44af1896
Binary files /dev/null and b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.br.png differ
diff --git a/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.tr.png b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.tr.png
new file mode 100644
index 00000000..44af1896
Binary files /dev/null and b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.tr.png differ
diff --git a/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.br.png b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.br.png
new file mode 100644
index 00000000..6d749e6c
Binary files /dev/null and b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.br.png differ
diff --git a/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.tr.png b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.tr.png
new file mode 100644
index 00000000..6d749e6c
Binary files /dev/null and b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.tr.png differ
diff --git a/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.br.png b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.br.png
new file mode 100644
index 00000000..7485e36c
Binary files /dev/null and b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.br.png differ
diff --git a/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.tr.png b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.tr.png
new file mode 100644
index 00000000..7485e36c
Binary files /dev/null and b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.tr.png differ
diff --git a/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.br.png b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.br.png
new file mode 100644
index 00000000..0f499097
Binary files /dev/null and b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.br.png differ
diff --git a/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.tr.png b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.tr.png
new file mode 100644
index 00000000..0f499097
Binary files /dev/null and b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.tr.png differ
diff --git a/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.br.png b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.br.png
new file mode 100644
index 00000000..710c440c
Binary files /dev/null and b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.br.png differ
diff --git a/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.tr.png b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.tr.png
new file mode 100644
index 00000000..710c440c
Binary files /dev/null and b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.tr.png differ
diff --git a/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.br.png b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.br.png
new file mode 100644
index 00000000..24cecced
Binary files /dev/null and b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.br.png differ
diff --git a/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.tr.png b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.tr.png
new file mode 100644
index 00000000..24cecced
Binary files /dev/null and b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.tr.png differ
diff --git a/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.br.png b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.br.png
new file mode 100644
index 00000000..b36025d9
Binary files /dev/null and b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.br.png differ
diff --git a/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.tr.png b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.tr.png
new file mode 100644
index 00000000..b36025d9
Binary files /dev/null and b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.tr.png differ
diff --git a/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.br.png b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.br.png
new file mode 100644
index 00000000..b21a4bed
Binary files /dev/null and b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.br.png differ
diff --git a/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.tr.png b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.tr.png
new file mode 100644
index 00000000..b21a4bed
Binary files /dev/null and b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.tr.png differ
diff --git a/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.br.png b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.br.png
new file mode 100644
index 00000000..8da6f9a4
Binary files /dev/null and b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.br.png differ
diff --git a/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.tr.png b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.tr.png
new file mode 100644
index 00000000..8da6f9a4
Binary files /dev/null and b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.tr.png differ
diff --git a/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.br.jpg b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.br.jpg
new file mode 100644
index 00000000..437f3d07
Binary files /dev/null and b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.br.jpg differ
diff --git a/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.tr.jpg b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.tr.jpg
new file mode 100644
index 00000000..437f3d07
Binary files /dev/null and b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.tr.jpg differ
diff --git a/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.br.png b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.br.png
new file mode 100644
index 00000000..cc61fb13
Binary files /dev/null and b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.br.png differ
diff --git a/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.tr.png b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.tr.png
new file mode 100644
index 00000000..cc61fb13
Binary files /dev/null and b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.tr.png differ
diff --git a/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.br.png b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.br.png
new file mode 100644
index 00000000..3472b1d9
Binary files /dev/null and b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.br.png differ
diff --git a/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.tr.png b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.tr.png
new file mode 100644
index 00000000..3472b1d9
Binary files /dev/null and b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.tr.png differ
diff --git a/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.br.png b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.br.png
new file mode 100644
index 00000000..0bbca602
Binary files /dev/null and b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.br.png differ
diff --git a/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.tr.png b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.tr.png
new file mode 100644
index 00000000..0bbca602
Binary files /dev/null and b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.tr.png differ
diff --git a/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.br.png b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.br.png
new file mode 100644
index 00000000..b5775adc
Binary files /dev/null and b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.br.png differ
diff --git a/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.tr.png b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.tr.png
new file mode 100644
index 00000000..b5775adc
Binary files /dev/null and b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.tr.png differ
diff --git a/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.br.png b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.br.png
new file mode 100644
index 00000000..bc58477a
Binary files /dev/null and b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.br.png differ
diff --git a/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.tr.png b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.tr.png
new file mode 100644
index 00000000..bc58477a
Binary files /dev/null and b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.tr.png differ
diff --git a/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.br.png b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.br.png
new file mode 100644
index 00000000..1b7a40f4
Binary files /dev/null and b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.br.png differ
diff --git a/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.tr.png b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.tr.png
new file mode 100644
index 00000000..1b7a40f4
Binary files /dev/null and b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.tr.png differ
diff --git a/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.br.png b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.br.png
new file mode 100644
index 00000000..011b07a3
Binary files /dev/null and b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.br.png differ
diff --git a/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.tr.png b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.tr.png
new file mode 100644
index 00000000..011b07a3
Binary files /dev/null and b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.tr.png differ
diff --git a/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.br.png b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.br.png
new file mode 100644
index 00000000..7f9d24ef
Binary files /dev/null and b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.br.png differ
diff --git a/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.tr.png b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.tr.png
new file mode 100644
index 00000000..7f9d24ef
Binary files /dev/null and b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.tr.png differ
diff --git a/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.br.png b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.br.png
new file mode 100644
index 00000000..0c6a7067
Binary files /dev/null and b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.br.png differ
diff --git a/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.tr.png b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.tr.png
new file mode 100644
index 00000000..0c6a7067
Binary files /dev/null and b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.tr.png differ
diff --git a/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.br.png b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.br.png
new file mode 100644
index 00000000..8f7968a5
Binary files /dev/null and b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.br.png differ
diff --git a/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.tr.png b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.tr.png
new file mode 100644
index 00000000..8f7968a5
Binary files /dev/null and b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.tr.png differ
diff --git a/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.br.png b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.br.png
new file mode 100644
index 00000000..20c6036f
Binary files /dev/null and b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.br.png differ
diff --git a/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.tr.png b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.tr.png
new file mode 100644
index 00000000..20c6036f
Binary files /dev/null and b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.tr.png differ
diff --git a/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.br.png b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.br.png
new file mode 100644
index 00000000..f077b6e9
Binary files /dev/null and b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.br.png differ
diff --git a/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.tr.png b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.tr.png
new file mode 100644
index 00000000..f077b6e9
Binary files /dev/null and b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.tr.png differ
diff --git a/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.br.png b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.br.png
new file mode 100644
index 00000000..484206d5
Binary files /dev/null and b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.br.png differ
diff --git a/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.tr.png b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.tr.png
new file mode 100644
index 00000000..484206d5
Binary files /dev/null and b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.tr.png differ
diff --git a/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.br.png b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.br.png
new file mode 100644
index 00000000..9fa156e2
Binary files /dev/null and b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.br.png differ
diff --git a/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.tr.png b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.tr.png
new file mode 100644
index 00000000..9fa156e2
Binary files /dev/null and b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.tr.png differ
diff --git a/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.br.png b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.br.png
new file mode 100644
index 00000000..b0813972
Binary files /dev/null and b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.br.png differ
diff --git a/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.tr.png b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.tr.png
new file mode 100644
index 00000000..b0813972
Binary files /dev/null and b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.tr.png differ
diff --git a/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.br.png b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.br.png
new file mode 100644
index 00000000..4f2da8dc
Binary files /dev/null and b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.br.png differ
diff --git a/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.tr.png b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.tr.png
new file mode 100644
index 00000000..4f2da8dc
Binary files /dev/null and b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.tr.png differ
diff --git a/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.br.png b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.br.png
new file mode 100644
index 00000000..8ae3904c
Binary files /dev/null and b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.br.png differ
diff --git a/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.tr.png b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.tr.png
new file mode 100644
index 00000000..8ae3904c
Binary files /dev/null and b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.tr.png differ
diff --git a/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.br.png b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.br.png
new file mode 100644
index 00000000..ea5cbe30
Binary files /dev/null and b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.br.png differ
diff --git a/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.tr.png b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.tr.png
new file mode 100644
index 00000000..ea5cbe30
Binary files /dev/null and b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.tr.png differ
diff --git a/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.br.png b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.br.png
new file mode 100644
index 00000000..eab9fb03
Binary files /dev/null and b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.br.png differ
diff --git a/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.tr.png b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.tr.png
new file mode 100644
index 00000000..eab9fb03
Binary files /dev/null and b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.tr.png differ
diff --git a/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.br.png b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.br.png
new file mode 100644
index 00000000..c49c0459
Binary files /dev/null and b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.br.png differ
diff --git a/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.tr.png b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.tr.png
new file mode 100644
index 00000000..c49c0459
Binary files /dev/null and b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.tr.png differ
diff --git a/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.br.png b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.br.png
new file mode 100644
index 00000000..127b0257
Binary files /dev/null and b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.br.png differ
diff --git a/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.tr.png b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.tr.png
new file mode 100644
index 00000000..127b0257
Binary files /dev/null and b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.tr.png differ
diff --git a/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.br.png b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.br.png
new file mode 100644
index 00000000..0b528799
Binary files /dev/null and b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.br.png differ
diff --git a/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.tr.png b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.tr.png
new file mode 100644
index 00000000..0b528799
Binary files /dev/null and b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.tr.png differ
diff --git a/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.br.png b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.br.png
new file mode 100644
index 00000000..e5b04c65
Binary files /dev/null and b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.br.png differ
diff --git a/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.tr.png b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.tr.png
new file mode 100644
index 00000000..e5b04c65
Binary files /dev/null and b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.tr.png differ
diff --git a/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.br.png b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.br.png
new file mode 100644
index 00000000..46543926
Binary files /dev/null and b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.br.png differ
diff --git a/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.tr.png b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.tr.png
new file mode 100644
index 00000000..46543926
Binary files /dev/null and b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.tr.png differ
diff --git a/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.br.png b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.br.png
new file mode 100644
index 00000000..46e99668
Binary files /dev/null and b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.br.png differ
diff --git a/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.tr.png b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.tr.png
new file mode 100644
index 00000000..46e99668
Binary files /dev/null and b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.tr.png differ
diff --git a/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.br.png b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.br.png
new file mode 100644
index 00000000..c012d47d
Binary files /dev/null and b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.br.png differ
diff --git a/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.tr.png b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.tr.png
new file mode 100644
index 00000000..c012d47d
Binary files /dev/null and b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.tr.png differ
diff --git a/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.br.png b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.br.png
new file mode 100644
index 00000000..fa44061a
Binary files /dev/null and b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.br.png differ
diff --git a/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.tr.png b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.tr.png
new file mode 100644
index 00000000..fa44061a
Binary files /dev/null and b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.tr.png differ
diff --git a/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.br.png b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.br.png
new file mode 100644
index 00000000..e499b2fd
Binary files /dev/null and b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.br.png differ
diff --git a/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.tr.png b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.tr.png
new file mode 100644
index 00000000..e499b2fd
Binary files /dev/null and b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.tr.png differ
diff --git a/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.br.png b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.br.png
new file mode 100644
index 00000000..66e9927a
Binary files /dev/null and b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.br.png differ
diff --git a/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.tr.png b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.tr.png
new file mode 100644
index 00000000..66e9927a
Binary files /dev/null and b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.tr.png differ
diff --git a/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.br.png b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.br.png
new file mode 100644
index 00000000..e512cf63
Binary files /dev/null and b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.br.png differ
diff --git a/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.tr.png b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.tr.png
new file mode 100644
index 00000000..e512cf63
Binary files /dev/null and b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.tr.png differ
diff --git a/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.br.png b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.br.png
new file mode 100644
index 00000000..89e41b8a
Binary files /dev/null and b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.br.png differ
diff --git a/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.tr.png b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.tr.png
new file mode 100644
index 00000000..89e41b8a
Binary files /dev/null and b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.tr.png differ
diff --git a/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.br.png b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.br.png
new file mode 100644
index 00000000..257c3e55
Binary files /dev/null and b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.br.png differ
diff --git a/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.tr.png b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.tr.png
new file mode 100644
index 00000000..257c3e55
Binary files /dev/null and b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.tr.png differ
diff --git a/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.br.png b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.br.png
new file mode 100644
index 00000000..85a581ed
Binary files /dev/null and b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.br.png differ
diff --git a/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.tr.png b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.tr.png
new file mode 100644
index 00000000..85a581ed
Binary files /dev/null and b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.tr.png differ
diff --git a/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.br.png b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.br.png
new file mode 100644
index 00000000..c07f67c3
Binary files /dev/null and b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.br.png differ
diff --git a/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.tr.png b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.tr.png
new file mode 100644
index 00000000..c07f67c3
Binary files /dev/null and b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.tr.png differ
diff --git a/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.br.png b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.br.png
new file mode 100644
index 00000000..c598913b
Binary files /dev/null and b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.br.png differ
diff --git a/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.tr.png b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.tr.png
new file mode 100644
index 00000000..c598913b
Binary files /dev/null and b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.tr.png differ
diff --git a/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.br.png b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.br.png
new file mode 100644
index 00000000..a630a6f3
Binary files /dev/null and b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.br.png differ
diff --git a/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.tr.png b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.tr.png
new file mode 100644
index 00000000..a630a6f3
Binary files /dev/null and b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.tr.png differ
diff --git a/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.br.png b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.br.png
new file mode 100644
index 00000000..f63ad48d
Binary files /dev/null and b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.br.png differ
diff --git a/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.tr.png b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.tr.png
new file mode 100644
index 00000000..f63ad48d
Binary files /dev/null and b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.tr.png differ
diff --git a/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.br.png b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.br.png
new file mode 100644
index 00000000..73c0aea6
Binary files /dev/null and b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.br.png differ
diff --git a/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.tr.png b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.tr.png
new file mode 100644
index 00000000..73c0aea6
Binary files /dev/null and b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.tr.png differ
diff --git a/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.br.png b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.br.png
new file mode 100644
index 00000000..0768efbc
Binary files /dev/null and b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.br.png differ
diff --git a/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.tr.png b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.tr.png
new file mode 100644
index 00000000..0768efbc
Binary files /dev/null and b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.tr.png differ
diff --git a/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.br.png b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.br.png
new file mode 100644
index 00000000..a6c3afe8
Binary files /dev/null and b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.br.png differ
diff --git a/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.tr.png b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.tr.png
new file mode 100644
index 00000000..a6c3afe8
Binary files /dev/null and b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.tr.png differ
diff --git a/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.br.png b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.br.png
new file mode 100644
index 00000000..eed10ecb
Binary files /dev/null and b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.br.png differ
diff --git a/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.tr.png b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.tr.png
new file mode 100644
index 00000000..eed10ecb
Binary files /dev/null and b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.tr.png differ
diff --git a/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.br.png b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.br.png
new file mode 100644
index 00000000..4c086050
Binary files /dev/null and b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.br.png differ
diff --git a/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.tr.png b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.tr.png
new file mode 100644
index 00000000..4c086050
Binary files /dev/null and b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.tr.png differ
diff --git a/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.br.png b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.br.png
new file mode 100644
index 00000000..9f641588
Binary files /dev/null and b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.br.png differ
diff --git a/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.tr.png b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.tr.png
new file mode 100644
index 00000000..9f641588
Binary files /dev/null and b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.tr.png differ
diff --git a/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.br.png b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.br.png
new file mode 100644
index 00000000..9404843f
Binary files /dev/null and b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.br.png differ
diff --git a/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.tr.png b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.tr.png
new file mode 100644
index 00000000..9404843f
Binary files /dev/null and b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.tr.png differ
diff --git a/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.br.png b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.br.png
new file mode 100644
index 00000000..9636ac68
Binary files /dev/null and b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.br.png differ
diff --git a/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.tr.png b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.tr.png
new file mode 100644
index 00000000..9636ac68
Binary files /dev/null and b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.tr.png differ
diff --git a/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.br.png b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.br.png
new file mode 100644
index 00000000..38a2b35d
Binary files /dev/null and b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.br.png differ
diff --git a/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.tr.png b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.tr.png
new file mode 100644
index 00000000..38a2b35d
Binary files /dev/null and b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.tr.png differ
diff --git a/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.br.png b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.br.png
new file mode 100644
index 00000000..cd09e177
Binary files /dev/null and b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.br.png differ
diff --git a/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.tr.png b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.tr.png
new file mode 100644
index 00000000..cd09e177
Binary files /dev/null and b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.tr.png differ
diff --git a/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.br.png b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.br.png
new file mode 100644
index 00000000..4cc4f4bc
Binary files /dev/null and b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.br.png differ
diff --git a/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.tr.png b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.tr.png
new file mode 100644
index 00000000..4cc4f4bc
Binary files /dev/null and b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.tr.png differ
diff --git a/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.br.png b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.br.png
new file mode 100644
index 00000000..33e03220
Binary files /dev/null and b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.br.png differ
diff --git a/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.tr.png b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.tr.png
new file mode 100644
index 00000000..33e03220
Binary files /dev/null and b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.tr.png differ
diff --git a/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.br.png b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.br.png
new file mode 100644
index 00000000..489d49e3
Binary files /dev/null and b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.br.png differ
diff --git a/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.tr.png b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.tr.png
new file mode 100644
index 00000000..489d49e3
Binary files /dev/null and b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.tr.png differ
diff --git a/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.br.png b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.br.png
new file mode 100644
index 00000000..80b39b63
Binary files /dev/null and b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.br.png differ
diff --git a/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.tr.png b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.tr.png
new file mode 100644
index 00000000..80b39b63
Binary files /dev/null and b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.tr.png differ
diff --git a/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.br.png b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.br.png
new file mode 100644
index 00000000..2404a4ce
Binary files /dev/null and b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.br.png differ
diff --git a/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.tr.png b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.tr.png
new file mode 100644
index 00000000..2404a4ce
Binary files /dev/null and b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.tr.png differ
diff --git a/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.br.png b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.br.png
new file mode 100644
index 00000000..f884cc81
Binary files /dev/null and b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.br.png differ
diff --git a/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.tr.png b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.tr.png
new file mode 100644
index 00000000..f884cc81
Binary files /dev/null and b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.tr.png differ
diff --git a/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.br.png b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.br.png
new file mode 100644
index 00000000..9f649bd1
Binary files /dev/null and b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.br.png differ
diff --git a/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.tr.png b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.tr.png
new file mode 100644
index 00000000..9f649bd1
Binary files /dev/null and b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.tr.png differ
diff --git a/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.br.png b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.br.png
new file mode 100644
index 00000000..03e1fa8c
Binary files /dev/null and b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.br.png differ
diff --git a/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.tr.png b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.tr.png
new file mode 100644
index 00000000..03e1fa8c
Binary files /dev/null and b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.tr.png differ
diff --git a/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.br.png b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.br.png
new file mode 100644
index 00000000..983f836f
Binary files /dev/null and b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.br.png differ
diff --git a/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.tr.png b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.tr.png
new file mode 100644
index 00000000..983f836f
Binary files /dev/null and b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.tr.png differ
diff --git a/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.br.png b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.br.png
new file mode 100644
index 00000000..2aede939
Binary files /dev/null and b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.br.png differ
diff --git a/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.tr.png b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.tr.png
new file mode 100644
index 00000000..2aede939
Binary files /dev/null and b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.tr.png differ
diff --git a/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.br.png b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.br.png
new file mode 100644
index 00000000..7bc7bab2
Binary files /dev/null and b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.br.png differ
diff --git a/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.tr.png b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.tr.png
new file mode 100644
index 00000000..7bc7bab2
Binary files /dev/null and b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.tr.png differ
diff --git a/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.br.png b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.br.png
new file mode 100644
index 00000000..4ffd862a
Binary files /dev/null and b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.br.png differ
diff --git a/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.tr.png b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.tr.png
new file mode 100644
index 00000000..4ffd862a
Binary files /dev/null and b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.tr.png differ
diff --git a/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.br.png b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.br.png
new file mode 100644
index 00000000..ef506579
Binary files /dev/null and b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.br.png differ
diff --git a/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.tr.png b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.tr.png
new file mode 100644
index 00000000..ef506579
Binary files /dev/null and b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.tr.png differ
diff --git a/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.br.png b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.br.png
new file mode 100644
index 00000000..ddf79213
Binary files /dev/null and b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.br.png differ
diff --git a/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.tr.png b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.tr.png
new file mode 100644
index 00000000..ddf79213
Binary files /dev/null and b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.tr.png differ
diff --git a/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.br.png b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.br.png
new file mode 100644
index 00000000..1796bcce
Binary files /dev/null and b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.br.png differ
diff --git a/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.tr.png b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.tr.png
new file mode 100644
index 00000000..1796bcce
Binary files /dev/null and b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.tr.png differ
diff --git a/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.br.png b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.br.png
new file mode 100644
index 00000000..ab763666
Binary files /dev/null and b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.br.png differ
diff --git a/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.tr.png b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.tr.png
new file mode 100644
index 00000000..ab763666
Binary files /dev/null and b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.tr.png differ
diff --git a/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.br.png b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.br.png
new file mode 100644
index 00000000..013f247d
Binary files /dev/null and b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.br.png differ
diff --git a/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.tr.png b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.tr.png
new file mode 100644
index 00000000..013f247d
Binary files /dev/null and b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.tr.png differ
diff --git a/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.br.png b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.br.png
new file mode 100644
index 00000000..fd1b7753
Binary files /dev/null and b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.br.png differ
diff --git a/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.tr.png b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.tr.png
new file mode 100644
index 00000000..fd1b7753
Binary files /dev/null and b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.tr.png differ
diff --git a/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.br.png b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.br.png
new file mode 100644
index 00000000..55154b84
Binary files /dev/null and b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.br.png differ
diff --git a/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.tr.png b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.tr.png
new file mode 100644
index 00000000..55154b84
Binary files /dev/null and b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.tr.png differ
diff --git a/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.br.png b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.br.png
new file mode 100644
index 00000000..306d6f14
Binary files /dev/null and b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.br.png differ
diff --git a/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.tr.png b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.tr.png
new file mode 100644
index 00000000..306d6f14
Binary files /dev/null and b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.tr.png differ
diff --git a/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.br.png b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.br.png
new file mode 100644
index 00000000..dfb03646
Binary files /dev/null and b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.br.png differ
diff --git a/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.tr.png b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.tr.png
new file mode 100644
index 00000000..dfb03646
Binary files /dev/null and b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.tr.png differ
diff --git a/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.br.png b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.br.png
new file mode 100644
index 00000000..05208120
Binary files /dev/null and b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.br.png differ
diff --git a/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.tr.png b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.tr.png
new file mode 100644
index 00000000..05208120
Binary files /dev/null and b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.tr.png differ
diff --git a/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.br.jpg b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.br.jpg
new file mode 100644
index 00000000..e78b8c6c
Binary files /dev/null and b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.br.jpg differ
diff --git a/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.tr.jpg b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.tr.jpg
new file mode 100644
index 00000000..e78b8c6c
Binary files /dev/null and b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.tr.jpg differ
diff --git a/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.br.png b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.br.png
new file mode 100644
index 00000000..0b221a3f
Binary files /dev/null and b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.br.png differ
diff --git a/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.tr.png b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.tr.png
new file mode 100644
index 00000000..0b221a3f
Binary files /dev/null and b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.tr.png differ
diff --git a/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.br.png b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.br.png
new file mode 100644
index 00000000..576d3f84
Binary files /dev/null and b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.br.png differ
diff --git a/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.tr.png b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.tr.png
new file mode 100644
index 00000000..576d3f84
Binary files /dev/null and b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.tr.png differ
diff --git a/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.br.png b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.br.png
new file mode 100644
index 00000000..297ccc5e
Binary files /dev/null and b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.br.png differ
diff --git a/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.tr.png b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.tr.png
new file mode 100644
index 00000000..297ccc5e
Binary files /dev/null and b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.tr.png differ
diff --git a/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.br.png b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.br.png
new file mode 100644
index 00000000..89bd1ba6
Binary files /dev/null and b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.br.png differ
diff --git a/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.tr.png b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.tr.png
new file mode 100644
index 00000000..89bd1ba6
Binary files /dev/null and b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.tr.png differ
diff --git a/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.br.jpg b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.br.jpg
new file mode 100644
index 00000000..383794f2
Binary files /dev/null and b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.br.jpg differ
diff --git a/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.tr.jpg b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.tr.jpg
new file mode 100644
index 00000000..383794f2
Binary files /dev/null and b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.tr.jpg differ
diff --git a/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.br.png b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.br.png
new file mode 100644
index 00000000..f28538e1
Binary files /dev/null and b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.br.png differ
diff --git a/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.tr.png b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.tr.png
new file mode 100644
index 00000000..f28538e1
Binary files /dev/null and b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.tr.png differ
diff --git a/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.br.png b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.br.png
new file mode 100644
index 00000000..39431760
Binary files /dev/null and b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.br.png differ
diff --git a/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.tr.png b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.tr.png
new file mode 100644
index 00000000..39431760
Binary files /dev/null and b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.tr.png differ
diff --git a/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.br.png b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.br.png
new file mode 100644
index 00000000..46a26d45
Binary files /dev/null and b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.br.png differ
diff --git a/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.tr.png b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.tr.png
new file mode 100644
index 00000000..46a26d45
Binary files /dev/null and b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.tr.png differ
diff --git a/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.br.png b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.br.png
new file mode 100644
index 00000000..6f70239b
Binary files /dev/null and b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.br.png differ
diff --git a/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.tr.png b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.tr.png
new file mode 100644
index 00000000..6f70239b
Binary files /dev/null and b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.tr.png differ
diff --git a/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.br.png b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.br.png
new file mode 100644
index 00000000..c5cd51da
Binary files /dev/null and b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.br.png differ
diff --git a/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.tr.png b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.tr.png
new file mode 100644
index 00000000..c5cd51da
Binary files /dev/null and b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.tr.png differ
diff --git a/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.br.png b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.br.png
new file mode 100644
index 00000000..0328b3ea
Binary files /dev/null and b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.br.png differ
diff --git a/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.tr.png b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.tr.png
new file mode 100644
index 00000000..0328b3ea
Binary files /dev/null and b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.tr.png differ
diff --git a/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.br.png b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.br.png
new file mode 100644
index 00000000..b3d0d223
Binary files /dev/null and b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.br.png differ
diff --git a/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.tr.png b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.tr.png
new file mode 100644
index 00000000..b3d0d223
Binary files /dev/null and b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.tr.png differ
diff --git a/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.br.png b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.br.png
new file mode 100644
index 00000000..0729dbce
Binary files /dev/null and b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.br.png differ
diff --git a/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.tr.png b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.tr.png
new file mode 100644
index 00000000..0729dbce
Binary files /dev/null and b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.tr.png differ
diff --git a/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.br.png b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.br.png
new file mode 100644
index 00000000..2e3adef5
Binary files /dev/null and b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.br.png differ
diff --git a/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.tr.png b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.tr.png
new file mode 100644
index 00000000..2e3adef5
Binary files /dev/null and b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.tr.png differ
diff --git a/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.br.png b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.br.png
new file mode 100644
index 00000000..4e9aa9b4
Binary files /dev/null and b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.br.png differ
diff --git a/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.tr.png b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.tr.png
new file mode 100644
index 00000000..4e9aa9b4
Binary files /dev/null and b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.tr.png differ
diff --git a/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.br.png b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.br.png
new file mode 100644
index 00000000..766527c0
Binary files /dev/null and b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.br.png differ
diff --git a/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.tr.png b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.tr.png
new file mode 100644
index 00000000..766527c0
Binary files /dev/null and b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.tr.png differ
diff --git a/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.br.png b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.br.png
new file mode 100644
index 00000000..f34ad7c6
Binary files /dev/null and b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.br.png differ
diff --git a/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.tr.png b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.tr.png
new file mode 100644
index 00000000..f34ad7c6
Binary files /dev/null and b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.tr.png differ
diff --git a/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.br.png b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.br.png
new file mode 100644
index 00000000..403bb436
Binary files /dev/null and b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.br.png differ
diff --git a/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.tr.png b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.tr.png
new file mode 100644
index 00000000..403bb436
Binary files /dev/null and b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.tr.png differ
diff --git a/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.br.png b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.br.png
new file mode 100644
index 00000000..07398a97
Binary files /dev/null and b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.br.png differ
diff --git a/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.tr.png b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.tr.png
new file mode 100644
index 00000000..07398a97
Binary files /dev/null and b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.tr.png differ
diff --git a/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.br.png b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.br.png
new file mode 100644
index 00000000..83d0a29e
Binary files /dev/null and b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.br.png differ
diff --git a/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.tr.png b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.tr.png
new file mode 100644
index 00000000..83d0a29e
Binary files /dev/null and b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.tr.png differ
diff --git a/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.br.png b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.br.png
new file mode 100644
index 00000000..cdd566f5
Binary files /dev/null and b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.br.png differ
diff --git a/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.tr.png b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.tr.png
new file mode 100644
index 00000000..cdd566f5
Binary files /dev/null and b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.tr.png differ
diff --git a/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.br.png b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.br.png
new file mode 100644
index 00000000..50caa7a8
Binary files /dev/null and b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.br.png differ
diff --git a/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.tr.png b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.tr.png
new file mode 100644
index 00000000..50caa7a8
Binary files /dev/null and b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.tr.png differ
diff --git a/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.br.png b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.br.png
new file mode 100644
index 00000000..e68c1881
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.br.png differ
diff --git a/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.tr.png b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.tr.png
new file mode 100644
index 00000000..e68c1881
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.tr.png differ
diff --git a/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.br.png b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.br.png
new file mode 100644
index 00000000..357708db
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.br.png differ
diff --git a/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.tr.png b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.tr.png
new file mode 100644
index 00000000..357708db
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.tr.png differ
diff --git a/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.br.png b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.br.png
new file mode 100644
index 00000000..ff2cb168
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.br.png differ
diff --git a/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.tr.png b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.tr.png
new file mode 100644
index 00000000..ff2cb168
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.tr.png differ
diff --git a/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.br.png b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.br.png
new file mode 100644
index 00000000..4dd28830
Binary files /dev/null and b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.br.png differ
diff --git a/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.tr.png b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.tr.png
new file mode 100644
index 00000000..4dd28830
Binary files /dev/null and b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.tr.png differ
diff --git a/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.br.png b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.br.png
new file mode 100644
index 00000000..36a0bed7
Binary files /dev/null and b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.br.png differ
diff --git a/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.tr.png b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.tr.png
new file mode 100644
index 00000000..36a0bed7
Binary files /dev/null and b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.tr.png differ
diff --git a/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.br.png b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.br.png
new file mode 100644
index 00000000..43b82415
Binary files /dev/null and b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.br.png differ
diff --git a/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.tr.png b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.tr.png
new file mode 100644
index 00000000..43b82415
Binary files /dev/null and b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.tr.png differ
diff --git a/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.br.png b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.br.png
new file mode 100644
index 00000000..9f42e92d
Binary files /dev/null and b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.br.png differ
diff --git a/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.tr.png b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.tr.png
new file mode 100644
index 00000000..9f42e92d
Binary files /dev/null and b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.tr.png differ
diff --git a/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.br.png b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.br.png
new file mode 100644
index 00000000..91118b35
Binary files /dev/null and b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.br.png differ
diff --git a/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.tr.png b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.tr.png
new file mode 100644
index 00000000..91118b35
Binary files /dev/null and b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.tr.png differ
diff --git a/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.br.png b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.br.png
new file mode 100644
index 00000000..c1074a8e
Binary files /dev/null and b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.br.png differ
diff --git a/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.tr.png b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.tr.png
new file mode 100644
index 00000000..c1074a8e
Binary files /dev/null and b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.tr.png differ
diff --git a/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.br.png b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.br.png
new file mode 100644
index 00000000..a4cca4dc
Binary files /dev/null and b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.br.png differ
diff --git a/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.tr.png b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.tr.png
new file mode 100644
index 00000000..a4cca4dc
Binary files /dev/null and b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.tr.png differ
diff --git a/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.br.png b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.br.png
new file mode 100644
index 00000000..1dd02459
Binary files /dev/null and b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.br.png differ
diff --git a/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.tr.png b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.tr.png
new file mode 100644
index 00000000..1dd02459
Binary files /dev/null and b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.tr.png differ
diff --git a/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.br.png b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.br.png
new file mode 100644
index 00000000..64ba974b
Binary files /dev/null and b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.br.png differ
diff --git a/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.tr.png b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.tr.png
new file mode 100644
index 00000000..64ba974b
Binary files /dev/null and b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.tr.png differ
diff --git a/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.br.png b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.br.png
new file mode 100644
index 00000000..fd3d1f9b
Binary files /dev/null and b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.br.png differ
diff --git a/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.tr.png b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.tr.png
new file mode 100644
index 00000000..fd3d1f9b
Binary files /dev/null and b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.tr.png differ
diff --git a/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.br.png b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.br.png
new file mode 100644
index 00000000..f523159b
Binary files /dev/null and b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.br.png differ
diff --git a/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.tr.png b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.tr.png
new file mode 100644
index 00000000..f523159b
Binary files /dev/null and b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.tr.png differ
diff --git a/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.br.png b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.br.png
new file mode 100644
index 00000000..70a9bacf
Binary files /dev/null and b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.br.png differ
diff --git a/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.tr.png b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.tr.png
new file mode 100644
index 00000000..70a9bacf
Binary files /dev/null and b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.tr.png differ
diff --git a/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.br.png b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.br.png
new file mode 100644
index 00000000..9e30ab1c
Binary files /dev/null and b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.br.png differ
diff --git a/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.tr.png b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.tr.png
new file mode 100644
index 00000000..9e30ab1c
Binary files /dev/null and b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.tr.png differ
diff --git a/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.br.png b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.br.png
new file mode 100644
index 00000000..e9f61adc
Binary files /dev/null and b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.br.png differ
diff --git a/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.tr.png b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.tr.png
new file mode 100644
index 00000000..e9f61adc
Binary files /dev/null and b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.tr.png differ
diff --git a/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.br.png b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.br.png
new file mode 100644
index 00000000..a54521f7
Binary files /dev/null and b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.br.png differ
diff --git a/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.tr.png b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.tr.png
new file mode 100644
index 00000000..a54521f7
Binary files /dev/null and b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.tr.png differ
diff --git a/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.br.png b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.br.png
new file mode 100644
index 00000000..6981df8a
Binary files /dev/null and b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.br.png differ
diff --git a/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.tr.png b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.tr.png
new file mode 100644
index 00000000..6981df8a
Binary files /dev/null and b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.tr.png differ
diff --git a/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.br.png b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.br.png
new file mode 100644
index 00000000..2722c065
Binary files /dev/null and b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.br.png differ
diff --git a/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.tr.png b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.tr.png
new file mode 100644
index 00000000..2722c065
Binary files /dev/null and b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.tr.png differ
diff --git a/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.br.jpg b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.br.jpg
new file mode 100644
index 00000000..cce2a759
Binary files /dev/null and b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.br.jpg differ
diff --git a/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.tr.jpg b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.tr.jpg
new file mode 100644
index 00000000..cce2a759
Binary files /dev/null and b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.tr.jpg differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.br.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.br.png
new file mode 100644
index 00000000..26e0ae43
Binary files /dev/null and b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.br.png differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.tr.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.tr.png
new file mode 100644
index 00000000..26e0ae43
Binary files /dev/null and b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.tr.png differ
diff --git a/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.br.png b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.br.png
new file mode 100644
index 00000000..a5d549fd
Binary files /dev/null and b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.br.png differ
diff --git a/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.tr.png b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.tr.png
new file mode 100644
index 00000000..a5d549fd
Binary files /dev/null and b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.tr.png differ
diff --git a/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.br.png b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.br.png
new file mode 100644
index 00000000..a251745c
Binary files /dev/null and b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.br.png differ
diff --git a/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.tr.png b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.tr.png
new file mode 100644
index 00000000..a251745c
Binary files /dev/null and b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.tr.png differ
diff --git a/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.br.png b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.br.png
new file mode 100644
index 00000000..bb97d28e
Binary files /dev/null and b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.br.png differ
diff --git a/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.tr.png b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.tr.png
new file mode 100644
index 00000000..bb97d28e
Binary files /dev/null and b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.tr.png differ
diff --git a/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.br.png b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.br.png
new file mode 100644
index 00000000..e34dea22
Binary files /dev/null and b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.br.png differ
diff --git a/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.tr.png b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.tr.png
new file mode 100644
index 00000000..e34dea22
Binary files /dev/null and b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.tr.png differ
diff --git a/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.br.png b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.br.png
new file mode 100644
index 00000000..fa863501
Binary files /dev/null and b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.br.png differ
diff --git a/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.tr.png b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.tr.png
new file mode 100644
index 00000000..fa863501
Binary files /dev/null and b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.tr.png differ
diff --git a/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.br.png b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.br.png
new file mode 100644
index 00000000..0d0e0c48
Binary files /dev/null and b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.br.png differ
diff --git a/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.tr.png b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.tr.png
new file mode 100644
index 00000000..0d0e0c48
Binary files /dev/null and b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.tr.png differ
diff --git a/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.br.png b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.br.png
new file mode 100644
index 00000000..6f79a498
Binary files /dev/null and b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.br.png differ
diff --git a/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.tr.png b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.tr.png
new file mode 100644
index 00000000..6f79a498
Binary files /dev/null and b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.tr.png differ
diff --git a/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.br.png b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.br.png
new file mode 100644
index 00000000..8527d4cd
Binary files /dev/null and b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.br.png differ
diff --git a/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.tr.png b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.tr.png
new file mode 100644
index 00000000..8527d4cd
Binary files /dev/null and b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.tr.png differ
diff --git a/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.br.png b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.br.png
new file mode 100644
index 00000000..8597bf4d
Binary files /dev/null and b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.br.png differ
diff --git a/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.tr.png b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.tr.png
new file mode 100644
index 00000000..8597bf4d
Binary files /dev/null and b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.tr.png differ
diff --git a/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.br.png b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.br.png
new file mode 100644
index 00000000..3bf24358
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.br.png differ
diff --git a/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.tr.png b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.tr.png
new file mode 100644
index 00000000..3bf24358
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.tr.png differ
diff --git a/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.br.png b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.br.png
new file mode 100644
index 00000000..562f66d2
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.br.png differ
diff --git a/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.tr.png b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.tr.png
new file mode 100644
index 00000000..562f66d2
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.tr.png differ
diff --git a/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.br.png b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.br.png
new file mode 100644
index 00000000..2f50d53a
Binary files /dev/null and b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.br.png differ
diff --git a/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.tr.png b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.tr.png
new file mode 100644
index 00000000..2f50d53a
Binary files /dev/null and b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.tr.png differ
diff --git a/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.br.png b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.br.png
new file mode 100644
index 00000000..de7f343e
Binary files /dev/null and b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.br.png differ
diff --git a/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.tr.png b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.tr.png
new file mode 100644
index 00000000..de7f343e
Binary files /dev/null and b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.tr.png differ
diff --git a/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.br.png b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.br.png
new file mode 100644
index 00000000..c8b1a544
Binary files /dev/null and b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.br.png differ
diff --git a/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.tr.png b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.tr.png
new file mode 100644
index 00000000..c8b1a544
Binary files /dev/null and b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.tr.png differ
diff --git a/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.br.png b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.br.png
new file mode 100644
index 00000000..17d1151d
Binary files /dev/null and b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.br.png differ
diff --git a/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.tr.png b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.tr.png
new file mode 100644
index 00000000..17d1151d
Binary files /dev/null and b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.tr.png differ
diff --git a/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.br.png b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.br.png
new file mode 100644
index 00000000..ffafc104
Binary files /dev/null and b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.br.png differ
diff --git a/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.tr.png b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.tr.png
new file mode 100644
index 00000000..ffafc104
Binary files /dev/null and b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.tr.png differ
diff --git a/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.br.png b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.br.png
new file mode 100644
index 00000000..e3d86f8c
Binary files /dev/null and b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.br.png differ
diff --git a/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.tr.png b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.tr.png
new file mode 100644
index 00000000..e3d86f8c
Binary files /dev/null and b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.tr.png differ
diff --git a/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.br.png b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.br.png
new file mode 100644
index 00000000..3a4445ee
Binary files /dev/null and b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.br.png differ
diff --git a/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.tr.png b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.tr.png
new file mode 100644
index 00000000..3a4445ee
Binary files /dev/null and b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.tr.png differ
diff --git a/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.br.png b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.br.png
new file mode 100644
index 00000000..b2bf4d3f
Binary files /dev/null and b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.br.png differ
diff --git a/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.tr.png b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.tr.png
new file mode 100644
index 00000000..b2bf4d3f
Binary files /dev/null and b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.tr.png differ
diff --git a/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.br.png b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.br.png
new file mode 100644
index 00000000..467cedcd
Binary files /dev/null and b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.br.png differ
diff --git a/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.tr.png b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.tr.png
new file mode 100644
index 00000000..467cedcd
Binary files /dev/null and b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.tr.png differ
diff --git a/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.br.png b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.br.png
new file mode 100644
index 00000000..88efaa59
Binary files /dev/null and b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.br.png differ
diff --git a/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.tr.png b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.tr.png
new file mode 100644
index 00000000..88efaa59
Binary files /dev/null and b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.tr.png differ
diff --git a/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.br.png b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.br.png
new file mode 100644
index 00000000..6197ed95
Binary files /dev/null and b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.br.png differ
diff --git a/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.tr.png b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.tr.png
new file mode 100644
index 00000000..6197ed95
Binary files /dev/null and b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.tr.png differ
diff --git a/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.br.png b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.br.png
new file mode 100644
index 00000000..ec7768da
Binary files /dev/null and b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.br.png differ
diff --git a/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.tr.png b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.tr.png
new file mode 100644
index 00000000..ec7768da
Binary files /dev/null and b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.tr.png differ
diff --git a/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.br.png b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.br.png
new file mode 100644
index 00000000..f68bf461
Binary files /dev/null and b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.br.png differ
diff --git a/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.tr.png b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.tr.png
new file mode 100644
index 00000000..f68bf461
Binary files /dev/null and b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.tr.png differ
diff --git a/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.br.png b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.br.png
new file mode 100644
index 00000000..73e34cfe
Binary files /dev/null and b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.br.png differ
diff --git a/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.tr.png b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.tr.png
new file mode 100644
index 00000000..73e34cfe
Binary files /dev/null and b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.tr.png differ
diff --git a/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.br.png b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.br.png
new file mode 100644
index 00000000..21cc6bd0
Binary files /dev/null and b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.br.png differ
diff --git a/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.tr.png b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.tr.png
new file mode 100644
index 00000000..21cc6bd0
Binary files /dev/null and b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.tr.png differ
diff --git a/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.br.png b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.br.png
new file mode 100644
index 00000000..9c7deb23
Binary files /dev/null and b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.br.png differ
diff --git a/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.tr.png b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.tr.png
new file mode 100644
index 00000000..9c7deb23
Binary files /dev/null and b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.tr.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.br.png b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.br.png
new file mode 100644
index 00000000..ddc9958b
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.br.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.tr.png b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.tr.png
new file mode 100644
index 00000000..ddc9958b
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.tr.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.br.png b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.br.png
new file mode 100644
index 00000000..d181210a
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.br.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.tr.png b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.tr.png
new file mode 100644
index 00000000..d181210a
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.tr.png differ
diff --git a/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.br.png b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.br.png
new file mode 100644
index 00000000..a00ab427
Binary files /dev/null and b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.br.png differ
diff --git a/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.tr.png b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.tr.png
new file mode 100644
index 00000000..a00ab427
Binary files /dev/null and b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.tr.png differ
diff --git a/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.br.png b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.br.png
new file mode 100644
index 00000000..dedb38a3
Binary files /dev/null and b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.br.png differ
diff --git a/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.tr.png b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.tr.png
new file mode 100644
index 00000000..dedb38a3
Binary files /dev/null and b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.tr.png differ
diff --git a/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.br.png b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.br.png
new file mode 100644
index 00000000..2b34487d
Binary files /dev/null and b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.br.png differ
diff --git a/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.tr.png b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.tr.png
new file mode 100644
index 00000000..2b34487d
Binary files /dev/null and b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.tr.png differ
diff --git a/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.br.png b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.br.png
new file mode 100644
index 00000000..1cae68ed
Binary files /dev/null and b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.br.png differ
diff --git a/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.tr.png b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.tr.png
new file mode 100644
index 00000000..1cae68ed
Binary files /dev/null and b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.tr.png differ
diff --git a/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.br.png b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.br.png
new file mode 100644
index 00000000..df961cae
Binary files /dev/null and b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.br.png differ
diff --git a/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.tr.png b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.tr.png
new file mode 100644
index 00000000..df961cae
Binary files /dev/null and b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.tr.png differ
diff --git a/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.br.png b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.br.png
new file mode 100644
index 00000000..aaeaeff8
Binary files /dev/null and b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.br.png differ
diff --git a/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.tr.png b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.tr.png
new file mode 100644
index 00000000..aaeaeff8
Binary files /dev/null and b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.tr.png differ
diff --git a/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.br.png b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.br.png
new file mode 100644
index 00000000..7613fe86
Binary files /dev/null and b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.br.png differ
diff --git a/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.tr.png b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.tr.png
new file mode 100644
index 00000000..7613fe86
Binary files /dev/null and b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.tr.png differ
diff --git a/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.br.png b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.br.png
new file mode 100644
index 00000000..335bdf32
Binary files /dev/null and b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.br.png differ
diff --git a/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.tr.png b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.tr.png
new file mode 100644
index 00000000..335bdf32
Binary files /dev/null and b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.tr.png differ
diff --git a/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.br.png b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.br.png
new file mode 100644
index 00000000..32c8ba10
Binary files /dev/null and b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.br.png differ
diff --git a/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.tr.png b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.tr.png
new file mode 100644
index 00000000..32c8ba10
Binary files /dev/null and b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.tr.png differ
diff --git a/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.br.png b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.br.png
new file mode 100644
index 00000000..82802e17
Binary files /dev/null and b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.br.png differ
diff --git a/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.tr.png b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.tr.png
new file mode 100644
index 00000000..82802e17
Binary files /dev/null and b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.tr.png differ
diff --git a/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.br.png b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.br.png
new file mode 100644
index 00000000..8214fc2c
Binary files /dev/null and b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.br.png differ
diff --git a/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.tr.png b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.tr.png
new file mode 100644
index 00000000..8214fc2c
Binary files /dev/null and b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.tr.png differ
diff --git a/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.br.png b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.br.png
new file mode 100644
index 00000000..434baaad
Binary files /dev/null and b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.br.png differ
diff --git a/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.tr.png b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.tr.png
new file mode 100644
index 00000000..434baaad
Binary files /dev/null and b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.tr.png differ
diff --git a/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.br.png b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.br.png
new file mode 100644
index 00000000..d32271b5
Binary files /dev/null and b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.br.png differ
diff --git a/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.tr.png b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.tr.png
new file mode 100644
index 00000000..d32271b5
Binary files /dev/null and b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.tr.png differ
diff --git a/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.br.png b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.br.png
new file mode 100644
index 00000000..04cd7dc8
Binary files /dev/null and b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.br.png differ
diff --git a/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.tr.png b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.tr.png
new file mode 100644
index 00000000..04cd7dc8
Binary files /dev/null and b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.tr.png differ
diff --git a/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.br.png b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.br.png
new file mode 100644
index 00000000..a8a12bce
Binary files /dev/null and b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.br.png differ
diff --git a/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.tr.png b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.tr.png
new file mode 100644
index 00000000..a8a12bce
Binary files /dev/null and b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.tr.png differ
diff --git a/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.br.jpg b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.br.jpg
new file mode 100644
index 00000000..23ea98b2
Binary files /dev/null and b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.br.jpg differ
diff --git a/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.tr.jpg b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.tr.jpg
new file mode 100644
index 00000000..23ea98b2
Binary files /dev/null and b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.tr.jpg differ
diff --git a/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.br.jpg b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.br.jpg
new file mode 100644
index 00000000..1e3581d3
Binary files /dev/null and b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.br.jpg differ
diff --git a/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.tr.jpg b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.tr.jpg
new file mode 100644
index 00000000..1e3581d3
Binary files /dev/null and b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.tr.jpg differ
diff --git a/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.br.jpg b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.br.jpg
new file mode 100644
index 00000000..554ea37b
Binary files /dev/null and b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.br.jpg differ
diff --git a/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.tr.jpg b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.tr.jpg
new file mode 100644
index 00000000..554ea37b
Binary files /dev/null and b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.tr.jpg differ
diff --git a/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.br.jpg b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.br.jpg
new file mode 100644
index 00000000..427ba4c3
Binary files /dev/null and b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.br.jpg differ
diff --git a/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.tr.jpg b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.tr.jpg
new file mode 100644
index 00000000..427ba4c3
Binary files /dev/null and b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.tr.jpg differ
diff --git a/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.br.jpg b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.br.jpg
new file mode 100644
index 00000000..b2357285
Binary files /dev/null and b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.br.jpg differ
diff --git a/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.tr.jpg b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.tr.jpg
new file mode 100644
index 00000000..b2357285
Binary files /dev/null and b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.tr.jpg differ
diff --git a/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.br.jpg b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.br.jpg
new file mode 100644
index 00000000..1736ebb4
Binary files /dev/null and b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.br.jpg differ
diff --git a/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.tr.jpg b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.tr.jpg
new file mode 100644
index 00000000..1736ebb4
Binary files /dev/null and b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.tr.jpg differ
diff --git a/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.br.jpg b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.br.jpg
new file mode 100644
index 00000000..bf1d724f
Binary files /dev/null and b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.br.jpg differ
diff --git a/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.tr.jpg b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.tr.jpg
new file mode 100644
index 00000000..bf1d724f
Binary files /dev/null and b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.tr.jpg differ
diff --git a/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.br.jpg b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.br.jpg
new file mode 100644
index 00000000..bb78259a
Binary files /dev/null and b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.br.jpg differ
diff --git a/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.tr.jpg b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.tr.jpg
new file mode 100644
index 00000000..bb78259a
Binary files /dev/null and b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.tr.jpg differ
diff --git a/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.br.jpg b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.br.jpg
new file mode 100644
index 00000000..b311b568
Binary files /dev/null and b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.br.jpg differ
diff --git a/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.tr.jpg b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.tr.jpg
new file mode 100644
index 00000000..b311b568
Binary files /dev/null and b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.tr.jpg differ
diff --git a/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.br.jpg b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.br.jpg
new file mode 100644
index 00000000..5bd350fd
Binary files /dev/null and b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.br.jpg differ
diff --git a/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.tr.jpg b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.tr.jpg
new file mode 100644
index 00000000..5bd350fd
Binary files /dev/null and b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.tr.jpg differ
diff --git a/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.br.jpg b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.br.jpg
new file mode 100644
index 00000000..66fbe114
Binary files /dev/null and b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.br.jpg differ
diff --git a/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.tr.jpg b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.tr.jpg
new file mode 100644
index 00000000..66fbe114
Binary files /dev/null and b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.tr.jpg differ
diff --git a/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.br.jpg b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.br.jpg
new file mode 100644
index 00000000..050e7206
Binary files /dev/null and b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.br.jpg differ
diff --git a/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.tr.jpg b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.tr.jpg
new file mode 100644
index 00000000..050e7206
Binary files /dev/null and b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.tr.jpg differ
diff --git a/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.br.jpg b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.br.jpg
new file mode 100644
index 00000000..91c64faa
Binary files /dev/null and b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.br.jpg differ
diff --git a/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.tr.jpg b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.tr.jpg
new file mode 100644
index 00000000..91c64faa
Binary files /dev/null and b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.tr.jpg differ
diff --git a/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.br.jpg b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.br.jpg
new file mode 100644
index 00000000..36e1a4b3
Binary files /dev/null and b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.br.jpg differ
diff --git a/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.tr.jpg b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.tr.jpg
new file mode 100644
index 00000000..36e1a4b3
Binary files /dev/null and b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.tr.jpg differ
diff --git a/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.br.jpg b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.br.jpg
new file mode 100644
index 00000000..1b87df4c
Binary files /dev/null and b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.br.jpg differ
diff --git a/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.tr.jpg b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.tr.jpg
new file mode 100644
index 00000000..1b87df4c
Binary files /dev/null and b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.tr.jpg differ
diff --git a/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.br.jpg b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.br.jpg
new file mode 100644
index 00000000..8df37a22
Binary files /dev/null and b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.br.jpg differ
diff --git a/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.tr.jpg b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.tr.jpg
new file mode 100644
index 00000000..8df37a22
Binary files /dev/null and b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.tr.jpg differ
diff --git a/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.br.jpg b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.br.jpg
new file mode 100644
index 00000000..943af1b9
Binary files /dev/null and b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.br.jpg differ
diff --git a/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.tr.jpg b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.tr.jpg
new file mode 100644
index 00000000..943af1b9
Binary files /dev/null and b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.tr.jpg differ
diff --git a/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.br.jpg b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.br.jpg
new file mode 100644
index 00000000..5a96f7fb
Binary files /dev/null and b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.br.jpg differ
diff --git a/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.tr.jpg b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.tr.jpg
new file mode 100644
index 00000000..5a96f7fb
Binary files /dev/null and b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.tr.jpg differ
diff --git a/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.br.jpg b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.br.jpg
new file mode 100644
index 00000000..8f0bee50
Binary files /dev/null and b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.br.jpg differ
diff --git a/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.tr.jpg b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.tr.jpg
new file mode 100644
index 00000000..8f0bee50
Binary files /dev/null and b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.tr.jpg differ
diff --git a/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.br.jpg b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.br.jpg
new file mode 100644
index 00000000..4ba24109
Binary files /dev/null and b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.br.jpg differ
diff --git a/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.tr.jpg b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.tr.jpg
new file mode 100644
index 00000000..4ba24109
Binary files /dev/null and b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.tr.jpg differ
diff --git a/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.br.jpg b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.br.jpg
new file mode 100644
index 00000000..cdf0f557
Binary files /dev/null and b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.br.jpg differ
diff --git a/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.tr.jpg b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.tr.jpg
new file mode 100644
index 00000000..cdf0f557
Binary files /dev/null and b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.tr.jpg differ
diff --git a/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.br.jpg b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.br.jpg
new file mode 100644
index 00000000..f59ee98d
Binary files /dev/null and b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.br.jpg differ
diff --git a/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.tr.jpg b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.tr.jpg
new file mode 100644
index 00000000..f59ee98d
Binary files /dev/null and b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.tr.jpg differ
diff --git a/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.br.jpg b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.br.jpg
new file mode 100644
index 00000000..5bdbfd14
Binary files /dev/null and b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.br.jpg differ
diff --git a/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.tr.jpg b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.tr.jpg
new file mode 100644
index 00000000..5bdbfd14
Binary files /dev/null and b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.tr.jpg differ
diff --git a/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.br.jpg b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.br.jpg
new file mode 100644
index 00000000..b78ab3ac
Binary files /dev/null and b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.br.jpg differ
diff --git a/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.tr.jpg b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.tr.jpg
new file mode 100644
index 00000000..b78ab3ac
Binary files /dev/null and b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.tr.jpg differ
diff --git a/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.br.png b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.br.png
new file mode 100644
index 00000000..d071dffe
Binary files /dev/null and b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.br.png differ
diff --git a/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.tr.png b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.tr.png
new file mode 100644
index 00000000..d071dffe
Binary files /dev/null and b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.tr.png differ
diff --git a/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.br.png b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.br.png
new file mode 100644
index 00000000..b8947f6d
Binary files /dev/null and b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.br.png differ
diff --git a/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.tr.png b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.tr.png
new file mode 100644
index 00000000..b8947f6d
Binary files /dev/null and b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.tr.png differ
diff --git a/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.br.png b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.br.png
new file mode 100644
index 00000000..5c5dfb96
Binary files /dev/null and b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.br.png differ
diff --git a/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.tr.png b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.tr.png
new file mode 100644
index 00000000..5c5dfb96
Binary files /dev/null and b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.tr.png differ
diff --git a/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.br.png b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.br.png
new file mode 100644
index 00000000..663ad7e9
Binary files /dev/null and b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.br.png differ
diff --git a/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.tr.png b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.tr.png
new file mode 100644
index 00000000..663ad7e9
Binary files /dev/null and b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.tr.png differ
diff --git a/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.br.png b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.br.png
new file mode 100644
index 00000000..b1e33d6b
Binary files /dev/null and b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.br.png differ
diff --git a/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.tr.png b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.tr.png
new file mode 100644
index 00000000..b1e33d6b
Binary files /dev/null and b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.tr.png differ
diff --git a/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.br.png b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.br.png
new file mode 100644
index 00000000..2a03ab78
Binary files /dev/null and b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.br.png differ
diff --git a/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.tr.png b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.tr.png
new file mode 100644
index 00000000..2a03ab78
Binary files /dev/null and b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.tr.png differ
diff --git a/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.br.png b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.br.png
new file mode 100644
index 00000000..02ef1351
Binary files /dev/null and b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.br.png differ
diff --git a/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.tr.png b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.tr.png
new file mode 100644
index 00000000..02ef1351
Binary files /dev/null and b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.tr.png differ
diff --git a/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.br.png b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.br.png
new file mode 100644
index 00000000..33faabd1
Binary files /dev/null and b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.br.png differ
diff --git a/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.tr.png b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.tr.png
new file mode 100644
index 00000000..33faabd1
Binary files /dev/null and b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.tr.png differ
diff --git a/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.br.png b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.br.png
new file mode 100644
index 00000000..aa94da2c
Binary files /dev/null and b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.br.png differ
diff --git a/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.tr.png b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.tr.png
new file mode 100644
index 00000000..aa94da2c
Binary files /dev/null and b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.tr.png differ
diff --git a/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.br.png b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.br.png
new file mode 100644
index 00000000..ac000818
Binary files /dev/null and b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.br.png differ
diff --git a/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.tr.png b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.tr.png
new file mode 100644
index 00000000..ac000818
Binary files /dev/null and b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.tr.png differ
diff --git a/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.br.png b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.br.png
new file mode 100644
index 00000000..2fb519f5
Binary files /dev/null and b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.br.png differ
diff --git a/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.tr.png b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.tr.png
new file mode 100644
index 00000000..2fb519f5
Binary files /dev/null and b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.tr.png differ
diff --git a/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.br.png b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.br.png
new file mode 100644
index 00000000..48459b92
Binary files /dev/null and b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.br.png differ
diff --git a/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.tr.png b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.tr.png
new file mode 100644
index 00000000..48459b92
Binary files /dev/null and b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.tr.png differ
diff --git a/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.br.png b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.br.png
new file mode 100644
index 00000000..d502a579
Binary files /dev/null and b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.br.png differ
diff --git a/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.tr.png b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.tr.png
new file mode 100644
index 00000000..d502a579
Binary files /dev/null and b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.tr.png differ
diff --git a/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.br.png b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.br.png
new file mode 100644
index 00000000..fca45002
Binary files /dev/null and b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.br.png differ
diff --git a/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.tr.png b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.tr.png
new file mode 100644
index 00000000..fca45002
Binary files /dev/null and b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.tr.png differ
diff --git a/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.br.png b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.br.png
new file mode 100644
index 00000000..94aa28db
Binary files /dev/null and b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.br.png differ
diff --git a/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.tr.png b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.tr.png
new file mode 100644
index 00000000..94aa28db
Binary files /dev/null and b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.tr.png differ
diff --git a/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.br.png b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.br.png
new file mode 100644
index 00000000..894df473
Binary files /dev/null and b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.br.png differ
diff --git a/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.tr.png b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.tr.png
new file mode 100644
index 00000000..894df473
Binary files /dev/null and b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.tr.png differ
diff --git a/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.br.png b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.br.png
new file mode 100644
index 00000000..b75dfdd2
Binary files /dev/null and b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.br.png differ
diff --git a/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.tr.png b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.tr.png
new file mode 100644
index 00000000..b75dfdd2
Binary files /dev/null and b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.tr.png differ
diff --git a/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.br.png b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.br.png
new file mode 100644
index 00000000..1e7934c3
Binary files /dev/null and b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.br.png differ
diff --git a/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.tr.png b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.tr.png
new file mode 100644
index 00000000..1e7934c3
Binary files /dev/null and b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.tr.png differ
diff --git a/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.br.png b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.br.png
new file mode 100644
index 00000000..5bb319ec
Binary files /dev/null and b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.br.png differ
diff --git a/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.tr.png b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.tr.png
new file mode 100644
index 00000000..5bb319ec
Binary files /dev/null and b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.tr.png differ
diff --git a/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.br.png b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.br.png
new file mode 100644
index 00000000..d66e224f
Binary files /dev/null and b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.br.png differ
diff --git a/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.tr.png b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.tr.png
new file mode 100644
index 00000000..d66e224f
Binary files /dev/null and b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.tr.png differ
diff --git a/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.br.png b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.br.png
new file mode 100644
index 00000000..ed18e7b0
Binary files /dev/null and b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.br.png differ
diff --git a/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.tr.png b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.tr.png
new file mode 100644
index 00000000..ed18e7b0
Binary files /dev/null and b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.tr.png differ
diff --git a/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.br.png b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.br.png
new file mode 100644
index 00000000..9acb21a7
Binary files /dev/null and b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.br.png differ
diff --git a/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.tr.png b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.tr.png
new file mode 100644
index 00000000..9acb21a7
Binary files /dev/null and b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.tr.png differ
diff --git a/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.br.png b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.br.png
new file mode 100644
index 00000000..1ced5fc1
Binary files /dev/null and b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.br.png differ
diff --git a/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.tr.png b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.tr.png
new file mode 100644
index 00000000..1ced5fc1
Binary files /dev/null and b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.tr.png differ
diff --git a/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.br.png b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.br.png
new file mode 100644
index 00000000..7293ced1
Binary files /dev/null and b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.br.png differ
diff --git a/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.tr.png b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.tr.png
new file mode 100644
index 00000000..7293ced1
Binary files /dev/null and b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.tr.png differ
diff --git a/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.br.png b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.br.png
new file mode 100644
index 00000000..be837c63
Binary files /dev/null and b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.br.png differ
diff --git a/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.tr.png b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.tr.png
new file mode 100644
index 00000000..be837c63
Binary files /dev/null and b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.tr.png differ
diff --git a/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.br.png b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.br.png
new file mode 100644
index 00000000..73861107
Binary files /dev/null and b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.br.png differ
diff --git a/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.tr.png b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.tr.png
new file mode 100644
index 00000000..73861107
Binary files /dev/null and b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.tr.png differ
diff --git a/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.br.png b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.br.png
new file mode 100644
index 00000000..1b26d7ff
Binary files /dev/null and b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.br.png differ
diff --git a/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.tr.png b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.tr.png
new file mode 100644
index 00000000..1b26d7ff
Binary files /dev/null and b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.tr.png differ
diff --git a/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.br.png b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.br.png
new file mode 100644
index 00000000..f1905ecc
Binary files /dev/null and b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.br.png differ
diff --git a/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.tr.png b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.tr.png
new file mode 100644
index 00000000..f1905ecc
Binary files /dev/null and b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.tr.png differ
diff --git a/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.br.png b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.br.png
new file mode 100644
index 00000000..edc44fa9
Binary files /dev/null and b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.br.png differ
diff --git a/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.tr.png b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.tr.png
new file mode 100644
index 00000000..edc44fa9
Binary files /dev/null and b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.tr.png differ
diff --git a/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.br.png b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.br.png
new file mode 100644
index 00000000..87854d3a
Binary files /dev/null and b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.br.png differ
diff --git a/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.tr.png b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.tr.png
new file mode 100644
index 00000000..87854d3a
Binary files /dev/null and b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.tr.png differ
diff --git a/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.br.png b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.br.png
new file mode 100644
index 00000000..d1158e0d
Binary files /dev/null and b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.br.png differ
diff --git a/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.tr.png b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.tr.png
new file mode 100644
index 00000000..d1158e0d
Binary files /dev/null and b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.tr.png differ
diff --git a/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.br.png b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.br.png
new file mode 100644
index 00000000..122abea4
Binary files /dev/null and b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.br.png differ
diff --git a/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.tr.png b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.tr.png
new file mode 100644
index 00000000..122abea4
Binary files /dev/null and b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.tr.png differ
diff --git a/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.br.png b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.br.png
new file mode 100644
index 00000000..dc009aa5
Binary files /dev/null and b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.br.png differ
diff --git a/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.tr.png b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.tr.png
new file mode 100644
index 00000000..dc009aa5
Binary files /dev/null and b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.tr.png differ
diff --git a/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.br.png b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.br.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.br.png differ
diff --git a/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.tr.png b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.tr.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.tr.png differ
diff --git a/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.br.png b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.br.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.br.png differ
diff --git a/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.tr.png b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.tr.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.tr.png differ
diff --git a/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.br.png b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.br.png
new file mode 100644
index 00000000..12274b8b
Binary files /dev/null and b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.br.png differ
diff --git a/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.tr.png b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.tr.png
new file mode 100644
index 00000000..12274b8b
Binary files /dev/null and b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.tr.png differ
diff --git a/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.br.png b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.br.png
new file mode 100644
index 00000000..da226797
Binary files /dev/null and b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.br.png differ
diff --git a/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.tr.png b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.tr.png
new file mode 100644
index 00000000..da226797
Binary files /dev/null and b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.tr.png differ
diff --git a/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.br.png b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.br.png
new file mode 100644
index 00000000..67bd8a82
Binary files /dev/null and b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.br.png differ
diff --git a/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.tr.png b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.tr.png
new file mode 100644
index 00000000..67bd8a82
Binary files /dev/null and b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.tr.png differ
diff --git a/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.br.png b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.br.png
new file mode 100644
index 00000000..18938f59
Binary files /dev/null and b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.br.png differ
diff --git a/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.tr.png b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.tr.png
new file mode 100644
index 00000000..18938f59
Binary files /dev/null and b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.tr.png differ
diff --git a/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.br.png b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.br.png
new file mode 100644
index 00000000..db480604
Binary files /dev/null and b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.br.png differ
diff --git a/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.tr.png b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.tr.png
new file mode 100644
index 00000000..db480604
Binary files /dev/null and b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.tr.png differ
diff --git a/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.br.png b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.br.png
new file mode 100644
index 00000000..535e5798
Binary files /dev/null and b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.br.png differ
diff --git a/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.tr.png b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.tr.png
new file mode 100644
index 00000000..535e5798
Binary files /dev/null and b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.tr.png differ
diff --git a/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.br.png b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.br.png
new file mode 100644
index 00000000..b3d83ab7
Binary files /dev/null and b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.br.png differ
diff --git a/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.tr.png b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.tr.png
new file mode 100644
index 00000000..b3d83ab7
Binary files /dev/null and b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.tr.png differ
diff --git a/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.br.png b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.br.png
new file mode 100644
index 00000000..4bb97d60
Binary files /dev/null and b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.br.png differ
diff --git a/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.tr.png b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.tr.png
new file mode 100644
index 00000000..4bb97d60
Binary files /dev/null and b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.tr.png differ
diff --git a/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.br.jpg b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.br.jpg
new file mode 100644
index 00000000..4cf0d73d
Binary files /dev/null and b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.br.jpg differ
diff --git a/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.tr.jpg b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.tr.jpg
new file mode 100644
index 00000000..4cf0d73d
Binary files /dev/null and b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.tr.jpg differ
diff --git a/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.br.png b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.br.png
new file mode 100644
index 00000000..0aace880
Binary files /dev/null and b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.br.png differ
diff --git a/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.tr.png b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.tr.png
new file mode 100644
index 00000000..0aace880
Binary files /dev/null and b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.tr.png differ
diff --git a/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.br.png b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.br.png
new file mode 100644
index 00000000..b19b1f6b
Binary files /dev/null and b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.br.png differ
diff --git a/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.tr.png b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.tr.png
new file mode 100644
index 00000000..b19b1f6b
Binary files /dev/null and b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.tr.png differ
diff --git a/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.br.jpg b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.br.jpg
new file mode 100644
index 00000000..827670ed
Binary files /dev/null and b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.br.jpg differ
diff --git a/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.tr.jpg b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.tr.jpg
new file mode 100644
index 00000000..827670ed
Binary files /dev/null and b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.tr.jpg differ
diff --git a/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.br.png b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.br.png
new file mode 100644
index 00000000..435f901a
Binary files /dev/null and b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.br.png differ
diff --git a/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.tr.png b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.tr.png
new file mode 100644
index 00000000..435f901a
Binary files /dev/null and b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.tr.png differ
diff --git a/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.br.png b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.br.png
new file mode 100644
index 00000000..7308a1d1
Binary files /dev/null and b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.br.png differ
diff --git a/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.tr.png b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.tr.png
new file mode 100644
index 00000000..7308a1d1
Binary files /dev/null and b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.tr.png differ
diff --git a/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.br.png b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.br.png
new file mode 100644
index 00000000..8454c4d2
Binary files /dev/null and b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.br.png differ
diff --git a/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.tr.png b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.tr.png
new file mode 100644
index 00000000..8454c4d2
Binary files /dev/null and b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.tr.png differ
diff --git a/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.br.png b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.br.png
new file mode 100644
index 00000000..324b711d
Binary files /dev/null and b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.br.png differ
diff --git a/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.tr.png b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.tr.png
new file mode 100644
index 00000000..324b711d
Binary files /dev/null and b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.tr.png differ
diff --git a/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.br.png b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.br.png
new file mode 100644
index 00000000..ddfb42aa
Binary files /dev/null and b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.br.png differ
diff --git a/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.tr.png b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.tr.png
new file mode 100644
index 00000000..ddfb42aa
Binary files /dev/null and b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.tr.png differ
diff --git a/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.br.png b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.br.png
new file mode 100644
index 00000000..280f2fe0
Binary files /dev/null and b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.br.png differ
diff --git a/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.tr.png b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.tr.png
new file mode 100644
index 00000000..280f2fe0
Binary files /dev/null and b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.tr.png differ
diff --git a/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.br.jpg b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.br.jpg
new file mode 100644
index 00000000..89b581ef
Binary files /dev/null and b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.br.jpg differ
diff --git a/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.tr.jpg b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.tr.jpg
new file mode 100644
index 00000000..89b581ef
Binary files /dev/null and b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.tr.jpg differ
diff --git a/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.br.jpg b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.br.jpg
new file mode 100644
index 00000000..6efd2da1
Binary files /dev/null and b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.br.jpg differ
diff --git a/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.tr.jpg b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.tr.jpg
new file mode 100644
index 00000000..6efd2da1
Binary files /dev/null and b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.tr.jpg differ
diff --git a/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.br.png b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.br.png
new file mode 100644
index 00000000..348fe7a0
Binary files /dev/null and b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.br.png differ
diff --git a/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.tr.png b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.tr.png
new file mode 100644
index 00000000..348fe7a0
Binary files /dev/null and b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.tr.png differ
diff --git a/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.br.png b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.br.png
new file mode 100644
index 00000000..a69e73f4
Binary files /dev/null and b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.br.png differ
diff --git a/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.tr.png b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.tr.png
new file mode 100644
index 00000000..a69e73f4
Binary files /dev/null and b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.tr.png differ
diff --git a/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.br.png b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.br.png
new file mode 100644
index 00000000..49b0ca9b
Binary files /dev/null and b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.br.png differ
diff --git a/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.tr.png b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.tr.png
new file mode 100644
index 00000000..49b0ca9b
Binary files /dev/null and b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.tr.png differ
diff --git a/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.br.png b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.br.png
new file mode 100644
index 00000000..458a3c95
Binary files /dev/null and b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.br.png differ
diff --git a/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.tr.png b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.tr.png
new file mode 100644
index 00000000..458a3c95
Binary files /dev/null and b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.tr.png differ
diff --git a/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.br.png b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.br.png
new file mode 100644
index 00000000..90b687c2
Binary files /dev/null and b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.br.png differ
diff --git a/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.tr.png b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.tr.png
new file mode 100644
index 00000000..90b687c2
Binary files /dev/null and b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.tr.png differ
diff --git a/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.br.png b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.br.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.br.png differ
diff --git a/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.tr.png b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.tr.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.tr.png differ
diff --git a/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.br.png b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.br.png
new file mode 100644
index 00000000..e7ea8ab6
Binary files /dev/null and b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.br.png differ
diff --git a/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.tr.png b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.tr.png
new file mode 100644
index 00000000..e7ea8ab6
Binary files /dev/null and b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.tr.png differ
diff --git a/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.br.png b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.br.png
new file mode 100644
index 00000000..6f138cf9
Binary files /dev/null and b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.br.png differ
diff --git a/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.tr.png b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.tr.png
new file mode 100644
index 00000000..6f138cf9
Binary files /dev/null and b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.tr.png differ
diff --git a/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.br.png b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.br.png
new file mode 100644
index 00000000..2f5f2861
Binary files /dev/null and b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.br.png differ
diff --git a/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.tr.png b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.tr.png
new file mode 100644
index 00000000..2f5f2861
Binary files /dev/null and b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.tr.png differ
diff --git a/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.br.png b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.br.png
new file mode 100644
index 00000000..f2f1b63e
Binary files /dev/null and b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.br.png differ
diff --git a/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.tr.png b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.tr.png
new file mode 100644
index 00000000..f2f1b63e
Binary files /dev/null and b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.tr.png differ
diff --git a/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.br.png b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.br.png
new file mode 100644
index 00000000..5643c164
Binary files /dev/null and b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.br.png differ
diff --git a/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.tr.png b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.tr.png
new file mode 100644
index 00000000..5643c164
Binary files /dev/null and b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.tr.png differ
diff --git a/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.br.png b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.br.png
new file mode 100644
index 00000000..73fa30d1
Binary files /dev/null and b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.br.png differ
diff --git a/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.tr.png b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.tr.png
new file mode 100644
index 00000000..73fa30d1
Binary files /dev/null and b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.tr.png differ
diff --git a/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.br.png b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.br.png
new file mode 100644
index 00000000..eee39f7d
Binary files /dev/null and b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.br.png differ
diff --git a/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.tr.png b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.tr.png
new file mode 100644
index 00000000..eee39f7d
Binary files /dev/null and b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.tr.png differ
diff --git a/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.br.png b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.br.png
new file mode 100644
index 00000000..5a0fb117
Binary files /dev/null and b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.br.png differ
diff --git a/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.tr.png b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.tr.png
new file mode 100644
index 00000000..5a0fb117
Binary files /dev/null and b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.tr.png differ
diff --git a/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.br.png b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.br.png
new file mode 100644
index 00000000..27ddbfee
Binary files /dev/null and b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.br.png differ
diff --git a/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.tr.png b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.tr.png
new file mode 100644
index 00000000..27ddbfee
Binary files /dev/null and b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.tr.png differ
diff --git a/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.br.png b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.br.png
new file mode 100644
index 00000000..ee07bd10
Binary files /dev/null and b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.br.png differ
diff --git a/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.tr.png b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.tr.png
new file mode 100644
index 00000000..ee07bd10
Binary files /dev/null and b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.tr.png differ
diff --git a/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.br.png b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.br.png
new file mode 100644
index 00000000..37a2464a
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.br.png differ
diff --git a/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.tr.png b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.tr.png
new file mode 100644
index 00000000..37a2464a
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.tr.png differ
diff --git a/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.br.png b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.br.png
new file mode 100644
index 00000000..d852153c
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.br.png differ
diff --git a/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.tr.png b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.tr.png
new file mode 100644
index 00000000..d852153c
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.tr.png differ
diff --git a/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.br.png b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.br.png
new file mode 100644
index 00000000..a457ac8d
Binary files /dev/null and b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.br.png differ
diff --git a/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.tr.png b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.tr.png
new file mode 100644
index 00000000..a457ac8d
Binary files /dev/null and b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.tr.png differ
diff --git a/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.br.png b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.br.png
new file mode 100644
index 00000000..3eccd326
Binary files /dev/null and b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.br.png differ
diff --git a/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.tr.png b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.tr.png
new file mode 100644
index 00000000..3eccd326
Binary files /dev/null and b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.tr.png differ
diff --git a/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.br.png b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.br.png
new file mode 100644
index 00000000..49083372
Binary files /dev/null and b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.br.png differ
diff --git a/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.tr.png b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.tr.png
new file mode 100644
index 00000000..49083372
Binary files /dev/null and b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.tr.png differ
diff --git a/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.br.png b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.br.png
new file mode 100644
index 00000000..1b4a94e5
Binary files /dev/null and b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.br.png differ
diff --git a/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.tr.png b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.tr.png
new file mode 100644
index 00000000..1b4a94e5
Binary files /dev/null and b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.tr.png differ
diff --git a/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.br.png b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.br.png
new file mode 100644
index 00000000..8589e88f
Binary files /dev/null and b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.br.png differ
diff --git a/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.tr.png b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.tr.png
new file mode 100644
index 00000000..8589e88f
Binary files /dev/null and b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.tr.png differ
diff --git a/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.br.png b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.br.png
new file mode 100644
index 00000000..e1246f56
Binary files /dev/null and b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.br.png differ
diff --git a/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.tr.png b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.tr.png
new file mode 100644
index 00000000..e1246f56
Binary files /dev/null and b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.tr.png differ
diff --git a/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.br.png b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.br.png
new file mode 100644
index 00000000..db66a52b
Binary files /dev/null and b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.br.png differ
diff --git a/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.tr.png b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.tr.png
new file mode 100644
index 00000000..db66a52b
Binary files /dev/null and b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.tr.png differ
diff --git a/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.br.png b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.br.png
new file mode 100644
index 00000000..66c76c2f
Binary files /dev/null and b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.br.png differ
diff --git a/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.tr.png b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.tr.png
new file mode 100644
index 00000000..66c76c2f
Binary files /dev/null and b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.tr.png differ
diff --git a/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.br.png b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.br.png
new file mode 100644
index 00000000..450b824c
Binary files /dev/null and b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.br.png differ
diff --git a/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.tr.png b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.tr.png
new file mode 100644
index 00000000..450b824c
Binary files /dev/null and b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.tr.png differ
diff --git a/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.br.png b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.br.png
new file mode 100644
index 00000000..615bc7a9
Binary files /dev/null and b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.br.png differ
diff --git a/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.tr.png b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.tr.png
new file mode 100644
index 00000000..615bc7a9
Binary files /dev/null and b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.tr.png differ
diff --git a/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.br.png b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.br.png
new file mode 100644
index 00000000..3c9e2930
Binary files /dev/null and b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.br.png differ
diff --git a/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.tr.png b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.tr.png
new file mode 100644
index 00000000..3c9e2930
Binary files /dev/null and b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.tr.png differ
diff --git a/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.br.png b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.br.png
new file mode 100644
index 00000000..e4bb0186
Binary files /dev/null and b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.br.png differ
diff --git a/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.tr.png b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.tr.png
new file mode 100644
index 00000000..e4bb0186
Binary files /dev/null and b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.tr.png differ
diff --git a/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.br.png b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.br.png
new file mode 100644
index 00000000..91e4cba6
Binary files /dev/null and b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.br.png differ
diff --git a/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.tr.png b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.tr.png
new file mode 100644
index 00000000..91e4cba6
Binary files /dev/null and b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.tr.png differ
diff --git a/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.br.png b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.br.png
new file mode 100644
index 00000000..91230d0c
Binary files /dev/null and b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.br.png differ
diff --git a/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.tr.png b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.tr.png
new file mode 100644
index 00000000..91230d0c
Binary files /dev/null and b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.tr.png differ
diff --git a/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.br.png b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.br.png
new file mode 100644
index 00000000..128cd4a9
Binary files /dev/null and b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.br.png differ
diff --git a/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.tr.png b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.tr.png
new file mode 100644
index 00000000..128cd4a9
Binary files /dev/null and b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.tr.png differ
diff --git a/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.br.png b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.br.png
new file mode 100644
index 00000000..8d62d827
Binary files /dev/null and b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.br.png differ
diff --git a/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.tr.png b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.tr.png
new file mode 100644
index 00000000..8d62d827
Binary files /dev/null and b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.tr.png differ
diff --git a/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.br.png b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.br.png
new file mode 100644
index 00000000..a84ab661
Binary files /dev/null and b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.br.png differ
diff --git a/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.tr.png b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.tr.png
new file mode 100644
index 00000000..a84ab661
Binary files /dev/null and b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.tr.png differ
diff --git a/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.br.png b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.br.png
new file mode 100644
index 00000000..4c88d3d3
Binary files /dev/null and b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.br.png differ
diff --git a/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.tr.png b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.tr.png
new file mode 100644
index 00000000..4c88d3d3
Binary files /dev/null and b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.tr.png differ
diff --git a/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.br.png b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.br.png
new file mode 100644
index 00000000..bc1895b8
Binary files /dev/null and b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.br.png differ
diff --git a/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.tr.png b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.tr.png
new file mode 100644
index 00000000..bc1895b8
Binary files /dev/null and b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.tr.png differ
diff --git a/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.br.png b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.br.png
new file mode 100644
index 00000000..d8ff3180
Binary files /dev/null and b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.br.png differ
diff --git a/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.tr.png b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.tr.png
new file mode 100644
index 00000000..d8ff3180
Binary files /dev/null and b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.tr.png differ
diff --git a/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.br.png b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.br.png
new file mode 100644
index 00000000..06b86a65
Binary files /dev/null and b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.br.png differ
diff --git a/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.tr.png b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.tr.png
new file mode 100644
index 00000000..06b86a65
Binary files /dev/null and b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.tr.png differ
diff --git a/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.br.png b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.br.png
new file mode 100644
index 00000000..ac7aa47a
Binary files /dev/null and b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.br.png differ
diff --git a/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.tr.png b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.tr.png
new file mode 100644
index 00000000..ac7aa47a
Binary files /dev/null and b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.tr.png differ
diff --git a/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.br.png b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.br.png
new file mode 100644
index 00000000..20480a22
Binary files /dev/null and b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.br.png differ
diff --git a/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.tr.png b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.tr.png
new file mode 100644
index 00000000..20480a22
Binary files /dev/null and b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.tr.png differ
diff --git a/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.br.png b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.br.png
new file mode 100644
index 00000000..9d90f435
Binary files /dev/null and b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.br.png differ
diff --git a/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.tr.png b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.tr.png
new file mode 100644
index 00000000..9d90f435
Binary files /dev/null and b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.tr.png differ
diff --git a/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.br.png b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.br.png
new file mode 100644
index 00000000..27b0ea2c
Binary files /dev/null and b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.br.png differ
diff --git a/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.tr.png b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.tr.png
new file mode 100644
index 00000000..27b0ea2c
Binary files /dev/null and b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.tr.png differ
diff --git a/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.br.png b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.br.png
new file mode 100644
index 00000000..3526a6d0
Binary files /dev/null and b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.br.png differ
diff --git a/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.tr.png b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.tr.png
new file mode 100644
index 00000000..3526a6d0
Binary files /dev/null and b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.tr.png differ
diff --git a/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.br.png b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.br.png
new file mode 100644
index 00000000..855d442e
Binary files /dev/null and b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.br.png differ
diff --git a/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.tr.png b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.tr.png
new file mode 100644
index 00000000..855d442e
Binary files /dev/null and b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.tr.png differ
diff --git a/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.br.png b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.br.png
new file mode 100644
index 00000000..aed3d813
Binary files /dev/null and b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.br.png differ
diff --git a/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.tr.png b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.tr.png
new file mode 100644
index 00000000..aed3d813
Binary files /dev/null and b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.tr.png differ
diff --git a/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.br.png b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.br.png
new file mode 100644
index 00000000..9bfca6c2
Binary files /dev/null and b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.br.png differ
diff --git a/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.tr.png b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.tr.png
new file mode 100644
index 00000000..9bfca6c2
Binary files /dev/null and b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.tr.png differ
diff --git a/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.br.png b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.br.png
new file mode 100644
index 00000000..0490e302
Binary files /dev/null and b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.br.png differ
diff --git a/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.tr.png b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.tr.png
new file mode 100644
index 00000000..0490e302
Binary files /dev/null and b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.tr.png differ
diff --git a/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.br.png b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.br.png
new file mode 100644
index 00000000..676e2378
Binary files /dev/null and b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.br.png differ
diff --git a/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.tr.png b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.tr.png
new file mode 100644
index 00000000..676e2378
Binary files /dev/null and b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.tr.png differ
diff --git a/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.br.png b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.br.png
new file mode 100644
index 00000000..280e18c3
Binary files /dev/null and b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.br.png differ
diff --git a/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.tr.png b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.tr.png
new file mode 100644
index 00000000..280e18c3
Binary files /dev/null and b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.tr.png differ
diff --git a/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.br.png b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.br.png
new file mode 100644
index 00000000..bb70a905
Binary files /dev/null and b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.br.png differ
diff --git a/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.tr.png b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.tr.png
new file mode 100644
index 00000000..bb70a905
Binary files /dev/null and b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.tr.png differ
diff --git a/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.br.png b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.br.png
new file mode 100644
index 00000000..c0860d6e
Binary files /dev/null and b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.br.png differ
diff --git a/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.tr.png b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.tr.png
new file mode 100644
index 00000000..c0860d6e
Binary files /dev/null and b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.tr.png differ
diff --git a/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.br.png b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.br.png
new file mode 100644
index 00000000..9a34d708
Binary files /dev/null and b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.br.png differ
diff --git a/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.tr.png b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.tr.png
new file mode 100644
index 00000000..9a34d708
Binary files /dev/null and b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.tr.png differ
diff --git a/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.br.png b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.br.png
new file mode 100644
index 00000000..2c683d8b
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.br.png differ
diff --git a/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.tr.png b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.tr.png
new file mode 100644
index 00000000..2c683d8b
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.tr.png differ
diff --git a/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.br.png b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.br.png
new file mode 100644
index 00000000..1ba4c5b0
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.br.png differ
diff --git a/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.tr.png b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.tr.png
new file mode 100644
index 00000000..1ba4c5b0
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.tr.png differ
diff --git a/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.br.png b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.br.png
new file mode 100644
index 00000000..93aa3743
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.br.png differ
diff --git a/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.tr.png b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.tr.png
new file mode 100644
index 00000000..93aa3743
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.tr.png differ
diff --git a/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.br.png b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.br.png
new file mode 100644
index 00000000..3089e5e1
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.br.png differ
diff --git a/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.tr.png b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.tr.png
new file mode 100644
index 00000000..3089e5e1
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.tr.png differ
diff --git a/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.br.png b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.br.png
new file mode 100644
index 00000000..53468420
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.br.png differ
diff --git a/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.tr.png b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.tr.png
new file mode 100644
index 00000000..53468420
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.tr.png differ
diff --git a/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.br.png b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.br.png
new file mode 100644
index 00000000..003dc174
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.br.png differ
diff --git a/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.tr.png b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.tr.png
new file mode 100644
index 00000000..003dc174
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.tr.png differ
diff --git a/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.br.png b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.br.png
new file mode 100644
index 00000000..3c0d2f87
Binary files /dev/null and b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.br.png differ
diff --git a/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.tr.png b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.tr.png
new file mode 100644
index 00000000..3c0d2f87
Binary files /dev/null and b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.tr.png differ
diff --git a/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.br.png b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.br.png
new file mode 100644
index 00000000..56f285f2
Binary files /dev/null and b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.br.png differ
diff --git a/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.tr.png b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.tr.png
new file mode 100644
index 00000000..56f285f2
Binary files /dev/null and b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.tr.png differ
diff --git a/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.br.png b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.br.png
new file mode 100644
index 00000000..ec8bbe2f
Binary files /dev/null and b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.br.png differ
diff --git a/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.tr.png b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.tr.png
new file mode 100644
index 00000000..ec8bbe2f
Binary files /dev/null and b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.tr.png differ
diff --git a/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.br.png b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.br.png
new file mode 100644
index 00000000..bbaae894
Binary files /dev/null and b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.br.png differ
diff --git a/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.tr.png b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.tr.png
new file mode 100644
index 00000000..bbaae894
Binary files /dev/null and b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.tr.png differ
diff --git a/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.br.png b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.br.png
new file mode 100644
index 00000000..ef71f6da
Binary files /dev/null and b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.br.png differ
diff --git a/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.tr.png b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.tr.png
new file mode 100644
index 00000000..ef71f6da
Binary files /dev/null and b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.tr.png differ
diff --git a/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.br.png b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.br.png
new file mode 100644
index 00000000..4e9390eb
Binary files /dev/null and b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.br.png differ
diff --git a/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.tr.png b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.tr.png
new file mode 100644
index 00000000..4e9390eb
Binary files /dev/null and b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.tr.png differ
diff --git a/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.br.png b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.br.png
new file mode 100644
index 00000000..16d7af80
Binary files /dev/null and b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.br.png differ
diff --git a/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.tr.png b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.tr.png
new file mode 100644
index 00000000..16d7af80
Binary files /dev/null and b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.tr.png differ
diff --git a/translations/br/1-getting-started/README.md b/translations/br/1-getting-started/README.md
new file mode 100644
index 00000000..896e0df5
--- /dev/null
+++ b/translations/br/1-getting-started/README.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
+  "translation_date": "2025-08-28T03:24:22+00:00",
+  "source_file": "1-getting-started/README.md",
+  "language_code": "br"
+}
+-->
+# Introdução ao IoT
+
+Nesta seção do currículo, você será apresentado à Internet das Coisas e aprenderá os conceitos básicos, incluindo a criação do seu primeiro projeto de IoT 'Hello World' conectado à nuvem. Este projeto é uma luz noturna que acende conforme os níveis de luz medidos por um sensor diminuem.
+
+![O LED conectado ao WIO acendendo e apagando conforme os níveis de luz mudam](../../../images/wio-running-assignment-1-1.gif)
+
+## Tópicos
+
+1. [Introdução ao IoT](lessons/1-introduction-to-iot/README.md)
+1. [Explorando mais a fundo o IoT](lessons/2-deeper-dive/README.md)
+1. [Interaja com o mundo físico usando sensores e atuadores](lessons/3-sensors-and-actuators/README.md)
+1. [Conecte seu dispositivo à Internet](lessons/4-connect-internet/README.md)
+
+## Créditos
+
+Todas as lições foram escritas com ♥️ por [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/br/1-getting-started/lessons/1-introduction-to-iot/README.md
new file mode 100644
index 00000000..ef9b2a0d
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/1-introduction-to-iot/README.md
@@ -0,0 +1,242 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
+  "translation_date": "2025-08-28T03:33:38+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
+  "language_code": "br"
+}
+-->
+# Introdução ao IoT
+
+![Resumo visual desta lição](../../../../../translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.br.jpg)
+
+> Resumo visual por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Esta lição foi apresentada como parte da série [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) do [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). A lição foi dividida em dois vídeos: uma aula de 1 hora e uma sessão de perguntas e respostas de 1 hora, explorando mais a fundo os tópicos e respondendo dúvidas.
+
+[![Lição 1: Introdução ao IoT](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
+
+[![Lição 1: Introdução ao IoT - Sessão de perguntas e respostas](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
+
+> 🎥 Clique nas imagens acima para assistir aos vídeos
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
+
+## Introdução
+
+Esta lição aborda alguns tópicos introdutórios sobre a Internet das Coisas (IoT) e ajuda você a configurar seu hardware.
+
+Nesta lição, abordaremos:
+
+* [O que é a 'Internet das Coisas'?](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Dispositivos IoT](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Configurar seu dispositivo](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Aplicações do IoT](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Exemplos de dispositivos IoT ao seu redor](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+## O que é a 'Internet das Coisas'?
+
+O termo 'Internet das Coisas' foi cunhado por [Kevin Ashton](https://wikipedia.org/wiki/Kevin_Ashton) em 1999, para se referir à conexão da Internet com o mundo físico por meio de sensores. Desde então, o termo tem sido usado para descrever qualquer dispositivo que interaja com o mundo físico ao seu redor, seja coletando dados de sensores ou fornecendo interações no mundo real por meio de atuadores (dispositivos que realizam ações, como ligar um interruptor ou acender um LED), geralmente conectados a outros dispositivos ou à Internet.
+
+> **Sensores** coletam informações do mundo, como medir velocidade, temperatura ou localização.
+>
+> **Atuadores** convertem sinais elétricos em interações no mundo real, como acionar um interruptor, ligar luzes, emitir sons ou enviar sinais de controle para outros hardwares, por exemplo, para ligar uma tomada.
+
+IoT, como área tecnológica, vai além dos dispositivos - inclui serviços baseados em nuvem que podem processar os dados dos sensores ou enviar comandos para atuadores conectados a dispositivos IoT. Também inclui dispositivos que não possuem ou não precisam de conectividade com a Internet, frequentemente chamados de dispositivos de borda. Esses dispositivos podem processar e responder aos dados dos sensores por conta própria, geralmente usando modelos de IA treinados na nuvem.
+
+IoT é um campo tecnológico em rápido crescimento. Estima-se que, até o final de 2020, 30 bilhões de dispositivos IoT estavam implantados e conectados à Internet. Olhando para o futuro, estima-se que, até 2025, os dispositivos IoT estarão coletando quase 80 zettabytes de dados, ou 80 trilhões de gigabytes. Isso é muito dado!
+
+![Um gráfico mostrando o aumento de dispositivos IoT ativos ao longo do tempo, de menos de 5 bilhões em 2015 para mais de 30 bilhões em 2025](../../../../../images/connected-iot-devices.svg)
+
+✅ Faça uma pequena pesquisa: Quanto dos dados gerados por dispositivos IoT é realmente utilizado e quanto é desperdiçado? Por que tantos dados são ignorados?
+
+Esses dados são a chave para o sucesso do IoT. Para ser um desenvolvedor de IoT bem-sucedido, você precisa entender quais dados coletar, como coletá-los, como tomar decisões com base neles e como usar essas decisões para interagir com o mundo físico, se necessário.
+
+## Dispositivos IoT
+
+O **T** em IoT significa **Things** (Coisas) - dispositivos que interagem com o mundo físico ao seu redor, seja coletando dados de sensores ou fornecendo interações no mundo real por meio de atuadores.
+
+Dispositivos para uso comercial ou de produção, como rastreadores de fitness para consumidores ou controladores de máquinas industriais, geralmente são feitos sob medida. Eles utilizam placas de circuito personalizadas, talvez até processadores personalizados, projetados para atender às necessidades de uma tarefa específica, seja ser pequeno o suficiente para caber em um pulso ou robusto o suficiente para operar em ambientes de alta temperatura, estresse ou vibração.
+
+Como desenvolvedor aprendendo sobre IoT ou criando um protótipo de dispositivo, você precisará começar com um kit de desenvolvimento. Esses são dispositivos IoT de uso geral projetados para desenvolvedores, frequentemente com recursos que não estariam presentes em um dispositivo de produção, como pinos externos para conectar sensores ou atuadores, hardware para suporte a depuração ou recursos adicionais que aumentariam o custo desnecessariamente em uma produção em larga escala.
+
+Esses kits de desenvolvimento geralmente se dividem em duas categorias - microcontroladores e computadores de placa única. Eles serão apresentados aqui, e entraremos em mais detalhes na próxima lição.
+
+> 💁 Seu telefone também pode ser considerado um dispositivo IoT de uso geral, com sensores e atuadores integrados, usados de diferentes maneiras por diferentes aplicativos com diferentes serviços na nuvem. Você pode até encontrar tutoriais de IoT que utilizam um aplicativo de telefone como dispositivo IoT.
+
+### Microcontroladores
+
+Um microcontrolador (também chamado de MCU, abreviação de microcontroller unit) é um pequeno computador composto por:
+
+🧠 Um ou mais processadores centrais (CPUs) - o 'cérebro' do microcontrolador que executa seu programa
+
+💾 Memória (RAM e memória de programa) - onde seu programa, dados e variáveis são armazenados
+
+🔌 Conexões de entrada/saída (I/O) programáveis - para comunicação com periféricos externos (dispositivos conectados), como sensores e atuadores
+
+Microcontroladores são dispositivos de computação de baixo custo, com preços médios para aqueles usados em hardware personalizado caindo para cerca de US$0,50, e alguns dispositivos custando apenas US$0,03. Kits de desenvolvimento podem começar a partir de US$4, com custos aumentando conforme mais recursos são adicionados. O [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html), um kit de desenvolvimento de microcontrolador da [Seeed Studios](https://www.seeedstudio.com) que possui sensores, atuadores, WiFi e uma tela, custa cerca de US$30.
+
+![Um Wio Terminal](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.br.png)
+
+> 💁 Ao pesquisar microcontroladores na Internet, tenha cuidado ao procurar pelo termo **MCU**, pois isso pode trazer muitos resultados relacionados ao Universo Cinematográfico da Marvel, e não a microcontroladores.
+
+Microcontroladores são projetados para executar um número limitado de tarefas muito específicas, em vez de serem computadores de uso geral como PCs ou Macs. Exceto em cenários muito específicos, você não pode conectar um monitor, teclado e mouse e usá-los para tarefas gerais.
+
+Kits de desenvolvimento de microcontroladores geralmente vêm com sensores e atuadores adicionais integrados. A maioria das placas terá um ou mais LEDs programáveis, além de outros dispositivos, como conectores padrão para adicionar mais sensores ou atuadores usando ecossistemas de vários fabricantes ou sensores integrados (geralmente os mais populares, como sensores de temperatura). Alguns microcontroladores possuem conectividade sem fio integrada, como Bluetooth ou WiFi, ou possuem microcontroladores adicionais na placa para adicionar essa conectividade.
+
+> 💁 Microcontroladores geralmente são programados em C/C++.
+
+### Computadores de placa única
+
+Um computador de placa única é um pequeno dispositivo de computação que contém todos os elementos de um computador completo em uma única placa pequena. Esses dispositivos possuem especificações próximas às de um PC ou Mac, executam um sistema operacional completo, mas são menores, consomem menos energia e são substancialmente mais baratos.
+
+![Um Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.br.jpg)
+
+O Raspberry Pi é um dos computadores de placa única mais populares.
+
+Assim como um microcontrolador, computadores de placa única possuem CPU, memória e pinos de entrada/saída, mas têm recursos adicionais, como um chip gráfico para permitir a conexão de monitores, saídas de áudio e portas USB para conectar teclados, mouses e outros dispositivos USB padrão, como webcams ou armazenamento externo. Programas são armazenados em cartões SD ou discos rígidos, junto com um sistema operacional, em vez de um chip de memória integrado à placa.
+
+> 🎓 Você pode pensar em um computador de placa única como uma versão menor e mais barata do PC ou Mac que você está usando, com a adição de pinos GPIO (entrada/saída de uso geral) para interagir com sensores e atuadores.
+
+Computadores de placa única são computadores completos, então podem ser programados em qualquer linguagem. Dispositivos IoT geralmente são programados em Python.
+
+### Escolha de hardware para as próximas lições
+
+Todas as lições subsequentes incluem tarefas usando um dispositivo IoT para interagir com o mundo físico e se comunicar com a nuvem. Cada lição suporta 3 opções de dispositivos - Arduino (usando um Seeed Studios Wio Terminal) ou um computador de placa única, seja um dispositivo físico (um Raspberry Pi 4) ou um computador de placa única virtual rodando no seu PC ou Mac.
+
+Você pode ler sobre o hardware necessário para completar todas as tarefas no [guia de hardware](../../../hardware.md).
+
+> 💁 Você não precisa comprar nenhum hardware IoT para completar as tarefas, é possível fazer tudo usando um computador de placa única virtual.
+
+A escolha do hardware depende de você - depende do que você tem disponível em casa ou na escola, e da linguagem de programação que você conhece ou planeja aprender. Ambas as variantes de hardware usarão o mesmo ecossistema de sensores, então, se você começar com uma, poderá mudar para a outra sem precisar substituir a maior parte do kit. O computador de placa única virtual será equivalente a aprender em um Raspberry Pi, com a maior parte do código sendo transferível para o Pi, caso você eventualmente adquira um dispositivo e sensores.
+
+### Kit de desenvolvimento Arduino
+
+Se você estiver interessado em aprender desenvolvimento de microcontroladores, pode completar as tarefas usando um dispositivo Arduino. Você precisará de um entendimento básico de programação em C/C++, pois as lições ensinarão apenas o código relevante para o framework Arduino, os sensores e atuadores utilizados e as bibliotecas que interagem com a nuvem.
+
+As tarefas usarão o [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) com a [extensão PlatformIO para desenvolvimento de microcontroladores](https://platformio.org). Você também pode usar o Arduino IDE se já estiver familiarizado com essa ferramenta, mas as instruções não serão fornecidas.
+
+### Kit de desenvolvimento de computador de placa única
+
+Se você estiver interessado em aprender desenvolvimento IoT usando computadores de placa única, pode completar as tarefas usando um Raspberry Pi ou um dispositivo virtual rodando no seu PC ou Mac.
+
+Você precisará de um entendimento básico de programação em Python, pois as lições ensinarão apenas o código relevante para os sensores e atuadores utilizados e as bibliotecas que interagem com a nuvem.
+
+> 💁 Se você quiser aprender a programar em Python, confira as seguintes séries de vídeos:
+>
+> * [Python para iniciantes](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
+> * [Mais Python para iniciantes](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
+
+As tarefas usarão o [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn).
+
+Se você estiver usando um Raspberry Pi, pode rodar seu Pi com a versão desktop completa do Raspberry Pi OS e fazer toda a codificação diretamente no Pi usando [a versão do VS Code para Raspberry Pi OS](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn), ou rodar seu Pi como um dispositivo sem cabeça e codificar a partir do seu PC ou Mac usando o VS Code com a [extensão Remote SSH](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn), que permite conectar-se ao seu Pi e editar, depurar e executar código como se estivesse codificando diretamente nele.
+
+Se você optar pela opção de dispositivo virtual, codificará diretamente no seu computador. Em vez de acessar sensores e atuadores, você usará uma ferramenta para simular esse hardware, fornecendo valores de sensores que você pode definir e exibindo os resultados dos atuadores na tela.
+
+## Configurar seu dispositivo
+
+Antes de começar a programar seu dispositivo IoT, será necessário realizar uma pequena configuração. Siga as instruções relevantes abaixo, dependendo do dispositivo que você usará.
+💁 Se você ainda não tem um dispositivo, consulte o [guia de hardware](../../../hardware.md) para ajudar a decidir qual dispositivo você vai usar e quais componentes adicionais você precisa comprar. Não é necessário comprar hardware, pois todos os projetos podem ser executados em hardware virtual.
+Essas instruções incluem links para sites de terceiros dos criadores do hardware ou ferramentas que você usará. Isso é para garantir que você sempre tenha as instruções mais atualizadas para as diversas ferramentas e hardwares.
+
+Siga o guia relevante para configurar seu dispositivo e concluir um projeto 'Hello World'. Este será o primeiro passo para criar uma luminária noturna IoT ao longo das 4 lições desta parte introdutória.
+
+* [Arduino - Wio Terminal](wio-terminal.md)  
+* [Computador de placa única - Raspberry Pi](pi.md)  
+* [Computador de placa única - Dispositivo virtual](virtual-device.md)  
+
+✅ Você usará o VS Code tanto para Arduino quanto para computadores de placa única. Se você nunca usou antes, leia mais sobre ele no [site do VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn).
+
+## Aplicações de IoT
+
+IoT abrange uma ampla gama de casos de uso, divididos em alguns grandes grupos:
+
+* IoT para Consumidores  
+* IoT Comercial  
+* IoT Industrial  
+* IoT para Infraestrutura  
+
+✅ Faça uma pequena pesquisa: Para cada uma das áreas descritas abaixo, encontre um exemplo concreto que não esteja mencionado no texto.
+
+### IoT para Consumidores
+
+IoT para consumidores refere-se a dispositivos IoT que os consumidores compram e usam em casa. Alguns desses dispositivos são incrivelmente úteis, como alto-falantes inteligentes, sistemas de aquecimento inteligentes e aspiradores robóticos. Outros têm sua utilidade questionável, como torneiras controladas por voz que não podem ser desligadas porque o controle de voz não consegue ouvi-lo sobre o som da água corrente.
+
+Dispositivos IoT para consumidores estão capacitando as pessoas a fazer mais em seus ambientes, especialmente o 1 bilhão de pessoas com deficiência. Aspiradores robóticos podem manter os pisos limpos para pessoas com problemas de mobilidade que não conseguem aspirar sozinhas, fornos controlados por voz permitem que pessoas com visão limitada ou dificuldades motoras aqueçam seus fornos apenas com a voz, e monitores de saúde permitem que pacientes acompanhem condições crônicas com atualizações mais regulares e detalhadas. Esses dispositivos estão se tornando tão comuns que até crianças pequenas os utilizam no dia a dia, como estudantes em ensino remoto durante a pandemia de COVID configurando temporizadores em dispositivos inteligentes para acompanhar suas tarefas escolares ou alarmes para lembrar de reuniões de aula.
+
+✅ Quais dispositivos IoT para consumidores você tem consigo ou em sua casa?
+
+### IoT Comercial
+
+IoT comercial abrange o uso de IoT no ambiente de trabalho. Em escritórios, pode haver sensores de ocupação e detectores de movimento para gerenciar iluminação e aquecimento, mantendo as luzes e o aquecimento desligados quando não são necessários, reduzindo custos e emissões de carbono. Em fábricas, dispositivos IoT podem monitorar riscos de segurança, como trabalhadores sem capacetes ou níveis de ruído perigosos. No varejo, dispositivos IoT podem medir a temperatura de câmaras frias, alertando o proprietário da loja se uma geladeira ou freezer estiver fora da faixa de temperatura necessária, ou monitorar itens nas prateleiras para direcionar os funcionários a reabastecer produtos vendidos. A indústria de transporte está cada vez mais dependente de IoT para monitorar a localização de veículos, rastrear quilometragem para cobrança de uso de estradas, acompanhar horas de trabalho dos motoristas e conformidade com pausas, ou notificar a equipe quando um veículo está se aproximando de um depósito para preparar o carregamento ou descarregamento.
+
+✅ Quais dispositivos IoT comerciais você tem em sua escola ou local de trabalho?
+
+### IoT Industrial (IIoT)
+
+IoT Industrial, ou IIoT, é o uso de dispositivos IoT para controlar e gerenciar máquinas em larga escala. Isso abrange uma ampla gama de casos de uso, desde fábricas até agricultura digital.
+
+Fábricas usam dispositivos IoT de várias maneiras. Máquinas podem ser monitoradas com múltiplos sensores para rastrear coisas como temperatura, vibração e velocidade de rotação. Esses dados podem ser monitorados para permitir que a máquina seja desligada se sair de certas tolerâncias - por exemplo, se estiver muito quente. Esses dados também podem ser coletados e analisados ao longo do tempo para realizar manutenção preditiva, onde modelos de IA analisam os dados que antecedem uma falha e os utilizam para prever outras falhas antes que ocorram.
+
+A agricultura digital é essencial para alimentar a crescente população mundial, especialmente para os 2 bilhões de pessoas em 500 milhões de lares que dependem da [agricultura de subsistência](https://wikipedia.org/wiki/Subsistence_agriculture). A agricultura digital pode variar de sensores simples e baratos a grandes instalações comerciais. Um agricultor pode começar monitorando temperaturas e usando [graus-dia de crescimento](https://wikipedia.org/wiki/Growing_degree-day) para prever quando uma colheita estará pronta para a colheita. Eles podem conectar o monitoramento de umidade do solo a sistemas de irrigação automatizados para fornecer às plantas a quantidade exata de água necessária, sem desperdício. Alguns agricultores vão além, utilizando drones, dados de satélite e IA para monitorar o crescimento das culturas, doenças e qualidade do solo em grandes áreas de terra.
+
+✅ Que outros dispositivos IoT poderiam ajudar os agricultores?
+
+### IoT para Infraestrutura
+
+IoT para infraestrutura monitora e controla a infraestrutura local e global que as pessoas usam diariamente.
+
+[Cidades Inteligentes](https://wikipedia.org/wiki/Smart_city) são áreas urbanas que utilizam dispositivos IoT para coletar dados sobre a cidade e usá-los para melhorar seu funcionamento. Essas cidades geralmente são geridas por colaborações entre governos locais, academia e empresas locais, monitorando e gerenciando desde transporte até estacionamento e poluição. Por exemplo, em Copenhague, Dinamarca, a poluição do ar é uma preocupação importante para os moradores, então ela é medida e os dados são usados para fornecer informações sobre as rotas mais limpas para ciclismo e corrida.
+
+[Redes elétricas inteligentes](https://wikipedia.org/wiki/Smart_grid) permitem melhores análises da demanda de energia ao coletar dados de uso no nível de residências individuais. Esses dados podem orientar decisões em nível nacional, como onde construir novas usinas, e em nível pessoal, fornecendo aos usuários insights sobre o consumo de energia, horários de maior uso e até sugestões para reduzir custos, como carregar carros elétricos à noite.
+
+✅ Se você pudesse adicionar dispositivos IoT para medir algo onde você mora, o que seria?
+
+## Exemplos de dispositivos IoT que você pode ter ao seu redor
+
+Você ficaria surpreso com a quantidade de dispositivos IoT que tem ao seu redor. Estou escrevendo isso de casa e tenho os seguintes dispositivos conectados à Internet com recursos inteligentes, como controle por aplicativo, controle por voz ou a capacidade de enviar dados para mim via celular:
+
+* Vários alto-falantes inteligentes  
+* Geladeira, lava-louças, forno e micro-ondas  
+* Monitor de eletricidade para painéis solares  
+* Tomadas inteligentes  
+* Campainha com vídeo e câmeras de segurança  
+* Termostato inteligente com vários sensores inteligentes de ambiente  
+* Abridor de porta de garagem  
+* Sistemas de entretenimento doméstico e TVs controladas por voz  
+* Lâmpadas  
+* Rastreadores de saúde e fitness  
+
+Todos esses tipos de dispositivos possuem sensores e/ou atuadores e se conectam à Internet. Posso verificar pelo celular se a porta da minha garagem está aberta e pedir ao meu alto-falante inteligente para fechá-la. Posso até configurá-la para fechar automaticamente à noite, caso ainda esteja aberta. Quando minha campainha toca, posso ver pelo celular quem está lá, onde quer que eu esteja no mundo, e falar com a pessoa por meio de um alto-falante e microfone embutidos na campainha. Posso monitorar minha glicose no sangue, frequência cardíaca e padrões de sono, procurando padrões nos dados para melhorar minha saúde. Posso controlar minhas luzes pela nuvem e ficar no escuro quando minha conexão com a Internet cai.
+
+---
+
+## 🚀 Desafio
+
+Liste quantos dispositivos IoT você puder que estão em sua casa, escola ou local de trabalho - pode haver mais do que você imagina!
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
+
+## Revisão e Autoestudo
+
+Leia sobre os benefícios e falhas de projetos de IoT para consumidores. Confira sites de notícias para artigos sobre quando algo deu errado, como problemas de privacidade, falhas de hardware ou problemas causados pela falta de conectividade.
+
+Alguns exemplos:
+
+* Confira a conta do Twitter **[Internet of Sh*t](https://twitter.com/internetofshit)** *(aviso de linguagem imprópria)* para bons exemplos de falhas em IoT para consumidores.  
+* [c|net - Meu Apple Watch salvou minha vida: 5 pessoas compartilham suas histórias](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)  
+* [c|net - Técnico da ADT se declara culpado de espionar feeds de câmeras de clientes por anos](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(aviso de gatilho - voyeurismo não consensual)*  
+
+## Tarefa
+
+[Investigue um projeto de IoT](assignment.md)  
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/br/1-getting-started/lessons/1-introduction-to-iot/assignment.md
new file mode 100644
index 00000000..60406331
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/1-introduction-to-iot/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
+  "translation_date": "2025-08-28T03:38:21+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
+  "language_code": "br"
+}
+-->
+# Investigar um projeto de IoT
+
+## Instruções
+
+Existem muitos projetos de IoT em grande e pequena escala sendo implementados globalmente, desde fazendas inteligentes até cidades inteligentes, em monitoramento de saúde, transporte e para o uso de espaços públicos.
+
+Pesquise na web detalhes de um projeto que te interesse, de preferência um próximo de onde você mora. Explique os pontos positivos e negativos do projeto, como os benefícios que ele traz, quaisquer problemas que ele cause e como a privacidade é levada em consideração.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Explicar os pontos positivos e negativos | Apresentou uma explicação clara dos pontos positivos e negativos do projeto | Apresentou uma explicação breve dos pontos positivos e negativos | Não explicou os pontos positivos ou negativos |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/br/1-getting-started/lessons/1-introduction-to-iot/pi.md
new file mode 100644
index 00000000..319595b5
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/1-introduction-to-iot/pi.md
@@ -0,0 +1,286 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
+  "translation_date": "2025-08-28T03:36:56+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
+  "language_code": "br"
+}
+-->
+# Raspberry Pi
+
+O [Raspberry Pi](https://raspberrypi.org) é um computador de placa única. Você pode adicionar sensores e atuadores usando uma ampla variedade de dispositivos e ecossistemas. Para estas lições, utilizaremos um ecossistema de hardware chamado [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html). Você programará seu Pi e acessará os sensores Grove usando Python.
+
+![Um Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.br.jpg)
+
+## Configuração
+
+Se você estiver usando um Raspberry Pi como seu hardware IoT, tem duas opções: pode trabalhar diretamente no Pi para realizar todas as lições e programar, ou pode se conectar remotamente a um Pi 'headless' (sem monitor, teclado ou mouse) e programar a partir do seu computador.
+
+Antes de começar, você também precisará conectar o Grove Base Hat ao seu Pi.
+
+### Tarefa - configuração
+
+Instale o Grove Base Hat no seu Pi e configure o Pi.
+
+1. Conecte o Grove Base Hat ao seu Pi. O soquete do hat se encaixa sobre todos os pinos GPIO do Pi, deslizando até o final para fixar-se firmemente na base. Ele ficará sobre o Pi, cobrindo-o.
+
+    ![Instalando o Grove Hat](../../../../../images/pi-grove-hat-fitting.gif)
+
+1. Decida como deseja programar seu Pi e vá para a seção correspondente abaixo:
+
+    * [Trabalhar diretamente no seu Pi](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+    * [Acesso remoto para programar o Pi](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+### Trabalhar diretamente no seu Pi
+
+Se você deseja trabalhar diretamente no seu Pi, pode usar a versão desktop do Raspberry Pi OS e instalar todas as ferramentas necessárias.
+
+#### Tarefa - trabalhar diretamente no seu Pi
+
+Configure seu Pi para desenvolvimento.
+
+1. Siga as instruções no [guia de configuração do Raspberry Pi](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up) para configurar seu Pi, conectá-lo a um teclado/mouse/monitor, conectá-lo à sua rede Wi-Fi ou Ethernet e atualizar o software.
+
+Para programar o Pi usando os sensores e atuadores Grove, você precisará instalar um editor para escrever o código do dispositivo, além de várias bibliotecas e ferramentas que interagem com o hardware Grove.
+
+1. Após o reinício do seu Pi, abra o Terminal clicando no ícone **Terminal** na barra de menu superior ou escolha *Menu -> Acessórios -> Terminal*.
+
+1. Execute o seguinte comando para garantir que o sistema operacional e o software instalado estejam atualizados:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes
+    ```
+
+1. Execute os seguintes comandos para instalar todas as bibliotecas necessárias para o hardware 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
+    ```
+
+    Isso começa instalando o Git, junto com o Pip para instalar pacotes Python.
+
+    Uma das características mais poderosas do Python é a capacidade de instalar [pacotes Pip](https://pypi.org) - pacotes de código escritos por outras pessoas e publicados na Internet. Você pode instalar um pacote Pip no seu computador com um único comando e usá-lo no seu código.
+
+    Os pacotes Python do Seeed Grove precisam ser instalados a partir do código-fonte. Esses comandos clonarão o repositório contendo o código-fonte desse pacote e o instalarão localmente.
+
+    > 💁 Por padrão, quando você instala um pacote, ele fica disponível em todo o computador, o que pode causar problemas com versões de pacotes - como uma aplicação depender de uma versão específica que pode ser quebrada ao instalar uma nova versão para outra aplicação. Para contornar esse problema, você pode usar um [ambiente virtual Python](https://docs.python.org/3/library/venv.html), essencialmente uma cópia do Python em uma pasta dedicada, onde os pacotes Pip são instalados apenas nessa pasta. No entanto, você não usará ambientes virtuais ao trabalhar com o Pi. O script de instalação do Grove instala os pacotes Python do Grove globalmente, então, para usar um ambiente virtual, seria necessário configurá-lo e reinstalar manualmente os pacotes do Grove dentro dele. É mais fácil usar pacotes globais, especialmente porque muitos desenvolvedores de Pi preferem regravar um cartão SD limpo para cada projeto.
+
+    Por fim, isso habilita a interface I<sup>2</sup>C.
+
+1. Reinicie o Pi usando o menu ou executando o seguinte comando no Terminal:
+
+    ```sh
+    sudo reboot
+    ```
+
+1. Após o reinício do Pi, abra novamente o Terminal e execute o seguinte comando para instalar o [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) - este será o editor usado para escrever o código do dispositivo em Python.
+
+    ```sh
+    sudo apt install code
+    ```
+
+    Após a instalação, o VS Code estará disponível no menu superior.
+
+    > 💁 Você é livre para usar qualquer IDE ou editor Python de sua preferência para estas lições, mas as instruções serão baseadas no uso do VS Code.
+
+1. Instale o Pylance. Esta é uma extensão para o VS Code que fornece suporte à linguagem Python. Consulte a [documentação da extensão Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) para obter instruções sobre como instalar esta extensão no VS Code.
+
+### Acesso remoto para programar o Pi
+
+Em vez de programar diretamente no Pi, ele pode ser executado no modo 'headless', ou seja, sem estar conectado a um teclado/mouse/monitor. Você pode configurá-lo e programá-lo a partir do seu computador usando o Visual Studio Code.
+
+#### Configurar o sistema operacional do Pi
+
+Para programar remotamente, o sistema operacional do Pi precisa ser instalado em um cartão SD.
+
+##### Tarefa - configurar o sistema operacional do Pi
+
+Configure o sistema operacional do Pi no modo headless.
+
+1. Baixe o **Raspberry Pi Imager** na [página de software do Raspberry Pi OS](https://www.raspberrypi.org/software/) e instale-o.
+
+1. Insira um cartão SD no seu computador, usando um adaptador, se necessário.
+
+1. Abra o Raspberry Pi Imager.
+
+1. No Raspberry Pi Imager, selecione o botão **CHOOSE OS**, depois escolha *Raspberry Pi OS (Other)* e, em seguida, *Raspberry Pi OS Lite (32-bit)*.
+
+    ![O Raspberry Pi Imager com o Raspberry Pi OS Lite selecionado](../../../../../translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.br.png)
+
+    > 💁 O Raspberry Pi OS Lite é uma versão do sistema operacional que não possui interface gráfica ou ferramentas baseadas em UI. Isso não é necessário para um Pi headless e torna a instalação menor e o tempo de inicialização mais rápido.
+
+1. Selecione o botão **CHOOSE STORAGE** e escolha seu cartão SD.
+
+1. Abra as **Opções Avançadas** pressionando `Ctrl+Shift+X`. Essas opções permitem pré-configurar o sistema operacional do Raspberry Pi antes de gravá-lo no cartão SD.
+
+    1. Marque a caixa **Enable SSH** e defina uma senha para o usuário `pi`. Esta será a senha usada para fazer login no Pi mais tarde.
+
+    1. Se você planeja conectar o Pi via Wi-Fi, marque a caixa **Configure WiFi** e insira o SSID e a senha da sua rede Wi-Fi, além de selecionar seu país de Wi-Fi. Não é necessário fazer isso se você usar um cabo Ethernet. Certifique-se de que a rede à qual você se conecta seja a mesma do seu computador.
+
+    1. Marque a caixa **Set locale settings** e configure seu país e fuso horário.
+
+    1. Selecione o botão **SAVE**.
+
+1. Clique no botão **WRITE** para gravar o sistema operacional no cartão SD. Se estiver usando macOS, será solicitado que você insira sua senha, pois a ferramenta subjacente que grava imagens de disco precisa de acesso privilegiado.
+
+O sistema operacional será gravado no cartão SD e, ao finalizar, o cartão será ejetado pelo sistema operacional, e você será notificado. Remova o cartão SD do computador, insira-o no Pi, ligue o Pi e aguarde cerca de 2 minutos para que ele inicialize corretamente.
+
+#### Conectar-se ao Pi
+
+O próximo passo é acessar o Pi remotamente. Isso pode ser feito usando `ssh`, disponível no macOS, Linux e versões recentes do Windows.
+
+##### Tarefa - conectar-se ao Pi
+
+Acesse o Pi remotamente.
+
+1. Abra um Terminal ou Prompt de Comando e insira o seguinte comando para conectar-se ao Pi:
+
+    ```sh
+    ssh pi@raspberrypi.local
+    ```
+
+    Se você estiver usando uma versão mais antiga do Windows que não possui `ssh` instalado, pode usar o OpenSSH. As instruções de instalação estão na [documentação de instalação do OpenSSH](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn).
+
+1. Isso deve conectar-se ao seu Pi e solicitar a senha.
+
+    A capacidade de encontrar computadores na sua rede usando `<hostname>.local` é uma adição relativamente recente ao Linux e Windows. Se você estiver usando Linux ou Windows e receber erros sobre o nome do host não encontrado, será necessário instalar software adicional para habilitar o ZeroConf networking (também chamado de Bonjour pela Apple):
+
+    1. Se estiver usando Linux, instale o Avahi com o seguinte comando:
+
+        ```sh
+        sudo apt-get install avahi-daemon
+        ```
+
+    1. Se estiver usando Windows, a maneira mais fácil de habilitar o ZeroConf é instalar o [Bonjour Print Services for Windows](http://support.apple.com/kb/DL999). Você também pode instalar o [iTunes para Windows](https://www.apple.com/itunes/download/) para obter uma versão mais recente da ferramenta (que não está disponível separadamente).
+
+    > 💁 Se você não conseguir se conectar usando `raspberrypi.local`, pode usar o endereço IP do seu Pi. Consulte a [documentação de endereço IP do Raspberry Pi](https://www.raspberrypi.org/documentation/remote-access/ip-address.md) para instruções sobre como obter o endereço IP.
+
+1. Insira a senha que você definiu nas Opções Avançadas do Raspberry Pi Imager.
+
+#### Configurar software no Pi
+
+Depois de conectado ao Pi, você precisa garantir que o sistema operacional esteja atualizado e instalar várias bibliotecas e ferramentas que interagem com o hardware Grove.
+
+##### Tarefa - configurar software no Pi
+
+Configure o software instalado no Pi e instale as bibliotecas Grove.
+
+1. A partir da sua sessão `ssh`, execute o seguinte comando para atualizar e reiniciar o Pi:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
+    ```
+
+    O Pi será atualizado e reiniciado. A sessão `ssh` será encerrada quando o Pi for reiniciado, então aguarde cerca de 30 segundos e reconecte-se.
+
+1. Na sessão `ssh` reconectada, execute os seguintes comandos para instalar todas as bibliotecas necessárias para o hardware 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
+    ```
+
+    Isso começa instalando o Git, junto com o Pip para instalar pacotes Python.
+
+    Uma das características mais poderosas do Python é a capacidade de instalar [pacotes Pip](https://pypi.org) - pacotes de código escritos por outras pessoas e publicados na Internet. Você pode instalar um pacote Pip no seu computador com um único comando e usá-lo no seu código.
+
+    Os pacotes Python do Seeed Grove precisam ser instalados a partir do código-fonte. Esses comandos clonarão o repositório contendo o código-fonte desse pacote e o instalarão localmente.
+
+    > 💁 Por padrão, quando você instala um pacote, ele fica disponível em todo o computador, o que pode causar problemas com versões de pacotes - como uma aplicação depender de uma versão específica que pode ser quebrada ao instalar uma nova versão para outra aplicação. Para contornar esse problema, você pode usar um [ambiente virtual Python](https://docs.python.org/3/library/venv.html), essencialmente uma cópia do Python em uma pasta dedicada, onde os pacotes Pip são instalados apenas nessa pasta. No entanto, você não usará ambientes virtuais ao trabalhar com o Pi. O script de instalação do Grove instala os pacotes Python do Grove globalmente, então, para usar um ambiente virtual, seria necessário configurá-lo e reinstalar manualmente os pacotes do Grove dentro dele. É mais fácil usar pacotes globais, especialmente porque muitos desenvolvedores de Pi preferem regravar um cartão SD limpo para cada projeto.
+
+    Por fim, isso habilita a interface I<sup>2</sup>C.
+
+1. Reinicie o Pi executando o seguinte comando:
+
+    ```sh
+    sudo reboot
+    ```
+
+    A sessão `ssh` será encerrada quando o Pi for reiniciado. Não é necessário reconectar.
+
+#### Configurar o VS Code para acesso remoto
+
+Depois que o Pi estiver configurado, você poderá se conectar a ele usando o Visual Studio Code (VS Code) a partir do seu computador - este é um editor de texto gratuito para desenvolvedores que você usará para escrever o código do dispositivo em Python.
+
+##### Tarefa - configurar o VS Code para acesso remoto
+
+Instale o software necessário e conecte-se remotamente ao seu Pi.
+
+1. Instale o VS Code no seu computador seguindo a [documentação do VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn).
+
+1. Siga as instruções na [documentação de desenvolvimento remoto do VS Code usando SSH](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) para instalar os componentes necessários.
+
+1. Seguindo as mesmas instruções, conecte o VS Code ao Pi.
+
+1. Uma vez conectado, siga as instruções de [gerenciamento de extensões](https://code.visualstudio.com/docs/remote/ssh#_managing-extensions?WT.mc_id=academic-17441-jabenn) para instalar remotamente a extensão [Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) no Pi.
+
+## Olá, mundo
+É tradicional, ao começar com uma nova linguagem de programação ou tecnologia, criar um aplicativo 'Hello World' - um pequeno programa que exibe algo como o texto `"Hello World"` para mostrar que todas as ferramentas estão configuradas corretamente.
+
+O aplicativo Hello World para o Pi garantirá que você tenha o Python e o Visual Studio Code instalados corretamente.
+
+Este aplicativo estará em uma pasta chamada `nightlight`, e será reutilizado com códigos diferentes em partes posteriores desta tarefa para construir o aplicativo de luz noturna.
+
+### Tarefa - hello world
+
+Crie o aplicativo Hello World.
+
+1. Abra o VS Code, diretamente no Pi ou no seu computador conectado ao Pi usando a extensão Remote SSH.
+
+1. Abra o Terminal do VS Code selecionando *Terminal -> New Terminal*, ou pressionando `` CTRL+` ``. Ele será aberto no diretório inicial do usuário `pi`.
+
+1. Execute os seguintes comandos para criar um diretório para o seu código e criar um arquivo Python chamado `app.py` dentro desse diretório:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    touch app.py
+    ```
+
+1. Abra esta pasta no VS Code selecionando *File -> Open...* e escolhendo a pasta *nightlight*, depois selecione **OK**.
+
+    ![A caixa de diálogo do VS Code mostrando a pasta nightlight](../../../../../translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.br.png)
+
+1. Abra o arquivo `app.py` no explorador do VS Code e adicione o seguinte código:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    A função `print` exibe no console o que for passado para ela.
+
+1. No Terminal do VS Code, execute o seguinte comando para rodar seu aplicativo Python:
+
+    ```sh
+    python app.py
+    ```
+
+    > 💁 Pode ser necessário chamar explicitamente `python3` para executar este código se você tiver o Python 2 instalado além do Python 3 (a versão mais recente). Se o Python 2 estiver instalado, chamar `python` usará o Python 2 em vez do Python 3. Por padrão, as versões mais recentes do Raspberry Pi OS possuem apenas o Python 3 instalado.
+
+    A seguinte saída aparecerá no terminal:
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py
+    Hello World!
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi).
+
+😀 Seu programa 'Hello World' foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/br/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
new file mode 100644
index 00000000..4492ec64
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52b4de6144b2efdced7797a5339d6035",
+  "translation_date": "2025-08-28T03:35:50+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
+  "language_code": "br"
+}
+-->
+# Computador de placa única virtual
+
+Em vez de comprar um dispositivo IoT, junto com sensores e atuadores, você pode usar seu computador para simular hardware IoT. O [projeto CounterFit](https://github.com/CounterFit-IoT/CounterFit) permite que você execute um aplicativo localmente que simula hardware IoT, como sensores e atuadores, e acesse esses sensores e atuadores a partir de código Python local, escrito da mesma forma que você faria em um Raspberry Pi usando hardware físico.
+
+## Configuração
+
+Para usar o CounterFit, você precisará instalar alguns softwares gratuitos no seu computador.
+
+### Tarefa
+
+Instale o software necessário.
+
+1. Instale o Python. Consulte a [página de downloads do Python](https://www.python.org/downloads/) para instruções sobre como instalar a versão mais recente do Python.
+
+1. Instale o Visual Studio Code (VS Code). Este será o editor que você usará para escrever o código do dispositivo virtual em Python. Consulte a [documentação do VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) para instruções sobre como instalar o VS Code.
+
+    > 💁 Você está livre para usar qualquer IDE ou editor de Python para estas lições, caso tenha uma ferramenta preferida, mas as lições fornecerão instruções baseadas no uso do VS Code.
+
+1. Instale a extensão Pylance do VS Code. Esta é uma extensão para o VS Code que oferece suporte à linguagem Python. Consulte a [documentação da extensão Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) para instruções sobre como instalar esta extensão no VS Code.
+
+As instruções para instalar e configurar o aplicativo CounterFit serão fornecidas no momento relevante nas instruções da tarefa, pois ele é instalado por projeto.
+
+## Olá Mundo
+
+É tradicional, ao começar com uma nova linguagem de programação ou tecnologia, criar um aplicativo 'Olá Mundo' - um pequeno aplicativo que exibe algo como o texto `"Olá Mundo"` para mostrar que todas as ferramentas estão configuradas corretamente.
+
+O aplicativo Olá Mundo para o hardware IoT virtual garantirá que você tenha o Python e o Visual Studio Code instalados corretamente. Ele também se conectará ao CounterFit para os sensores e atuadores IoT virtuais. Não usará nenhum hardware, apenas se conectará para provar que tudo está funcionando.
+
+Este aplicativo estará em uma pasta chamada `nightlight`, e será reutilizado com diferentes códigos em partes posteriores desta tarefa para construir o aplicativo de luz noturna.
+
+### Configurar um ambiente virtual Python
+
+Uma das características poderosas do Python é a capacidade de instalar [pacotes Pip](https://pypi.org) - pacotes de código escritos por outras pessoas e publicados na Internet. Você pode instalar um pacote Pip no seu computador com um único comando e, em seguida, usar esse pacote no seu código. Você usará o Pip para instalar um pacote que se comunica com o CounterFit.
+
+Por padrão, quando você instala um pacote, ele fica disponível em todo o seu computador, e isso pode levar a problemas com versões de pacotes - como um aplicativo depender de uma versão de um pacote que quebra quando você instala uma nova versão para outro aplicativo. Para contornar esse problema, você pode usar um [ambiente virtual Python](https://docs.python.org/3/library/venv.html), essencialmente uma cópia do Python em uma pasta dedicada, e quando você instala pacotes Pip, eles são instalados apenas nessa pasta.
+
+> 💁 Se você estiver usando um Raspberry Pi, então não configurou um ambiente virtual nesse dispositivo para gerenciar pacotes Pip, em vez disso, está usando pacotes globais, já que os pacotes Grove são instalados globalmente pelo script de instalação.
+
+#### Tarefa - configurar um ambiente virtual Python
+
+Configure um ambiente virtual Python e instale os pacotes Pip para o CounterFit.
+
+1. No seu terminal ou linha de comando, execute o seguinte em um local de sua escolha para criar e navegar até um novo diretório:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    ```
+
+1. Agora execute o seguinte para criar um ambiente virtual na pasta `.venv`:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 Você precisa chamar explicitamente `python3` para criar o ambiente virtual, caso tenha o Python 2 instalado além do Python 3 (a versão mais recente). Se você tiver o Python 2 instalado, chamar `python` usará o Python 2 em vez do Python 3.
+
+1. Ative o ambiente virtual:
+
+    * No Windows:
+        * Se estiver usando o Prompt de Comando ou o Prompt de Comando pelo Windows Terminal, execute:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Se estiver usando o PowerShell, execute:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+            > Se você receber um erro sobre scripts não poderem ser executados neste sistema, será necessário habilitar a execução de scripts configurando uma política de execução apropriada. Você pode fazer isso iniciando o PowerShell como administrador e executando o seguinte comando:
+
+            ```powershell
+            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
+            ```
+
+            Digite `Y` quando solicitado a confirmar. Em seguida, reinicie o PowerShell e tente novamente.
+
+            Você pode redefinir essa política de execução posteriormente, se necessário. Você pode ler mais sobre isso na [página de Políticas de Execução na documentação da Microsoft](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn).
+
+    * No macOS ou Linux, execute:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Esses comandos devem ser executados no mesmo local onde você executou o comando para criar o ambiente virtual. Você nunca precisará navegar para dentro da pasta `.venv`, sempre deve executar o comando de ativação e quaisquer comandos para instalar pacotes ou executar código a partir da pasta onde estava ao criar o ambiente virtual.
+
+1. Uma vez que o ambiente virtual foi ativado, o comando padrão `python` executará a versão do Python que foi usada para criar o ambiente virtual. Execute o seguinte para obter a versão:
+
+    ```sh
+    python --version
+    ```
+
+    A saída deve conter o seguinte:
+
+    ```output
+    (.venv) ➜  nightlight python --version
+    Python 3.9.1
+    ```
+
+    > 💁 Sua versão do Python pode ser diferente - desde que seja a versão 3.6 ou superior, está tudo certo. Caso contrário, exclua esta pasta, instale uma versão mais recente do Python e tente novamente.
+
+1. Execute os seguintes comandos para instalar os pacotes Pip para o CounterFit. Esses pacotes incluem o aplicativo principal do CounterFit, bem como shims para hardware Grove. Esses shims permitem que você escreva código como se estivesse programando usando sensores e atuadores físicos do ecossistema Grove, mas conectados a dispositivos IoT virtuais.
+
+    ```sh
+    pip install CounterFit
+    pip install counterfit-connection
+    pip install counterfit-shims-grove
+    ```
+
+    Esses pacotes Pip serão instalados apenas no ambiente virtual e não estarão disponíveis fora dele.
+
+### Escreva o código
+
+Depois que o ambiente virtual Python estiver pronto, você pode escrever o código para o aplicativo 'Olá Mundo'.
+
+#### Tarefa - escreva o código
+
+Crie um aplicativo Python para imprimir `"Olá Mundo"` no console.
+
+1. No seu terminal ou linha de comando, execute o seguinte dentro do ambiente virtual para criar um arquivo Python chamado `app.py`:
+
+    * No Windows, execute:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * No macOS ou Linux, execute:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. Abra a pasta atual no VS Code:
+
+    ```sh
+    code .
+    ```
+
+    > 💁 Se o seu terminal retornar `command not found` no macOS, significa que o VS Code não foi adicionado ao seu PATH. Você pode adicionar o VS Code ao seu PATH seguindo as instruções na [seção de Lançamento pela linha de comando da documentação do VS Code](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) e executar o comando novamente. O VS Code é adicionado ao PATH por padrão no Windows e Linux.
+
+1. Quando o VS Code for iniciado, ele ativará o ambiente virtual Python. O ambiente virtual selecionado aparecerá na barra de status inferior:
+
+    ![VS Code mostrando o ambiente virtual selecionado](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.br.png)
+
+1. Se o Terminal do VS Code já estiver em execução quando o VS Code for iniciado, ele não terá o ambiente virtual ativado. A maneira mais fácil de resolver isso é encerrar o terminal usando o botão **Kill the active terminal instance**:
+
+    ![Botão do VS Code para encerrar a instância ativa do terminal](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.br.png)
+
+    Você pode verificar se o terminal tem o ambiente virtual ativado, pois o nome do ambiente virtual será um prefixo no prompt do terminal. Por exemplo, pode ser:
+
+    ```sh
+    (.venv) ➜  nightlight
+    ```
+
+    Se você não tiver `.venv` como prefixo no prompt, o ambiente virtual não está ativo no terminal.
+
+1. Inicie um novo terminal do VS Code selecionando *Terminal -> New Terminal*, ou pressionando `` CTRL+` ``. O novo terminal carregará o ambiente virtual, e a chamada para ativá-lo aparecerá no terminal. O prompt também terá o nome do ambiente virtual (`.venv`):
+
+    ```output
+    ➜  nightlight source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. Abra o arquivo `app.py` no explorador do VS Code e adicione o seguinte código:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    A função `print` imprime o que for passado para ela no console.
+
+1. No terminal do VS Code, execute o seguinte para rodar seu aplicativo Python:
+
+    ```sh
+    python app.py
+    ```
+
+    A seguinte saída aparecerá:
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    Hello World!
+    ```
+
+😀 Seu programa 'Olá Mundo' foi um sucesso!
+
+### Conecte o 'hardware'
+
+Como um segundo passo do 'Olá Mundo', você executará o aplicativo CounterFit e conectará seu código a ele. Este é o equivalente virtual de conectar algum hardware IoT a um kit de desenvolvimento.
+
+#### Tarefa - conecte o 'hardware'
+
+1. No terminal do VS Code, inicie o aplicativo CounterFit com o seguinte comando:
+
+    ```sh
+    counterfit
+    ```
+
+    O aplicativo começará a ser executado e abrirá no seu navegador:
+
+    ![O aplicativo CounterFit rodando em um navegador](../../../../../translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.br.png)
+
+    Ele será marcado como *Disconnected*, com o LED no canto superior direito apagado.
+
+1. Adicione o seguinte código ao topo do arquivo `app.py`:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+    Este código importa a classe `CounterFitConnection` do módulo `counterfit_connection`, que vem do pacote pip `counterfit-connection` instalado anteriormente. Em seguida, inicializa uma conexão com o aplicativo CounterFit rodando em `127.0.0.1`, que é um endereço IP que você pode sempre usar para acessar seu computador local (frequentemente chamado de *localhost*), na porta 5000.
+
+    > 💁 Se você tiver outros aplicativos rodando na porta 5000, pode alterar isso atualizando a porta no código e executando o CounterFit usando `CounterFit --port <port_number>`, substituindo `<port_number>` pela porta que deseja usar.
+
+1. Você precisará iniciar um novo terminal do VS Code selecionando o botão **Create a new integrated terminal**. Isso porque o aplicativo CounterFit está rodando no terminal atual.
+
+    ![Botão do VS Code para criar um novo terminal integrado](../../../../../translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.br.png)
+
+1. No novo terminal, execute o arquivo `app.py` como antes. O status do CounterFit mudará para **Connected** e o LED acenderá.
+
+    ![CounterFit mostrando como conectado](../../../../../translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.br.png)
+
+> 💁 Você pode encontrar este código na pasta [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device).
+
+😀 Sua conexão com o hardware foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/br/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
new file mode 100644
index 00000000..902f3d86
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
@@ -0,0 +1,222 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
+  "translation_date": "2025-08-28T03:38:34+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
+  "language_code": "br"
+}
+-->
+# Wio Terminal
+
+O [Wio Terminal da Seeed Studios](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) é um microcontrolador compatível com Arduino, com WiFi e alguns sensores e atuadores integrados, além de portas para adicionar mais sensores e atuadores, utilizando um ecossistema de hardware chamado [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html).
+
+![Um Wio Terminal da Seeed Studios](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.br.png)
+
+## Configuração
+
+Para usar o Wio Terminal, você precisará instalar alguns softwares gratuitos no seu computador. Também será necessário atualizar o firmware do Wio Terminal antes de conectá-lo ao WiFi.
+
+### Tarefa - configuração
+
+Instale o software necessário e atualize o firmware.
+
+1. Instale o Visual Studio Code (VS Code). Este será o editor que você usará para escrever o código do dispositivo em C/C++. Consulte a [documentação do VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) para obter instruções sobre como instalar o VS Code.
+
+    > 💁 Outro IDE popular para desenvolvimento com Arduino é o [Arduino IDE](https://www.arduino.cc/en/software). Se você já estiver familiarizado com essa ferramenta, pode usá-la em vez do VS Code e do PlatformIO, mas as lições fornecerão instruções baseadas no uso do VS Code.
+
+1. Instale a extensão PlatformIO para o VS Code. Esta é uma extensão para o VS Code que suporta a programação de microcontroladores em C/C++. Consulte a [documentação da extensão PlatformIO](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide) para obter instruções sobre como instalar esta extensão no VS Code. Essa extensão depende da extensão Microsoft C/C++ para trabalhar com código C e C++, que será instalada automaticamente ao instalar o PlatformIO.
+
+1. Conecte o Wio Terminal ao seu computador. O Wio Terminal possui uma porta USB-C na parte inferior, que deve ser conectada a uma porta USB do seu computador. O Wio Terminal vem com um cabo USB-C para USB-A, mas se o seu computador tiver apenas portas USB-C, você precisará de um cabo USB-C ou um adaptador USB-A para USB-C.
+
+1. Siga as instruções na [documentação de visão geral do WiFi no Wiki do Wio Terminal](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/) para configurar o Wio Terminal e atualizar o firmware.
+
+## Hello World
+
+É tradicional, ao começar com uma nova linguagem de programação ou tecnologia, criar um aplicativo 'Hello World' - um pequeno programa que exibe algo como o texto `"Hello World"` para mostrar que todas as ferramentas estão configuradas corretamente.
+
+O aplicativo Hello World para o Wio Terminal garantirá que você tenha o Visual Studio Code instalado corretamente com o PlatformIO e configurado para desenvolvimento de microcontroladores.
+
+### Criar um projeto no PlatformIO
+
+O primeiro passo é criar um novo projeto usando o PlatformIO configurado para o Wio Terminal.
+
+#### Tarefa - criar um projeto no PlatformIO
+
+Crie o projeto no PlatformIO.
+
+1. Conecte o Wio Terminal ao seu computador.
+
+1. Abra o VS Code.
+
+1. O ícone do PlatformIO estará na barra de menu lateral:
+
+    ![A opção de menu do PlatformIO](../../../../../translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.br.png)
+
+    Selecione este item de menu e, em seguida, selecione *PIO Home -> Open*.
+
+    ![A opção de abrir o PlatformIO](../../../../../translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.br.png)
+
+1. Na tela de boas-vindas, selecione o botão **+ New Project**.
+
+    ![O botão de novo projeto](../../../../../translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.br.png)
+
+1. Configure o projeto no *Project Wizard*:
+
+    1. Nomeie seu projeto como `nightlight`.
+
+    1. No menu suspenso *Board*, digite `WIO` para filtrar as placas e selecione *Seeeduino Wio Terminal*.
+
+    1. Deixe o *Framework* como *Arduino*.
+
+    1. Mantenha a caixa de seleção *Use default location* marcada ou desmarque-a e selecione um local para o seu projeto.
+
+    1. Selecione o botão **Finish**.
+
+    ![O assistente de projeto preenchido](../../../../../translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.br.png)
+
+    O PlatformIO fará o download dos componentes necessários para compilar o código para o Wio Terminal e criará seu projeto. Isso pode levar alguns minutos.
+
+### Investigar o projeto no PlatformIO
+
+O explorador do VS Code mostrará vários arquivos e pastas criados pelo assistente do PlatformIO.
+
+#### Pastas
+
+* `.pio` - esta pasta contém dados temporários necessários pelo PlatformIO, como bibliotecas ou código compilado. Ela é recriada automaticamente se excluída, e você não precisa adicioná-la ao controle de versão se estiver compartilhando seu projeto em sites como o GitHub.
+* `.vscode` - esta pasta contém a configuração usada pelo PlatformIO e pelo VS Code. Ela é recriada automaticamente se excluída, e você não precisa adicioná-la ao controle de versão se estiver compartilhando seu projeto em sites como o GitHub.
+* `include` - esta pasta é para arquivos de cabeçalho externos necessários ao adicionar bibliotecas adicionais ao seu código. Você não usará esta pasta em nenhuma destas lições.
+* `lib` - esta pasta é para bibliotecas externas que você deseja chamar a partir do seu código. Você não usará esta pasta em nenhuma destas lições.
+* `src` - esta pasta contém o código-fonte principal do seu aplicativo. Inicialmente, ela conterá um único arquivo - `main.cpp`.
+* `test` - esta pasta é onde você colocaria quaisquer testes unitários para o seu código.
+
+#### Arquivos
+
+* `main.cpp` - este arquivo na pasta `src` contém o ponto de entrada para o seu aplicativo. Abra este arquivo, e ele conterá o seguinte código:
+
+    ```cpp
+    #include <Arduino.h>
+    
+    void setup() {
+      // put your setup code here, to run once:
+    }
+    
+    void loop() {
+      // put your main code here, to run repeatedly:
+    }
+    ```
+
+    Quando o dispositivo é iniciado, o framework Arduino executa a função `setup` uma vez e, em seguida, executa a função `loop` repetidamente até que o dispositivo seja desligado.
+
+* `.gitignore` - este arquivo lista os arquivos e diretórios a serem ignorados ao adicionar seu código ao controle de versão git, como ao fazer upload para um repositório no GitHub.
+
+* `platformio.ini` - este arquivo contém a configuração para o seu dispositivo e aplicativo. Abra este arquivo, e ele conterá o seguinte código:
+
+    ```ini
+    [env:seeed_wio_terminal]
+    platform = atmelsam
+    board = seeed_wio_terminal
+    framework = arduino
+    ```
+
+    A seção `[env:seeed_wio_terminal]` possui a configuração para o Wio Terminal. Você pode ter várias seções `env` para que seu código possa ser compilado para várias placas.
+
+    Os outros valores correspondem à configuração do assistente de projeto:
+
+  * `platform = atmelsam` define o hardware que o Wio Terminal usa (um microcontrolador baseado em ATSAMD51).
+  * `board = seeed_wio_terminal` define o tipo de placa do microcontrolador (o Wio Terminal).
+  * `framework = arduino` define que este projeto está usando o framework Arduino.
+
+### Escrever o aplicativo Hello World
+
+Agora você está pronto para escrever o aplicativo Hello World.
+
+#### Tarefa - escrever o aplicativo Hello World
+
+Escreva o aplicativo Hello World.
+
+1. Abra o arquivo `main.cpp` no VS Code.
+
+1. Altere o código para corresponder ao seguinte:
+
+    ```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);
+    }
+    ```
+
+    A função `setup` inicializa uma conexão com a porta serial - neste caso, a porta USB usada para conectar o Wio Terminal ao seu computador. O parâmetro `9600` é a [taxa de transmissão](https://wikipedia.org/wiki/Symbol_rate) (também conhecida como taxa de símbolos), ou a velocidade com que os dados serão enviados pela porta serial em bits por segundo. Essa configuração significa que 9.600 bits (0s e 1s) de dados são enviados a cada segundo. Em seguida, ela aguarda a porta serial estar pronta.
+
+    A função `loop` envia a linha `Hello World!` para a porta serial, ou seja, os caracteres de `Hello World!` junto com um caractere de nova linha. Em seguida, ela aguarda 5.000 milissegundos ou 5 segundos. Após o término do `loop`, ele é executado novamente, e assim por diante, enquanto o microcontrolador estiver ligado.
+
+1. Coloque o Wio Terminal no modo de upload. Você precisará fazer isso toda vez que enviar um novo código para o dispositivo:
+
+    1. Puxe o interruptor de energia para baixo duas vezes rapidamente - ele retornará automaticamente para a posição ligada a cada vez.
+
+    1. Verifique o LED azul de status à direita da porta USB. Ele deve estar pulsando.
+    
+    [![Um vídeo mostrando como colocar o Wio Terminal no modo de upload](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
+    
+    Clique na imagem acima para assistir a um vídeo mostrando como fazer isso.
+
+1. Compile e envie o código para o Wio Terminal.
+
+    1. Abra o painel de comandos do VS Code.
+
+    1. Digite `PlatformIO Upload` para buscar a opção de upload e selecione *PlatformIO: Upload*.
+
+        ![A opção de upload do PlatformIO no painel de comandos](../../../../../translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.br.png)
+
+        O PlatformIO compilará automaticamente o código, se necessário, antes de enviá-lo.
+
+    1. O código será compilado e enviado para o Wio Terminal.
+
+        > 💁 Se você estiver usando macOS, uma notificação sobre um *DISCO NÃO EJETADO CORRETAMENTE* aparecerá. Isso ocorre porque o Wio Terminal é montado como uma unidade durante o processo de gravação e é desconectado quando o código compilado é gravado no dispositivo. Você pode ignorar essa notificação.
+
+    ⚠️ Se você receber erros sobre a porta de upload estar indisponível, primeiro certifique-se de que o Wio Terminal está conectado ao seu computador, ligado usando o interruptor no lado esquerdo da tela e configurado no modo de upload. A luz verde na parte inferior deve estar acesa, e a luz azul deve estar pulsando. Se o erro persistir, puxe o interruptor de ligar/desligar para baixo duas vezes rapidamente novamente para forçar o Wio Terminal ao modo de upload e tente o upload novamente.
+
+O PlatformIO possui um Monitor Serial que pode monitorar os dados enviados pelo cabo USB do Wio Terminal. Isso permite monitorar os dados enviados pelo comando `Serial.println("Hello World");`.
+
+1. Abra o painel de comandos do VS Code.
+
+1. Digite `PlatformIO Serial` para buscar a opção de Monitor Serial e selecione *PlatformIO: Serial Monitor*.
+
+    ![A opção de Monitor Serial do PlatformIO no painel de comandos](../../../../../translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.br.png)
+
+    Um novo terminal será aberto, e os dados enviados pela porta serial serão exibidos neste terminal:
+
+    ```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` será exibido no monitor serial a cada 5 segundos.
+
+> 💁 Você pode encontrar este código na pasta [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal).
+
+😀 Seu programa 'Hello World' foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/2-deeper-dive/README.md b/translations/br/1-getting-started/lessons/2-deeper-dive/README.md
new file mode 100644
index 00000000..ddd5ac97
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/2-deeper-dive/README.md
@@ -0,0 +1,277 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
+  "translation_date": "2025-08-28T03:24:37+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
+  "language_code": "br"
+}
+-->
+# Um mergulho mais profundo no IoT
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Esta lição foi apresentada como parte da série [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) do [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). A lição foi dividida em dois vídeos - uma aula de 1 hora e uma sessão de perguntas e respostas de 1 hora, explorando mais a fundo os tópicos abordados e respondendo a dúvidas.
+
+[![Lição 2: Um mergulho mais profundo no IoT](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
+
+[![Lição 2: Um mergulho mais profundo no IoT - Sessão de perguntas e respostas](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
+
+> 🎥 Clique nas imagens acima para assistir aos vídeos
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
+
+## Introdução
+
+Nesta lição, vamos nos aprofundar em alguns dos conceitos abordados na lição anterior.
+
+Nesta lição, veremos:
+
+* [Componentes de uma aplicação IoT](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [Explorando mais a fundo os microcontroladores](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [Explorando mais a fundo os computadores de placa única](../../../../../1-getting-started/lessons/2-deeper-dive)
+
+## Componentes de uma aplicação IoT
+
+Os dois componentes principais de uma aplicação IoT são a *Internet* e o *dispositivo*. Vamos analisar esses dois componentes com mais detalhes.
+
+### O Dispositivo
+
+![Um Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.br.jpg)
+
+A parte do **Dispositivo** no IoT refere-se a um equipamento que pode interagir com o mundo físico. Esses dispositivos geralmente são pequenos, de baixo custo, com computadores que operam em baixa velocidade e consomem pouca energia - por exemplo, microcontroladores simples com apenas alguns kilobytes de RAM (em comparação com gigabytes em um PC), funcionando a algumas centenas de megahertz (em comparação com gigahertz em um PC), mas consumindo tão pouca energia que podem operar por semanas, meses ou até anos com baterias.
+
+Esses dispositivos interagem com o mundo físico, seja usando sensores para coletar dados do ambiente ou controlando saídas ou atuadores para realizar mudanças físicas. Um exemplo típico é um termostato inteligente - um dispositivo que possui um sensor de temperatura, um meio de definir a temperatura desejada, como um botão ou tela sensível ao toque, e uma conexão com um sistema de aquecimento ou resfriamento que pode ser ativado quando a temperatura detectada estiver fora da faixa desejada. O sensor de temperatura detecta que o ambiente está muito frio e um atuador liga o aquecimento.
+
+![Um diagrama mostrando a temperatura e um botão como entradas para um dispositivo IoT, e o controle de um aquecedor como saída](../../../../../translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.br.png)
+
+Há uma enorme variedade de dispositivos que podem atuar como dispositivos IoT, desde hardware dedicado que detecta uma única coisa até dispositivos de uso geral, como seu smartphone! Um smartphone pode usar sensores para detectar o ambiente ao seu redor e atuadores para interagir com o mundo - por exemplo, usando um sensor GPS para detectar sua localização e um alto-falante para fornecer instruções de navegação até um destino.
+
+✅ Pense em outros sistemas ao seu redor que leem dados de um sensor e os utilizam para tomar decisões. Um exemplo seria o termostato de um forno. Consegue encontrar mais exemplos?
+
+### A Internet
+
+A parte da **Internet** em uma aplicação IoT consiste em aplicativos aos quais o dispositivo IoT pode se conectar para enviar e receber dados, bem como outros aplicativos que podem processar os dados do dispositivo IoT e ajudar a tomar decisões sobre quais solicitações enviar aos atuadores do dispositivo IoT.
+
+Uma configuração típica seria ter algum tipo de serviço em nuvem ao qual o dispositivo IoT se conecta. Esse serviço em nuvem lida com questões como segurança, além de receber mensagens do dispositivo IoT e enviar mensagens de volta ao dispositivo. Esse serviço em nuvem, por sua vez, conecta-se a outros aplicativos que podem processar ou armazenar dados de sensores, ou usar esses dados em conjunto com informações de outros sistemas para tomar decisões.
+
+Os dispositivos nem sempre se conectam diretamente à Internet via Wi-Fi ou conexões com fio. Alguns dispositivos usam redes mesh para se comunicarem entre si por meio de tecnologias como Bluetooth, conectando-se a um dispositivo hub que possui uma conexão com a Internet.
+
+No exemplo de um termostato inteligente, o termostato se conectaria à rede Wi-Fi doméstica e a um serviço em nuvem. Ele enviaria os dados de temperatura para esse serviço em nuvem, que os armazenaria em um banco de dados, permitindo que o proprietário verificasse as temperaturas atuais e passadas por meio de um aplicativo no celular. Outro serviço na nuvem saberia qual temperatura o proprietário deseja e enviaria mensagens de volta ao dispositivo IoT, por meio do serviço em nuvem, para informar ao sistema de aquecimento quando ligar ou desligar.
+
+![Um diagrama mostrando a temperatura e um botão como entradas para um dispositivo IoT, o dispositivo IoT com comunicação bidirecional com a nuvem, que por sua vez tem comunicação bidirecional com um telefone, e o controle de um aquecedor como saída do dispositivo IoT](../../../../../translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.br.png)
+
+Uma versão ainda mais inteligente poderia usar IA na nuvem com dados de outros sensores conectados a outros dispositivos IoT, como sensores de ocupação que detectam quais cômodos estão em uso, além de dados como condições climáticas e até mesmo seu calendário, para tomar decisões sobre como ajustar a temperatura de forma inteligente. Por exemplo, poderia desligar o aquecimento se ler no seu calendário que você está de férias, ou ajustar o aquecimento de acordo com os cômodos que você utiliza, aprendendo com os dados para ser cada vez mais preciso ao longo do tempo.
+
+![Um diagrama mostrando múltiplos sensores de temperatura e um botão como entradas para um dispositivo IoT, o dispositivo IoT com comunicação bidirecional com a nuvem, que por sua vez tem comunicação bidirecional com um telefone, um calendário e um serviço de clima, e o controle de um aquecedor como saída do dispositivo IoT](../../../../../translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.br.png)
+
+✅ Que outros dados poderiam ajudar a tornar um termostato conectado à Internet mais inteligente?
+
+### IoT na Borda
+
+Embora o "I" em IoT signifique Internet, esses dispositivos não precisam necessariamente se conectar à Internet. Em alguns casos, os dispositivos podem se conectar a dispositivos de borda - dispositivos de gateway que operam na sua rede local, permitindo que você processe dados sem precisar fazer chamadas pela Internet. Isso pode ser mais rápido quando há muitos dados ou uma conexão de Internet lenta, permite que você opere offline onde a conectividade com a Internet não é possível, como em um navio ou em uma área de desastre durante uma resposta humanitária, e permite que você mantenha os dados privados. Alguns dispositivos contêm códigos de processamento criados com ferramentas em nuvem e executam esses códigos localmente para coletar e responder a dados sem usar uma conexão com a Internet para tomar decisões.
+
+Um exemplo disso é um dispositivo doméstico inteligente, como um Apple HomePod, Amazon Alexa ou Google Home, que escuta sua voz usando modelos de IA treinados na nuvem, mas que são executados localmente no dispositivo. Esses dispositivos "acordam" quando uma palavra ou frase específica é dita e só então enviam sua fala pela Internet para processamento. O dispositivo para de enviar sua fala em um momento apropriado, como quando detecta uma pausa na sua fala. Tudo o que você diz antes de ativar o dispositivo com a palavra de ativação e tudo o que você diz depois que o dispositivo para de ouvir não será enviado pela Internet ao provedor do dispositivo, garantindo sua privacidade.
+
+✅ Pense em outros cenários onde a privacidade é importante, de modo que o processamento de dados seria melhor realizado na borda em vez de na nuvem. Como dica - pense em dispositivos IoT com câmeras ou outros dispositivos de imagem.
+
+### Segurança no IoT
+
+Com qualquer conexão à Internet, a segurança é uma consideração importante. Existe uma piada antiga que diz que "o S em IoT significa Segurança" - não há "S" em IoT, implicando que não é seguro.
+
+Dispositivos IoT se conectam a um serviço em nuvem e, portanto, são tão seguros quanto esse serviço em nuvem - se o serviço permitir que qualquer dispositivo se conecte, dados maliciosos podem ser enviados ou ataques de vírus podem ocorrer. Isso pode ter consequências muito reais, já que dispositivos IoT interagem e controlam outros dispositivos. Por exemplo, o [worm Stuxnet](https://wikipedia.org/wiki/Stuxnet) manipulou válvulas em centrífugas para danificá-las. Hackers também aproveitaram [falhas de segurança para acessar babás eletrônicas](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) e outros dispositivos de vigilância doméstica.
+
+> 💁 Às vezes, dispositivos IoT e dispositivos de borda operam em uma rede completamente isolada da Internet para manter os dados privados e seguros. Isso é conhecido como [air-gapping](https://wikipedia.org/wiki/Air_gap_(networking)).
+
+## Explorando mais a fundo os microcontroladores
+
+Na lição anterior, apresentamos os microcontroladores. Agora, vamos analisá-los mais detalhadamente.
+
+### CPU
+
+A CPU é o "cérebro" do microcontrolador. É o processador que executa seu código e pode enviar e receber dados de dispositivos conectados. CPUs podem conter um ou mais núcleos - essencialmente, um ou mais processadores que podem trabalhar juntos para executar seu código.
+
+As CPUs dependem de um relógio que "tique" milhões ou bilhões de vezes por segundo. Cada tique, ou ciclo, sincroniza as ações que a CPU pode realizar. A cada tique, a CPU pode executar uma instrução de um programa, como recuperar dados de um dispositivo externo ou realizar um cálculo matemático. Esse ciclo regular permite que todas as ações sejam concluídas antes que a próxima instrução seja processada.
+
+Quanto mais rápido o ciclo do relógio, mais instruções podem ser processadas por segundo e, portanto, mais rápida é a CPU. As velocidades das CPUs são medidas em [Hertz (Hz)](https://wikipedia.org/wiki/Hertz), uma unidade padrão onde 1 Hz significa um ciclo ou tique do relógio por segundo.
+
+> 🎓 As velocidades das CPUs geralmente são dadas em MHz ou GHz. 1MHz é 1 milhão de Hz, 1GHz é 1 bilhão de Hz.
+
+> 💁 As CPUs executam programas usando o [ciclo buscar-decodificar-executar](https://wikipedia.org/wiki/Instruction_cycle). A cada tique do relógio, a CPU buscará a próxima instrução na memória, decodificará e a executará, como usar uma unidade lógica aritmética (ALU) para somar dois números. Algumas execuções podem levar vários tiques para serem concluídas, então o próximo ciclo será executado no próximo tique após a conclusão da instrução.
+
+![Os ciclos buscar-decodificar-executar mostrando a busca de uma instrução do programa armazenado na RAM, depois decodificando e executando na CPU](../../../../../translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.br.png)
+
+Microcontroladores têm velocidades de relógio muito mais baixas do que computadores desktop ou laptops, ou mesmo a maioria dos smartphones. O Wio Terminal, por exemplo, possui uma CPU que opera a 120MHz ou 120.000.000 ciclos por segundo.
+
+✅ Um PC ou Mac médio possui uma CPU com múltiplos núcleos operando a vários GigaHertz, o que significa que o relógio "tique" bilhões de vezes por segundo. Pesquise a velocidade do relógio do seu computador e compare quantas vezes ele é mais rápido que o Wio Terminal.
+
+Cada ciclo do relógio consome energia e gera calor. Quanto mais rápidos os tiques, mais energia é consumida e mais calor é gerado. PCs possuem dissipadores de calor e ventiladores para remover o calor, sem os quais eles superaqueceriam e desligariam em segundos. Microcontroladores geralmente não possuem esses recursos, pois operam em temperaturas muito mais baixas e, portanto, em velocidades muito mais lentas. PCs funcionam com energia elétrica ou baterias grandes por algumas horas, enquanto microcontroladores podem operar por dias, meses ou até anos com pequenas baterias. Microcontroladores também podem ter núcleos que operam em diferentes velocidades, alternando para núcleos mais lentos e de baixo consumo de energia quando a demanda na CPU é baixa, para reduzir o consumo de energia.
+
+> 💁 Alguns PCs e Macs estão adotando a mesma combinação de núcleos rápidos de alto desempenho e núcleos mais lentos e eficientes, alternando para economizar bateria. Por exemplo, o chip M1 nos últimos laptops da Apple pode alternar entre 4 núcleos de desempenho e 4 núcleos de eficiência para otimizar a vida útil da bateria ou a velocidade, dependendo da tarefa em execução.
+
+✅ Faça uma pequena pesquisa: Leia sobre CPUs no [artigo da Wikipedia sobre CPU](https://wikipedia.org/wiki/Central_processing_unit)
+
+#### Tarefa
+
+Investigue o Wio Terminal.
+
+Se você estiver usando um Wio Terminal para essas lições, tente encontrar a CPU. Encontre a seção *Hardware Overview* na [página do produto Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) para uma imagem dos componentes internos e tente localizar a CPU através da janela de plástico transparente na parte de trás.
+
+### Memória
+
+Microcontroladores geralmente possuem dois tipos de memória - memória de programa e memória de acesso aleatório (RAM).
+
+A memória de programa é não volátil, o que significa que o que é gravado nela permanece mesmo quando não há energia no dispositivo. Essa é a memória que armazena o código do seu programa.
+
+A RAM é a memória usada pelo programa em execução, contendo variáveis alocadas pelo seu programa e dados coletados de periféricos. A RAM é volátil, ou seja, quando a energia é desligada, o conteúdo é perdido, efetivamente reiniciando seu programa.
+🎓 A memória de programa armazena seu código e permanece mesmo quando não há energia.
+🎓 A RAM é usada para executar seu programa e é reiniciada quando não há energia
+
+Assim como no caso da CPU, a memória de um microcontrolador é muitas ordens de magnitude menor do que a de um PC ou Mac. Um PC típico pode ter 8 Gigabytes (GB) de RAM, ou 8.000.000.000 bytes, sendo que cada byte tem espaço suficiente para armazenar uma única letra ou um número de 0 a 255. Um microcontrolador, por outro lado, geralmente possui apenas Kilobytes (KB) de RAM, sendo que um kilobyte equivale a 1.000 bytes. O terminal Wio mencionado acima possui 192KB de RAM, ou 192.000 bytes - mais de 40.000 vezes menos do que um PC médio!
+
+O diagrama abaixo mostra a diferença de tamanho relativa entre 192KB e 8GB - o pequeno ponto no centro representa 192KB.
+
+![Uma comparação entre 192KB e 8GB - mais de 40.000 vezes maior](../../../../../translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.br.png)
+
+O armazenamento de programas também é menor do que em um PC. Um PC típico pode ter um disco rígido de 500GB para armazenamento de programas, enquanto um microcontrolador pode ter apenas kilobytes ou, talvez, alguns megabytes (MB) de armazenamento (1MB equivale a 1.000KB, ou 1.000.000 bytes). O terminal Wio possui 4MB de armazenamento para programas.
+
+✅ Faça uma pequena pesquisa: Quanto de RAM e armazenamento tem o computador que você está usando para ler isso? Como isso se compara a um microcontrolador?
+
+### Entrada/Saída
+
+Microcontroladores precisam de conexões de entrada e saída (I/O) para ler dados de sensores e enviar sinais de controle para atuadores. Eles geralmente possuem vários pinos de entrada/saída de uso geral (GPIO). Esses pinos podem ser configurados via software como entrada (ou seja, recebem um sinal) ou saída (enviam um sinal).
+
+🧠⬅️ Pinos de entrada são usados para ler valores de sensores
+
+🧠➡️ Pinos de saída enviam instruções para atuadores
+
+✅ Você aprenderá mais sobre isso em uma lição futura.
+
+#### Tarefa
+
+Investigue o terminal Wio.
+
+Se você estiver usando um terminal Wio para estas lições, localize os pinos GPIO. Encontre a seção *Pinout diagram* na [página do produto Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) para aprender quais pinos são quais. O terminal Wio vem com um adesivo que você pode colar na parte de trás com os números dos pinos, então adicione isso agora, se ainda não o fez.
+
+### Tamanho físico
+
+Microcontroladores geralmente são pequenos em tamanho, sendo que o menor, um [Freescale Kinetis KL03 MCU, é pequeno o suficiente para caber na cavidade de uma bola de golfe](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/). Apenas a CPU de um PC pode medir 40mm x 40mm, sem incluir os dissipadores de calor e ventiladores necessários para garantir que a CPU funcione por mais de alguns segundos sem superaquecer, o que é substancialmente maior do que um microcontrolador completo. O kit de desenvolvimento do terminal Wio, com um microcontrolador, caixa, tela e uma variedade de conexões e componentes, não é muito maior do que uma CPU Intel i9 nua, e é substancialmente menor do que a CPU com um dissipador de calor e ventilador!
+
+| Dispositivo                     | Tamanho               |
+| ------------------------------- | --------------------- |
+| Freescale Kinetis KL03          | 1,6mm x 2mm x 1mm     |
+| Terminal Wio                    | 72mm x 57mm x 12mm    |
+| CPU Intel i9, dissipador e vent. | 136mm x 145mm x 103mm |
+
+### Frameworks e sistemas operacionais
+
+Devido à sua baixa velocidade e tamanho de memória, microcontroladores não executam um sistema operacional (SO) no sentido tradicional, como em desktops. O sistema operacional que faz seu computador funcionar (Windows, Linux ou macOS) precisa de muita memória e poder de processamento para executar tarefas que são completamente desnecessárias para um microcontrolador. Lembre-se de que microcontroladores geralmente são programados para realizar uma ou mais tarefas muito específicas, ao contrário de um computador de propósito geral como um PC ou Mac, que precisa suportar uma interface de usuário, reproduzir músicas ou filmes, fornecer ferramentas para escrever documentos ou códigos, jogar ou navegar na Internet.
+
+Para programar um microcontrolador sem um SO, você precisa de algumas ferramentas que permitam construir seu código de forma que o microcontrolador possa executá-lo, usando APIs que possam se comunicar com quaisquer periféricos. Cada microcontrolador é diferente, então os fabricantes normalmente suportam frameworks padrão que permitem seguir uma 'receita' padrão para construir seu código e fazê-lo rodar em qualquer microcontrolador que suporte aquele framework.
+
+Você pode programar microcontroladores usando um SO - frequentemente chamado de sistema operacional em tempo real (RTOS), pois são projetados para lidar com o envio de dados para e de periféricos em tempo real. Esses sistemas operacionais são muito leves e fornecem recursos como:
+
+* Multithreading, permitindo que seu código execute mais de um bloco de código ao mesmo tempo, seja em múltiplos núcleos ou alternando em um único núcleo
+* Rede para permitir comunicação segura pela Internet
+* Componentes de interface gráfica (GUI) para construir interfaces de usuário (UI) em dispositivos com telas.
+
+✅ Leia sobre alguns RTOS diferentes: [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
+
+![O logotipo do Arduino](../../../../../images/arduino-logo.svg)
+
+[Arduino](https://www.arduino.cc) é provavelmente o framework de microcontroladores mais popular, especialmente entre estudantes, entusiastas e makers. Arduino é uma plataforma de eletrônica de código aberto que combina software e hardware. Você pode comprar placas compatíveis com Arduino da própria Arduino ou de outros fabricantes, e então programá-las usando o framework Arduino.
+
+As placas Arduino são programadas em C ou C++. Usar C/C++ permite que seu código seja compilado de forma muito compacta e execute rapidamente, algo necessário em um dispositivo com recursos limitados, como um microcontrolador. O núcleo de uma aplicação Arduino é chamado de sketch e é um código em C/C++ com 2 funções - `setup` e `loop`. Quando a placa é ligada, o código do framework Arduino executa a função `setup` uma vez, e então executa a função `loop` repetidamente, continuamente, até que a energia seja desligada.
+
+Você escreveria seu código de configuração na função `setup`, como conectar-se ao WiFi e serviços na nuvem ou inicializar pinos para entrada e saída. Seu código de processamento ficaria na função `loop`, como ler de um sensor e enviar o valor para a nuvem. Normalmente, você incluiria um atraso em cada loop; por exemplo, se quiser que os dados do sensor sejam enviados a cada 10 segundos, adicionaria um atraso de 10 segundos no final do loop para que o microcontrolador possa dormir, economizando energia, e então executar o loop novamente quando necessário, 10 segundos depois.
+
+![Um sketch Arduino executando setup primeiro, depois executando loop repetidamente](../../../../../translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.br.png)
+
+✅ Essa arquitetura de programa é conhecida como *event loop* ou *message loop*. Muitas aplicações usam isso nos bastidores e é o padrão para a maioria das aplicações desktop que rodam em SOs como Windows, macOS ou Linux. O `loop` escuta mensagens de componentes da interface do usuário, como botões, ou dispositivos como o teclado, e responde a elas. Você pode ler mais neste [artigo sobre event loop](https://wikipedia.org/wiki/Event_loop).
+
+O Arduino fornece bibliotecas padrão para interagir com microcontroladores e os pinos de I/O, com diferentes implementações internas para rodar em diferentes microcontroladores. Por exemplo, a função [`delay`](https://www.arduino.cc/reference/en/language/functions/time/delay/) pausa o programa por um período de tempo especificado, e a função [`digitalRead`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) lê um valor `HIGH` ou `LOW` do pino especificado, independentemente da placa em que o código está sendo executado. Essas bibliotecas padrão significam que o código Arduino escrito para uma placa pode ser recompilado para qualquer outra placa Arduino e funcionará, assumindo que os pinos sejam os mesmos e as placas suportem os mesmos recursos.
+
+Existe um grande ecossistema de bibliotecas Arduino de terceiros que permitem adicionar recursos extras aos seus projetos Arduino, como usar sensores e atuadores ou conectar-se a serviços de IoT na nuvem.
+
+##### Tarefa
+
+Investigue o terminal Wio.
+
+Se você estiver usando um terminal Wio para estas lições, releia o código que escreveu na última lição. Encontre as funções `setup` e `loop`. Monitore a saída serial para verificar que a função `loop` está sendo chamada repetidamente. Tente adicionar código à função `setup` para escrever na porta serial e observe que esse código é chamado apenas uma vez a cada vez que você reinicia o dispositivo. Tente reiniciar seu dispositivo com o interruptor de energia na lateral para mostrar que isso é chamado toda vez que o dispositivo é reiniciado.
+
+## Explorando mais a fundo os computadores de placa única
+
+Na última lição, introduzimos os computadores de placa única. Agora vamos explorá-los mais a fundo.
+
+### Raspberry Pi
+
+![O logotipo do Raspberry Pi](../../../../../translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.br.png)
+
+A [Raspberry Pi Foundation](https://www.raspberrypi.org) é uma organização de caridade do Reino Unido fundada em 2009 para promover o estudo de ciência da computação, especialmente no nível escolar. Como parte dessa missão, eles desenvolveram um computador de placa única chamado Raspberry Pi. Atualmente, os Raspberry Pis estão disponíveis em 3 variantes - uma versão de tamanho completo, o menor Pi Zero, e um módulo de computação que pode ser integrado ao seu dispositivo IoT final.
+
+![Um Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.br.jpg)
+
+A última iteração do Raspberry Pi de tamanho completo é o Raspberry Pi 4B. Ele possui uma CPU quad-core (4 núcleos) rodando a 1,5GHz, 2, 4 ou 8GB de RAM, ethernet gigabit, WiFi, 2 portas HDMI que suportam telas 4k, uma saída de áudio e vídeo composto, portas USB (2 USB 2.0, 2 USB 3.0), 40 pinos GPIO, um conector de câmera para um módulo de câmera Raspberry Pi e um slot para cartão SD. Tudo isso em uma placa de 88mm x 58mm x 19,5mm, alimentada por uma fonte USB-C de 3A. Esses modelos começam em US$35, muito mais baratos do que um PC ou Mac.
+
+> 💁 Há também um Pi400, um computador tudo-em-um com um Pi4 embutido em um teclado.
+
+![Um Raspberry Pi Zero](../../../../../translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.br.jpg)
+
+O Pi Zero é muito menor e consome menos energia. Ele possui uma CPU de núcleo único de 1GHz, 512MB de RAM, WiFi (no modelo Zero W), uma única porta HDMI, uma porta micro-USB, 40 pinos GPIO, um conector de câmera para um módulo de câmera Raspberry Pi e um slot para cartão SD. Ele mede 65mm x 30mm x 5mm e consome muito pouca energia. O Zero custa US$5, enquanto a versão W com WiFi custa US$10.
+
+> 🎓 As CPUs de ambos os modelos são processadores ARM, ao contrário dos processadores Intel/AMD x86 ou x64 encontrados na maioria dos PCs e Macs. Esses processadores são semelhantes aos encontrados em alguns microcontroladores, bem como na maioria dos celulares, no Microsoft Surface X e nos novos Macs baseados no Apple Silicon.
+
+Todas as variantes do Raspberry Pi executam uma versão do Debian Linux chamada Raspberry Pi OS. Esta está disponível em uma versão lite, sem desktop, perfeita para projetos 'headless' onde você não precisa de uma tela, ou uma versão completa com um ambiente desktop completo, incluindo navegador, aplicativos de escritório, ferramentas de programação e jogos. Como o sistema operacional é uma versão do Debian Linux, você pode instalar qualquer aplicação ou ferramenta que rode no Debian e seja construída para o processador ARM dentro do Pi.
+
+#### Tarefa
+
+Investigue o Raspberry Pi.
+
+Se você estiver usando um Raspberry Pi para estas lições, leia sobre os diferentes componentes de hardware na placa.
+
+* Você pode encontrar detalhes sobre os processadores usados na [página de documentação de hardware do Raspberry Pi](https://www.raspberrypi.org/documentation/hardware/raspberrypi/). Leia sobre o processador usado no Pi que você está utilizando.
+* Localize os pinos GPIO. Leia mais sobre eles na [documentação GPIO do Raspberry Pi](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md). Use o [guia de uso dos pinos GPIO](https://www.raspberrypi.org/documentation/usage/gpio/README.md) para identificar os diferentes pinos no seu Pi.
+
+### Programando computadores de placa única
+
+Computadores de placa única são computadores completos, executando um sistema operacional completo. Isso significa que há uma ampla gama de linguagens de programação, frameworks e ferramentas que você pode usar para programá-los, ao contrário dos microcontroladores, que dependem do suporte da placa em frameworks como o Arduino. A maioria das linguagens de programação possui bibliotecas que podem acessar os pinos GPIO para enviar e receber dados de sensores e atuadores.
+
+✅ Quais linguagens de programação você conhece? Elas são suportadas no Linux?
+
+A linguagem de programação mais comum para construir aplicações IoT em um Raspberry Pi é Python. Existe um enorme ecossistema de hardware projetado para o Pi, e quase todos incluem o código relevante necessário para usá-los como bibliotecas Python. Alguns desses ecossistemas são baseados em 'hats' - assim chamados porque se encaixam no topo do Pi como um chapéu e se conectam a um grande soquete nos 40 pinos GPIO. Esses hats fornecem capacidades adicionais, como telas, sensores, carros controlados remotamente ou adaptadores para conectar sensores com cabos padronizados.
+### Uso de computadores de placa única em implantações profissionais de IoT
+
+Computadores de placa única são usados em implantações profissionais de IoT, não apenas como kits de desenvolvimento. Eles podem ser uma maneira poderosa de controlar hardware e executar tarefas complexas, como rodar modelos de aprendizado de máquina. Por exemplo, existe o [módulo de computação Raspberry Pi 4](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/) que oferece toda a potência de um Raspberry Pi 4, mas em um formato compacto e mais barato, sem a maioria das portas, projetado para ser instalado em hardware personalizado.
+
+---
+
+## 🚀 Desafio
+
+O desafio da última aula foi listar o maior número possível de dispositivos IoT que você tem em casa, na escola ou no local de trabalho. Para cada dispositivo dessa lista, você acha que eles são baseados em microcontroladores, computadores de placa única ou até mesmo uma mistura de ambos?
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
+
+## Revisão e Autoestudo
+
+* Leia o [guia de introdução ao Arduino](https://www.arduino.cc/en/Guide/Introduction) para entender mais sobre a plataforma Arduino.
+* Leia a [introdução ao Raspberry Pi 4](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/) para aprender mais sobre os Raspberry Pis.
+* Aprenda mais sobre alguns dos conceitos e siglas no [artigo "O que são CPUs, MPUs, MCUs e GPUs" no Electrical Engineering Journal](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/).
+
+✅ Use esses guias, junto com os custos mostrados seguindo os links no [guia de hardware](../../../hardware.md), para decidir qual plataforma de hardware você deseja usar ou se prefere usar um dispositivo virtual.
+
+## Tarefa
+
+[Compare e contraste microcontroladores e computadores de placa única](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/br/1-getting-started/lessons/2-deeper-dive/assignment.md
new file mode 100644
index 00000000..687fc25e
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/2-deeper-dive/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "750bd75866471141f857240219084767",
+  "translation_date": "2025-08-28T03:27:37+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
+  "language_code": "br"
+}
+-->
+# Compare e contraste microcontroladores e computadores de placa única
+
+## Instruções
+
+Esta lição abordou microcontroladores e computadores de placa única. Crie uma tabela comparando e contrastando-os, e anote pelo menos 2 razões para usar um microcontrolador em vez de um computador de placa única, e pelo menos 2 razões para usar um computador de placa única em vez de um microcontrolador.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | -------- | -------- | ---------------- |
+| Criação de uma tabela comparando microcontroladores e computadores de placa única | Criou uma lista com vários itens corretamente comparando e contrastando | Criou uma lista com apenas alguns itens | Foi capaz de criar apenas um item ou nenhum item para comparar e contrastar |
+| Razões para usar um em vez do outro | Foi capaz de fornecer 2 ou mais razões para microcontroladores e 2 ou mais para computadores de placa única | Foi capaz de fornecer apenas 1-2 razões para um microcontrolador e 1-2 razões para um computador de placa única | Não foi capaz de fornecer 1 ou mais razões para um microcontrolador ou para um computador de placa única |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/README.md
new file mode 100644
index 00000000..c6ae2e8b
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/README.md
@@ -0,0 +1,230 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
+  "translation_date": "2025-08-28T03:39:44+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
+  "language_code": "br"
+}
+-->
+# Interaja com o mundo físico com sensores e atuadores
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Esta lição foi ensinada como parte da série [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) do [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). A lição foi apresentada em 2 vídeos - uma aula de 1 hora e uma sessão de perguntas e respostas de 1 hora, explorando mais a fundo partes da lição e respondendo a dúvidas.
+
+[![Lição 3: Interaja com o Mundo Físico com Sensores e Atuadores](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
+
+[![Lição 3: Interaja com o Mundo Físico com Sensores e Atuadores - Sessão de perguntas e respostas](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
+
+> 🎥 Clique nas imagens acima para assistir aos vídeos
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
+
+## Introdução
+
+Esta lição apresenta dois conceitos importantes para o seu dispositivo IoT - sensores e atuadores. Você também terá a oportunidade de trabalhar com ambos, adicionando um sensor de luz ao seu projeto IoT e, em seguida, um LED controlado pelos níveis de luz, criando efetivamente uma luz noturna.
+
+Nesta lição, abordaremos:
+
+* [O que são sensores?](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Usar um sensor](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Tipos de sensores](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [O que são atuadores?](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Usar um atuador](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Tipos de atuadores](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+
+## O que são sensores?
+
+Sensores são dispositivos de hardware que percebem o mundo físico - ou seja, medem uma ou mais propriedades ao seu redor e enviam as informações para um dispositivo IoT. Os sensores abrangem uma ampla gama de dispositivos, pois há muitas coisas que podem ser medidas, desde propriedades naturais, como a temperatura do ar, até interações físicas, como movimento.
+
+Alguns sensores comuns incluem:
+
+* Sensores de temperatura - medem a temperatura do ar ou do objeto em que estão imersos. Para hobbistas e desenvolvedores, esses sensores geralmente são combinados com sensores de pressão atmosférica e umidade em um único dispositivo.
+* Botões - detectam quando são pressionados.
+* Sensores de luz - detectam níveis de luz e podem ser específicos para cores, luz UV, luz IR ou luz visível geral.
+* Câmeras - capturam uma representação visual do mundo tirando uma foto ou transmitindo vídeo.
+* Acelerômetros - detectam movimento em várias direções.
+* Microfones - captam som, seja o nível geral de som ou som direcional.
+
+✅ Faça uma pesquisa. Quais sensores o seu celular possui?
+
+Todos os sensores têm algo em comum - eles convertem o que detectam em um sinal elétrico que pode ser interpretado por um dispositivo IoT. A forma como esse sinal elétrico é interpretado depende do sensor, bem como do protocolo de comunicação usado para se comunicar com o dispositivo IoT.
+
+## Usar um sensor
+
+Siga o guia relevante abaixo para adicionar um sensor ao seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-sensor.md)
+* [Computador de placa única - Raspberry Pi](pi-sensor.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-sensor.md)
+
+## Tipos de sensores
+
+Os sensores podem ser analógicos ou digitais.
+
+### Sensores analógicos
+
+Alguns dos sensores mais básicos são analógicos. Esses sensores recebem uma tensão do dispositivo IoT, os componentes do sensor ajustam essa tensão, e a tensão que retorna do sensor é medida para fornecer o valor do sensor.
+
+> 🎓 Tensão é uma medida de quanta força existe para mover eletricidade de um lugar para outro, como do terminal positivo de uma bateria para o terminal negativo. Por exemplo, uma bateria AA padrão é de 1,5V (V é o símbolo para volts) e pode empurrar eletricidade com a força de 1,5V do terminal positivo para o terminal negativo. Diferentes componentes elétricos requerem diferentes tensões para funcionar. Por exemplo, um LED pode acender com entre 2-3V, mas uma lâmpada incandescente de 100W precisaria de 240V. Você pode ler mais sobre tensão na [página sobre Tensão na Wikipedia](https://wikipedia.org/wiki/Voltage).
+
+Um exemplo disso é um potenciômetro. Este é um botão que você pode girar entre duas posições, e o sensor mede a rotação.
+
+![Um potenciômetro ajustado para um ponto médio recebendo 5 volts e retornando 3,8 volts](../../../../../translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.br.png)
+
+O dispositivo IoT enviará um sinal elétrico para o potenciômetro em uma determinada tensão, como 5 volts (5V). À medida que o potenciômetro é ajustado, ele altera a tensão que sai do outro lado. Imagine que você tem um potenciômetro rotulado como um botão que vai de 0 a [11](https://wikipedia.org/wiki/Up_to_eleven), como um botão de volume em um amplificador. Quando o potenciômetro está na posição totalmente desligada (0), 0V (0 volts) sairão. Quando está na posição totalmente ligada (11), 5V (5 volts) sairão.
+
+> 🎓 Esta é uma simplificação, e você pode ler mais sobre potenciômetros e resistores variáveis na [página sobre Potenciômetros na Wikipedia](https://wikipedia.org/wiki/Potentiometer).
+
+A tensão que sai do sensor é então lida pelo dispositivo IoT, e o dispositivo pode responder a ela. Dependendo do sensor, essa tensão pode ser um valor arbitrário ou pode corresponder a uma unidade padrão. Por exemplo, um sensor de temperatura analógico baseado em um [termistor](https://wikipedia.org/wiki/Thermistor) altera sua resistência dependendo da temperatura. A tensão de saída pode então ser convertida em uma temperatura em Kelvin, e correspondentemente em °C ou °F, por cálculos no código.
+
+✅ O que você acha que acontece se o sensor retornar uma tensão maior do que a enviada (por exemplo, vinda de uma fonte de alimentação externa)? ⛔️ NÃO teste isso.
+
+#### Conversão de analógico para digital
+
+Dispositivos IoT são digitais - eles não conseguem trabalhar com valores analógicos, apenas com 0s e 1s. Isso significa que os valores dos sensores analógicos precisam ser convertidos para um sinal digital antes de serem processados. Muitos dispositivos IoT possuem conversores analógico-para-digital (ADCs) para converter entradas analógicas em representações digitais de seus valores. Sensores também podem trabalhar com ADCs por meio de uma placa de conexão. Por exemplo, no ecossistema Seeed Grove com um Raspberry Pi, sensores analógicos se conectam a portas específicas em um 'hat' que fica no Pi conectado aos pinos GPIO do Pi, e este hat possui um ADC para converter a tensão em um sinal digital que pode ser enviado pelos pinos GPIO do Pi.
+
+Imagine que você tem um sensor de luz analógico conectado a um dispositivo IoT que usa 3,3V e está retornando um valor de 1V. Este 1V não significa nada no mundo digital, então precisa ser convertido. A tensão será convertida para um valor analógico usando uma escala dependendo do dispositivo e do sensor. Um exemplo é o sensor de luz Seeed Grove, que gera valores de 0 a 1.023. Para este sensor operando a 3,3V, uma saída de 1V seria um valor de 300. Um dispositivo IoT não consegue lidar com 300 como um valor analógico, então o valor seria convertido para `0000000100101100`, a representação binária de 300 pelo hat Grove. Isso seria então processado pelo dispositivo IoT.
+
+✅ Se você não conhece o sistema binário, faça uma pequena pesquisa para aprender como os números são representados por 0s e 1s. A [lição introdutória ao sistema binário do BBC Bitesize](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) é um ótimo lugar para começar.
+
+Do ponto de vista da programação, tudo isso geralmente é tratado por bibliotecas que acompanham os sensores, então você não precisa se preocupar com essa conversão. Para o sensor de luz Grove, você usaria a biblioteca Python e chamaria a propriedade `light`, ou usaria a biblioteca Arduino e chamaria `analogRead` para obter um valor de 300.
+
+### Sensores digitais
+
+Sensores digitais, assim como os analógicos, detectam o mundo ao seu redor usando mudanças na tensão elétrica. A diferença é que eles geram um sinal digital, seja medindo apenas dois estados ou usando um ADC embutido. Sensores digitais estão se tornando cada vez mais comuns para evitar a necessidade de usar um ADC em uma placa de conexão ou no próprio dispositivo IoT.
+
+O sensor digital mais simples é um botão ou interruptor. Este é um sensor com dois estados, ligado ou desligado.
+
+![Um botão recebe 5 volts. Quando não pressionado, retorna 0 volts; quando pressionado, retorna 5 volts](../../../../../translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.br.png)
+
+Pinos em dispositivos IoT, como os pinos GPIO, podem medir esse sinal diretamente como 0 ou 1. Se a tensão enviada for a mesma que a tensão retornada, o valor lido é 1; caso contrário, o valor lido é 0. Não há necessidade de converter o sinal, ele só pode ser 1 ou 0.
+
+> 💁 Tensões nunca são exatas, especialmente porque os componentes em um sensor terão alguma resistência, então geralmente há uma tolerância. Por exemplo, os pinos GPIO de um Raspberry Pi operam a 3,3V e leem um sinal de retorno acima de 1,8V como 1 e abaixo de 1,8V como 0.
+
+* 3,3V entram no botão. O botão está desligado, então 0V saem, dando um valor de 0.
+* 3,3V entram no botão. O botão está ligado, então 3,3V saem, dando um valor de 1.
+
+Sensores digitais mais avançados leem valores analógicos e os convertem usando ADCs integrados para sinais digitais. Por exemplo, um sensor de temperatura digital ainda usará um termopar da mesma forma que um sensor analógico e ainda medirá a mudança na tensão causada pela resistência do termopar na temperatura atual. Em vez de retornar um valor analógico e depender do dispositivo ou da placa de conexão para converter para um sinal digital, um ADC embutido no sensor converterá o valor e o enviará como uma série de 0s e 1s para o dispositivo IoT. Esses 0s e 1s são enviados da mesma forma que o sinal digital de um botão, com 1 sendo a tensão total e 0 sendo 0V.
+
+![Um sensor de temperatura digital convertendo uma leitura analógica para dados binários com 0 como 0 volts e 1 como 5 volts antes de enviá-los para um dispositivo IoT](../../../../../translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.br.png)
+
+O envio de dados digitais permite que os sensores se tornem mais complexos e enviem dados mais detalhados, até mesmo dados criptografados para sensores seguros. Um exemplo é uma câmera. Este é um sensor que captura uma imagem e a envia como dados digitais contendo essa imagem, geralmente em um formato compactado como JPEG, para ser lida pelo dispositivo IoT. Ela pode até transmitir vídeo capturando imagens e enviando ou o quadro completo de cada vez ou um fluxo de vídeo compactado.
+
+## O que são atuadores?
+
+Atuadores são o oposto de sensores - eles convertem um sinal elétrico do seu dispositivo IoT em uma interação com o mundo físico, como emitir luz ou som, ou mover um motor.
+
+Alguns atuadores comuns incluem:
+
+* LED - emitem luz quando ligados.
+* Alto-falante - emitem som com base no sinal enviado a eles, desde um buzzer básico até um alto-falante de áudio que pode tocar música.
+* Motor de passo - convertem um sinal em uma quantidade definida de rotação, como girar um botão 90°.
+* Relé - são interruptores que podem ser ligados ou desligados por um sinal elétrico. Eles permitem que uma pequena tensão de um dispositivo IoT ligue tensões maiores.
+* Telas - são atuadores mais complexos e exibem informações em um display de múltiplos segmentos. As telas variam de displays LED simples a monitores de vídeo de alta resolução.
+
+✅ Faça uma pesquisa. Quais atuadores o seu celular possui?
+
+## Usar um atuador
+
+Siga o guia relevante abaixo para adicionar um atuador ao seu dispositivo IoT, controlado pelo sensor, para construir uma luz noturna IoT. Ela coletará os níveis de luz do sensor de luz e usará um atuador na forma de um LED para emitir luz quando o nível de luz detectado for muito baixo.
+
+![Um fluxograma da tarefa mostrando os níveis de luz sendo lidos e verificados, e o LED sendo controlado](../../../../../translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.br.png)
+
+* [Arduino - Wio Terminal](wio-terminal-actuator.md)
+* [Computador de placa única - Raspberry Pi](pi-actuator.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-actuator.md)
+
+## Tipos de atuadores
+
+Assim como os sensores, os atuadores podem ser analógicos ou digitais.
+
+### Atuadores analógicos
+
+Atuadores analógicos recebem um sinal analógico e o convertem em algum tipo de interação, onde a interação muda com base na tensão fornecida.
+
+Um exemplo é uma luz dimerizável, como as que você pode ter em sua casa. A quantidade de tensão fornecida à luz determina o quão brilhante ela será.
+![Uma luz com brilho reduzido em baixa voltagem e mais intensa em alta voltagem](../../../../../translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.br.png)
+
+Assim como acontece com sensores, o dispositivo IoT trabalha com sinais digitais, não analógicos. Isso significa que, para enviar um sinal analógico, o dispositivo IoT precisa de um conversor digital para analógico (DAC), seja diretamente no dispositivo IoT ou em uma placa de conexão. Esse conversor transforma os 0s e 1s do dispositivo IoT em uma voltagem analógica que o atuador pode utilizar.
+
+✅ O que você acha que acontece se o dispositivo IoT enviar uma voltagem maior do que o atuador pode suportar?  
+⛔️ NÃO teste isso.
+
+#### Modulação por Largura de Pulso (PWM)
+
+Outra opção para converter sinais digitais de um dispositivo IoT em um sinal analógico é a modulação por largura de pulso (PWM). Isso envolve o envio de vários pulsos digitais curtos que simulam um sinal analógico.
+
+Por exemplo, você pode usar PWM para controlar a velocidade de um motor.
+
+Imagine que você está controlando um motor com uma fonte de 5V. Você envia um pulso curto para o motor, alternando a voltagem para alta (5V) por dois centésimos de segundo (0,02s). Nesse tempo, o motor pode girar um décimo de uma rotação, ou 36°. O sinal então pausa por dois centésimos de segundo (0,02s), enviando um sinal baixo (0V). Cada ciclo de ligado e desligado dura 0,04s. O ciclo então se repete.
+
+![Modulação por largura de pulso girando um motor a 150 RPM](../../../../../translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.br.png)
+
+Isso significa que, em um segundo, você tem 25 pulsos de 5V com duração de 0,02s que giram o motor, cada um seguido por uma pausa de 0,02s com 0V, onde o motor não gira. Cada pulso gira o motor um décimo de uma rotação, o que significa que o motor completa 2,5 rotações por segundo. Você usou um sinal digital para girar o motor a 2,5 rotações por segundo, ou 150 [rotações por minuto](https://wikipedia.org/wiki/Revolutions_per_minute) (uma medida não padronizada de velocidade de rotação).
+
+```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
+```
+
+> 🎓 Quando um sinal PWM está ligado por metade do tempo e desligado pela outra metade, isso é chamado de [ciclo de trabalho de 50%](https://wikipedia.org/wiki/Duty_cycle). Ciclos de trabalho são medidos como a porcentagem de tempo em que o sinal está no estado ligado em comparação ao estado desligado.
+
+![Modulação por largura de pulso girando um motor a 75 RPM](../../../../../translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.br.png)
+
+Você pode alterar a velocidade do motor mudando o tamanho dos pulsos. Por exemplo, com o mesmo motor, você pode manter o mesmo tempo de ciclo de 0,04s, reduzindo o pulso ligado para 0,01s e aumentando o pulso desligado para 0,03s. Você tem o mesmo número de pulsos por segundo (25), mas cada pulso ligado tem metade do comprimento. Um pulso com metade do comprimento gira o motor um vigésimo de uma rotação, e com 25 pulsos por segundo, o motor completará 1,25 rotações por segundo ou 75rpm. Alterando a velocidade dos pulsos de um sinal digital, você reduziu pela metade a velocidade de um motor analógico.
+
+```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
+```
+
+✅ Como você manteria a rotação do motor suave, especialmente em baixas velocidades? Você usaria um pequeno número de pulsos longos com pausas longas ou muitos pulsos muito curtos com pausas muito curtas?
+
+> 💁 Alguns sensores também usam PWM para converter sinais analógicos em digitais.
+
+> 🎓 Você pode ler mais sobre modulação por largura de pulso na [página de modulação por largura de pulso na Wikipedia](https://wikipedia.org/wiki/Pulse-width_modulation).
+
+### Atuadores digitais
+
+Atuadores digitais, assim como sensores digitais, possuem dois estados controlados por uma voltagem alta ou baixa ou possuem um DAC embutido que pode converter um sinal digital em um analógico.
+
+Um atuador digital simples é um LED. Quando um dispositivo envia um sinal digital de 1, uma voltagem alta é enviada, acendendo o LED. Quando um sinal digital de 0 é enviado, a voltagem cai para 0V e o LED se apaga.
+
+![Um LED apagado com 0 volts e aceso com 5V](../../../../../translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.br.png)
+
+✅ Que outros atuadores simples de 2 estados você consegue pensar? Um exemplo é um solenóide, que é um eletroímã que pode ser ativado para realizar ações como mover o trinco de uma porta, travando ou destravando-a.
+
+Atuadores digitais mais avançados, como telas, exigem que os dados digitais sejam enviados em formatos específicos. Geralmente, eles vêm com bibliotecas que facilitam o envio dos dados corretos para controlá-los.
+
+---
+
+## 🚀 Desafio
+
+O desafio nas duas últimas lições foi listar o maior número possível de dispositivos IoT que você tem em casa, na escola ou no trabalho e decidir se eles são baseados em microcontroladores ou computadores de placa única, ou até mesmo uma mistura de ambos.
+
+Para cada dispositivo listado, quais sensores e atuadores estão conectados a eles? Qual é o propósito de cada sensor e atuador conectado a esses dispositivos?
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
+
+## Revisão e Autoestudo
+
+* Leia sobre eletricidade e circuitos no [ThingLearn](http://thinglearn.jenlooper.com/curriculum/).  
+* Leia sobre os diferentes tipos de sensores de temperatura no [guia de sensores de temperatura da Seeed Studios](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/).  
+* Leia sobre LEDs na [página de LEDs na Wikipedia](https://wikipedia.org/wiki/Light-emitting_diode).  
+
+## Tarefa
+
+[Pesquise sensores e atuadores](assignment.md)  
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
new file mode 100644
index 00000000..a24a15c5
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c5a568320b1159394108544807895337",
+  "translation_date": "2025-08-28T03:44:34+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
+  "language_code": "br"
+}
+-->
+# Pesquise sensores e atuadores
+
+## Instruções
+
+Esta lição abordou sensores e atuadores. Pesquise e descreva um sensor e um atuador que podem ser usados com um kit de desenvolvimento IoT, incluindo:
+
+* O que ele faz
+* Os componentes eletrônicos/hardware usados internamente
+* Se é analógico ou digital
+* Quais são as unidades e a faixa de entradas ou medições
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Descrever um sensor | Descreveu um sensor incluindo detalhes para todas as 4 seções listadas acima. | Descreveu um sensor, mas conseguiu fornecer apenas 2-3 das seções acima. | Descreveu um sensor, mas conseguiu fornecer apenas 1 das seções acima. |
+| Descrever um atuador | Descreveu um atuador incluindo detalhes para todas as 4 seções listadas acima. | Descreveu um atuador, mas conseguiu fornecer apenas 2-3 das seções acima. | Descreveu um atuador, mas conseguiu fornecer apenas 1 das seções acima. |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
new file mode 100644
index 00000000..1e4432db
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4db8a3879a53490513571df2f6cf7641",
+  "translation_date": "2025-08-28T03:42:24+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
+  "language_code": "br"
+}
+-->
+# Construa uma luz noturna - Raspberry Pi
+
+Nesta parte da lição, você adicionará um LED ao seu Raspberry Pi e o usará para criar uma luz noturna.
+
+## Hardware
+
+A luz noturna agora precisa de um atuador.
+
+O atuador é um **LED**, um [diodo emissor de luz](https://wikipedia.org/wiki/Light-emitting_diode) que emite luz quando a corrente elétrica passa por ele. Este é um atuador digital que possui dois estados: ligado e desligado. Enviar um valor de 1 liga o LED, e 0 o desliga. O LED é um atuador externo Grove e precisa ser conectado ao Grove Base Hat no Raspberry Pi.
+
+A lógica da luz noturna em pseudocódigo é:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Conecte o LED
+
+O LED Grove vem como um módulo com uma seleção de LEDs, permitindo que você escolha a cor.
+
+#### Tarefa - conectar o LED
+
+Conecte o LED.
+
+![Um LED Grove](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.br.png)
+
+1. Escolha seu LED favorito e insira as pernas nos dois orifícios do módulo LED.
+
+    LEDs são diodos emissores de luz, e diodos são dispositivos eletrônicos que só permitem a passagem de corrente em uma direção. Isso significa que o LED precisa ser conectado na orientação correta, caso contrário, ele não funcionará.
+
+    Uma das pernas do LED é o pino positivo, e a outra é o pino negativo. O LED não é perfeitamente redondo e é ligeiramente mais plano de um lado. O lado ligeiramente mais plano é o pino negativo. Ao conectar o LED ao módulo, certifique-se de que o pino do lado arredondado esteja conectado ao soquete marcado com **+** na parte externa do módulo, e o lado mais plano esteja conectado ao soquete mais próximo do centro do módulo.
+
+1. O módulo LED possui um botão giratório que permite controlar o brilho. Gire-o completamente para começar, girando no sentido anti-horário até o limite usando uma pequena chave de fenda Phillips.
+
+1. Insira uma extremidade de um cabo Grove no soquete do módulo LED. Ele só encaixará de uma maneira.
+
+1. Com o Raspberry Pi desligado, conecte a outra extremidade do cabo Grove ao soquete digital marcado como **D5** no Grove Base Hat conectado ao Pi. Este soquete é o segundo da esquerda, na fileira de soquetes ao lado dos pinos GPIO.
+
+![O LED Grove conectado ao soquete D5](../../../../../translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.br.png)
+
+## Programe a luz noturna
+
+A luz noturna agora pode ser programada usando o sensor de luz Grove e o LED Grove.
+
+### Tarefa - programar a luz noturna
+
+Programe a luz noturna.
+
+1. Ligue o Raspberry Pi e aguarde a inicialização.
+
+1. Abra o projeto da luz noturna no VS Code que você criou na parte anterior desta tarefa, seja executando diretamente no Pi ou conectado usando a extensão Remote SSH.
+
+1. Adicione o seguinte código ao arquivo `app.py` para importar uma biblioteca necessária. Isso deve ser adicionado no topo, abaixo das outras linhas de `import`.
+
+    ```python
+    from grove.grove_led import GroveLed
+    ```
+
+    A instrução `from grove.grove_led import GroveLed` importa o `GroveLed` das bibliotecas Python do Grove. Esta biblioteca contém o código para interagir com um LED Grove.
+
+1. Adicione o seguinte código após a declaração de `light_sensor` para criar uma instância da classe que gerencia o LED:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    A linha `led = GroveLed(5)` cria uma instância da classe `GroveLed` conectando ao pino **D5** - o pino digital Grove ao qual o LED está conectado.
+
+    > 💁 Todos os soquetes possuem números de pinos únicos. Os pinos 0, 2, 4 e 6 são pinos analógicos, enquanto os pinos 5, 16, 18, 22, 24 e 26 são pinos digitais.
+
+1. Adicione uma verificação dentro do loop `while`, antes do `time.sleep`, para verificar os níveis de luz e ligar ou desligar o LED:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    Este código verifica o valor de `light`. Se for menor que 300, ele chama o método `on` da classe `GroveLed`, que envia um valor digital de 1 para o LED, ligando-o. Se o valor de luz for maior ou igual a 300, ele chama o método `off`, enviando um valor digital de 0 para o LED, desligando-o.
+
+    > 💁 Este código deve estar indentado no mesmo nível da linha `print('Light level:', light)` para estar dentro do loop while!
+
+    > 💁 Ao enviar valores digitais para atuadores, um valor 0 corresponde a 0V, e um valor 1 corresponde à voltagem máxima do dispositivo. Para o Raspberry Pi com sensores e atuadores Grove, a voltagem de 1 é 3,3V.
+
+1. No Terminal do VS Code, execute o seguinte comando para rodar seu aplicativo Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Os valores de luz serão exibidos no console.
+
+    ```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. Cubra e descubra o sensor de luz. Observe como o LED acende se o nível de luz for 300 ou menos, e apaga quando o nível de luz for maior que 300.
+
+    > 💁 Se o LED não acender, certifique-se de que ele está conectado na orientação correta e que o botão giratório está ajustado para o máximo.
+
+![O LED conectado ao Pi acendendo e apagando conforme o nível de luz muda](../../../../../images/pi-running-assignment-1-1.gif)
+
+> 💁 Você pode encontrar este código na pasta [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi).
+
+😀 Seu programa de luz noturna foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
new file mode 100644
index 00000000..8c709303
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
@@ -0,0 +1,110 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ea733bd0cdf2479e082373f765a08678",
+  "translation_date": "2025-08-28T03:42:59+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
+  "language_code": "br"
+}
+-->
+# Construa uma luz noturna - Raspberry Pi
+
+Nesta parte da lição, você adicionará um sensor de luz ao seu Raspberry Pi.
+
+## Hardware
+
+O sensor para esta lição é um **sensor de luz** que utiliza um [fotodiodo](https://wikipedia.org/wiki/Photodiode) para converter luz em um sinal elétrico. Este é um sensor analógico que envia um valor inteiro de 0 a 1.000 indicando uma quantidade relativa de luz que não corresponde a nenhuma unidade de medida padrão, como [lux](https://wikipedia.org/wiki/Lux).
+
+O sensor de luz é um sensor Grove externo e precisa ser conectado ao Grove Base Hat no Raspberry Pi.
+
+### Conecte o sensor de luz
+
+O sensor de luz Grove, usado para detectar os níveis de luz, precisa ser conectado ao Raspberry Pi.
+
+#### Tarefa - conectar o sensor de luz
+
+Conecte o sensor de luz.
+
+![Um sensor de luz Grove](../../../../../translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.br.png)
+
+1. Insira uma extremidade de um cabo Grove no conector do módulo do sensor de luz. Ele só encaixará de uma maneira.
+
+1. Com o Raspberry Pi desligado, conecte a outra extremidade do cabo Grove ao conector analógico marcado como **A0** no Grove Base Hat conectado ao Pi. Este conector é o segundo da direita, na fileira de conectores ao lado dos pinos GPIO.
+
+![O sensor de luz Grove conectado ao conector A0](../../../../../translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.br.png)
+
+## Programe o sensor de luz
+
+O dispositivo agora pode ser programado usando o sensor de luz Grove.
+
+### Tarefa - programar o sensor de luz
+
+Programe o dispositivo.
+
+1. Ligue o Raspberry Pi e aguarde o boot.
+
+1. Abra o projeto de luz noturna no VS Code que você criou na parte anterior desta tarefa, seja executando diretamente no Pi ou conectado usando a extensão Remote SSH.
+
+1. Abra o arquivo `app.py` e remova todo o código existente.
+
+1. Adicione o seguinte código ao arquivo `app.py` para importar algumas bibliotecas necessárias:
+
+    ```python
+    import time
+    from grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    A instrução `import time` importa o módulo `time`, que será usado mais tarde nesta tarefa.
+
+    A instrução `from grove.grove_light_sensor_v1_2 import GroveLightSensor` importa o `GroveLightSensor` das bibliotecas Python Grove. Esta biblioteca contém o código para interagir com um sensor de luz Grove e foi instalada globalmente durante a configuração do Pi.
+
+1. Adicione o seguinte código após o código acima para criar uma instância da classe que gerencia o sensor de luz:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    A linha `light_sensor = GroveLightSensor(0)` cria uma instância da classe `GroveLightSensor` conectando ao pino **A0** - o pino analógico Grove ao qual o sensor de luz está conectado.
+
+1. Adicione um loop infinito após o código acima para consultar o valor do sensor de luz e imprimi-lo no console:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    Isso lerá o nível atual de luz em uma escala de 0-1.023 usando a propriedade `light` da classe `GroveLightSensor`. Esta propriedade lê o valor analógico do pino. Este valor é então impresso no console.
+
+1. Adicione uma pequena pausa de um segundo no final do `loop`, já que os níveis de luz não precisam ser verificados continuamente. Uma pausa reduz o consumo de energia do dispositivo.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. No Terminal do VS Code, execute o seguinte comando para rodar seu aplicativo Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Os valores de luz serão exibidos no console. Cubra e descubra o sensor de luz, e os valores irão mudar:
+
+    ```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
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi).
+
+😀 Adicionar um sensor ao seu programa de luz noturna foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
new file mode 100644
index 00000000..658b3e46
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:41:48+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
+  "language_code": "br"
+}
+-->
+# Construa uma luz noturna - Hardware IoT Virtual
+
+Nesta parte da lição, você adicionará um LED ao seu dispositivo IoT virtual e o usará para criar uma luz noturna.
+
+## Hardware Virtual
+
+A luz noturna precisa de um atuador, criado no aplicativo CounterFit.
+
+O atuador é um **LED**. Em um dispositivo IoT físico, seria um [diodo emissor de luz](https://wikipedia.org/wiki/Light-emitting_diode) que emite luz quando a corrente passa por ele. Este é um atuador digital que possui 2 estados: ligado e desligado. Enviar um valor de 1 liga o LED, e 0 o desliga.
+
+A lógica da luz noturna em pseudocódigo é:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Adicionar o atuador ao CounterFit
+
+Para usar um LED virtual, você precisa adicioná-lo ao aplicativo CounterFit.
+
+#### Tarefa - adicionar o atuador ao CounterFit
+
+Adicione o LED ao aplicativo CounterFit.
+
+1. Certifique-se de que o aplicativo web CounterFit está em execução a partir da parte anterior desta tarefa. Caso contrário, inicie-o e re-adicione o sensor de luz.
+
+1. Crie um LED:
+
+    1. Na caixa *Create actuator* no painel *Actuator*, abra o menu suspenso *Actuator type* e selecione *LED*.
+
+    1. Defina o *Pin* como *5*.
+
+    1. Selecione o botão **Add** para criar o LED no pino 5.
+
+    ![As configurações do LED](../../../../../translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.br.png)
+
+    O LED será criado e aparecerá na lista de atuadores.
+
+    ![O LED criado](../../../../../translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.br.png)
+
+    Depois que o LED for criado, você pode alterar a cor usando o seletor *Color*. Selecione o botão **Set** para alterar a cor após escolhê-la.
+
+### Programar a luz noturna
+
+Agora, a luz noturna pode ser programada usando o sensor de luz e o LED do CounterFit.
+
+#### Tarefa - programar a luz noturna
+
+Programe a luz noturna.
+
+1. Abra o projeto da luz noturna no VS Code que você criou na parte anterior desta tarefa. Finalize e recrie o terminal para garantir que ele esteja sendo executado no ambiente virtual, se necessário.
+
+1. Abra o arquivo `app.py`.
+
+1. Adicione o seguinte código ao arquivo `app.py` para importar uma biblioteca necessária. Isso deve ser adicionado no topo, abaixo das outras linhas de `import`.
+
+    ```python
+    from counterfit_shims_grove.grove_led import GroveLed
+    ```
+
+    A instrução `from counterfit_shims_grove.grove_led import GroveLed` importa o `GroveLed` das bibliotecas Python shim do CounterFit Grove. Esta biblioteca contém o código para interagir com um LED criado no aplicativo CounterFit.
+
+1. Adicione o seguinte código após a declaração de `light_sensor` para criar uma instância da classe que gerencia o LED:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    A linha `led = GroveLed(5)` cria uma instância da classe `GroveLed` conectando-se ao pino **5** - o pino do CounterFit Grove ao qual o LED está conectado.
+
+1. Adicione uma verificação dentro do loop `while`, antes do `time.sleep`, para verificar os níveis de luz e ligar ou desligar o LED:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    Este código verifica o valor de `light`. Se for menor que 300, ele chama o método `on` da classe `GroveLed`, que envia um valor digital de 1 para o LED, ligando-o. Se o valor de luz for maior ou igual a 300, ele chama o método `off`, enviando um valor digital de 0 para o LED, desligando-o.
+
+    > 💁 Este código deve estar indentado no mesmo nível da linha `print('Light level:', light)` para estar dentro do loop while!
+
+1. No Terminal do VS Code, execute o seguinte comando para rodar seu aplicativo Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Os valores de luz serão exibidos no console.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+1. Altere as configurações de *Value* ou *Random* para variar o nível de luz acima e abaixo de 300. O LED ligará e desligará.
+
+![O LED no aplicativo CounterFit ligando e desligando conforme o nível de luz muda](../../../../../images/virtual-device-running-assignment-1-1.gif)
+
+> 💁 Você pode encontrar este código na pasta [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device).
+
+😀 Seu programa de luz noturna foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
new file mode 100644
index 00000000..d4222d1f
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:43:59+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
+  "language_code": "br"
+}
+-->
+# Construa uma luz noturna - Hardware IoT Virtual
+
+Nesta parte da lição, você adicionará um sensor de luz ao seu dispositivo IoT virtual.
+
+## Hardware Virtual
+
+A luz noturna precisa de um sensor, criado no aplicativo CounterFit.
+
+O sensor é um **sensor de luz**. Em um dispositivo IoT físico, seria um [fotodiodo](https://wikipedia.org/wiki/Photodiodo) que converte luz em um sinal elétrico. Sensores de luz são sensores analógicos que enviam um valor inteiro indicando uma quantidade relativa de luz, que não corresponde a nenhuma unidade de medida padrão, como [lux](https://wikipedia.org/wiki/Lux).
+
+### Adicionar os sensores ao CounterFit
+
+Para usar um sensor de luz virtual, você precisa adicioná-lo ao aplicativo CounterFit.
+
+#### Tarefa - adicionar os sensores ao CounterFit
+
+Adicione o sensor de luz ao aplicativo CounterFit.
+
+1. Certifique-se de que o aplicativo web CounterFit está em execução a partir da parte anterior desta tarefa. Caso contrário, inicie-o.
+
+1. Crie um sensor de luz:
+
+    1. Na caixa *Create sensor* no painel *Sensors*, abra o menu suspenso *Sensor type* e selecione *Light*.
+
+    1. Deixe a opção *Units* configurada como *NoUnits*.
+
+    1. Certifique-se de que o *Pin* está configurado como *0*.
+
+    1. Selecione o botão **Add** para criar o sensor de luz no pino 0.
+
+    ![As configurações do sensor de luz](../../../../../translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.br.png)
+
+    O sensor de luz será criado e aparecerá na lista de sensores.
+
+    ![O sensor de luz criado](../../../../../translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.br.png)
+
+## Programar o sensor de luz
+
+Agora o dispositivo pode ser programado para usar o sensor de luz integrado.
+
+### Tarefa - programar o sensor de luz
+
+Programe o dispositivo.
+
+1. Abra o projeto da luz noturna no VS Code que você criou na parte anterior desta tarefa. Finalize e recrie o terminal para garantir que ele esteja sendo executado usando o ambiente virtual, se necessário.
+
+1. Abra o arquivo `app.py`.
+
+1. Adicione o seguinte código no início do arquivo `app.py`, junto com as outras declarações de `import`, para importar algumas bibliotecas necessárias:
+
+    ```python
+    import time
+    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    A declaração `import time` importa o módulo `time` do Python, que será usado mais tarde nesta tarefa.
+
+    A declaração `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` importa o `GroveLightSensor` das bibliotecas shim do CounterFit Grove para Python. Essa biblioteca contém o código para interagir com um sensor de luz criado no aplicativo CounterFit.
+
+1. Adicione o seguinte código ao final do arquivo para criar instâncias de classes que gerenciam o sensor de luz:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    A linha `light_sensor = GroveLightSensor(0)` cria uma instância da classe `GroveLightSensor` conectando-se ao pino **0** - o pino do CounterFit Grove ao qual o sensor de luz está conectado.
+
+1. Adicione um loop infinito após o código acima para consultar o valor do sensor de luz e imprimi-lo no console:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    Isso lerá o nível atual de luz usando a propriedade `light` da classe `GroveLightSensor`. Essa propriedade lê o valor analógico do pino. Esse valor é então impresso no console.
+
+1. Adicione uma pequena pausa de um segundo no final do loop `while`, já que os níveis de luz não precisam ser verificados continuamente. Uma pausa reduz o consumo de energia do dispositivo.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. No Terminal do VS Code, execute o seguinte comando para rodar seu aplicativo Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Os valores de luz serão exibidos no console. Inicialmente, esse valor será 0.
+
+1. No aplicativo CounterFit, altere o valor do sensor de luz que será lido pelo aplicativo. Você pode fazer isso de duas maneiras:
+
+    * Insira um número na caixa *Value* do sensor de luz e, em seguida, selecione o botão **Set**. O número que você inserir será o valor retornado pelo sensor.
+
+    * Marque a caixa *Random* e insira um valor *Min* e *Max*, depois selecione o botão **Set**. Toda vez que o sensor ler um valor, ele lerá um número aleatório entre *Min* e *Max*.
+
+    Os valores que você definir serão exibidos no console. Altere o *Value* ou as configurações de *Random* para fazer o valor mudar.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device).
+
+😀 Seu programa de luz noturna foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
new file mode 100644
index 00000000..1915dd0c
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:43:24+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
+  "language_code": "br"
+}
+-->
+# Construa uma luz noturna - Wio Terminal
+
+Nesta parte da lição, você adicionará um LED ao seu Wio Terminal e o usará para criar uma luz noturna.
+
+## Hardware
+
+A luz noturna agora precisa de um atuador.
+
+O atuador é um **LED**, um [diodo emissor de luz](https://wikipedia.org/wiki/Diodo_emissor_de_luz) que emite luz quando a corrente passa por ele. Este é um atuador digital que possui 2 estados: ligado e desligado. Enviar um valor de 1 liga o LED, e 0 o desliga. Este é um atuador externo Grove e precisa ser conectado ao Wio Terminal.
+
+A lógica da luz noturna em pseudocódigo é:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Conecte o LED
+
+O Grove LED vem como um módulo com uma seleção de LEDs, permitindo que você escolha a cor.
+
+#### Tarefa - conectar o LED
+
+Conecte o LED.
+
+![Um Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.br.png)
+
+1. Escolha seu LED favorito e insira as pernas nos dois orifícios do módulo LED.
+
+    LEDs são diodos emissores de luz, e diodos são dispositivos eletrônicos que só permitem a passagem de corrente em uma direção. Isso significa que o LED precisa ser conectado na orientação correta, caso contrário, ele não funcionará.
+
+    Uma das pernas do LED é o pino positivo, e a outra é o pino negativo. O LED não é perfeitamente redondo e é ligeiramente mais plano de um lado. O lado ligeiramente mais plano é o pino negativo. Ao conectar o LED ao módulo, certifique-se de que o pino do lado arredondado está conectado ao soquete marcado com **+** na parte externa do módulo, e o lado mais plano está conectado ao soquete mais próximo do centro do módulo.
+
+1. O módulo LED possui um botão giratório que permite controlar o brilho. Gire-o completamente para cima no início, girando-o no sentido anti-horário até o limite usando uma pequena chave de fenda Phillips.
+
+1. Insira uma extremidade de um cabo Grove no soquete do módulo LED. Ele só entrará de uma maneira.
+
+1. Com o Wio Terminal desconectado do seu computador ou de outra fonte de alimentação, conecte a outra extremidade do cabo Grove ao soquete Grove do lado direito do Wio Terminal, olhando para a tela. Este é o soquete mais distante do botão de energia.
+
+    > 💁 O soquete Grove do lado direito pode ser usado com sensores e atuadores analógicos ou digitais. O soquete do lado esquerdo é apenas para sensores e atuadores digitais. O C será abordado em uma lição posterior.
+
+![O Grove LED conectado ao soquete do lado direito](../../../../../translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.br.png)
+
+## Programe a luz noturna
+
+A luz noturna agora pode ser programada usando o sensor de luz embutido e o Grove LED.
+
+### Tarefa - programar a luz noturna
+
+Programe a luz noturna.
+
+1. Abra o projeto da luz noturna no VS Code que você criou na parte anterior desta tarefa.
+
+1. Adicione a seguinte linha ao final da função `setup`:
+
+    ```cpp
+    pinMode(D0, OUTPUT);
+    ```
+
+    Esta linha configura o pino usado para se comunicar com o LED através da porta Grove.
+
+    O pino `D0` é o pino digital para o soquete Grove do lado direito. Este pino é configurado como `OUTPUT`, o que significa que ele se conecta a um atuador e os dados serão escritos no pino.
+
+1. Adicione o seguinte código imediatamente antes do `delay` na função loop:
+
+    ```cpp
+    if (light < 300)
+    {
+        digitalWrite(D0, HIGH);
+    }
+    else
+    {
+        digitalWrite(D0, LOW);
+    }
+    ```
+
+    Este código verifica o valor de `light`. Se for menor que 300, ele envia um valor `HIGH` para o pino digital `D0`. Este `HIGH` é um valor de 1, ligando o LED. Se o valor da luz for maior ou igual a 300, um valor `LOW` de 0 é enviado para o pino, desligando o LED.
+
+    > 💁 Ao enviar valores digitais para atuadores, um valor LOW é 0v, e um valor HIGH é a tensão máxima para o dispositivo. Para o Wio Terminal, a tensão HIGH é 3,3V.
+
+1. Reconecte o Wio Terminal ao seu computador e carregue o novo código como fez anteriormente.
+
+1. Conecte o Monitor Serial. Os valores de luz serão exibidos no terminal.
+
+    ```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. Cubra e descubra o sensor de luz. Observe como o LED acende se o nível de luz for 300 ou menos, e apaga quando o nível de luz for maior que 300.
+
+![O LED conectado ao WIO acendendo e apagando conforme o nível de luz muda](../../../../../images/wio-running-assignment-1-1.gif)
+
+> 💁 Você pode encontrar este código na pasta [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal).
+
+😀 Seu programa de luz noturna foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/br/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
new file mode 100644
index 00000000..2b03a11c
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:44:48+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
+  "language_code": "br"
+}
+-->
+# Adicionar um sensor - Wio Terminal
+
+Nesta parte da lição, você usará o sensor de luz do seu Wio Terminal.
+
+## Hardware
+
+O sensor para esta lição é um **sensor de luz** que utiliza um [fotodiodo](https://wikipedia.org/wiki/Fotodiodo) para converter luz em um sinal elétrico. Este é um sensor analógico que envia um valor inteiro de 0 a 1.023, indicando uma quantidade relativa de luz que não corresponde a nenhuma unidade de medida padrão, como [lux](https://wikipedia.org/wiki/Lux).
+
+O sensor de luz está integrado ao Wio Terminal e é visível através da janela de plástico transparente na parte traseira.
+
+![O sensor de luz na parte traseira do Wio Terminal](../../../../../translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.br.png)
+
+## Programar o sensor de luz
+
+Agora o dispositivo pode ser programado para usar o sensor de luz integrado.
+
+### Tarefa
+
+Programar o dispositivo.
+
+1. Abra o projeto de luz noturna no VS Code que você criou na parte anterior desta tarefa.
+
+1. Adicione a seguinte linha ao final da função `setup`:
+
+    ```cpp
+    pinMode(WIO_LIGHT, INPUT);
+    ```
+
+    Esta linha configura os pinos usados para se comunicar com o hardware do sensor.
+
+    O pino `WIO_LIGHT` é o número do pino GPIO conectado ao sensor de luz integrado. Este pino é configurado como `INPUT`, o que significa que ele se conecta a um sensor e os dados serão lidos do pino.
+
+1. Exclua o conteúdo da função `loop`.
+
+1. Adicione o seguinte código à função `loop`, que agora está vazia.
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+    Serial.print("Light value: ");
+    Serial.println(light);
+    ```
+
+    Este código lê um valor analógico do pino `WIO_LIGHT`. Ele lê um valor de 0 a 1.023 do sensor de luz integrado. Este valor é então enviado para a porta serial para que você possa lê-lo no Monitor Serial enquanto este código estiver em execução. `Serial.print` escreve o texto sem uma nova linha no final, então cada linha começará com `Light value:` e terminará com o valor real da luz.
+
+1. Adicione um pequeno atraso de um segundo (1.000ms) no final do `loop`, já que os níveis de luz não precisam ser verificados continuamente. Um atraso reduz o consumo de energia do dispositivo.
+
+    ```cpp
+    delay(1000);
+    ```
+
+1. Reconecte o Wio Terminal ao seu computador e carregue o novo código como você fez anteriormente.
+
+1. Conecte o Monitor Serial. Os valores de luz serão exibidos no terminal. Cubra e descubra o sensor de luz na parte traseira do Wio Terminal, e os valores irão mudar.
+
+    ```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
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal).
+
+😀 Adicionar um sensor ao seu programa de luz noturna foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/4-connect-internet/README.md b/translations/br/1-getting-started/lessons/4-connect-internet/README.md
new file mode 100644
index 00000000..9c2b70d0
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/4-connect-internet/README.md
@@ -0,0 +1,466 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
+  "translation_date": "2025-08-28T03:27:52+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
+  "language_code": "br"
+}
+-->
+# Conecte seu dispositivo à Internet
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Esta lição foi ensinada como parte da série [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) do [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). A lição foi apresentada em 2 vídeos - uma aula de 1 hora e uma sessão de perguntas e respostas de 1 hora, explorando mais a fundo partes da lição e respondendo dúvidas.
+
+[![Lição 4: Conecte seu dispositivo à Internet](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
+
+[![Lição 4: Conecte seu dispositivo à Internet - Sessão de perguntas e respostas](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
+
+> 🎥 Clique nas imagens acima para assistir aos vídeos
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
+
+## Introdução
+
+O **I** em IoT significa **Internet** - a conectividade com a nuvem e os serviços que possibilitam muitos dos recursos dos dispositivos IoT, desde coletar medições dos sensores conectados ao dispositivo até enviar mensagens para controlar os atuadores. Dispositivos IoT geralmente se conectam a um único serviço de IoT na nuvem usando um protocolo de comunicação padrão, e esse serviço está conectado ao restante da sua aplicação IoT, desde serviços de IA para tomar decisões inteligentes com base nos dados até aplicativos web para controle ou relatórios.
+
+> 🎓 Dados coletados de sensores e enviados para a nuvem são chamados de telemetria.
+
+Dispositivos IoT podem receber mensagens da nuvem. Muitas vezes, essas mensagens contêm comandos - ou seja, instruções para realizar uma ação, seja internamente (como reiniciar ou atualizar o firmware) ou usando um atuador (como acender uma luz).
+
+Esta lição apresenta alguns dos protocolos de comunicação que dispositivos IoT podem usar para se conectar à nuvem e os tipos de dados que podem enviar ou receber. Você também colocará a mão na massa, adicionando controle pela Internet à sua luz noturna, movendo a lógica de controle do LED para um código 'servidor' executado localmente.
+
+Nesta lição, abordaremos:
+
+* [Protocolos de comunicação](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Message Queueing Telemetry Transport (MQTT)](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Telemetria](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Comandos](../../../../../1-getting-started/lessons/4-connect-internet)
+
+## Protocolos de comunicação
+
+Existem vários protocolos de comunicação populares usados por dispositivos IoT para se comunicar com a Internet. Os mais comuns são baseados em mensagens de publicação/assinatura via algum tipo de broker. Os dispositivos IoT se conectam ao broker, publicam telemetria e assinam comandos. Os serviços na nuvem também se conectam ao broker, assinam todas as mensagens de telemetria e publicam comandos, seja para dispositivos específicos ou para grupos de dispositivos.
+
+![Dispositivos IoT se conectam a um broker, publicam telemetria e assinam comandos. Serviços na nuvem se conectam ao broker, assinam toda a telemetria e enviam comandos para dispositivos específicos.](../../../../../translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.br.png)
+
+O MQTT é o protocolo de comunicação mais popular para dispositivos IoT e será abordado nesta lição. Outros protocolos incluem AMQP e HTTP/HTTPS.
+
+## Message Queueing Telemetry Transport (MQTT)
+
+[MQTT](http://mqtt.org) é um protocolo de mensagens leve e de padrão aberto que pode enviar mensagens entre dispositivos. Ele foi projetado em 1999 para monitorar oleodutos, antes de ser lançado como um padrão aberto 15 anos depois pela IBM.
+
+O MQTT possui um único broker e vários clientes. Todos os clientes se conectam ao broker, e o broker roteia mensagens para os clientes relevantes. As mensagens são roteadas usando tópicos nomeados, em vez de serem enviadas diretamente para um cliente individual. Um cliente pode publicar em um tópico, e qualquer cliente que assinar esse tópico receberá a mensagem.
+
+![Dispositivo IoT publicando telemetria no tópico /telemetry, e o serviço na nuvem assinando esse tópico](../../../../../translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.br.png)
+
+✅ Faça uma pesquisa. Se você tiver muitos dispositivos IoT, como garantir que seu broker MQTT consiga lidar com todas as mensagens?
+
+### Conecte seu dispositivo IoT ao MQTT
+
+A primeira parte para adicionar controle pela Internet à sua luz noturna é conectá-la a um broker MQTT.
+
+#### Tarefa
+
+Conecte seu dispositivo a um broker MQTT.
+
+Nesta parte da lição, você conectará sua luz noturna IoT à Internet para permitir que ela seja controlada remotamente. Mais adiante nesta lição, seu dispositivo IoT enviará uma mensagem de telemetria via MQTT para um broker MQTT público com o nível de luz, onde será captada por um código de servidor que você escreverá. Esse código verificará o nível de luz e enviará uma mensagem de comando de volta ao dispositivo, instruindo-o a ligar ou desligar o LED.
+
+O caso de uso real para tal configuração poderia ser coletar dados de vários sensores de luz antes de decidir acender as luzes em um local com muitas luzes, como um estádio. Isso poderia evitar que as luzes fossem acesas se apenas um sensor estivesse coberto por nuvens ou um pássaro, mas os outros sensores detectassem luz suficiente.
+
+✅ Que outras situações exigiriam a avaliação de dados de múltiplos sensores antes de enviar comandos?
+
+Em vez de lidar com as complexidades de configurar um broker MQTT como parte desta tarefa, você pode usar um servidor de teste público que executa o [Eclipse Mosquitto](https://www.mosquitto.org), um broker MQTT de código aberto. Este broker de teste está disponível publicamente em [test.mosquitto.org](https://test.mosquitto.org) e não requer a criação de uma conta, tornando-o uma ótima ferramenta para testar clientes e servidores MQTT.
+
+> 💁 Este broker de teste é público e não seguro. Qualquer pessoa pode ouvir o que você publica, então ele não deve ser usado com dados que precisam ser mantidos privados.
+
+![Um fluxograma da tarefa mostrando os níveis de luz sendo lidos e verificados, e o LED sendo controlado](../../../../../translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.br.png)
+
+Siga a etapa relevante abaixo para conectar seu dispositivo ao broker MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-mqtt.md)
+
+### Explorando mais a fundo o MQTT
+
+Os tópicos podem ter uma hierarquia, e os clientes podem assinar diferentes níveis da hierarquia usando curingas. Por exemplo, você pode enviar mensagens de telemetria de temperatura para o tópico `/telemetry/temperature` e mensagens de umidade para o tópico `/telemetry/humidity`, e então, no seu aplicativo na nuvem, assinar o tópico `/telemetry/*` para receber tanto as mensagens de telemetria de temperatura quanto de umidade.
+
+As mensagens podem ser enviadas com uma qualidade de serviço (QoS), que determina a garantia de que a mensagem será recebida.
+
+* No máximo uma vez - a mensagem é enviada apenas uma vez e o cliente e o broker não tomam medidas adicionais para reconhecer a entrega (enviar e esquecer).
+* Pelo menos uma vez - a mensagem é reenviada pelo remetente várias vezes até que o reconhecimento seja recebido (entrega reconhecida).
+* Exatamente uma vez - o remetente e o receptor realizam um handshake de dois níveis para garantir que apenas uma cópia da mensagem seja recebida (entrega garantida).
+
+✅ Que situações podem exigir uma mensagem de entrega garantida em vez de uma mensagem de enviar e esquecer?
+
+Embora o nome seja Message Queueing (iniciais em MQTT), ele na verdade não suporta filas de mensagens. Isso significa que, se um cliente se desconectar e depois reconectar, ele não receberá mensagens enviadas durante a desconexão, exceto aquelas mensagens que ele já havia começado a processar usando o processo de QoS. As mensagens podem ter um sinalizador de retenção ativado. Se este sinalizador estiver ativado, o broker MQTT armazenará a última mensagem enviada em um tópico com este sinalizador e a enviará para qualquer cliente que posteriormente assinar o tópico. Dessa forma, os clientes sempre receberão a mensagem mais recente.
+
+O MQTT também suporta uma função de keep alive que verifica se a conexão ainda está ativa durante longos intervalos entre mensagens.
+
+> 🦟 [Mosquitto da Eclipse Foundation](https://mosquitto.org) oferece um broker MQTT gratuito que você pode executar para experimentar o MQTT, além de um broker MQTT público que você pode usar para testar seu código, hospedado em [test.mosquitto.org](https://test.mosquitto.org).
+
+As conexões MQTT podem ser públicas e abertas, ou criptografadas e protegidas usando nomes de usuário e senhas, ou certificados.
+
+> 💁 O MQTT se comunica sobre TCP/IP, o mesmo protocolo de rede subjacente ao HTTP, mas em uma porta diferente. Você também pode usar MQTT sobre websockets para se comunicar com aplicativos web executados em um navegador ou em situações onde firewalls ou outras regras de rede bloqueiam conexões MQTT padrão.
+
+## Telemetria
+
+A palavra telemetria é derivada de raízes gregas que significam medir remotamente. Telemetria é o ato de coletar dados de sensores e enviá-los para a nuvem.
+
+> 💁 Um dos primeiros dispositivos de telemetria foi inventado na França em 1874 e enviava em tempo real dados meteorológicos e de profundidade de neve do Mont Blanc para Paris. Ele usava fios físicos, já que tecnologias sem fio não estavam disponíveis na época.
+
+Vamos voltar ao exemplo do termostato inteligente da Lição 1.
+
+![Um termostato conectado à Internet usando múltiplos sensores de ambiente](../../../../../translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.br.png)
+
+O termostato possui sensores de temperatura para coletar telemetria. Ele provavelmente teria um sensor de temperatura embutido e poderia se conectar a vários sensores de temperatura externos por meio de um protocolo sem fio, como [Bluetooth Low Energy](https://wikipedia.org/wiki/Bluetooth_Low_Energy) (BLE).
+
+Um exemplo dos dados de telemetria que ele enviaria poderia ser:
+
+| Nome | Valor | Descrição |
+| ---- | ----- | --------- |
+| `thermostat_temperature` | 18°C | A temperatura medida pelo sensor de temperatura embutido no termostato |
+| `livingroom_temperature` | 19°C | A temperatura medida por um sensor remoto que foi nomeado como `livingroom` para identificar o cômodo onde está localizado |
+| `bedroom_temperature` | 21°C | A temperatura medida por um sensor remoto que foi nomeado como `bedroom` para identificar o cômodo onde está localizado |
+
+O serviço na nuvem pode então usar esses dados de telemetria para tomar decisões sobre quais comandos enviar para controlar o aquecimento.
+
+### Enviar telemetria do seu dispositivo IoT
+
+A próxima etapa para adicionar controle pela Internet à sua luz noturna é enviar a telemetria do nível de luz para o broker MQTT em um tópico de telemetria.
+
+#### Tarefa - enviar telemetria do seu dispositivo IoT
+
+Envie a telemetria do nível de luz para o broker MQTT.
+
+Os dados são enviados codificados como JSON - abreviação de JavaScript Object Notation, um padrão para codificar dados em texto usando pares chave/valor.
+
+✅ Se você nunca ouviu falar de JSON antes, pode aprender mais sobre ele na [documentação do JSON.org](https://www.json.org/).
+
+Siga a etapa relevante abaixo para enviar telemetria do seu dispositivo para o broker MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-telemetry.md)
+
+### Receber telemetria do broker MQTT
+
+Não adianta enviar telemetria se não houver nada na outra ponta para ouvi-la. A telemetria do nível de luz precisa de algo que a escute para processar os dados. Esse código 'servidor' é o tipo de código que você implantará em um serviço na nuvem como parte de uma aplicação IoT maior, mas aqui você executará esse código localmente no seu computador (ou no seu Pi, se estiver programando diretamente nele). O código do servidor consiste em um aplicativo Python que escuta mensagens de telemetria via MQTT com níveis de luz. Mais adiante nesta lição, você fará com que ele responda com uma mensagem de comando com instruções para ligar ou desligar o LED.
+
+✅ Faça uma pesquisa: O que acontece com as mensagens MQTT se não houver nenhum ouvinte?
+
+#### Instale Python e VS Code
+
+Se você não tiver Python e VS Code instalados localmente, precisará instalá-los para programar o servidor. Se estiver usando um dispositivo IoT virtual ou trabalhando no seu Raspberry Pi, pode pular esta etapa, pois já deve ter isso instalado e configurado.
+
+##### Tarefa - instalar Python e VS Code
+
+Instale Python e VS Code.
+
+1. Instale o Python. Consulte a [página de downloads do Python](https://www.python.org/downloads/) para instruções sobre como instalar a versão mais recente do Python.
+
+2. Instale o Visual Studio Code (VS Code). Este será o editor que você usará para escrever o código do dispositivo virtual em Python. Consulte a [documentação do VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) para instruções sobre como instalar o VS Code.
+💁 Você está livre para usar qualquer IDE ou editor Python para essas lições, caso tenha uma ferramenta preferida, mas as lições fornecerão instruções baseadas no uso do VS Code.
+1. Instale a extensão Pylance do VS Code. Esta é uma extensão para o VS Code que oferece suporte à linguagem Python. Consulte a [documentação da extensão Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) para instruções sobre como instalar esta extensão no VS Code.
+
+#### Configure um ambiente virtual Python
+
+Uma das características mais poderosas do Python é a capacidade de instalar [pacotes pip](https://pypi.org) - pacotes de código escritos por outras pessoas e publicados na Internet. Você pode instalar um pacote pip no seu computador com um único comando e, em seguida, usar esse pacote no seu código. Você usará o pip para instalar um pacote que permite comunicação via MQTT.
+
+Por padrão, quando você instala um pacote, ele fica disponível em todo o seu computador, o que pode levar a problemas com versões de pacotes - como uma aplicação depender de uma versão de um pacote que pode quebrar ao instalar uma nova versão para outra aplicação. Para contornar esse problema, você pode usar um [ambiente virtual Python](https://docs.python.org/3/library/venv.html), essencialmente uma cópia do Python em uma pasta dedicada, e quando você instala pacotes pip, eles são instalados apenas nessa pasta.
+
+##### Tarefa - configurar um ambiente virtual Python
+
+Configure um ambiente virtual Python e instale os pacotes pip para MQTT.
+
+1. No seu terminal ou linha de comando, execute o seguinte em um local de sua escolha para criar e navegar até um novo diretório:
+
+    ```sh
+    mkdir nightlight-server
+    cd nightlight-server
+    ```
+
+1. Agora execute o seguinte para criar um ambiente virtual na pasta `.venv`:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 Você precisa chamar explicitamente `python3` para criar o ambiente virtual, caso tenha o Python 2 instalado além do Python 3 (a versão mais recente). Se você tiver o Python 2 instalado, chamar `python` usará o Python 2 em vez do Python 3.
+
+1. Ative o ambiente virtual:
+
+    * No Windows:
+        * Se você estiver usando o Prompt de Comando ou o Prompt de Comando através do Windows Terminal, execute:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Se você estiver usando o PowerShell, execute:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * No macOS ou Linux, execute:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Esses comandos devem ser executados no mesmo local onde você executou o comando para criar o ambiente virtual. Você nunca precisará navegar para dentro da pasta `.venv`; sempre deve executar o comando de ativação e quaisquer comandos para instalar pacotes ou executar código a partir da pasta onde estava ao criar o ambiente virtual.
+
+1. Uma vez que o ambiente virtual tenha sido ativado, o comando padrão `python` executará a versão do Python usada para criar o ambiente virtual. Execute o seguinte para verificar a versão:
+
+    ```sh
+    python --version
+    ```
+
+    A saída será semelhante ao seguinte:
+
+    ```output
+    (.venv) ➜  nightlight-server python --version
+    Python 3.9.1
+    ```
+
+    > 💁 Sua versão do Python pode ser diferente - desde que seja a versão 3.6 ou superior, está tudo certo. Caso contrário, exclua esta pasta, instale uma versão mais recente do Python e tente novamente.
+
+1. Execute os seguintes comandos para instalar o pacote pip para [Paho-MQTT](https://pypi.org/project/paho-mqtt/), uma biblioteca popular de MQTT.
+
+    ```sh
+    pip install paho-mqtt
+    ```
+
+    Este pacote pip será instalado apenas no ambiente virtual e não estará disponível fora dele.
+
+#### Escreva o código do servidor
+
+Agora o código do servidor pode ser escrito em Python.
+
+##### Tarefa - escrever o código do servidor
+
+Escreva o código do servidor.
+
+1. No seu terminal ou linha de comando, execute o seguinte dentro do ambiente virtual para criar um arquivo Python chamado `app.py`:
+
+    * No Windows, execute:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * No macOS ou Linux, execute:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. Abra a pasta atual no VS Code:
+
+    ```sh
+    code .
+    ```
+
+1. Quando o VS Code for iniciado, ele ativará o ambiente virtual Python. Isso será indicado na barra de status inferior:
+
+    ![VS Code mostrando o ambiente virtual selecionado](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.br.png)
+
+1. Se o terminal do VS Code já estiver em execução quando o VS Code for iniciado, ele não terá o ambiente virtual ativado. A maneira mais fácil de resolver isso é encerrar o terminal usando o botão **Encerrar a instância ativa do terminal**:
+
+    ![Botão para encerrar a instância ativa do terminal no VS Code](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.br.png)
+
+1. Inicie um novo terminal no VS Code selecionando *Terminal -> Novo Terminal*, ou pressionando `` CTRL+` ``. O novo terminal carregará o ambiente virtual, com a chamada para ativá-lo aparecendo no terminal. O nome do ambiente virtual (`.venv`) também estará no prompt:
+
+    ```output
+    ➜  nightlight-server source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. Abra o arquivo `app.py` no explorador do VS Code e adicione o seguinte código:
+
+    ```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)
+    ```
+
+    Substitua `<ID>` na linha 6 pelo ID único que você usou ao criar o código do dispositivo.
+
+    ⚠️ Este **deve** ser o mesmo ID que você usou no seu dispositivo, caso contrário o código do servidor não se inscreverá ou publicará no tópico correto.
+
+    Este código cria um cliente MQTT com um nome único e se conecta ao broker *test.mosquitto.org*. Em seguida, inicia um loop de processamento que é executado em uma thread de segundo plano, ouvindo mensagens em quaisquer tópicos inscritos.
+
+    O cliente então se inscreve para mensagens no tópico de telemetria e define uma função que é chamada quando uma mensagem é recebida. Quando uma mensagem de telemetria é recebida, a função `handle_telemetry` é chamada, imprimindo a mensagem recebida no console.
+
+    Finalmente, um loop infinito mantém a aplicação em execução. O cliente MQTT está ouvindo mensagens em uma thread de segundo plano e funciona enquanto a aplicação principal estiver em execução.
+
+1. No terminal do VS Code, execute o seguinte para rodar seu aplicativo Python:
+
+    ```sh
+    python app.py
+    ```
+
+    O aplicativo começará a ouvir mensagens do dispositivo IoT.
+
+1. Certifique-se de que seu dispositivo está em execução e enviando mensagens de telemetria. Ajuste os níveis de luz detectados pelo seu dispositivo físico ou virtual. As mensagens recebidas serão impressas no terminal.
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Message received: {'light': 400}
+    ```
+
+    O arquivo app.py no ambiente virtual nightlight precisa estar em execução para que o arquivo app.py no ambiente virtual nightlight-server receba as mensagens enviadas.
+
+> 💁 Você pode encontrar este código na pasta [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server).
+
+### Com que frequência a telemetria deve ser enviada?
+
+Uma consideração importante sobre telemetria é com que frequência medir e enviar os dados. A resposta é - depende. Se você medir com frequência, pode responder mais rapidamente às mudanças nas medições, mas usará mais energia, mais largura de banda, gerará mais dados e precisará de mais recursos na nuvem para processá-los. Você precisa medir com frequência suficiente, mas não excessivamente.
+
+Para um termostato, medir a cada poucos minutos provavelmente é mais do que suficiente, já que as temperaturas não mudam com tanta frequência. Se você medir apenas uma vez por dia, pode acabar aquecendo sua casa para temperaturas noturnas no meio de um dia ensolarado, enquanto se medir a cada segundo terá milhares de medições de temperatura desnecessariamente duplicadas, o que consumirá a velocidade e largura de banda da Internet dos usuários (um problema para pessoas com planos de largura de banda limitada), usará mais energia, o que pode ser um problema para dispositivos alimentados por bateria, como sensores remotos, e aumentará o custo dos recursos de computação na nuvem para processá-los e armazená-los.
+
+Se você estiver monitorando dados de uma máquina em uma fábrica que, se falhar, pode causar danos catastróficos e milhões de dólares em perda de receita, medir várias vezes por segundo pode ser necessário. É melhor desperdiçar largura de banda do que perder telemetria que indica que uma máquina precisa ser parada e consertada antes de quebrar.
+
+> 💁 Nessa situação, você pode considerar ter um dispositivo de borda para processar a telemetria primeiro e reduzir a dependência da Internet.
+
+### Perda de conectividade
+
+Conexões de Internet podem ser instáveis, com interrupções comuns. O que um dispositivo IoT deve fazer nessas circunstâncias - deve perder os dados ou armazená-los até que a conectividade seja restaurada? Novamente, a resposta é depende.
+
+Para um termostato, os dados podem provavelmente ser descartados assim que uma nova medição de temperatura for feita. O sistema de aquecimento não se importa que há 20 minutos estava 20,5°C se a temperatura agora é 19°C; é a temperatura atual que determina se o aquecimento deve estar ligado ou desligado.
+
+Para máquinas, você pode querer manter os dados, especialmente se forem usados para buscar tendências. Existem modelos de aprendizado de máquina que podem detectar anomalias em fluxos de dados analisando dados de um período definido de tempo (como a última hora) e identificando dados anômalos. Isso é frequentemente usado para manutenção preditiva, buscando indicações de que algo pode quebrar em breve para que você possa reparar ou substituir antes que isso aconteça. Você pode querer que cada bit de telemetria de uma máquina seja enviado para que possa ser processado para detecção de anomalias, então, uma vez que o dispositivo IoT possa se reconectar, ele enviará toda a telemetria gerada durante a interrupção da Internet.
+
+Os designers de dispositivos IoT também devem considerar se o dispositivo IoT pode ser usado durante uma interrupção da Internet ou perda de sinal causada pela localização. Um termostato inteligente deve ser capaz de tomar algumas decisões limitadas para controlar o aquecimento se não puder enviar telemetria para a nuvem devido a uma interrupção.
+
+[![Este Ferrari ficou inutilizado porque alguém tentou atualizá-lo em um local subterrâneo sem sinal de celular](../../../../../translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.br.png)](https://twitter.com/internetofshit/status/1315736960082808832)
+
+Para o MQTT lidar com uma perda de conectividade, o código do dispositivo e do servidor será responsável por garantir a entrega das mensagens, se necessário, por exemplo, exigindo que todas as mensagens enviadas sejam respondidas por mensagens adicionais em um tópico de resposta e, caso contrário, sejam enfileiradas manualmente para serem reproduzidas posteriormente.
+
+## Comandos
+
+Comandos são mensagens enviadas pela nuvem para um dispositivo, instruindo-o a fazer algo. Na maioria das vezes, isso envolve fornecer algum tipo de saída por meio de um atuador, mas pode ser uma instrução para o próprio dispositivo, como reiniciar ou coletar telemetria extra e retorná-la como resposta ao comando.
+
+![Um termostato conectado à Internet recebendo um comando para ligar o aquecimento](../../../../../translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.br.png)
+
+Um termostato pode receber um comando da nuvem para ligar o aquecimento. Com base nos dados de telemetria de todos os sensores, se o serviço na nuvem decidiu que o aquecimento deve estar ligado, ele envia o comando relevante.
+
+### Enviar comandos para o broker MQTT
+
+O próximo passo para nosso nightlight controlado pela Internet é que o código do servidor envie um comando de volta para o dispositivo IoT para controlar a luz com base nos níveis de luz que ele detecta.
+
+1. Abra o código do servidor no VS Code.
+
+1. Adicione a seguinte linha após a declaração do `client_telemetry_topic` para definir qual tópico enviar comandos:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+1. Adicione o seguinte código ao final da função `handle_telemetry`:
+
+    ```python
+    command = { 'led_on' : payload['light'] < 300 }
+    print("Sending message:", command)
+    
+    client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    Isso envia uma mensagem JSON para o tópico de comando com o valor de `led_on` definido como verdadeiro ou falso, dependendo se a luz é menor que 300 ou não. Se a luz for menor que 300, verdadeiro é enviado para instruir o dispositivo a ligar o LED.
+
+1. Execute o código como antes.
+
+1. Ajuste os níveis de luz detectados pelo seu dispositivo físico ou virtual. As mensagens recebidas e os comandos enviados serão exibidos no terminal:
+
+    ```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}
+    ```
+
+> 💁 A telemetria e os comandos estão sendo enviados em um único tópico cada. Isso significa que a telemetria de vários dispositivos aparecerá no mesmo tópico de telemetria, e os comandos para vários dispositivos aparecerão no mesmo tópico de comandos. Se você quiser enviar um comando para um dispositivo específico, pode usar vários tópicos, nomeados com um ID único do dispositivo, como `/commands/device1`, `/commands/device2`. Dessa forma, um dispositivo pode ouvir mensagens destinadas apenas para ele.
+
+> 💁 Você pode encontrar este código na pasta [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server).
+
+### Lidar com comandos no dispositivo IoT
+
+Agora que os comandos estão sendo enviados pelo servidor, você pode adicionar código ao dispositivo IoT para lidar com eles e controlar o LED.
+
+Siga o passo relevante abaixo para ouvir comandos do broker MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-commands.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-commands.md)
+
+Uma vez que este código esteja escrito e em execução, experimente alterar os níveis de luz. Observe a saída do servidor e do dispositivo, e veja o LED enquanto você altera os níveis de luz.
+
+### Perda de conectividade
+
+O que um serviço na nuvem deve fazer se precisar enviar um comando para um dispositivo IoT que está offline? Novamente, a resposta é depende.
+
+Se o último comando substitui um anterior, então os anteriores podem provavelmente ser ignorados. Se um serviço na nuvem enviar um comando para ligar o aquecimento e depois enviar um comando para desligá-lo, o comando de ligar pode ser ignorado e não reenviado.
+
+Se os comandos precisarem ser processados em sequência, como mover um braço robótico para cima e depois fechar um agarrador, então eles precisam ser enviados na ordem correta assim que a conectividade for restaurada.
+
+✅ Como o código do dispositivo ou do servidor poderia garantir que os comandos sejam sempre enviados e processados na ordem correta via MQTT, se necessário?
+
+---
+
+## 🚀 Desafio
+
+O desafio nas últimas três lições foi listar o maior número possível de dispositivos IoT que você tem em casa, na escola ou no trabalho e decidir se eles são construídos em torno de microcontroladores ou computadores de placa única, ou até mesmo uma mistura de ambos, e pensar sobre quais sensores e atuadores eles estão usando.
+Para esses dispositivos, pense nas mensagens que eles podem estar enviando ou recebendo. Que telemetria eles enviam? Que mensagens ou comandos eles podem receber? Você acha que eles são seguros?
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
+
+## Revisão e Autoestudo
+
+Leia mais sobre MQTT na [página da Wikipedia sobre MQTT](https://wikipedia.org/wiki/MQTT).
+
+Experimente executar um broker MQTT você mesmo usando o [Mosquitto](https://www.mosquitto.org) e conecte-se a ele a partir do seu dispositivo IoT e do código do servidor.
+
+> 💁 Dica - por padrão, o Mosquitto não permite conexões anônimas (ou seja, conectar sem um nome de usuário e senha) e não permite conexões de fora do computador onde está sendo executado.  
+> Você pode corrigir isso com um [arquivo de configuração `mosquitto.conf`](https://www.mosquitto.org/man/mosquitto-conf-5.html) com o seguinte:
+>
+> ```sh
+> listener 1883 0.0.0.0
+> allow_anonymous true
+> ```
+
+## Tarefa
+
+[Compare e contraste o MQTT com outros protocolos de comunicação](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/br/1-getting-started/lessons/4-connect-internet/assignment.md
new file mode 100644
index 00000000..519ae5ad
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/4-connect-internet/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
+  "translation_date": "2025-08-28T03:33:23+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
+  "language_code": "br"
+}
+-->
+# Compare e contraste MQTT com outros protocolos de comunicação
+
+## Instruções
+
+Esta lição abordou o MQTT como um protocolo de comunicação. Existem outros, incluindo AMQP e HTTP/HTTPS.
+
+Pesquise ambos e compare/contraste com o MQTT. Considere o uso de energia, segurança e persistência de mensagens caso as conexões sejam perdidas.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Comparar AMQP com MQTT | Consegue comparar e contrastar AMQP com MQTT e aborda uso de energia, segurança e persistência de mensagens. | Consegue parcialmente comparar e contrastar AMQP com MQTT e aborda dois dos aspectos: uso de energia, segurança e persistência de mensagens. | Consegue parcialmente comparar e contrastar AMQP com MQTT e aborda um dos aspectos: uso de energia, segurança e persistência de mensagens. |
+| Comparar HTTP/HTTPS com MQTT | Consegue comparar e contrastar HTTP/HTTPS com MQTT e aborda uso de energia, segurança e persistência de mensagens. | Consegue parcialmente comparar e contrastar HTTP/HTTPS com MQTT e aborda dois dos aspectos: uso de energia, segurança e persistência de mensagens. | Consegue parcialmente comparar e contrastar HTTP/HTTPS com MQTT e aborda um dos aspectos: uso de energia, segurança e persistência de mensagens. |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/br/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
new file mode 100644
index 00000000..faca64bb
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:32:18+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
+  "language_code": "br"
+}
+-->
+# Controle sua luz noturna pela Internet - Hardware IoT Virtual e Raspberry Pi
+
+Nesta parte da lição, você irá se inscrever para receber comandos enviados de um broker MQTT para seu Raspberry Pi ou dispositivo IoT virtual.
+
+## Inscreva-se para receber comandos
+
+O próximo passo é se inscrever para os comandos enviados pelo broker MQTT e responder a eles.
+
+### Tarefa
+
+Inscreva-se para receber comandos.
+
+1. Abra o projeto da luz noturna no VS Code.
+
+1. Se você estiver usando um dispositivo IoT virtual, certifique-se de que o terminal está executando o ambiente virtual. Se estiver usando um Raspberry Pi, você não estará utilizando um ambiente virtual.
+
+1. Adicione o seguinte código após as definições de `client_telemetry_topic`:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+    O `server_command_topic` é o tópico MQTT ao qual o dispositivo irá se inscrever para receber comandos para o LED.
+
+1. Adicione o seguinte código logo acima do loop principal, após a linha `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
+    ```
+
+    Este código define uma função, `handle_command`, que lê uma mensagem como um documento JSON e procura pelo valor da propriedade `led_on`. Se estiver configurada como `True`, o LED será ligado; caso contrário, será desligado.
+
+    O cliente MQTT se inscreve no tópico em que o servidor enviará mensagens e define a função `handle_command` para ser chamada quando uma mensagem for recebida.
+
+    > 💁 O manipulador `on_message` é chamado para todos os tópicos inscritos. Se você escrever código posteriormente que escute múltiplos tópicos, poderá obter o tópico ao qual a mensagem foi enviada a partir do objeto `message` passado para a função manipuladora.
+
+1. Execute o código da mesma forma que executou o código da parte anterior da tarefa. Se estiver usando um dispositivo IoT virtual, certifique-se de que o aplicativo CounterFit está em execução e que o sensor de luz e o LED foram criados nos pinos corretos.
+
+1. Ajuste os níveis de luz detectados pelo seu dispositivo físico ou virtual. As mensagens recebidas e os comandos enviados serão exibidos no terminal. O LED também será ligado e desligado dependendo do nível de luz.
+
+> 💁 Você pode encontrar este código na pasta [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) ou na pasta [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi).
+
+😀 Você codificou com sucesso seu dispositivo para responder a comandos de um broker MQTT.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/br/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
new file mode 100644
index 00000000..2d60b183
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:32:59+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
+  "language_code": "br"
+}
+-->
+# Controle sua luz noturna pela Internet - Hardware IoT Virtual e Raspberry Pi
+
+O dispositivo IoT precisa ser programado para se comunicar com o *test.mosquitto.org* usando MQTT, a fim de enviar valores de telemetria com a leitura do sensor de luz e receber comandos para controlar o LED.
+
+Nesta parte da lição, você conectará seu Raspberry Pi ou dispositivo IoT virtual a um broker MQTT.
+
+## Instale o pacote cliente MQTT
+
+Para se comunicar com o broker MQTT, você precisa instalar uma biblioteca MQTT usando o pip, seja no seu Raspberry Pi ou no ambiente virtual, caso esteja utilizando um dispositivo virtual.
+
+### Tarefa
+
+Instale o pacote pip
+
+1. Abra o projeto da luz noturna no VS Code.
+
+1. Se estiver usando um dispositivo IoT virtual, certifique-se de que o terminal está executando o ambiente virtual. Se estiver usando um Raspberry Pi, você não precisará de um ambiente virtual.
+
+1. Execute o seguinte comando para instalar o pacote MQTT via pip:
+
+    ```sh
+    pip3 install paho-mqtt
+    ```
+
+## Programe o dispositivo
+
+O dispositivo está pronto para ser programado.
+
+### Tarefa
+
+Escreva o código do dispositivo.
+
+1. Adicione a seguinte importação no topo do arquivo `app.py`:
+
+    ```python
+    import paho.mqtt.client as mqtt
+    ```
+
+    A biblioteca `paho.mqtt.client` permite que seu aplicativo se comunique via MQTT.
+
+1. Adicione o seguinte código após as definições do sensor de luz e do LED:
+
+    ```python
+    id = '<ID>'
+
+    client_name = id + 'nightlight_client'
+    ```
+
+    Substitua `<ID>` por um ID único que será usado como o nome deste cliente do dispositivo e, mais tarde, para os tópicos que este dispositivo publicará e assinará. O broker *test.mosquitto.org* é público e usado por muitas pessoas, incluindo outros estudantes que estão trabalhando nesta tarefa. Ter um nome de cliente MQTT e nomes de tópicos únicos garante que seu código não entre em conflito com o de outras pessoas. Você também precisará desse ID ao criar o código do servidor mais adiante nesta tarefa.
+
+    > 💁 Você pode usar um site como [GUIDGen](https://www.guidgen.com) para gerar um ID único.
+
+    O `client_name` é um nome exclusivo para este cliente MQTT no broker.
+
+1. Adicione o seguinte código abaixo deste novo código para criar um objeto cliente MQTT e conectar-se ao broker MQTT:
+
+    ```python
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+
+    print("MQTT connected!")
+    ```
+
+    Este código cria o objeto cliente, conecta-se ao broker MQTT público e inicia um loop de processamento que roda em uma thread em segundo plano, ouvindo mensagens em quaisquer tópicos assinados.
+
+1. Execute o código da mesma forma que você executou o código da parte anterior da tarefa. Se estiver usando um dispositivo IoT virtual, certifique-se de que o aplicativo CounterFit está em execução e que o sensor de luz e o LED foram criados nos pinos corretos.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Light level: 0
+    Light level: 0
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) ou na pasta [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi).
+
+😀 Você conectou com sucesso seu dispositivo a um broker MQTT.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/br/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
new file mode 100644
index 00000000..849eaa9e
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:31:59+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
+  "language_code": "br"
+}
+-->
+# Controle sua luz noturna pela Internet - Hardware IoT Virtual e Raspberry Pi
+
+Nesta parte da lição, você enviará telemetria com níveis de luz do seu Raspberry Pi ou dispositivo IoT virtual para um broker MQTT.
+
+## Publicar telemetria
+
+O próximo passo é criar um documento JSON com telemetria e enviá-lo para o broker MQTT.
+
+### Tarefa
+
+Publique telemetria no broker MQTT.
+
+1. Abra o projeto da luz noturna no VS Code.
+
+1. Se você estiver usando um dispositivo IoT virtual, certifique-se de que o terminal está executando o ambiente virtual. Se estiver usando um Raspberry Pi, você não utilizará um ambiente virtual.
+
+1. Adicione a seguinte importação no topo do arquivo `app.py`:
+
+    ```python
+    import json
+    ```
+
+    A biblioteca `json` é usada para codificar a telemetria como um documento JSON.
+
+1. Adicione o seguinte após a declaração de `client_name`:
+
+    ```python
+    client_telemetry_topic = id + '/telemetry'
+    ```
+
+    O `client_telemetry_topic` é o tópico MQTT onde o dispositivo publicará os níveis de luz.
+
+1. Substitua o conteúdo do loop `while True:` no final do arquivo pelo seguinte:
+
+    ```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)
+    ```
+
+    Este código empacota o nível de luz em um documento JSON e o publica no broker MQTT. Em seguida, ele entra em modo de espera para reduzir a frequência com que as mensagens são enviadas.
+
+1. Execute o código da mesma forma que você executou o código na parte anterior da tarefa. Se estiver usando um dispositivo IoT virtual, certifique-se de que o aplicativo CounterFit está em execução e que o sensor de luz e o LED foram criados nos pinos corretos.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Sending telemetry  {"light": 0}
+    Sending telemetry  {"light": 0}
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) ou na pasta [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi).
+
+😀 Você enviou telemetria com sucesso a partir do seu dispositivo.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/br/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
new file mode 100644
index 00000000..ddabbcf2
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
+  "translation_date": "2025-08-28T03:30:51+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
+  "language_code": "br"
+}
+-->
+# Controle sua luz noturna pela Internet - Wio Terminal
+
+Nesta parte da lição, você irá se inscrever para receber comandos enviados de um broker MQTT para o seu Wio Terminal.
+
+## Inscrever-se para comandos
+
+O próximo passo é se inscrever para os comandos enviados pelo broker MQTT e responder a eles.
+
+### Tarefa
+
+Inscreva-se para receber comandos.
+
+1. Abra o projeto da luz noturna no VS Code.
+
+1. Adicione o seguinte código ao final do arquivo `config.h` para definir o nome do tópico para os comandos:
+
+    ```cpp
+    const string SERVER_COMMAND_TOPIC = ID + "/commands";
+    ```
+
+    O `SERVER_COMMAND_TOPIC` é o tópico ao qual o dispositivo se inscreverá para receber comandos para o LED.
+
+1. Adicione a seguinte linha ao final da função `reconnectMQTTClient` para se inscrever no tópico de comandos quando o cliente MQTT for reconectado:
+
+    ```cpp
+    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
+    ```
+
+1. Adicione o seguinte código abaixo da função `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);
+    }
+    ```
+
+    Esta função será o callback que o cliente MQTT chamará quando receber uma mensagem do servidor.
+
+    A mensagem é recebida como um array de inteiros não assinados de 8 bits, então precisa ser convertida para um array de caracteres para ser tratada como texto.
+
+    A mensagem contém um documento JSON, que é decodificado usando a biblioteca ArduinoJson. A propriedade `led_on` do documento JSON é lida e, dependendo do valor, o LED é ligado ou desligado.
+
+1. Adicione o seguinte código à função `createMQTTClient`:
+
+    ```cpp
+    client.setCallback(clientCallback);
+    ```
+
+    Este código define o `clientCallback` como o callback a ser chamado quando uma mensagem for recebida do broker MQTT.
+
+    > 💁 O handler `clientCallback` é chamado para todos os tópicos aos quais você está inscrito. Se você escrever código posteriormente para ouvir múltiplos tópicos, poderá obter o tópico ao qual a mensagem foi enviada a partir do parâmetro `topic` passado para a função callback.
+
+1. Envie o código para o seu Wio Terminal e use o Monitor Serial para ver os níveis de luz sendo enviados para o broker MQTT.
+
+1. Ajuste os níveis de luz detectados pelo seu dispositivo físico ou virtual. Você verá mensagens sendo recebidas e comandos sendo enviados no terminal. Também verá o LED sendo ligado e desligado dependendo do nível de luz.
+
+> 💁 Você pode encontrar este código na pasta [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal).
+
+😀 Você codificou com sucesso o seu dispositivo para responder a comandos de um broker MQTT.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/br/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
new file mode 100644
index 00000000..7bb031d8
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
@@ -0,0 +1,251 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
+  "translation_date": "2025-08-28T03:31:10+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
+  "language_code": "br"
+}
+-->
+# Controle sua luz noturna pela Internet - Wio Terminal
+
+O dispositivo IoT precisa ser programado para se comunicar com *test.mosquitto.org* usando MQTT para enviar valores de telemetria com a leitura do sensor de luz e receber comandos para controlar o LED.
+
+Nesta parte da lição, você conectará seu Wio Terminal a um broker MQTT.
+
+## Instale as bibliotecas Arduino de WiFi e MQTT
+
+Para se comunicar com o broker MQTT, você precisa instalar algumas bibliotecas Arduino para usar o chip WiFi no Wio Terminal e se comunicar com o MQTT. Ao desenvolver para dispositivos Arduino, você pode usar uma ampla gama de bibliotecas que contêm código de código aberto e implementam uma enorme variedade de funcionalidades. A Seeed publica bibliotecas para o Wio Terminal que permitem a comunicação via WiFi. Outros desenvolvedores publicaram bibliotecas para se comunicar com brokers MQTT, e você usará essas bibliotecas com seu dispositivo.
+
+Essas bibliotecas são fornecidas como código-fonte que pode ser importado automaticamente para o PlatformIO e compilado para o seu dispositivo. Dessa forma, as bibliotecas Arduino funcionarão em qualquer dispositivo que suporte o framework Arduino, desde que o dispositivo tenha o hardware específico necessário para essa biblioteca. Algumas bibliotecas, como as bibliotecas WiFi da Seeed, são específicas para determinados hardwares.
+
+As bibliotecas podem ser instaladas globalmente e compiladas, se necessário, ou em um projeto específico. Para esta tarefa, as bibliotecas serão instaladas no projeto.
+
+✅ Você pode aprender mais sobre gerenciamento de bibliotecas e como encontrar e instalar bibliotecas na [documentação de bibliotecas do PlatformIO](https://docs.platformio.org/en/latest/librarymanager/index.html).
+
+### Tarefa - instale as bibliotecas Arduino de WiFi e MQTT
+
+Instale as bibliotecas Arduino.
+
+1. Abra o projeto da luz noturna no VS Code.
+
+1. Adicione o seguinte ao final do arquivo `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
+    ```
+
+    Isso importa as bibliotecas WiFi da Seeed. A sintaxe `@ <number>` refere-se a uma versão específica da biblioteca.
+
+    > 💁 Você pode remover o `@ <number>` para sempre usar a versão mais recente das bibliotecas, mas não há garantias de que as versões mais recentes funcionarão com o código abaixo. O código aqui foi testado com esta versão das bibliotecas.
+
+    Isso é tudo o que você precisa fazer para adicionar as bibliotecas. Na próxima vez que o PlatformIO compilar o projeto, ele fará o download do código-fonte dessas bibliotecas e o compilará no seu projeto.
+
+1. Adicione o seguinte ao `lib_deps`:
+
+    ```ini
+    knolleary/PubSubClient @ 2.8
+    ```
+
+    Isso importa o [PubSubClient](https://github.com/knolleary/pubsubclient), um cliente MQTT para Arduino.
+
+## Conecte-se ao WiFi
+
+Agora o Wio Terminal pode ser conectado ao WiFi.
+
+### Tarefa - conectar ao WiFi
+
+Conecte o Wio Terminal ao WiFi.
+
+1. Crie um novo arquivo na pasta `src` chamado `config.h`. Você pode fazer isso selecionando a pasta `src` ou o arquivo `main.cpp` dentro dela e clicando no botão **Novo arquivo** no explorador. Esse botão só aparece quando o cursor está sobre o explorador.
+
+    ![O botão de novo arquivo](../../../../../translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.br.png)
+
+1. Adicione o seguinte código a este arquivo para definir constantes para suas credenciais de WiFi:
+
+    ```cpp
+    #pragma once
+
+    #include <string>
+    
+    using namespace std;
+    
+    // WiFi credentials
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    ```
+
+    Substitua `<SSID>` pelo SSID do seu WiFi. Substitua `<PASSWORD>` pela senha do seu WiFi.
+
+1. Abra o arquivo `main.cpp`.
+
+1. Adicione as seguintes diretivas `#include` ao topo do arquivo:
+
+    ```cpp
+    #include <PubSubClient.h>
+    #include <rpcWiFi.h>
+    #include <SPI.h>
+    
+    #include "config.h"
+    ```
+
+    Isso inclui os arquivos de cabeçalho das bibliotecas que você adicionou anteriormente, bem como o arquivo de cabeçalho de configuração. Esses arquivos de cabeçalho são necessários para informar ao PlatformIO para incluir o código das bibliotecas. Sem incluir explicitamente esses arquivos de cabeçalho, parte do código não será compilada e você receberá erros de compilação.
+
+1. Adicione o seguinte código acima da função `setup`:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+    Este código faz um loop enquanto o dispositivo não está conectado ao WiFi e tenta a conexão usando o SSID e a senha do arquivo de cabeçalho de configuração.
+
+1. Adicione uma chamada para esta função no final da função `setup`, após os pinos terem sido configurados.
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. Envie este código para o seu dispositivo para verificar se a conexão WiFi está funcionando. Você deve ver isso no monitor serial.
+
+    ```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!
+    ```
+
+## Conecte-se ao MQTT
+
+Depois que o Wio Terminal estiver conectado ao WiFi, ele poderá se conectar ao broker MQTT.
+
+### Tarefa - conectar ao MQTT
+
+Conecte-se ao broker MQTT.
+
+1. Adicione o seguinte código ao final do arquivo `config.h` para definir os detalhes de conexão do broker MQTT:
+
+    ```cpp
+    // MQTT settings
+    const string ID = "<ID>";
+    
+    const string BROKER = "test.mosquitto.org";
+    const string CLIENT_NAME = ID + "nightlight_client";
+    ```
+
+    Substitua `<ID>` por um ID único que será usado como o nome deste cliente do dispositivo e, posteriormente, para os tópicos que este dispositivo publicará e assinará. O broker *test.mosquitto.org* é público e usado por muitas pessoas, incluindo outros estudantes que estão realizando esta tarefa. Ter um nome de cliente MQTT único e nomes de tópicos únicos garante que seu código não entre em conflito com o de outras pessoas. Você também precisará deste ID ao criar o código do servidor mais tarde nesta tarefa.
+
+    > 💁 Você pode usar um site como [GUIDGen](https://www.guidgen.com) para gerar um ID único.
+
+    O `BROKER` é o URL do broker MQTT.
+
+    O `CLIENT_NAME` é um nome único para este cliente MQTT no broker.
+
+1. Abra o arquivo `main.cpp` e adicione o seguinte código abaixo da função `connectWiFi` e acima da função `setup`:
+
+    ```cpp
+    WiFiClient wioClient;
+    PubSubClient client(wioClient);
+    ```
+
+    Este código cria um cliente WiFi usando as bibliotecas WiFi do Wio Terminal e o utiliza para criar um cliente MQTT.
+
+1. Abaixo deste código, adicione o seguinte:
+
+    ```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);
+            }
+        }
+    }
+    ```
+
+    Esta função testa a conexão com o broker MQTT e reconecta caso não esteja conectado. Ela faz um loop enquanto não está conectado e tenta conectar usando o nome único do cliente definido no arquivo de cabeçalho de configuração.
+
+    Se a conexão falhar, ela tenta novamente após 5 segundos.
+
+1. Adicione o seguinte código abaixo da função `reconnectMQTTClient`:
+
+    ```cpp
+    void createMQTTClient()
+    {
+        client.setServer(BROKER.c_str(), 1883);
+        reconnectMQTTClient();
+    }
+    ```
+
+    Este código define o broker MQTT para o cliente, bem como configura o callback para quando uma mensagem for recebida. Em seguida, tenta conectar ao broker.
+
+1. Chame a função `createMQTTClient` na função `setup` após a conexão WiFi ser estabelecida.
+
+1. Substitua toda a função `loop` pelo seguinte:
+
+    ```cpp
+    void loop()
+    {
+        reconnectMQTTClient();
+        client.loop();
+    
+        delay(2000);
+    }
+    ```
+
+    Este código começa reconectando ao broker MQTT. Essas conexões podem ser facilmente interrompidas, então vale a pena verificar regularmente e reconectar, se necessário. Em seguida, chama o método `loop` no cliente MQTT para processar quaisquer mensagens que estejam chegando no tópico assinado. Este aplicativo é single-threaded, então as mensagens não podem ser recebidas em uma thread de fundo; portanto, é necessário alocar tempo na thread principal para processar quaisquer mensagens que estejam aguardando na conexão de rede.
+
+    Por fim, um atraso de 2 segundos garante que os níveis de luz não sejam enviados com muita frequência, reduzindo o consumo de energia do dispositivo.
+
+1. Envie o código para o seu Wio Terminal e use o Monitor Serial para ver o dispositivo conectando-se ao WiFi e ao 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
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal).
+
+😀 Você conectou com sucesso seu dispositivo a um broker MQTT.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/br/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
new file mode 100644
index 00000000..f58c483b
--- /dev/null
+++ b/translations/br/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
+  "translation_date": "2025-08-28T03:32:39+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
+  "language_code": "br"
+}
+-->
+# Controle sua luz noturna pela Internet - Wio Terminal
+
+Nesta parte da lição, você enviará telemetria com os níveis de luz do seu Wio Terminal para o broker MQTT.
+
+## Instale as bibliotecas JSON para Arduino
+
+Uma maneira popular de enviar mensagens via MQTT é usando JSON. Existe uma biblioteca Arduino para JSON que facilita a leitura e escrita de documentos JSON.
+
+### Tarefa
+
+Instale a biblioteca Arduino JSON.
+
+1. Abra o projeto da luz noturna no VS Code.
+
+1. Adicione a seguinte linha adicional à lista `lib_deps` no arquivo `platformio.ini`:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    Isso importa [ArduinoJson](https://arduinojson.org), uma biblioteca JSON para Arduino.
+
+## Publicar telemetria
+
+O próximo passo é criar um documento JSON com a telemetria e enviá-lo para o broker MQTT.
+
+### Tarefa - publicar telemetria
+
+Publique telemetria no broker MQTT.
+
+1. Adicione o seguinte código ao final do arquivo `config.h` para definir o nome do tópico de telemetria para o broker MQTT:
+
+    ```cpp
+    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
+    ```
+
+    O `CLIENT_TELEMETRY_TOPIC` é o tópico no qual o dispositivo publicará os níveis de luz.
+
+1. Abra o arquivo `main.cpp`.
+
+1. Adicione a seguinte diretiva `#include` ao topo do arquivo:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. Adicione o seguinte código dentro da função `loop`, logo antes do `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());
+    ```
+
+    Este código lê o nível de luz e cria um documento JSON usando ArduinoJson contendo este nível. Em seguida, ele é serializado para uma string e publicado no tópico de telemetria MQTT pelo cliente MQTT.
+
+1. Faça o upload do código para o seu Wio Terminal e use o Monitor Serial para ver os níveis de luz sendo enviados para o broker MQTT.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"light":652}
+    Sending telemetry {"light":612}
+    Sending telemetry {"light":583}
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal).
+
+😀 Você enviou com sucesso a telemetria do seu dispositivo.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/README.md b/translations/br/2-farm/README.md
new file mode 100644
index 00000000..743020a9
--- /dev/null
+++ b/translations/br/2-farm/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "428bda82d9e6016ecea7c797564bf081",
+  "translation_date": "2025-08-28T03:51:46+00:00",
+  "source_file": "2-farm/README.md",
+  "language_code": "br"
+}
+-->
+# Agricultura com IoT
+
+À medida que a população cresce, também aumenta a demanda por agricultura. A quantidade de terra disponível não muda, mas o clima sim - trazendo ainda mais desafios para os agricultores, especialmente os 2 bilhões de [agricultores de subsistência](https://wikipedia.org/wiki/Subsistence_agriculture) que dependem do que cultivam para se alimentar e sustentar suas famílias. A IoT pode ajudar os agricultores a tomarem decisões mais inteligentes sobre o que plantar e quando colher, aumentar a produtividade, reduzir o trabalho manual e detectar e lidar com pragas.
+
+Nestes 6 módulos, você aprenderá como aplicar a Internet das Coisas para melhorar e automatizar a agricultura.
+
+> 💁 Estes módulos utilizarão alguns recursos na nuvem. Se você não concluir todas as lições deste projeto, certifique-se de [Limpar seu projeto](../clean-up.md).
+
+## Tópicos
+
+1. [Prever o crescimento das plantas com IoT](lessons/1-predict-plant-growth/README.md)
+1. [Detectar a umidade do solo](lessons/2-detect-soil-moisture/README.md)
+1. [Irrigação automatizada de plantas](lessons/3-automated-plant-watering/README.md)
+1. [Migrar sua planta para a nuvem](lessons/4-migrate-your-plant-to-the-cloud/README.md)
+1. [Migrar a lógica da sua aplicação para a nuvem](lessons/5-migrate-application-to-the-cloud/README.md)
+1. [Manter sua planta segura](lessons/6-keep-your-plant-secure/README.md)
+
+## Créditos
+
+Todas as lições foram escritas com ♥️ por [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/1-predict-plant-growth/README.md b/translations/br/2-farm/lessons/1-predict-plant-growth/README.md
new file mode 100644
index 00000000..7995cf23
--- /dev/null
+++ b/translations/br/2-farm/lessons/1-predict-plant-growth/README.md
@@ -0,0 +1,284 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d105b44deae539165855c976dcdeca99",
+  "translation_date": "2025-08-28T04:10:05+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
+  "language_code": "br"
+}
+-->
+# Prever o crescimento de plantas com IoT
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
+
+## Introdução
+
+As plantas precisam de certos elementos para crescer - água, dióxido de carbono, nutrientes, luz e calor. Nesta lição, você aprenderá como calcular as taxas de crescimento e maturidade das plantas medindo a temperatura do ar.
+
+Nesta lição, abordaremos:
+
+* [Agricultura digital](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Por que a temperatura é importante na agricultura?](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Medir a temperatura ambiente](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Graus-dia de crescimento (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Calcular GDD usando dados de sensores de temperatura](../../../../../2-farm/lessons/1-predict-plant-growth)
+
+## Agricultura digital
+
+A Agricultura Digital está transformando a forma como cultivamos, utilizando ferramentas para coletar, armazenar e analisar dados da agricultura. Estamos atualmente em um período descrito como a 'Quarta Revolução Industrial' pelo Fórum Econômico Mundial, e o surgimento da agricultura digital tem sido chamado de 'Quarta Revolução Agrícola' ou 'Agricultura 4.0'.
+
+> 🎓 O termo Agricultura Digital também inclui toda a 'cadeia de valor agrícola', ou seja, toda a jornada do campo até a mesa. Isso inclui o rastreamento da qualidade dos produtos enquanto os alimentos são transportados e processados, sistemas de armazéns e e-commerce, até mesmo aplicativos de aluguel de tratores!
+
+Essas mudanças permitem que os agricultores aumentem a produtividade, usem menos fertilizantes e pesticidas e otimizem o uso da água. Embora seja usada principalmente em países mais ricos, sensores e outros dispositivos estão gradualmente se tornando mais acessíveis em países em desenvolvimento devido à redução de custos.
+
+Algumas técnicas possibilitadas pela agricultura digital incluem:
+
+* Medição de temperatura - medir a temperatura permite que os agricultores prevejam o crescimento e a maturidade das plantas.
+* Irrigação automatizada - medir a umidade do solo e ativar sistemas de irrigação quando o solo estiver muito seco, em vez de usar irrigação programada. A irrigação programada pode levar a sub-irrigação durante períodos quentes e secos ou a irrigação excessiva durante chuvas. Ao regar apenas quando o solo precisa, os agricultores podem otimizar o uso da água.
+* Controle de pragas - os agricultores podem usar câmeras em robôs automatizados ou drones para verificar a presença de pragas e aplicar pesticidas apenas onde necessário, reduzindo a quantidade de pesticidas usados e minimizando o escoamento de pesticidas para os suprimentos de água locais.
+
+✅ Faça uma pesquisa. Quais outras técnicas são usadas para melhorar os rendimentos agrícolas?
+
+> 🎓 O termo 'Agricultura de Precisão' é usado para definir a observação, medição e resposta às necessidades das culturas em uma base por campo ou até mesmo por partes de um campo. Isso inclui medir níveis de água, nutrientes e pragas e responder de forma precisa, como irrigar apenas uma pequena parte de um campo.
+
+## Por que a temperatura é importante na agricultura?
+
+Ao aprender sobre plantas, a maioria dos estudantes é ensinada sobre a necessidade de água, luz, dióxido de carbono e nutrientes. As plantas também precisam de calor para crescer - é por isso que as plantas florescem na primavera, quando a temperatura aumenta, por que flores como campânulas ou narcisos podem brotar cedo devido a um curto período de calor, e por que estufas são tão eficazes para o crescimento das plantas.
+
+> 🎓 Estufas e casas de vegetação têm funções semelhantes, mas com uma diferença importante. As casas de vegetação são aquecidas artificialmente e permitem que os agricultores controlem as temperaturas com mais precisão, enquanto as estufas dependem do sol para aquecimento e geralmente têm apenas janelas ou outras aberturas para liberar o calor.
+
+As plantas têm uma temperatura base ou mínima, uma temperatura ótima e uma temperatura máxima, todas baseadas nas temperaturas médias diárias.
+
+* Temperatura base - é a temperatura média diária mínima necessária para que uma planta cresça.
+* Temperatura ótima - é a melhor temperatura média diária para obter o maior crescimento.
+* Temperatura máxima - é a temperatura máxima que uma planta pode suportar. Acima disso, a planta interrompe seu crescimento para tentar conservar água e sobreviver.
+
+> 💁 Essas são temperaturas médias, calculadas a partir das temperaturas diurnas e noturnas. As plantas também precisam de diferentes temperaturas durante o dia e a noite para realizar a fotossíntese de forma mais eficiente e economizar energia à noite.
+
+Cada espécie de planta tem valores diferentes para sua temperatura base, ótima e máxima. É por isso que algumas plantas prosperam em países quentes e outras em países mais frios.
+
+✅ Faça uma pesquisa. Para qualquer planta que você tenha em seu jardim, escola ou parque local, veja se consegue encontrar a temperatura base.
+
+![Um gráfico mostrando a taxa de crescimento aumentando conforme a temperatura sobe, depois caindo quando a temperatura fica muito alta](../../../../../translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.br.png)
+
+O gráfico acima mostra um exemplo de taxa de crescimento em relação à temperatura. Até a temperatura base, não há crescimento. A taxa de crescimento aumenta até a temperatura ótima e depois cai após atingir esse pico. Na temperatura máxima, o crescimento para.
+
+O formato desse gráfico varia de espécie para espécie. Algumas têm quedas mais acentuadas acima da temperatura ótima, enquanto outras apresentam aumentos mais lentos da base até a ótima.
+
+> 💁 Para que um agricultor obtenha o melhor crescimento, ele precisará conhecer os três valores de temperatura e entender o formato dos gráficos para as plantas que está cultivando.
+
+Se um agricultor tem controle da temperatura, por exemplo, em uma casa de vegetação comercial, ele pode otimizar para suas plantas. Uma casa de vegetação comercial que cultiva tomates, por exemplo, terá a temperatura ajustada para cerca de 25°C durante o dia e 20°C à noite para obter o crescimento mais rápido.
+
+> 🍅 Combinando essas temperaturas com luzes artificiais, fertilizantes e níveis controlados de CO2, os produtores comerciais podem cultivar e colher durante todo o ano.
+
+## Medir a temperatura ambiente
+
+Sensores de temperatura podem ser usados com dispositivos IoT para medir a temperatura ambiente.
+
+### Tarefa - medir a temperatura
+
+Siga o guia relevante para monitorar temperaturas usando seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-temp.md)
+* [Computador de placa única - Raspberry Pi](pi-temp.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-temp.md)
+
+## Graus-dia de crescimento
+
+Graus-dia de crescimento (também conhecidos como unidades de graus-dia) são uma forma de medir o crescimento das plantas com base na temperatura. Supondo que uma planta tenha água, nutrientes e CO2 suficientes, a temperatura determina a taxa de crescimento.
+
+Os graus-dia de crescimento, ou GDD, são calculados por dia como a temperatura média em Celsius de um dia acima da temperatura base da planta. Cada planta precisa de um certo número de GDD para crescer, florescer ou produzir e amadurecer uma colheita. Quanto mais GDD por dia, mais rápido a planta crescerá.
+
+> 🇺🇸 Para os americanos, os graus-dia de crescimento também podem ser calculados usando Fahrenheit. 5 GDD em Celsius equivalem a 9 GDD em Fahrenheit.
+
+A fórmula completa para GDD é um pouco complicada, mas existe uma equação simplificada que é frequentemente usada como uma boa aproximação:
+
+![GDD = T max + T min dividido por 2, tudo menos T base](../../../../../translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.br.png)
+
+* **GDD** - este é o número de graus-dia de crescimento
+* **T max** - esta é a temperatura máxima diária em graus Celsius
+* **T min** - esta é a temperatura mínima diária em graus Celsius
+* **T base** - esta é a temperatura base da planta em graus Celsius
+
+> 💁 Existem variações que lidam com T max acima de 30°C ou T min abaixo de T base, mas vamos ignorar essas por enquanto.
+
+### Exemplo - Milho 🌽
+
+Dependendo da variedade, o milho precisa de entre 800 e 2.700 GDD para amadurecer, com uma temperatura base de 10°C.
+
+No primeiro dia acima da temperatura base, as seguintes temperaturas foram medidas:
+
+| Medição    | Temp °C |
+| :--------- | :-----: |
+| Máxima     | 16      |
+| Mínima     | 12      |
+
+Substituindo esses números na nossa fórmula:
+
+* T max = 16
+* T min = 12
+* T base = 10
+
+Isso resulta no cálculo:
+
+![GDD = 16 + 12 dividido por 2, tudo menos 10, resultando em 4](../../../../../translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.br.png)
+
+O milho recebeu 4 GDD nesse dia. Supondo uma variedade de milho que precisa de 800 GDD para amadurecer, ainda serão necessários mais 796 GDD para atingir a maturidade.
+
+✅ Faça uma pesquisa. Para qualquer planta que você tenha em seu jardim, escola ou parque local, veja se consegue encontrar o número de GDD necessário para atingir a maturidade ou produzir colheitas.
+
+## Calcular GDD usando dados de sensores de temperatura
+
+As plantas não crescem em datas fixas - por exemplo, você não pode plantar uma semente e saber que a planta dará frutos exatamente 100 dias depois. Em vez disso, como agricultor, você pode ter uma ideia aproximada de quanto tempo uma planta leva para crescer e, então, verificar diariamente para ver quando as colheitas estão prontas.
+
+Isso tem um grande impacto no trabalho em uma grande fazenda e corre o risco de o agricultor perder colheitas que estão prontas inesperadamente cedo. Medindo as temperaturas, o agricultor pode calcular os GDD que uma planta recebeu, permitindo que ele verifique apenas quando estiver próximo da maturidade esperada.
+
+Ao coletar dados de temperatura usando um dispositivo IoT, um agricultor pode ser notificado automaticamente quando as plantas estiverem próximas da maturidade. Uma arquitetura típica para isso é ter os dispositivos IoT medindo a temperatura e publicando esses dados de telemetria pela Internet usando algo como MQTT. O código do servidor então escuta esses dados e os salva em algum lugar, como em um banco de dados. Isso significa que os dados podem ser analisados posteriormente, como em uma tarefa noturna para calcular os GDD do dia, somar os GDD totais para cada cultura até o momento e alertar se uma planta estiver próxima da maturidade.
+
+![Os dados de telemetria são enviados para um servidor e depois salvos em um banco de dados](../../../../../translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.br.png)
+
+O código do servidor também pode complementar os dados adicionando informações extras. Por exemplo, o dispositivo IoT pode publicar um identificador para indicar qual dispositivo está enviando os dados, e o código do servidor pode usar isso para buscar a localização do dispositivo e quais culturas ele está monitorando. Ele também pode adicionar dados básicos, como a hora atual, já que alguns dispositivos IoT não possuem o hardware necessário para manter um horário preciso ou exigem código adicional para ler a hora atual pela Internet.
+
+✅ Por que você acha que diferentes campos podem ter temperaturas diferentes?
+
+### Tarefa - publicar informações de temperatura
+
+Siga o guia relevante para publicar dados de temperatura via MQTT usando seu dispositivo IoT para que possam ser analisados posteriormente:
+
+* [Arduino - Wio Terminal](wio-terminal-temp-publish.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-temp-publish.md)
+
+### Tarefa - capturar e armazenar as informações de temperatura
+
+Depois que o dispositivo IoT estiver publicando telemetria, o código do servidor pode ser escrito para assinar esses dados e armazená-los. Em vez de salvar em um banco de dados, o código do servidor salvará em um arquivo de valores separados por vírgulas (CSV). Arquivos CSV armazenam dados como linhas de valores em texto, com cada valor separado por uma vírgula e cada registro em uma nova linha. Eles são uma maneira conveniente, legível e bem suportada de salvar dados como arquivo.
+
+O arquivo CSV terá duas colunas - *data* e *temperatura*. A coluna *data* será definida como a data e hora atuais em que a mensagem foi recebida pelo servidor, e a *temperatura* virá da mensagem de telemetria.
+
+1. Repita os passos da lição 4 para criar o código do servidor para assinar a telemetria. Não é necessário adicionar código para publicar comandos.
+
+    Os passos para isso são:
+
+    * Configurar e ativar um Ambiente Virtual Python
+
+    * Instalar o pacote paho-mqtt com pip
+
+    * Escrever o código para escutar mensagens MQTT publicadas no tópico de telemetria
+
+      > ⚠️ Você pode consultar [as instruções na lição 4 para criar um aplicativo Python para receber telemetria, se necessário](../../../1-getting-started/lessons/4-connect-internet/README.md#receive-telemetry-from-the-mqtt-broker).
+
+    Nomeie a pasta deste projeto como `temperature-sensor-server`.
+
+1. Certifique-se de que o `client_name` reflete este projeto:
+
+    ```cpp
+    client_name = id + 'temperature_sensor_server'
+    ```
+
+1. Adicione os seguintes imports ao topo do arquivo, abaixo dos imports existentes:
+
+    ```python
+    from os import path
+    import csv
+    from datetime import datetime
+    ```
+
+    Isso importa uma biblioteca para leitura de arquivos, uma biblioteca para interagir com arquivos CSV e uma biblioteca para ajudar com datas e horários.
+
+1. Adicione o seguinte código antes da função `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()
+    ```
+
+    Este código declara algumas constantes para o nome do arquivo a ser escrito e os nomes dos cabeçalhos das colunas do arquivo CSV. A primeira linha de um arquivo CSV tradicionalmente contém cabeçalhos de coluna separados por vírgulas.
+
+    O código então verifica se o arquivo CSV já existe. Se não existir, ele é criado com os cabeçalhos das colunas na primeira linha.
+
+1. Adicione o seguinte código ao final da função `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']})
+    ```
+Este código abre o arquivo CSV e adiciona uma nova linha no final. A linha contém a data e hora atual formatadas em um formato legível para humanos, seguidas pela temperatura recebida do dispositivo IoT. Os dados são armazenados no [formato ISO 8601](https://wikipedia.org/wiki/ISO_8601) com o fuso horário, mas sem os microssegundos.
+
+1. Execute este código da mesma forma que antes, certificando-se de que seu dispositivo IoT está enviando dados. Um arquivo CSV chamado `temperature.csv` será criado na mesma pasta. Se você visualizá-lo, verá datas/horários e medições de temperatura:
+
+    ```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. Execute este código por um tempo para capturar dados. Idealmente, você deve executá-lo por um dia inteiro para reunir dados suficientes para os cálculos de GDD.
+
+    
+> 💁 Se você estiver usando um Dispositivo IoT Virtual, selecione a caixa de seleção aleatória e defina um intervalo para evitar obter a mesma temperatura toda vez que o valor de temperatura for retornado.
+    ![Selecione a caixa de seleção aleatória e defina um intervalo](../../../../../translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.br.png) 
+
+    > 💁 Se você quiser executar isso por um dia inteiro, então você precisa garantir que o computador onde seu código de servidor está rodando não entre em modo de suspensão, seja alterando as configurações de energia ou executando algo como [este script Python para manter o sistema ativo](https://github.com/jaqsparow/keep-system-active).
+    
+> 💁 Você pode encontrar este código na pasta [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server).
+
+### Tarefa - calcular GDD usando os dados armazenados
+
+Depois que o servidor capturar os dados de temperatura, o GDD para uma planta pode ser calculado.
+
+Os passos para fazer isso manualmente são:
+
+1. Encontre a temperatura base para a planta. Por exemplo, para morangos a temperatura base é 10°C.
+
+1. No arquivo `temperature.csv`, encontre as temperaturas mais altas e mais baixas do dia.
+
+1. Use o cálculo de GDD dado anteriormente para calcular o GDD.
+
+Por exemplo, se a temperatura mais alta do dia for 25°C e a mais baixa for 12°C:
+
+![GDD = 25 + 12 dividido por 2, depois subtraia 10 do resultado, obtendo 8.5](../../../../../translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.br.png)
+
+* 25 + 12 = 37
+* 37 / 2 = 18.5
+* 18.5 - 10 = 8.5
+
+Portanto, os morangos receberam **8.5** GDD. Morangos precisam de cerca de 250 GDD para dar frutos, então ainda falta um pouco.
+
+---
+
+## 🚀 Desafio
+
+As plantas precisam de mais do que calor para crescer. Quais outras coisas são necessárias?
+
+Para essas, descubra se há sensores que podem medi-las. E quanto aos atuadores para controlar esses níveis? Como você montaria um ou mais dispositivos IoT para otimizar o crescimento das plantas?
+
+## Quiz pós-aula
+
+[Quiz pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
+
+## Revisão e Autoestudo
+
+* Leia mais sobre agricultura digital na [página da Wikipedia sobre Agricultura Digital](https://wikipedia.org/wiki/Digital_agriculture). Leia também sobre agricultura de precisão na [página da Wikipedia sobre Agricultura de Precisão](https://wikipedia.org/wiki/Precision_agriculture).
+* O cálculo completo de graus-dia de crescimento é mais complicado do que o simplificado apresentado aqui. Leia mais sobre a equação mais complexa e como lidar com temperaturas abaixo do limite na [página da Wikipedia sobre Graus-Dia de Crescimento](https://wikipedia.org/wiki/Growing_degree-day).
+* A comida pode ser escassa no futuro se continuarmos usando os mesmos métodos de agricultura. Saiba mais sobre técnicas de agricultura de alta tecnologia neste [vídeo sobre Fazendas Hi-Tech do Futuro no YouTube](https://www.youtube.com/watch?v=KIEOuKD9KX8).
+
+## Tarefa
+
+[Visualize os dados de GDD usando um Jupyter Notebook](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/br/2-farm/lessons/1-predict-plant-growth/assignment.md
new file mode 100644
index 00000000..09f40c5b
--- /dev/null
+++ b/translations/br/2-farm/lessons/1-predict-plant-growth/assignment.md
@@ -0,0 +1,57 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
+  "translation_date": "2025-08-28T04:12:46+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
+  "language_code": "br"
+}
+-->
+# Visualizar dados de GDD usando um Jupyter Notebook
+
+## Instruções
+
+Nesta lição, você coletou dados de GDD usando um sensor IoT. Para obter bons dados de GDD, é necessário coletar dados por vários dias. Para ajudar a visualizar os dados de temperatura e calcular o GDD, você pode usar ferramentas como [Jupyter Notebooks](https://jupyter.org) para analisar os dados.
+
+Comece coletando dados por alguns dias. Você precisará garantir que o código do servidor esteja funcionando o tempo todo enquanto seu dispositivo IoT estiver ativo, seja ajustando as configurações de gerenciamento de energia ou executando algo como [este script Python para manter o sistema ativo](https://github.com/jaqsparow/keep-system-active).
+
+Depois de ter os dados de temperatura, você pode usar o Jupyter Notebook neste repositório para visualizá-los e calcular o GDD. Jupyter Notebooks misturam código e instruções em blocos chamados *células*, geralmente com código em Python. Você pode ler as instruções e executar cada bloco de código, um por vez. Também é possível editar o código. Neste notebook, por exemplo, você pode editar a temperatura base usada para calcular o GDD para sua planta.
+
+1. Crie uma pasta chamada `gdd-calculation`
+
+1. Baixe o arquivo [gdd.ipynb](./code-notebook/gdd.ipynb) e copie-o para a pasta `gdd-calculation`.
+
+1. Copie o arquivo `temperature.csv` criado pelo servidor MQTT.
+
+1. Crie um novo ambiente virtual Python na pasta `gdd-calculation`.
+
+1. Instale alguns pacotes pip para Jupyter Notebooks, junto com bibliotecas necessárias para gerenciar e plotar os dados:
+
+    ```sh
+    pip install --upgrade pip
+    pip install pandas
+    pip install matplotlib
+    pip install jupyter
+    ```
+
+1. Execute o notebook no Jupyter:
+
+    ```sh
+    jupyter notebook gdd.ipynb
+    ```
+
+    O Jupyter será iniciado e abrirá o notebook no seu navegador. Siga as instruções no notebook para visualizar as temperaturas medidas e calcular os graus-dia de crescimento.
+
+    ![O jupyter notebook](../../../../../translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.br.png)
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Capturar dados | Capturar pelo menos 2 dias completos de dados | Capturar pelo menos 1 dia completo de dados | Capturar alguns dados |
+| Calcular GDD | Executar o notebook com sucesso e calcular o GDD | Executar o notebook com sucesso | Não conseguir executar o notebook |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/br/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..6e39d7bd
--- /dev/null
+++ b/translations/br/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Dias de Grau de Crescimento\n",
+    "\n",
+    "Este notebook carrega dados de temperatura salvos em um arquivo CSV e os analisa. Ele plota as temperaturas, mostra os valores mais altos e mais baixos de cada dia e calcula o GDD.\n",
+    "\n",
+    "Para usar este notebook:\n",
+    "\n",
+    "* Copie o arquivo `temperature.csv` para a mesma pasta deste notebook\n",
+    "* Execute todas as células usando o botão **▶︎ Executar** acima. Isso executará a célula selecionada e, em seguida, passará para a próxima.\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "No campo abaixo, defina `base_temperature` para a temperatura base da planta.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "O arquivo CSV agora precisa ser carregado, usando 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": [
+    "Depois que os dados forem lidos, eles podem ser agrupados pela coluna `date`, e as temperaturas mínima e máxima extraídas para cada data.\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": [
+    "A GDD pode ser calculada usando a equação padrão de 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**Aviso Legal**:  \nEste documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.\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": "2025-08-28T04:19:40+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "br"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/br/2-farm/lessons/1-predict-plant-growth/pi-temp.md
new file mode 100644
index 00000000..cc64f5ac
--- /dev/null
+++ b/translations/br/2-farm/lessons/1-predict-plant-growth/pi-temp.md
@@ -0,0 +1,125 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
+  "translation_date": "2025-08-28T04:09:25+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
+  "language_code": "br"
+}
+-->
+# Medir temperatura - Raspberry Pi
+
+Nesta parte da lição, você adicionará um sensor de temperatura ao seu Raspberry Pi.
+
+## Hardware
+
+O sensor que você usará é um [sensor de umidade e temperatura DHT11](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html), que combina 2 sensores em um único pacote. Este sensor é bastante popular, com vários sensores disponíveis comercialmente que combinam temperatura, umidade e, às vezes, pressão atmosférica. O componente de temperatura é um termistor de coeficiente de temperatura negativo (NTC), um termistor cuja resistência diminui à medida que a temperatura aumenta.
+
+Este é um sensor digital, então ele possui um conversor ADC integrado para criar um sinal digital contendo os dados de temperatura e umidade que o microcontrolador pode ler.
+
+### Conectar o sensor de temperatura
+
+O sensor de temperatura Grove pode ser conectado ao Raspberry Pi.
+
+#### Tarefa
+
+Conecte o sensor de temperatura
+
+![Um sensor de temperatura Grove](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.br.png)
+
+1. Insira uma extremidade do cabo Grove no conector do sensor de umidade e temperatura. Ele só encaixará de uma maneira.
+
+1. Com o Raspberry Pi desligado, conecte a outra extremidade do cabo Grove ao conector digital marcado como **D5** no Grove Base Hat conectado ao Pi. Este conector é o segundo da esquerda, na fileira de conectores ao lado dos pinos GPIO.
+
+![O sensor de temperatura Grove conectado ao conector A0](../../../../../translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.br.png)
+
+## Programar o sensor de temperatura
+
+Agora o dispositivo pode ser programado para usar o sensor de temperatura conectado.
+
+### Tarefa
+
+Programe o dispositivo.
+
+1. Ligue o Raspberry Pi e aguarde o boot.
+
+1. Abra o VS Code, diretamente no Pi ou conecte-se via a extensão Remote SSH.
+
+    > ⚠️ Você pode consultar [as instruções para configurar e abrir o VS Code na lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. No terminal, crie uma nova pasta no diretório home do usuário `pi` chamada `temperature-sensor`. Crie um arquivo nesta pasta chamado `app.py`:
+
+    ```sh
+    mkdir temperature-sensor
+    cd temperature-sensor
+    touch app.py
+    ```
+
+1. Abra esta pasta no VS Code.
+
+1. Para usar o sensor de temperatura e umidade, é necessário instalar um pacote adicional do Pip. No terminal do VS Code, execute o seguinte comando para instalar este pacote no Pi:
+
+    ```sh
+    pip3 install seeed-python-dht
+    ```
+
+1. Adicione o seguinte código ao arquivo `app.py` para importar as bibliotecas necessárias:
+
+    ```python
+    import time
+    from seeed_dht import DHT
+    ```
+
+    A instrução `from seeed_dht import DHT` importa a classe `DHT` para interagir com um sensor de temperatura Grove do módulo `seeed_dht`.
+
+1. Adicione o seguinte código após o código acima para criar uma instância da classe que gerencia o sensor de temperatura:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    Isso declara uma instância da classe `DHT` que gerencia o sensor de **U**midade e **T**emperatura **D**igital. O primeiro parâmetro informa ao código que o sensor utilizado é o *DHT11* - a biblioteca que você está usando suporta outras variantes deste sensor. O segundo parâmetro informa ao código que o sensor está conectado ao conector digital `D5` no Grove Base Hat.
+
+    > ✅ Lembre-se, todos os conectores possuem números de pinos únicos. Os pinos 0, 2, 4 e 6 são pinos analógicos, enquanto os pinos 5, 16, 18, 22, 24 e 26 são pinos digitais.
+
+1. Adicione um loop infinito após o código acima para consultar o valor do sensor de temperatura e imprimi-lo no console:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    A chamada para `sensor.read()` retorna uma tupla com umidade e temperatura. Você só precisa do valor de temperatura, então a umidade é ignorada. O valor da temperatura é então impresso no console.
+
+1. Adicione uma pausa de dez segundos no final do `loop`, já que os níveis de temperatura não precisam ser verificados continuamente. Uma pausa reduz o consumo de energia do dispositivo.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. No terminal do VS Code, execute o seguinte comando para rodar seu aplicativo Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Você deverá ver os valores de temperatura sendo exibidos no console. Use algo para aquecer o sensor, como pressionar seu dedo sobre ele ou usar um ventilador, para ver os valores mudarem:
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
+    Temperature 26°C
+    Temperature 26°C
+    Temperature 28°C
+    Temperature 30°C
+    Temperature 32°C
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi).
+
+😀 Seu programa do sensor de temperatura foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/br/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
new file mode 100644
index 00000000..70d4d9b0
--- /dev/null
+++ b/translations/br/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": "2025-08-28T04:13:07+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
+  "language_code": "br"
+}
+-->
+# Publicar temperatura - Hardware IoT Virtual e Raspberry Pi
+
+Nesta parte da lição, você irá publicar os valores de temperatura detectados pelo Raspberry Pi ou Dispositivo IoT Virtual via MQTT, para que possam ser usados posteriormente no cálculo de GDD.
+
+## Publicar a temperatura
+
+Depois que a temperatura for lida, ela pode ser publicada via MQTT para algum código 'servidor' que irá ler os valores e armazená-los, prontos para serem usados no cálculo de GDD.
+
+### Tarefa - publicar a temperatura
+
+Programe o dispositivo para publicar os dados de temperatura.
+
+1. Abra o projeto do aplicativo `temperature-sensor` se ele ainda não estiver aberto.
+
+1. Repita os passos que você realizou na lição 4 para se conectar ao MQTT e enviar telemetria. Você usará o mesmo broker público do Mosquitto.
+
+    Os passos para isso são:
+
+    - Adicionar o pacote pip do MQTT
+    - Adicionar o código para se conectar ao broker MQTT
+    - Adicionar o código para publicar telemetria
+
+    > ⚠️ Consulte as [instruções para se conectar ao MQTT](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md) e as [instruções para enviar telemetria](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md) da lição 4, se necessário.
+
+1. Certifique-se de que o `client_name` reflete o nome deste projeto:
+
+    ```python
+    client_name = id + 'temperature_sensor_client'
+    ```
+
+1. Para a telemetria, em vez de enviar um valor de luz, envie o valor de temperatura lido do sensor DHT em uma propriedade no documento JSON chamada `temperature`:
+
+    ```python
+    _, temp = sensor.read()
+    telemetry = json.dumps({'temperature' : temp})
+    ```
+
+1. O valor da temperatura não precisa ser lido com muita frequência - ele não mudará muito em um curto período de tempo, então configure o `time.sleep` para 10 minutos:
+
+    ```cpp
+    time.sleep(10 * 60);
+    ```
+
+    > 💁 A função `sleep` recebe o tempo em segundos, então, para facilitar a leitura, o valor é passado como o resultado de um cálculo. São 60s em um minuto, então 10 x (60s em um minuto) resulta em um atraso de 10 minutos.
+
+1. Execute o código da mesma forma que você executou o código da parte anterior da tarefa. Se você estiver usando um dispositivo IoT virtual, certifique-se de que o aplicativo CounterFit esteja em execução e que os sensores de umidade e temperatura tenham sido criados nos pinos corretos.
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py
+    MQTT connected!
+    Sending telemetry  {"temperature": 25}
+    Sending telemetry  {"temperature": 25}
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) ou na pasta [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi).
+
+😀 Você publicou com sucesso a temperatura como telemetria do seu dispositivo.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/br/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
new file mode 100644
index 00000000..fb437b1e
--- /dev/null
+++ b/translations/br/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
+  "translation_date": "2025-08-28T04:13:29+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
+  "language_code": "br"
+}
+-->
+# Medir temperatura - Hardware Virtual para IoT
+
+Nesta parte da lição, você adicionará um sensor de temperatura ao seu dispositivo IoT virtual.
+
+## Hardware Virtual
+
+O dispositivo IoT virtual usará um sensor simulado de Umidade e Temperatura Digital Grove. Isso mantém este laboratório semelhante ao uso de um Raspberry Pi com um sensor físico Grove DHT11.
+
+O sensor combina um **sensor de temperatura** com um **sensor de umidade**, mas neste laboratório você estará interessado apenas no componente do sensor de temperatura. Em um dispositivo IoT físico, o sensor de temperatura seria um [termistor](https://wikipedia.org/wiki/Thermistor) que mede a temperatura detectando uma mudança na resistência conforme a temperatura varia. Sensores de temperatura geralmente são sensores digitais que internamente convertem a resistência medida em uma temperatura em graus Celsius (ou Kelvin, ou Fahrenheit).
+
+### Adicionar os sensores ao CounterFit
+
+Para usar um sensor virtual de umidade e temperatura, você precisa adicionar os dois sensores ao aplicativo CounterFit.
+
+#### Tarefa - adicionar os sensores ao CounterFit
+
+Adicione os sensores de umidade e temperatura ao aplicativo CounterFit.
+
+1. Crie um novo aplicativo Python no seu computador em uma pasta chamada `temperature-sensor` com um único arquivo chamado `app.py` e um ambiente virtual Python, e adicione os pacotes pip do CounterFit.
+
+    > ⚠️ Você pode consultar [as instruções para criar e configurar um projeto Python do CounterFit na lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Instale um pacote adicional do Pip para instalar um shim do CounterFit para o sensor DHT11. Certifique-se de instalar isso a partir de um terminal com o ambiente virtual ativado.
+
+    ```sh
+    pip install counterfit-shims-seeed-python-dht
+    ```
+
+1. Certifique-se de que o aplicativo web CounterFit esteja em execução.
+
+1. Crie um sensor de umidade:
+
+    1. Na caixa *Create sensor* no painel *Sensors*, abra o menu suspenso *Sensor type* e selecione *Humidity*.
+
+    1. Deixe a opção *Units* configurada como *Percentage*.
+
+    1. Certifique-se de que o *Pin* esteja configurado como *5*.
+
+    1. Selecione o botão **Add** para criar o sensor de umidade no pino 5.
+
+    ![As configurações do sensor de umidade](../../../../../translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.br.png)
+
+    O sensor de umidade será criado e aparecerá na lista de sensores.
+
+    ![O sensor de umidade criado](../../../../../translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.br.png)
+
+1. Crie um sensor de temperatura:
+
+    1. Na caixa *Create sensor* no painel *Sensors*, abra o menu suspenso *Sensor type* e selecione *Temperature*.
+
+    1. Deixe a opção *Units* configurada como *Celsius*.
+
+    1. Certifique-se de que o *Pin* esteja configurado como *6*.
+
+    1. Selecione o botão **Add** para criar o sensor de temperatura no pino 6.
+
+    ![As configurações do sensor de temperatura](../../../../../translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.br.png)
+
+    O sensor de temperatura será criado e aparecerá na lista de sensores.
+
+    ![O sensor de temperatura criado](../../../../../translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.br.png)
+
+## Programar o aplicativo do sensor de temperatura
+
+Agora o aplicativo do sensor de temperatura pode ser programado usando os sensores do CounterFit.
+
+### Tarefa - programar o aplicativo do sensor de temperatura
+
+Programe o aplicativo do sensor de temperatura.
+
+1. Certifique-se de que o aplicativo `temperature-sensor` esteja aberto no VS Code.
+
+1. Abra o arquivo `app.py`.
+
+1. Adicione o seguinte código ao topo do arquivo `app.py` para conectar o aplicativo ao CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Adicione o seguinte código ao arquivo `app.py` para importar as bibliotecas necessárias:
+
+    ```python
+    import time
+    from counterfit_shims_seeed_python_dht import DHT
+    ```
+
+    A instrução `from seeed_dht import DHT` importa a classe `DHT` para interagir com um sensor virtual de temperatura Grove usando um shim do módulo `counterfit_shims_seeed_python_dht`.
+
+1. Adicione o seguinte código após o código acima para criar uma instância da classe que gerencia o sensor virtual de umidade e temperatura:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    Isso declara uma instância da classe `DHT` que gerencia o sensor virtual de **U**midade e **T**emperatura **D**igital. O primeiro parâmetro informa ao código que o sensor usado é um sensor virtual *DHT11*. O segundo parâmetro informa ao código que o sensor está conectado à porta `5`.
+
+    > 💁 O CounterFit simula este sensor combinado de umidade e temperatura conectando-se a 2 sensores: um sensor de umidade no pino fornecido quando a classe `DHT` é criada, e um sensor de temperatura que opera no próximo pino. Se o sensor de umidade estiver no pino 5, o shim espera que o sensor de temperatura esteja no pino 6.
+
+1. Adicione um loop infinito após o código acima para consultar o valor do sensor de temperatura e imprimi-lo no console:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    A chamada para `sensor.read()` retorna uma tupla de umidade e temperatura. Você só precisa do valor da temperatura, então a umidade é ignorada. O valor da temperatura é então impresso no console.
+
+1. Adicione uma pequena pausa de dez segundos no final do `loop`, já que os níveis de temperatura não precisam ser verificados continuamente. Uma pausa reduz o consumo de energia do dispositivo.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. No terminal do VS Code com o ambiente virtual ativado, execute o seguinte comando para rodar seu aplicativo Python:
+
+    ```sh
+    python app.py
+    ```
+
+1. No aplicativo CounterFit, altere o valor do sensor de temperatura que será lido pelo aplicativo. Você pode fazer isso de duas maneiras:
+
+    * Insira um número na caixa *Value* do sensor de temperatura e selecione o botão **Set**. O número inserido será o valor retornado pelo sensor.
+
+    * Marque a caixa *Random* e insira um valor *Min* e *Max*, depois selecione o botão **Set**. Toda vez que o sensor ler um valor, ele lerá um número aleatório entre *Min* e *Max*.
+
+    Você deve ver os valores que configurou aparecendo no console. Altere o *Value* ou as configurações de *Random* para ver o valor mudar.
+
+    ```output
+    (.venv) ➜  temperature-sensor python app.py
+    Temperature 28.25°C
+    Temperature 30.71°C
+    Temperature 25.17°C
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device).
+
+😀 Seu programa do sensor de temperatura foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/br/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
new file mode 100644
index 00000000..054e4584
--- /dev/null
+++ b/translations/br/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": "2025-08-28T04:12:21+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
+  "language_code": "br"
+}
+-->
+# Publicar temperatura - Wio Terminal
+
+Nesta parte da lição, você irá publicar os valores de temperatura detectados pelo Wio Terminal via MQTT para que possam ser usados posteriormente no cálculo de GDD.
+
+## Publicar a temperatura
+
+Depois que a temperatura for lida, ela pode ser publicada via MQTT para algum código 'servidor' que irá ler os valores e armazená-los, prontos para serem usados no cálculo de GDD. Microcontroladores não leem o horário da Internet nem acompanham o tempo com um relógio em tempo real por padrão; o dispositivo precisa ser programado para isso, assumindo que possui o hardware necessário.
+
+Para simplificar as coisas nesta lição, o horário não será enviado com os dados do sensor; em vez disso, ele pode ser adicionado pelo código do servidor mais tarde, quando as mensagens forem recebidas.
+
+### Tarefa
+
+Programe o dispositivo para publicar os dados de temperatura.
+
+1. Abra o projeto `temperature-sensor` do Wio Terminal.
+
+1. Repita os passos que você realizou na lição 4 para se conectar ao MQTT e enviar telemetria. Você usará o mesmo broker público do Mosquitto.
+
+    Os passos para isso são:
+
+    - Adicionar as bibliotecas Seeed WiFi e MQTT ao arquivo `.ini`
+    - Adicionar o arquivo de configuração e o código para conectar ao WiFi
+    - Adicionar o código para conectar ao broker MQTT
+    - Adicionar o código para publicar telemetria
+
+    > ⚠️ Consulte as [instruções para conectar ao MQTT](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) e as [instruções para enviar telemetria](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md) da lição 4, se necessário.
+
+1. Certifique-se de que o `CLIENT_NAME` no arquivo de cabeçalho `config.h` reflete este projeto:
+
+    ```cpp
+    const string CLIENT_NAME = ID + "temperature_sensor_client";
+    ```
+
+1. Para a telemetria, em vez de enviar um valor de luz, envie o valor de temperatura lido do sensor DHT em uma propriedade no documento JSON chamada `temperature`, alterando a função `loop` no arquivo `main.cpp`:
+
+    ```cpp
+    float temp_hum_val[2] = {0};
+    dht.readTempAndHumidity(temp_hum_val);
+
+    DynamicJsonDocument doc(1024);
+    doc["temperature"] = temp_hum_val[1];
+    ```
+
+1. O valor da temperatura não precisa ser lido com muita frequência - ele não mudará muito em um curto período de tempo, então configure o `delay` na função `loop` para 10 minutos:
+
+    ```cpp
+    delay(10 * 60 * 1000);
+    ```
+
+    > 💁 A função `delay` recebe o tempo em milissegundos, então, para facilitar a leitura, o valor é passado como o resultado de um cálculo. 1.000ms em um segundo, 60s em um minuto, então 10 x (60s em um minuto) x (1.000ms em um segundo) resulta em um atraso de 10 minutos.
+
+1. Envie este código para o seu Wio Terminal e use o monitor serial para ver a temperatura sendo enviada ao broker 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}
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal).
+
+😀 Você publicou com sucesso a temperatura como telemetria do seu dispositivo.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/br/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
new file mode 100644
index 00000000..540f6836
--- /dev/null
+++ b/translations/br/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
@@ -0,0 +1,143 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "59263d094f20b302053888cd236880c3",
+  "translation_date": "2025-08-28T04:14:15+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
+  "language_code": "br"
+}
+-->
+# Medir temperatura - Wio Terminal
+
+Nesta parte da lição, você adicionará um sensor de temperatura ao seu Wio Terminal e lerá os valores de temperatura dele.
+
+## Hardware
+
+O Wio Terminal precisa de um sensor de temperatura.
+
+O sensor que você usará é um [sensor de umidade e temperatura DHT11](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html), que combina 2 sensores em um único dispositivo. Este sensor é bastante popular, com vários modelos disponíveis comercialmente que combinam temperatura, umidade e, às vezes, pressão atmosférica. O componente do sensor de temperatura é um termistor de coeficiente de temperatura negativo (NTC), um termistor cuja resistência diminui à medida que a temperatura aumenta.
+
+Este é um sensor digital, portanto, possui um conversor ADC integrado para criar um sinal digital contendo os dados de temperatura e umidade que o microcontrolador pode ler.
+
+### Conectar o sensor de temperatura
+
+O sensor de temperatura Grove pode ser conectado à porta digital do Wio Terminal.
+
+#### Tarefa - conectar o sensor de temperatura
+
+Conecte o sensor de temperatura.
+
+![Um sensor de temperatura Grove](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.br.png)
+
+1. Insira uma extremidade de um cabo Grove no conector do sensor de umidade e temperatura. Ele só se encaixará de uma maneira.
+
+1. Com o Wio Terminal desconectado do seu computador ou de outra fonte de energia, conecte a outra extremidade do cabo Grove ao conector Grove do lado direito do Wio Terminal, olhando para a tela. Este é o conector mais distante do botão de energia.
+
+![O sensor de temperatura Grove conectado ao conector do lado direito](../../../../../translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.br.png)
+
+## Programar o sensor de temperatura
+
+Agora o Wio Terminal pode ser programado para usar o sensor de temperatura conectado.
+
+### Tarefa - programar o sensor de temperatura
+
+Programe o dispositivo.
+
+1. Crie um novo projeto para o Wio Terminal usando o PlatformIO. Chame este projeto de `temperature-sensor`. Adicione código na função `setup` para configurar a porta serial.
+
+    > ⚠️ Você pode consultar [as instruções para criar um projeto PlatformIO no projeto 1, lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project).
+
+1. Adicione uma dependência de biblioteca para a biblioteca Seeed Grove Humidity and Temperature sensor no arquivo `platformio.ini` do projeto:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
+    ```
+
+    > ⚠️ Você pode consultar [as instruções para adicionar bibliotecas a um projeto PlatformIO no projeto 1, lição 4, se necessário](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries).
+
+1. Adicione as seguintes diretivas `#include` ao topo do arquivo, abaixo do `#include <Arduino.h>` existente:
+
+    ```cpp
+    #include <DHT.h>
+    #include <SPI.h>
+    ```
+
+    Isso importa os arquivos necessários para interagir com o sensor. O arquivo de cabeçalho `DHT.h` contém o código para o próprio sensor, e adicionar o cabeçalho `SPI.h` garante que o código necessário para se comunicar com o sensor seja vinculado quando o aplicativo for compilado.
+
+1. Antes da função `setup`, declare o sensor DHT:
+
+    ```cpp
+    DHT dht(D0, DHT11);
+    ```
+
+    Isso declara uma instância da classe `DHT` que gerencia o sensor de **U**midade e **T**emperatura **D**igital. Ele está conectado à porta `D0`, o conector Grove do lado direito do Wio Terminal. O segundo parâmetro informa ao código que o sensor usado é o *DHT11* - a biblioteca que você está usando suporta outras variantes deste sensor.
+
+1. Na função `setup`, adicione código para configurar a conexão serial:
+
+    ```cpp
+    void setup()
+    {
+        Serial.begin(9600);
+    
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    ```
+
+1. No final da função `setup`, após o último `delay`, adicione uma chamada para iniciar o sensor DHT:
+
+    ```cpp
+    dht.begin();
+    ```
+
+1. Na função `loop`, adicione código para chamar o sensor e imprimir a temperatura na porta serial:
+
+    ```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);
+    }
+    ```
+
+    Este código declara um array vazio de 2 floats e o passa para a chamada `readTempAndHumidity` na instância `DHT`. Esta chamada preenche o array com 2 valores - a umidade vai para o item 0 do array (lembre-se de que em C++ os arrays são baseados em 0, então o item 0 é o 'primeiro' item do array), e a temperatura vai para o item 1.
+
+    A temperatura é lida do item 1 do array e impressa na porta serial.
+
+    > 🇺🇸 A temperatura é lida em Celsius. Para os americanos, para converter isso para Fahrenheit, divida o valor em Celsius por 5, depois multiplique por 9 e, em seguida, adicione 32. Por exemplo, uma leitura de temperatura de 20°C se torna ((20/5)*9) + 32 = 68°F.
+
+1. Compile e envie o código para o Wio Terminal.
+
+    > ⚠️ Você pode consultar [as instruções para criar um projeto PlatformIO no projeto 1, lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app).
+
+1. Depois de enviado, você pode monitorar a temperatura usando o monitor serial:
+
+    ```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
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal).
+
+😀 Seu programa do sensor de temperatura foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/br/2-farm/lessons/2-detect-soil-moisture/README.md
new file mode 100644
index 00000000..95d2ed88
--- /dev/null
+++ b/translations/br/2-farm/lessons/2-detect-soil-moisture/README.md
@@ -0,0 +1,169 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
+  "translation_date": "2025-08-28T03:53:15+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
+  "language_code": "br"
+}
+-->
+C, pronunciado *I-quadrado-C*, é um protocolo multi-controlador e multi-periférico, onde qualquer dispositivo conectado pode atuar como controlador ou periférico, comunicando-se através do barramento I²C (o nome para um sistema de comunicação que transfere dados). Os dados são enviados como pacotes endereçados, com cada pacote contendo o endereço do dispositivo conectado ao qual se destina.
+
+> 💁 Este modelo costumava ser referido como mestre/escravo, mas essa terminologia está sendo abandonada devido à sua associação com a escravidão. A [Open Source Hardware Association adotou controlador/periférico](https://www.oshwa.org/a-resolution-to-redefine-spi-signal-names/), mas você ainda pode encontrar referências à terminologia antiga.
+
+Os dispositivos possuem um endereço que é usado quando se conectam ao barramento I²C, geralmente codificado no próprio dispositivo. Por exemplo, cada tipo de sensor Grove da Seeed tem o mesmo endereço, então todos os sensores de luz têm o mesmo endereço, todos os botões têm o mesmo endereço, que é diferente do endereço do sensor de luz. Alguns dispositivos possuem maneiras de alterar o endereço, mudando configurações de jumpers ou soldando pinos juntos.
+
+O I²C possui um barramento composto por 2 fios principais, além de 2 fios de alimentação:
+
+| Fio | Nome | Descrição |
+| ---- | --------- | ----------- |
+| SDA | Dados Seriais | Este fio é usado para enviar dados entre dispositivos. |
+| SCL | Clock Serial | Este fio envia um sinal de clock em uma taxa definida pelo controlador. |
+| VCC | Coletor Comum de Voltagem | A fonte de alimentação para os dispositivos. Este fio está conectado aos fios SDA e SCL para fornecer energia por meio de um resistor pull-up que desliga o sinal quando nenhum dispositivo é o controlador. |
+| GND | Terra | Fornece um terra comum para o circuito elétrico. |
+
+![Barramento I2C com 3 dispositivos conectados aos fios SDA e SCL, compartilhando um fio de terra comum](../../../../../translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.br.png)
+
+Para enviar dados, um dispositivo emitirá uma condição de início para indicar que está pronto para enviar dados. Ele então se tornará o controlador. O controlador envia o endereço do dispositivo com o qual deseja se comunicar, juntamente com a informação se deseja ler ou escrever dados. Após a transmissão dos dados, o controlador envia uma condição de parada para indicar que terminou. Depois disso, outro dispositivo pode se tornar o controlador e enviar ou receber dados.
+
+2<sup>C tem limites de velocidade, com 3 modos diferentes operando em velocidades fixas. O mais rápido é o modo de Alta Velocidade, com uma velocidade máxima de 3,4 Mbps (megabits por segundo), embora poucos dispositivos suportem essa velocidade. O Raspberry Pi, por exemplo, é limitado ao modo rápido a 400 Kbps (kilobits por segundo). O modo padrão opera a 100 Kbps.
+
+> 💁 Se você estiver usando um Raspberry Pi com um Grove Base Hat como seu hardware IoT, poderá ver vários soquetes I<sup>2</sup>C na placa que podem ser usados para se comunicar com sensores I<sup>2</sup>C. Sensores analógicos Grove também utilizam I<sup>2</sup>C com um ADC para enviar valores analógicos como dados digitais, então o sensor de luz que você usou simulou um pino analógico, com o valor enviado via I<sup>2</sup>C, já que o Raspberry Pi suporta apenas pinos digitais.
+
+### Receptor-transmissor assíncrono universal (UART)
+
+UART envolve circuitos físicos que permitem a comunicação entre dois dispositivos. Cada dispositivo possui 2 pinos de comunicação - transmissão (Tx) e recepção (Rx), com o pino Tx do primeiro dispositivo conectado ao pino Rx do segundo, e o pino Tx do segundo dispositivo conectado ao pino Rx do primeiro. Isso permite o envio de dados em ambas as direções.
+
+* O Dispositivo 1 transmite dados do seu pino Tx, que são recebidos pelo Dispositivo 2 no seu pino Rx.
+* O Dispositivo 1 recebe dados no seu pino Rx que são transmitidos pelo Dispositivo 2 a partir do seu pino Tx.
+
+![UART com o pino Tx de um chip conectado ao pino Rx de outro, e vice-versa](../../../../../translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.br.png)
+
+> 🎓 Os dados são enviados um bit por vez, e isso é conhecido como comunicação *serial*. A maioria dos sistemas operacionais e microcontroladores possuem *portas seriais*, ou seja, conexões que podem enviar e receber dados seriais disponíveis para o seu código.
+
+Dispositivos UART possuem uma [taxa de transmissão](https://wikipedia.org/wiki/Symbol_rate) (também conhecida como taxa de símbolos), que é a velocidade com que os dados serão enviados e recebidos em bits por segundo. Uma taxa de transmissão comum é 9.600, o que significa que 9.600 bits (0s e 1s) de dados são enviados a cada segundo.
+
+UART utiliza bits de início e parada - ou seja, envia um bit de início para indicar que está prestes a enviar um byte (8 bits) de dados, e um bit de parada após enviar os 8 bits.
+
+A velocidade do UART depende do hardware, mas mesmo as implementações mais rápidas não excedem 6,5 Mbps (megabits por segundo, ou milhões de bits, 0 ou 1, enviados por segundo).
+
+Você pode usar UART sobre pinos GPIO - é possível configurar um pino como Tx e outro como Rx, e então conectá-los a outro dispositivo.
+
+> 💁 Se você estiver usando um Raspberry Pi com um Grove Base Hat como seu hardware IoT, poderá ver um soquete UART na placa que pode ser usado para se comunicar com sensores que utilizam o protocolo UART.
+
+### Interface Periférica Serial (SPI)
+
+SPI é projetada para comunicação em curtas distâncias, como em um microcontrolador para se comunicar com um dispositivo de armazenamento, como memória flash. Ela é baseada em um modelo controlador/periférico, com um único controlador (geralmente o processador do dispositivo IoT) interagindo com múltiplos periféricos. O controlador gerencia tudo, selecionando um periférico e enviando ou solicitando dados.
+
+> 💁 Assim como no I<sup>2</sup>C, os termos controlador e periférico são mudanças recentes, então você pode encontrar os termos antigos ainda sendo usados.
+
+Controladores SPI utilizam 3 fios, junto com 1 fio extra por periférico. Periféricos utilizam 4 fios. Esses fios são:
+
+| Fio | Nome | Descrição |
+| ---- | --------- | ----------- |
+| COPI | Saída do Controlador, Entrada do Periférico | Este fio é usado para enviar dados do controlador para o periférico. |
+| CIPO | Entrada do Controlador, Saída do Periférico | Este fio é usado para enviar dados do periférico para o controlador. |
+| SCLK | Relógio Serial | Este fio envia um sinal de relógio em uma taxa definida pelo controlador. |
+| CS   | Seleção de Chip | O controlador possui múltiplos fios, um por periférico, e cada fio conecta ao fio CS no periférico correspondente. |
+
+![SPI com um controlador e dois periféricos](../../../../../translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.br.png)
+
+O fio CS é usado para ativar um periférico por vez, comunicando-se pelos fios COPI e CIPO. Quando o controlador precisa mudar de periférico, ele desativa o fio CS conectado ao periférico ativo e ativa o fio conectado ao periférico com o qual deseja se comunicar.
+
+SPI é *full-duplex*, o que significa que o controlador pode enviar e receber dados ao mesmo tempo do mesmo periférico usando os fios COPI e CIPO. SPI utiliza um sinal de relógio no fio SCLK para manter os dispositivos sincronizados, então, ao contrário do envio direto via UART, não precisa de bits de início e parada.
+
+Não há limites de velocidade definidos para SPI, com implementações frequentemente capazes de transmitir múltiplos megabytes de dados por segundo.
+
+Kits de desenvolvimento IoT frequentemente suportam SPI em alguns dos pinos GPIO. Por exemplo, em um Raspberry Pi, você pode usar os pinos GPIO 19, 21, 23, 24 e 26 para SPI.
+
+### Sem fio
+
+Alguns sensores podem se comunicar por protocolos sem fio padrão, como Bluetooth (principalmente Bluetooth Low Energy, ou BLE), LoRaWAN (um protocolo de rede de baixa potência de **Lo**nga **Ra**nge) ou WiFi. Isso permite sensores remotos que não estão fisicamente conectados a um dispositivo IoT.
+
+Um exemplo disso são sensores comerciais de umidade do solo. Eles medem a umidade do solo em um campo e enviam os dados via LoRaWAN para um dispositivo central, que processa os dados ou os envia pela Internet. Isso permite que o sensor esteja distante do dispositivo IoT que gerencia os dados, reduzindo o consumo de energia e a necessidade de grandes redes WiFi ou cabos longos.
+
+BLE é popular para sensores avançados, como rastreadores de fitness usados no pulso. Esses dispositivos combinam múltiplos sensores e enviam os dados para um dispositivo IoT, como seu telefone, via BLE.
+
+✅ Você tem algum sensor Bluetooth com você, em sua casa ou na sua escola? Eles podem incluir sensores de temperatura, sensores de ocupação, rastreadores de dispositivos e dispositivos de fitness.
+
+Uma maneira popular para dispositivos comerciais se conectarem é o Zigbee. O Zigbee utiliza WiFi para formar redes mesh entre dispositivos, onde cada dispositivo se conecta ao maior número possível de dispositivos próximos, formando uma grande quantidade de conexões, como uma teia de aranha. Quando um dispositivo deseja enviar uma mensagem para a Internet, ele pode enviá-la para os dispositivos mais próximos, que então a encaminham para outros dispositivos próximos e assim por diante, até alcançar um coordenador e ser enviada para a Internet.
+
+> 🐝 O nome Zigbee refere-se à dança de abanar das abelhas após retornarem à colmeia.
+
+## Medir os níveis de umidade do solo
+
+Você pode medir o nível de umidade do solo usando um sensor de umidade do solo, um dispositivo IoT e uma planta doméstica ou um pedaço de solo próximo.
+
+### Tarefa - medir a umidade do solo
+
+Siga o guia relevante para medir a umidade do solo usando seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)
+* [Computador de placa única - Raspberry Pi](pi-soil-moisture.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-soil-moisture.md)
+
+## Calibração de sensores
+
+Sensores dependem da medição de propriedades elétricas, como resistência ou capacitância.
+
+> 🎓 Resistência, medida em ohms (Ω), é a oposição à corrente elétrica que flui através de algo. Quando uma tensão é aplicada a um material, a quantidade de corrente que passa por ele depende da resistência do material. Você pode ler mais na [página de resistência elétrica na Wikipedia](https://wikipedia.org/wiki/Electrical_resistance_and_conductance).
+
+> 🎓 Capacitância, medida em farads (F), é a capacidade de um componente ou circuito de coletar e armazenar energia elétrica. Você pode ler mais sobre capacitância na [página de capacitância na Wikipedia](https://wikipedia.org/wiki/Capacitance).
+
+Essas medições nem sempre são úteis - imagine um sensor de temperatura que fornecesse uma medição de 22,5 kΩ! Em vez disso, o valor medido precisa ser convertido em uma unidade útil por meio da calibração - ou seja, associar os valores medidos à quantidade medida para permitir que novas medições sejam convertidas para a unidade correta.
+
+Alguns sensores vêm pré-calibrados. Por exemplo, o sensor de temperatura que você usou na última lição já estava calibrado para retornar uma medição de temperatura em °C. Na fábrica, o primeiro sensor criado seria exposto a uma faixa de temperaturas conhecidas e a resistência medida. Isso seria então usado para construir um cálculo que pode converter do valor medido em Ω (a unidade de resistência) para °C.
+
+> 💁 A fórmula para calcular a resistência a partir da temperatura é chamada de [equação de Steinhart–Hart](https://wikipedia.org/wiki/Steinhart–Hart_equation).
+
+### Calibração do sensor de umidade do solo
+
+A umidade do solo é medida usando o conteúdo de água gravimétrico ou volumétrico.
+
+* Gravimétrico é o peso da água em uma unidade de peso do solo, medido como o número de quilogramas de água por quilograma de solo seco.
+* Volumétrico é o volume de água em uma unidade de volume do solo, medido como o número de metros cúbicos de água por metro cúbico de solo seco.
+
+> 🇺🇸 Para os americanos, devido à consistência das unidades, essas medições podem ser feitas em libras em vez de quilogramas ou pés cúbicos em vez de metros cúbicos.
+
+Sensores de umidade do solo medem resistência elétrica ou capacitância - isso não apenas varia com a umidade do solo, mas também com o tipo de solo, já que os componentes do solo podem alterar suas características elétricas. Idealmente, os sensores devem ser calibrados - ou seja, realizar leituras do sensor e compará-las com medições obtidas por um método mais científico. Por exemplo, um laboratório pode calcular a umidade gravimétrica do solo usando amostras de um campo específico algumas vezes por ano, e esses números podem ser usados para calibrar o sensor, associando a leitura do sensor à umidade gravimétrica do solo.
+
+![Um gráfico de tensão vs. conteúdo de umidade do solo](../../../../../translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.br.png)
+
+O gráfico acima mostra como calibrar um sensor. A tensão é capturada para uma amostra de solo que é então medida em um laboratório, comparando o peso úmido ao peso seco (medindo o peso úmido, depois secando no forno e medindo o peso seco). Após algumas leituras, os dados podem ser plotados em um gráfico e uma linha ajustada aos pontos. Essa linha pode então ser usada para converter leituras do sensor de umidade do solo feitas por um dispositivo IoT em medições reais de umidade do solo.
+
+💁 Para sensores resistivos de umidade do solo, a tensão aumenta à medida que a umidade do solo aumenta. Para sensores capacitivos de umidade do solo, a tensão diminui à medida que a umidade do solo aumenta, então os gráficos para esses sensores teriam uma inclinação descendente, não ascendente.
+
+![Um valor de umidade do solo interpolado a partir do gráfico](../../../../../translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.br.png)
+
+O gráfico acima mostra uma leitura de tensão de um sensor de umidade do solo e, ao seguir essa leitura até a linha no gráfico, a umidade real do solo pode ser calculada.
+
+Essa abordagem significa que o agricultor só precisa obter algumas medições laboratoriais para um campo, e então pode usar dispositivos IoT para medir a umidade do solo - acelerando drasticamente o tempo necessário para obter medições.
+
+---
+
+## 🚀 Desafio
+
+Sensores resistivos e capacitivos de umidade do solo possuem várias diferenças. Quais são essas diferenças, e qual tipo (se houver) é o melhor para um agricultor usar? Essa resposta muda entre países em desenvolvimento e desenvolvidos?
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
+
+## Revisão e Autoestudo
+
+Leia sobre o hardware e os protocolos usados por sensores e atuadores:
+
+* [Página da Wikipedia sobre GPIO](https://wikipedia.org/wiki/General-purpose_input/output)
+* [Página da Wikipedia sobre UART](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)
+* [Página da Wikipedia sobre SPI](https://wikipedia.org/wiki/Serial_Peripheral_Interface)
+* [Página da Wikipedia sobre I<sup>2</sup>C](https://wikipedia.org/wiki/I²C)
+* [Página da Wikipedia sobre Zigbee](https://wikipedia.org/wiki/Zigbee)
+
+## Tarefa
+
+[Calibre seu sensor](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/br/2-farm/lessons/2-detect-soil-moisture/assignment.md
new file mode 100644
index 00000000..f3a995ef
--- /dev/null
+++ b/translations/br/2-farm/lessons/2-detect-soil-moisture/assignment.md
@@ -0,0 +1,63 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "506d21b544d5de47406c89ad496a21cd",
+  "translation_date": "2025-08-28T03:56:41+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
+  "language_code": "br"
+}
+-->
+# Calibre seu sensor
+
+## Instruções
+
+Nesta lição, você coletou leituras do sensor de umidade do solo, medidas como valores de 0 a 1023. Para converter esses valores em leituras reais de umidade do solo, é necessário calibrar o sensor. Você pode fazer isso coletando amostras de solo, medindo a umidade gravimétrica do solo a partir dessas amostras.
+
+Será necessário repetir esses passos várias vezes para obter as leituras necessárias, com diferentes níveis de umidade do solo a cada vez.
+
+1. Faça uma leitura de umidade do solo usando o sensor de umidade do solo. Anote essa leitura.
+
+1. Pegue uma amostra do solo e pese-a. Anote esse peso.
+
+1. Seque o solo - um forno aquecido a 110°C (230°F) por algumas horas é a melhor opção. Você também pode secá-lo ao sol ou colocá-lo em um local quente e seco até que o solo esteja completamente seco. Ele deve ficar pulverulento e solto.
+
+    > 💁 Em um laboratório, para obter resultados mais precisos, você deve secar o solo em um forno por 48-72 horas. Se sua escola tiver fornos de secagem, veja se é possível utilizá-los para secar por mais tempo. Quanto mais tempo, mais seco estará o solo e mais precisos serão os resultados.
+
+1. Pese o solo novamente.
+
+    > 🔥 Se você secou o solo em um forno, certifique-se de que ele esfriou antes de pesá-lo!
+
+A umidade gravimétrica do solo é calculada como:
+
+![umidade do solo % é o peso úmido menos o peso seco, dividido pelo peso seco, vezes 100](../../../../../translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.br.png)
+
+* W  
+- o peso do solo úmido  
+* W  
+- o peso do solo seco  
+
+Por exemplo, suponha que você tenha uma amostra de solo que pesa 212g úmida e 197g seca.
+
+![O cálculo preenchido](../../../../../translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.br.png)
+
+* W = 212g  
+* W = 197g  
+* 212 - 197 = 15  
+* 15 / 197 = 0,076  
+* 0,076 * 100 = 7,6%  
+
+Neste exemplo, o solo tem uma umidade gravimétrica de 7,6%.
+
+Depois de obter as leituras de pelo menos 3 amostras, trace um gráfico da porcentagem de umidade do solo em relação à leitura do sensor de umidade do solo e adicione uma linha que melhor se ajuste aos pontos. Você pode então usar esse gráfico para calcular a umidade gravimétrica do solo para uma leitura específica do sensor, lendo o valor na linha.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa de Melhorias |
+| -------- | --------- | -------- | -------------------- |
+| Coletar dados de calibração | Captura pelo menos 3 amostras de calibração | Captura pelo menos 2 amostras de calibração | Captura pelo menos 1 amostra de calibração |
+| Fazer uma leitura calibrada | Consegue traçar o gráfico de calibração e fazer uma leitura do sensor, convertendo-a em umidade gravimétrica do solo | Consegue traçar o gráfico de calibração | Não consegue traçar o gráfico |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/br/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
new file mode 100644
index 00000000..2818a4ef
--- /dev/null
+++ b/translations/br/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
@@ -0,0 +1,108 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
+  "translation_date": "2025-08-28T03:52:03+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
+  "language_code": "br"
+}
+-->
+# Medir a umidade do solo - Raspberry Pi
+
+Nesta parte da lição, você adicionará um sensor capacitivo de umidade do solo ao seu Raspberry Pi e lerá os valores dele.
+
+## Hardware
+
+O Raspberry Pi precisa de um sensor capacitivo de umidade do solo.
+
+O sensor que você usará é um [Sensor Capacitivo de Umidade do Solo](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html), que mede a umidade do solo detectando a capacitância do solo, uma propriedade que muda conforme a umidade do solo varia. À medida que a umidade do solo aumenta, a voltagem diminui.
+
+Este é um sensor analógico, então ele usa um pino analógico e o conversor ADC de 10 bits no Grove Base Hat do Raspberry Pi para converter a voltagem em um sinal digital de 1 a 1.023. Este sinal é então enviado via I²C pelos pinos GPIO do Raspberry Pi.
+
+### Conectar o sensor de umidade do solo
+
+O sensor de umidade do solo Grove pode ser conectado ao Raspberry Pi.
+
+#### Tarefa - conectar o sensor de umidade do solo
+
+Conecte o sensor de umidade do solo.
+
+![Um sensor de umidade do solo Grove](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.br.png)
+
+1. Insira uma extremidade de um cabo Grove no conector do sensor de umidade do solo. Ele só encaixará de uma maneira.
+
+1. Com o Raspberry Pi desligado, conecte a outra extremidade do cabo Grove ao conector analógico marcado como **A0** no Grove Base Hat conectado ao Raspberry Pi. Este conector é o segundo da direita, na fileira de conectores ao lado dos pinos GPIO.
+
+![O sensor de umidade do solo Grove conectado ao conector A0](../../../../../translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.br.png)
+
+1. Insira o sensor de umidade do solo no solo. Ele possui uma "linha de posição máxima" - uma linha branca atravessando o sensor. Insira o sensor até essa linha, mas não ultrapasse.
+
+![O sensor de umidade do solo Grove no solo](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.br.png)
+
+## Programar o sensor de umidade do solo
+
+Agora o Raspberry Pi pode ser programado para usar o sensor de umidade do solo conectado.
+
+### Tarefa - programar o sensor de umidade do solo
+
+Programe o dispositivo.
+
+1. Ligue o Raspberry Pi e aguarde a inicialização.
+
+1. Abra o VS Code, seja diretamente no Raspberry Pi ou conectando via a extensão Remote SSH.
+
+    > ⚠️ Você pode consultar [as instruções para configurar e abrir o VS Code no nightlight - lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. No terminal, crie uma nova pasta no diretório home do usuário `pi` chamada `soil-moisture-sensor`. Crie um arquivo nesta pasta chamado `app.py`.
+
+1. Abra esta pasta no VS Code.
+
+1. Adicione o seguinte código ao arquivo `app.py` para importar algumas bibliotecas necessárias:
+
+    ```python
+    import time
+    from grove.adc import ADC
+    ```
+
+    A instrução `import time` importa o módulo `time`, que será usado mais tarde nesta tarefa.
+
+    A instrução `from grove.adc import ADC` importa o `ADC` das bibliotecas Python do Grove. Esta biblioteca contém código para interagir com o conversor analógico-digital no Grove Base Hat e ler voltagens de sensores analógicos.
+
+1. Adicione o seguinte código abaixo para criar uma instância da classe `ADC`:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. Adicione um loop infinito que leia o ADC no pino A0 e escreva o resultado no console. Este loop pode então aguardar 10 segundos entre as leituras.
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+
+        time.sleep(10)
+    ```
+
+1. Execute o aplicativo Python. Você verá as medições de umidade do solo sendo exibidas no console. Adicione um pouco de água ao solo ou remova o sensor do solo e veja o valor mudar.
+
+    ```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
+    ```
+
+    No exemplo de saída acima, você pode ver a voltagem cair à medida que a água é adicionada.
+
+> 💁 Você pode encontrar este código na pasta [code/pi](../../../../../2-farm/lessons/2-detect-soil-moisture/code/pi).
+
+😀 Seu programa para o sensor de umidade do solo foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/br/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
new file mode 100644
index 00000000..e2fba577
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:56:00+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
+  "language_code": "br"
+}
+-->
+# Medir a umidade do solo - Hardware IoT Virtual
+
+Nesta parte da lição, você adicionará um sensor capacitivo de umidade do solo ao seu dispositivo IoT virtual e lerá os valores dele.
+
+## Hardware Virtual
+
+O dispositivo IoT virtual usará um sensor capacitivo de umidade do solo simulado da Grove. Isso mantém este laboratório semelhante ao uso de um Raspberry Pi com um sensor físico capacitivo de umidade do solo da Grove.
+
+Em um dispositivo IoT físico, o sensor de umidade do solo seria um sensor capacitivo que mede a umidade do solo detectando a capacitância do solo, uma propriedade que muda conforme a umidade do solo varia. À medida que a umidade do solo aumenta, a voltagem diminui.
+
+Este é um sensor analógico, então utiliza um ADC simulado de 10 bits para reportar um valor de 1 a 1.023.
+
+### Adicionar o sensor de umidade do solo ao CounterFit
+
+Para usar um sensor virtual de umidade do solo, você precisa adicioná-lo ao aplicativo CounterFit.
+
+#### Tarefa - Adicionar o sensor de umidade do solo ao CounterFit
+
+Adicione o sensor de umidade do solo ao aplicativo CounterFit.
+
+1. Crie um novo aplicativo Python no seu computador em uma pasta chamada `soil-moisture-sensor` com um único arquivo chamado `app.py`, um ambiente virtual Python, e adicione os pacotes pip do CounterFit.
+
+    > ⚠️ Você pode consultar [as instruções para criar e configurar um projeto Python no CounterFit na lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Certifique-se de que o aplicativo web do CounterFit esteja em execução.
+
+1. Crie um sensor de umidade do solo:
+
+    1. Na caixa *Create sensor* no painel *Sensors*, abra o menu suspenso *Sensor type* e selecione *Soil Moisture*.
+
+    1. Deixe a opção *Units* configurada como *NoUnits*.
+
+    1. Certifique-se de que o *Pin* esteja configurado como *0*.
+
+    1. Selecione o botão **Add** para criar o sensor *Soil Moisture* no Pin 0.
+
+    ![As configurações do sensor de umidade do solo](../../../../../translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.br.png)
+
+    O sensor de umidade do solo será criado e aparecerá na lista de sensores.
+
+    ![O sensor de umidade do solo criado](../../../../../translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.br.png)
+
+## Programar o aplicativo do sensor de umidade do solo
+
+Agora o aplicativo do sensor de umidade do solo pode ser programado usando os sensores do CounterFit.
+
+### Tarefa - Programar o aplicativo do sensor de umidade do solo
+
+Programe o aplicativo do sensor de umidade do solo.
+
+1. Certifique-se de que o aplicativo `soil-moisture-sensor` esteja aberto no VS Code.
+
+1. Abra o arquivo `app.py`.
+
+1. Adicione o seguinte código ao início do `app.py` para conectar o aplicativo ao CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Adicione o seguinte código ao arquivo `app.py` para importar algumas bibliotecas necessárias:
+
+    ```python
+    import time
+    from counterfit_shims_grove.adc import ADC
+    ```
+
+    A instrução `import time` importa o módulo `time`, que será usado mais tarde nesta tarefa.
+
+    A instrução `from counterfit_shims_grove.adc import ADC` importa a classe `ADC` para interagir com um conversor analógico-digital virtual que pode se conectar a um sensor do CounterFit.
+
+1. Adicione o seguinte código abaixo para criar uma instância da classe `ADC`:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. Adicione um loop infinito que leia o ADC no pino 0 e escreva o resultado no console. Esse loop pode então aguardar 10 segundos entre as leituras.
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+    
+        time.sleep(10)
+    ```
+
+1. No aplicativo CounterFit, altere o valor do sensor de umidade do solo que será lido pelo aplicativo. Você pode fazer isso de duas maneiras:
+
+    * Insira um número na caixa *Value* do sensor de umidade do solo e selecione o botão **Set**. O número inserido será o valor retornado pelo sensor.
+
+    * Marque a caixa *Random* e insira um valor *Min* e *Max*, depois selecione o botão **Set**. Toda vez que o sensor for lido, ele retornará um número aleatório entre *Min* e *Max*.
+
+1. Execute o aplicativo Python. Você verá as medições de umidade do solo sendo exibidas no console. Altere o *Value* ou as configurações de *Random* para observar a mudança nos valores.
+
+    ```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
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device).
+
+😀 Seu programa do sensor de umidade do solo foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/br/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
new file mode 100644
index 00000000..4a6e6a69
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:57:11+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
+  "language_code": "br"
+}
+-->
+# Medir a umidade do solo - Wio Terminal
+
+Nesta parte da lição, você adicionará um sensor capacitivo de umidade do solo ao seu Wio Terminal e lerá os valores dele.
+
+## Hardware
+
+O Wio Terminal precisa de um sensor capacitivo de umidade do solo.
+
+O sensor que você usará é um [Sensor Capacitivo de Umidade do Solo](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html), que mede a umidade do solo detectando a capacitância do solo, uma propriedade que muda conforme a umidade do solo varia. À medida que a umidade do solo aumenta, a voltagem diminui.
+
+Este é um sensor analógico, então ele se conecta aos pinos analógicos do Wio Terminal, usando um ADC integrado para criar um valor de 0 a 1.023.
+
+### Conectar o sensor de umidade do solo
+
+O sensor de umidade do solo Grove pode ser conectado à porta analógica/digital configurável do Wio Terminal.
+
+#### Tarefa - conectar o sensor de umidade do solo
+
+Conecte o sensor de umidade do solo.
+
+![Um sensor de umidade do solo Grove](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.br.png)
+
+1. Insira uma extremidade de um cabo Grove no conector do sensor de umidade do solo. Ele só encaixará de uma maneira.
+
+1. Com o Wio Terminal desconectado do seu computador ou de outra fonte de energia, conecte a outra extremidade do cabo Grove ao conector Grove do lado direito do Wio Terminal, olhando para a tela. Este é o conector mais distante do botão de energia.
+
+![O sensor de umidade do solo Grove conectado ao conector do lado direito](../../../../../translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.br.png)
+
+1. Insira o sensor de umidade do solo no solo. Ele possui uma 'linha de posição máxima' - uma linha branca atravessando o sensor. Insira o sensor até essa linha, mas não ultrapasse.
+
+![O sensor de umidade do solo Grove no solo](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.br.png)
+
+1. Agora você pode conectar o Wio Terminal ao seu computador.
+
+## Programar o sensor de umidade do solo
+
+Agora o Wio Terminal pode ser programado para usar o sensor de umidade do solo conectado.
+
+### Tarefa - programar o sensor de umidade do solo
+
+Programe o dispositivo.
+
+1. Crie um novo projeto para o Wio Terminal usando o PlatformIO. Chame este projeto de `soil-moisture-sensor`. Adicione código na função `setup` para configurar a porta serial.
+
+    > ⚠️ Você pode consultar [as instruções para criar um projeto PlatformIO no projeto 1, lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project).
+
+1. Não há uma biblioteca para este sensor, mas você pode ler o pino analógico usando a função [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/) integrada do Arduino. Comece configurando o pino analógico como entrada para que os valores possam ser lidos dele, adicionando o seguinte à função `setup`.
+
+    ```cpp
+    pinMode(A0, INPUT);
+    ```
+
+    Isso configura o pino `A0`, o pino combinado analógico/digital, como um pino de entrada do qual a voltagem pode ser lida.
+
+1. Adicione o seguinte à função `loop` para ler a voltagem deste pino:
+
+    ```cpp
+    int soil_moisture = analogRead(A0);
+    ```
+
+1. Abaixo deste código, adicione o seguinte código para imprimir o valor na porta serial:
+
+    ```cpp
+    Serial.print("Soil Moisture: ");
+    Serial.println(soil_moisture);
+    ```
+
+1. Por fim, adicione um atraso de 10 segundos no final:
+
+    ```cpp
+    delay(10000);
+    ```
+
+1. Compile e envie o código para o Wio Terminal.
+
+    > ⚠️ Você pode consultar [as instruções para criar um projeto PlatformIO no projeto 1, lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app).
+
+1. Depois de enviado, você pode monitorar a umidade do solo usando o monitor serial. Adicione um pouco de água ao solo ou remova o sensor do solo e veja o valor mudar.
+
+    ```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
+    ```
+
+    No exemplo de saída acima, você pode ver a voltagem cair à medida que a água é adicionada.
+
+> 💁 Você pode encontrar este código na pasta [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal).
+
+😀 Seu programa para o sensor de umidade do solo foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/3-automated-plant-watering/README.md b/translations/br/2-farm/lessons/3-automated-plant-watering/README.md
new file mode 100644
index 00000000..1f073115
--- /dev/null
+++ b/translations/br/2-farm/lessons/3-automated-plant-watering/README.md
@@ -0,0 +1,314 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
+  "translation_date": "2025-08-28T04:14:54+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
+  "language_code": "br"
+}
+-->
+# Irrigação automatizada de plantas
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Esta lição foi ensinada como parte da série [IoT para Iniciantes - Agricultura Digital](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) do [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Irrigação automatizada com IoT](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
+
+## Quiz pré-aula
+
+[Quiz pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
+
+## Introdução
+
+Na última lição, você aprendeu como monitorar a umidade do solo. Nesta lição, você aprenderá a construir os componentes principais de um sistema de irrigação automatizado que responde à umidade do solo. Também aprenderá sobre temporização - como sensores podem demorar para responder a mudanças e como atuadores podem levar tempo para alterar as propriedades medidas pelos sensores.
+
+Nesta lição, abordaremos:
+
+* [Controlar dispositivos de alta potência com um dispositivo IoT de baixa potência](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Controlar um relé](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Controlar sua planta via MQTT](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Temporização de sensores e atuadores](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Adicionar temporização ao servidor de controle da planta](../../../../../2-farm/lessons/3-automated-plant-watering)
+
+## Controlar dispositivos de alta potência com um dispositivo IoT de baixa potência
+
+Dispositivos IoT utilizam baixa voltagem. Embora isso seja suficiente para sensores e atuadores de baixa potência, como LEDs, é insuficiente para controlar equipamentos maiores, como uma bomba de água usada para irrigação. Mesmo bombas pequenas, que poderiam ser usadas para plantas domésticas, consomem muita corrente para um kit de desenvolvimento IoT e poderiam danificar a placa.
+
+> 🎓 Corrente, medida em Amperes (A), é a quantidade de eletricidade que passa por um circuito. A voltagem fornece o impulso, enquanto a corrente é a quantidade que é empurrada. Você pode ler mais sobre corrente na [página sobre corrente elétrica na Wikipedia](https://wikipedia.org/wiki/Electric_current).
+
+A solução para isso é conectar a bomba a uma fonte de energia externa e usar um atuador para ligar a bomba, semelhante a como você ligaria uma luz. É necessário apenas uma pequena quantidade de energia (na forma de energia do seu corpo) para seu dedo acionar um interruptor, conectando a luz à eletricidade da rede elétrica de 110v/240v.
+
+![Um interruptor de luz liga a energia para uma lâmpada](../../../../../translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.br.png)
+
+> 🎓 [Eletricidade da rede](https://wikipedia.org/wiki/Mains_electricity) refere-se à eletricidade fornecida a residências e empresas por meio de infraestrutura nacional em muitas partes do mundo.
+
+✅ Dispositivos IoT geralmente fornecem 3.3V ou 5V, com menos de 1 ampere (1A) de corrente. Compare isso com a eletricidade da rede, que geralmente é de 230V (120V na América do Norte e 100V no Japão) e pode fornecer energia para dispositivos que consomem até 30A.
+
+Existem vários atuadores que podem fazer isso, incluindo dispositivos mecânicos que você pode anexar a interruptores existentes para imitar um dedo ligando-os. O mais popular é o relé.
+
+### Relés
+
+Um relé é um interruptor eletromecânico que converte um sinal elétrico em um movimento mecânico que liga um interruptor. O núcleo de um relé é um eletroímã.
+
+> 🎓 [Eletroímãs](https://wikipedia.org/wiki/Electromagnet) são ímãs criados ao passar eletricidade por uma bobina de fio. Quando a eletricidade é ligada, a bobina se torna magnetizada. Quando a eletricidade é desligada, a bobina perde seu magnetismo.
+
+![Quando ligado, o eletroímã cria um campo magnético, acionando o interruptor do circuito de saída](../../../../../translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.br.png)
+
+Em um relé, um circuito de controle alimenta o eletroímã. Quando o eletroímã está ligado, ele puxa uma alavanca que move um interruptor, fechando um par de contatos e completando um circuito de saída.
+
+![Quando desligado, o eletroímã não cria um campo magnético, desligando o interruptor do circuito de saída](../../../../../translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.br.png)
+
+Quando o circuito de controle está desligado, o eletroímã desliga, liberando a alavanca e abrindo os contatos, desligando o circuito de saída. Relés são atuadores digitais - um sinal alto para o relé o liga, um sinal baixo o desliga.
+
+O circuito de saída pode ser usado para alimentar hardware adicional, como um sistema de irrigação. O dispositivo IoT pode ligar o relé, completando o circuito de saída que alimenta o sistema de irrigação, e as plantas são regadas. O dispositivo IoT pode então desligar o relé, cortando a energia do sistema de irrigação e interrompendo a água.
+
+![Um relé ligando, acionando uma bomba que envia água para uma planta](../../../../../images/strawberry-pump.gif)
+
+No vídeo acima, um relé é ligado. Um LED no relé acende para indicar que está ligado (algumas placas de relé possuem LEDs para indicar se o relé está ligado ou desligado), e a energia é enviada para a bomba, ligando-a e bombeando água para uma planta.
+
+> 💁 Relés também podem ser usados para alternar entre dois circuitos de saída, em vez de ligar ou desligar um. À medida que a alavanca se move, ela alterna um interruptor de completar um circuito de saída para completar outro circuito de saída, geralmente compartilhando uma conexão de energia comum ou conexão de terra comum.
+
+✅ Faça uma pesquisa: Existem vários tipos de relés, com diferenças como se o circuito de controle liga ou desliga o relé quando a energia é aplicada, ou múltiplos circuitos de saída. Descubra mais sobre esses diferentes tipos.
+
+Quando a alavanca se move, geralmente é possível ouvir o contato com o eletroímã com um clique bem definido.
+
+> 💁 Um relé pode ser conectado de forma que fazer a conexão realmente interrompa a energia para o relé, desligando-o, o que então envia energia para o relé, ligando-o novamente, e assim por diante. Isso significa que o relé clicará incrivelmente rápido, fazendo um ruído de zumbido. Foi assim que alguns dos primeiros campainhas elétricas funcionavam.
+
+### Alimentação do relé
+
+O eletroímã não precisa de muita energia para ativar e puxar a alavanca, podendo ser controlado usando a saída de 3.3V ou 5V de um kit de desenvolvimento IoT. O circuito de saída pode transportar muito mais energia, dependendo do relé, incluindo voltagem da rede elétrica ou até níveis de potência mais altos para uso industrial. Dessa forma, um kit de desenvolvimento IoT pode controlar um sistema de irrigação, desde uma pequena bomba para uma única planta até um sistema industrial massivo para uma fazenda comercial inteira.
+
+![Um relé Grove com o circuito de controle, circuito de saída e relé identificados](../../../../../translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.br.png)
+
+A imagem acima mostra um relé Grove. O circuito de controle conecta-se a um dispositivo IoT e liga ou desliga o relé usando 3.3V ou 5V. O circuito de saída possui dois terminais, qualquer um pode ser energia ou terra. O circuito de saída pode lidar com até 250V a 10A, suficiente para uma variedade de dispositivos alimentados pela rede elétrica. Você pode encontrar relés que suportam níveis de potência ainda mais altos.
+
+![Uma bomba conectada através de um relé](../../../../../translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.br.png)
+
+Na imagem acima, a energia é fornecida a uma bomba via relé. Há um fio vermelho conectando o terminal +5V de uma fonte de alimentação USB a um terminal do circuito de saída do relé, e outro fio vermelho conectando o outro terminal do circuito de saída à bomba. Um fio preto conecta a bomba ao terra na fonte de alimentação USB. Quando o relé é ligado, ele completa o circuito, enviando 5V para a bomba, ligando-a.
+
+## Controlar um relé
+
+Você pode controlar um relé a partir do seu kit de desenvolvimento IoT.
+
+### Tarefa - controlar um relé
+
+Siga o guia relevante para controlar um relé usando seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-relay.md)
+* [Computador de placa única - Raspberry Pi](pi-relay.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-relay.md)
+
+## Controlar sua planta via MQTT
+
+Até agora, seu relé é controlado diretamente pelo dispositivo IoT com base em uma única leitura de umidade do solo. Em um sistema de irrigação comercial, a lógica de controle será centralizada, permitindo tomar decisões sobre irrigação usando dados de vários sensores e permitindo que qualquer configuração seja alterada em um único lugar. Para simular isso, você pode controlar o relé via MQTT.
+
+### Tarefa - controlar o relé via MQTT
+
+1. Adicione as bibliotecas/pacotes pip MQTT relevantes e o código ao seu projeto `soil-moisture-sensor` para conectar ao MQTT. Nomeie o ID do cliente como `soilmoisturesensor_client` prefixado pelo seu ID.
+
+    > ⚠️ Você pode consultar [as instruções para conectar ao MQTT no projeto 1, lição 4, se necessário](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt).
+
+1. Adicione o código relevante do dispositivo para enviar telemetria com as configurações de umidade do solo. Para a mensagem de telemetria, nomeie a propriedade como `soil_moisture`.
+
+    > ⚠️ Você pode consultar [as instruções para enviar telemetria ao MQTT no projeto 1, lição 4, se necessário](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device).
+
+1. Crie algum código de servidor local para assinar a telemetria e enviar um comando para controlar o relé em uma pasta chamada `soil-moisture-sensor-server`. Nomeie a propriedade na mensagem de comando como `relay_on` e defina o ID do cliente como `soilmoisturesensor_server` prefixado pelo seu ID. Mantenha a mesma estrutura do código do servidor que você escreveu para o projeto 1, lição 4, pois você adicionará a este código mais tarde nesta lição.
+
+    > ⚠️ Você pode consultar [as instruções para enviar telemetria ao MQTT](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) e [enviar comandos via MQTT](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker) no projeto 1, lição 4, se necessário.
+
+1. Adicione o código relevante do dispositivo para controlar o relé a partir dos comandos recebidos, usando a propriedade `relay_on` da mensagem. Envie `true` para `relay_on` se o `soil_moisture` for maior que 450, caso contrário, envie `false`, o mesmo que a lógica que você adicionou para o dispositivo IoT anteriormente.
+
+    > ⚠️ Você pode consultar [as instruções para responder a comandos do MQTT no projeto 1, lição 4, se necessário](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device).
+
+> 💁 Você pode encontrar este código na pasta [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt).
+
+Certifique-se de que o código está rodando no seu dispositivo e servidor local, e teste alterando os níveis de umidade do solo, seja alterando os valores enviados pelo sensor virtual ou alterando os níveis de umidade do solo adicionando água ou removendo o sensor do solo.
+
+## Temporização de sensores e atuadores
+
+Na lição 3, você construiu uma luz noturna - um LED que acende assim que um nível baixo de luz é detectado por um sensor de luz. O sensor de luz detectou uma mudança nos níveis de luz instantaneamente, e o dispositivo foi capaz de responder rapidamente, limitado apenas pelo comprimento do atraso na função `loop` ou no loop `while True:`. Como desenvolvedor de IoT, você nem sempre pode contar com um ciclo de feedback tão rápido.
+
+### Temporização para umidade do solo
+
+Se você fez a última lição sobre umidade do solo usando um sensor físico, deve ter notado que levou alguns segundos para a leitura de umidade do solo cair após você regar sua planta. Isso não ocorre porque o sensor é lento, mas porque leva tempo para a água se infiltrar no solo.
+💁 Se você regou muito perto do sensor, pode ter notado que a leitura caiu rapidamente e depois voltou a subir - isso acontece porque a água próxima ao sensor se espalha pelo restante do solo, reduzindo a umidade do solo ao redor do sensor.
+![Uma medição de umidade do solo de 658 não muda durante a irrigação, apenas cai para 320 após a irrigação quando a água penetra no solo](../../../../../translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.br.png)
+
+No diagrama acima, uma leitura de umidade do solo mostra 658. A planta é irrigada, mas essa leitura não muda imediatamente, pois a água ainda não alcançou o sensor. A irrigação pode até terminar antes que a água chegue ao sensor e o valor caia para refletir o novo nível de umidade.
+
+Se você estivesse escrevendo um código para controlar um sistema de irrigação via um relé baseado nos níveis de umidade do solo, seria necessário levar esse atraso em consideração e implementar um controle de tempo mais inteligente no seu dispositivo IoT.
+
+✅ Reserve um momento para pensar em como você poderia fazer isso.
+
+### Controle de tempo do sensor e do atuador
+
+Imagine que você recebeu a tarefa de construir um sistema de irrigação para uma fazenda. Com base no tipo de solo, o nível ideal de umidade para as plantas cultivadas foi identificado como correspondendo a uma leitura de tensão analógica de 400-450.
+
+Você poderia programar o dispositivo da mesma forma que uma luz noturna - sempre que o sensor ler acima de 450, ativar um relé para ligar uma bomba. O problema é que a água leva um tempo para ir da bomba, passar pelo solo e chegar ao sensor. O sensor interromperá a água quando detectar um nível de 450, mas o nível de água continuará caindo enquanto a água bombeada continua penetrando no solo. O resultado final é desperdício de água e o risco de danos às raízes.
+
+✅ Lembre-se - muita água pode ser tão ruim para as plantas quanto pouca água, além de desperdiçar um recurso precioso.
+
+A melhor solução é entender que há um atraso entre o atuador ser ativado e a propriedade que o sensor lê mudar. Isso significa que não apenas o sensor deve esperar um tempo antes de medir o valor novamente, mas o atuador precisa ser desligado por um tempo antes da próxima medição do sensor.
+
+Quanto tempo o relé deve ficar ligado a cada vez? É melhor errar por excesso de cautela e ligar o relé por um curto período, depois esperar que a água penetre no solo e então verificar novamente os níveis de umidade. Afinal, você sempre pode ligar novamente para adicionar mais água, mas não pode remover água do solo.
+
+> 💁 Esse tipo de controle de tempo é muito específico para o dispositivo IoT que você está construindo, a propriedade que está medindo e os sensores e atuadores utilizados.
+
+![Uma planta de morango conectada à água via uma bomba, com a bomba conectada a um relé. O relé e um sensor de umidade do solo na planta estão conectados a um Raspberry Pi](../../../../../translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.br.png)
+
+Por exemplo, eu tenho uma planta de morango com um sensor de umidade do solo e uma bomba controlada por um relé. Observei que, quando adiciono água, leva cerca de 20 segundos para a leitura de umidade do solo se estabilizar. Isso significa que preciso desligar o relé e esperar 20 segundos antes de verificar os níveis de umidade. Prefiro ter pouca água do que muita - sempre posso ligar a bomba novamente, mas não posso retirar água da planta.
+
+![Passo 1, fazer a medição. Passo 2, adicionar água. Passo 3, esperar que a água penetre no solo. Passo 4, refazer a medição](../../../../../translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.br.png)
+
+Isso significa que o melhor processo seria um ciclo de irrigação semelhante a:
+
+* Ligar a bomba por 5 segundos
+* Esperar 20 segundos
+* Verificar a umidade do solo
+* Se o nível ainda estiver acima do necessário, repetir os passos acima
+
+5 segundos podem ser muito tempo para a bomba, especialmente se os níveis de umidade estiverem apenas ligeiramente acima do nível necessário. A melhor maneira de saber qual tempo usar é testá-lo e ajustá-lo quando você tiver dados do sensor, com um ciclo constante de feedback. Isso pode até levar a um controle de tempo mais granular, como ligar a bomba por 1 segundo para cada 100 acima do nível de umidade necessário, em vez de um tempo fixo de 5 segundos.
+
+✅ Faça uma pesquisa: Existem outras considerações de tempo? A planta pode ser irrigada a qualquer momento em que a umidade do solo estiver muito baixa ou existem horários específicos do dia que são bons ou ruins para irrigar as plantas?
+
+> 💁 Previsões meteorológicas também podem ser levadas em consideração ao controlar sistemas de irrigação automatizados para cultivo ao ar livre. Se houver previsão de chuva, a irrigação pode ser suspensa até que a chuva termine. Nesse ponto, o solo pode estar úmido o suficiente para não precisar de irrigação, muito mais eficiente do que desperdiçar água irrigando pouco antes da chuva.
+
+## Adicione controle de tempo ao servidor de controle da planta
+
+O código do servidor pode ser modificado para adicionar controle ao ciclo de irrigação e esperar que os níveis de umidade do solo mudem. A lógica do servidor para controlar o tempo do relé é:
+
+1. Mensagem de telemetria recebida
+1. Verificar o nível de umidade do solo
+1. Se estiver ok, não fazer nada. Se a leitura estiver muito alta (significando que a umidade do solo está muito baixa), então:
+    1. Enviar um comando para ligar o relé
+    1. Esperar 5 segundos
+    1. Enviar um comando para desligar o relé
+    1. Esperar 20 segundos para que os níveis de umidade do solo se estabilizem
+
+O ciclo de irrigação, o processo desde o recebimento da mensagem de telemetria até estar pronto para processar os níveis de umidade do solo novamente, leva cerca de 25 segundos. Estamos enviando os níveis de umidade do solo a cada 10 segundos, então há uma sobreposição onde uma mensagem é recebida enquanto o servidor está esperando que os níveis de umidade do solo se estabilizem, o que poderia iniciar outro ciclo de irrigação.
+
+Existem duas opções para contornar isso:
+
+* Alterar o código do dispositivo IoT para enviar telemetria apenas a cada minuto, dessa forma o ciclo de irrigação será concluído antes que a próxima mensagem seja enviada
+* Cancelar a assinatura da telemetria durante o ciclo de irrigação
+
+A primeira opção nem sempre é uma boa solução para grandes fazendas. O agricultor pode querer capturar os níveis de umidade do solo enquanto o solo está sendo irrigado para análise posterior, por exemplo, para estar ciente do fluxo de água em diferentes áreas da fazenda e orientar uma irrigação mais direcionada. A segunda opção é melhor - o código apenas ignora a telemetria quando não pode usá-la, mas a telemetria ainda está disponível para outros serviços que possam assiná-la.
+
+> 💁 Dados de IoT não são enviados de apenas um dispositivo para apenas um serviço, em vez disso, muitos dispositivos podem enviar dados para um broker, e muitos serviços podem ouvir os dados do broker. Por exemplo, um serviço pode ouvir dados de umidade do solo e armazená-los em um banco de dados para análise posterior. Outro serviço também pode ouvir a mesma telemetria para controlar um sistema de irrigação.
+
+### Tarefa - adicione controle de tempo ao servidor de controle da planta
+
+Atualize o código do servidor para executar o relé por 5 segundos e depois esperar 20 segundos.
+
+1. Abra a pasta `soil-moisture-sensor-server` no VS Code, se ainda não estiver aberta. Certifique-se de que o ambiente virtual está ativado.
+
+1. Abra o arquivo `app.py`
+
+1. Adicione o seguinte código ao arquivo `app.py` abaixo das importações existentes:
+
+    ```python
+    import threading
+    ```
+
+    Esta instrução importa `threading` das bibliotecas do Python. O threading permite que o Python execute outro código enquanto espera.
+
+1. Adicione o seguinte código antes da função `handle_telemetry` que lida com mensagens de telemetria recebidas pelo código do servidor:
+
+    ```python
+    water_time = 5
+    wait_time = 20
+    ```
+
+    Isso define quanto tempo o relé deve funcionar (`water_time`) e quanto tempo esperar depois para verificar a umidade do solo (`wait_time`).
+
+1. Abaixo desse código, adicione o seguinte:
+
+    ```python
+    def send_relay_command(client, state):
+        command = { 'relay_on' : state }
+        print("Sending message:", command)
+        client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    Este código define uma função chamada `send_relay_command` que envia um comando via MQTT para controlar o relé. A telemetria é criada como um dicionário e depois convertida em uma string JSON. O valor passado em `state` determina se o relé deve estar ligado ou desligado.
+
+1. Após a função `send_relay_code`, adicione o seguinte código:
+
+    ```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)
+    ```
+
+    Isso define uma função para controlar o relé com base no tempo necessário. Começa cancelando a assinatura da telemetria para que as mensagens de umidade do solo não sejam processadas enquanto a irrigação está acontecendo. Em seguida, envia um comando para ligar o relé. Depois, espera pelo `water_time` antes de enviar um comando para desligar o relé. Finalmente, espera que os níveis de umidade do solo se estabilizem por `wait_time` segundos. Depois, reativa a assinatura da telemetria.
+
+1. Altere a função `handle_telemetry` para o seguinte:
+
+    ```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()
+    ```
+
+    Este código verifica o nível de umidade do solo. Se for maior que 450, o solo precisa de irrigação, então chama a função `control_relay`. Essa função é executada em uma thread separada, rodando em segundo plano.
+
+1. Certifique-se de que seu dispositivo IoT está funcionando, então execute este código. Altere os níveis de umidade do solo e observe o que acontece com o relé - ele deve ligar por 5 segundos e depois permanecer desligado por pelo menos 20 segundos, ligando novamente apenas se os níveis de umidade do solo não forem suficientes.
+
+    ```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}
+    ```
+
+    Uma boa maneira de testar isso em um sistema de irrigação simulado é usar solo seco e depois adicionar água manualmente enquanto o relé está ligado, parando de adicionar água quando o relé desligar.
+
+> 💁 Você pode encontrar este código na pasta [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing).
+
+> 💁 Se você quiser usar uma bomba para construir um sistema de irrigação real, pode usar uma [bomba de água de 6V](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) com uma [fonte de alimentação USB](https://www.adafruit.com/product/3628). Certifique-se de que a energia para ou da bomba esteja conectada via relé.
+
+---
+
+## 🚀 Desafio
+
+Você consegue pensar em outros dispositivos IoT ou elétricos que tenham um problema semelhante, onde leva um tempo para os resultados do atuador alcançarem o sensor? Provavelmente você tem alguns em sua casa ou escola.
+
+* Quais propriedades eles medem?
+* Quanto tempo leva para a propriedade mudar após o uso de um atuador?
+* É aceitável que a propriedade mude além do valor necessário?
+* Como ela pode ser retornada ao valor necessário, se necessário?
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
+
+## Revisão e Autoestudo
+
+* Leia mais sobre relés, incluindo seu uso histórico em centrais telefônicas, na [página do Wikipedia sobre relés](https://wikipedia.org/wiki/Relay).
+
+## Tarefa
+
+[Construa um ciclo de irrigação mais eficiente](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/br/2-farm/lessons/3-automated-plant-watering/assignment.md
new file mode 100644
index 00000000..af599a81
--- /dev/null
+++ b/translations/br/2-farm/lessons/3-automated-plant-watering/assignment.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
+  "translation_date": "2025-08-28T04:19:01+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
+  "language_code": "br"
+}
+-->
+# Construa um ciclo de irrigação mais eficiente
+
+## Instruções
+
+Esta lição abordou como controlar um relé usando dados de sensores, e esse relé, por sua vez, pode controlar uma bomba para um sistema de irrigação. Para um volume definido de solo, operar uma bomba por um tempo fixo deve sempre ter o mesmo impacto na umidade do solo. Isso significa que você pode ter uma ideia de quantos segundos de irrigação correspondem a uma certa queda na leitura de umidade do solo. Usando esses dados, você pode construir um sistema de irrigação mais controlado.
+
+Para esta tarefa, você calculará quanto tempo a bomba deve funcionar para alcançar um aumento específico na umidade do solo.
+
+> ⚠️ Se você estiver usando hardware IoT virtual, pode seguir este processo, mas simular os resultados aumentando manualmente a leitura de umidade do solo por uma quantidade fixa a cada segundo em que o relé estiver ligado.
+
+1. Comece com o solo seco. Meça a umidade do solo.
+
+1. Adicione uma quantidade fixa de água, seja operando a bomba por 1 segundo ou despejando uma quantidade fixa de água.
+
+    > A bomba deve sempre operar a uma taxa constante, então, a cada segundo que a bomba funcionar, ela deve fornecer a mesma quantidade de água.
+
+1. Aguarde até que o nível de umidade do solo se estabilize e faça uma leitura.
+
+1. Repita isso várias vezes e crie uma tabela com os resultados. Um exemplo dessa tabela é dado abaixo.
+
+    | Tempo total da bomba | Umidade do solo | Redução |
+    | --- | --: | -: |
+    | Seco | 643 |  0 |
+    | 1s  | 621 | 22 |
+    | 2s  | 601 | 20 |
+    | 3s  | 579 | 22 |
+    | 4s  | 560 | 19 |
+    | 5s  | 539 | 21 |
+    | 6s  | 521 | 18 |
+
+1. Calcule um aumento médio na umidade do solo por segundo de água. No exemplo acima, cada segundo de água reduz a leitura em uma média de 20,3.
+
+1. Use esses dados para melhorar a eficiência do código do servidor, operando a bomba pelo tempo necessário para atingir o nível de umidade desejado.
+
+## Rubrica
+
+| Critério | Exemplary | Adequate | Needs Improvement |
+| -------- | --------- | -------- | ----------------- |
+| Capturar dados de umidade do solo | É capaz de capturar várias leituras após adicionar quantidades fixas de água | É capaz de capturar algumas leituras com quantidades fixas de água | Só consegue capturar uma ou duas leituras, ou não consegue usar quantidades fixas de água |
+| Calibrar o código do servidor | É capaz de calcular uma redução média na leitura de umidade do solo e atualizar o código do servidor para usar isso | É capaz de calcular uma redução média, mas não consegue atualizar o código do servidor, ou não consegue calcular corretamente uma média, mas usa esse valor para atualizar corretamente o código do servidor | Não é capaz de calcular uma média ou atualizar o código do servidor |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/br/2-farm/lessons/3-automated-plant-watering/pi-relay.md
new file mode 100644
index 00000000..7b021063
--- /dev/null
+++ b/translations/br/2-farm/lessons/3-automated-plant-watering/pi-relay.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
+  "translation_date": "2025-08-28T04:17:52+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
+  "language_code": "br"
+}
+-->
+# Controle um relé - Raspberry Pi
+
+Nesta parte da lição, você adicionará um relé ao seu Raspberry Pi, além do sensor de umidade do solo, e o controlará com base no nível de umidade do solo.
+
+## Hardware
+
+O Raspberry Pi precisa de um relé.
+
+O relé que você usará é um [Grove relay](https://www.seeedstudio.com/Grove-Relay.html), um relé normalmente aberto (o que significa que o circuito de saída está aberto ou desconectado quando nenhum sinal é enviado ao relé) que pode lidar com circuitos de saída de até 250V e 10A.
+
+Este é um atuador digital, então ele se conecta a um pino digital no Grove Base Hat.
+
+### Conecte o relé
+
+O relé Grove pode ser conectado ao Raspberry Pi.
+
+#### Tarefa
+
+Conecte o relé.
+
+![Um relé Grove](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.br.png)
+
+1. Insira uma extremidade de um cabo Grove no soquete do relé. Ele só encaixará de uma maneira.
+
+1. Com o Raspberry Pi desligado, conecte a outra extremidade do cabo Grove ao soquete digital marcado como **D5** no Grove Base Hat conectado ao Pi. Este soquete é o segundo da esquerda, na fileira de soquetes ao lado dos pinos GPIO. Deixe o sensor de umidade do solo conectado ao soquete **A0**.
+
+![O relé Grove conectado ao soquete D5 e o sensor de umidade do solo conectado ao soquete A0](../../../../../translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.br.png)
+
+1. Insira o sensor de umidade do solo na terra, caso ele ainda não esteja inserido da lição anterior.
+
+## Programe o relé
+
+Agora o Raspberry Pi pode ser programado para usar o relé conectado.
+
+### Tarefa
+
+Programe o dispositivo.
+
+1. Ligue o Raspberry Pi e aguarde o boot.
+
+1. Abra o projeto `soil-moisture-sensor` da última lição no VS Code, caso ele ainda não esteja aberto. Você irá adicionar a este projeto.
+
+1. Adicione o seguinte código ao arquivo `app.py` abaixo dos imports existentes:
+
+    ```python
+    from grove.grove_relay import GroveRelay
+    ```
+
+    Esta instrução importa o `GroveRelay` das bibliotecas Python do Grove para interagir com o relé Grove.
+
+1. Adicione o seguinte código abaixo da declaração da classe `ADC` para criar uma instância de `GroveRelay`:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    Isso cria um relé usando o pino **D5**, o pino digital ao qual você conectou o relé.
+
+1. Para testar se o relé está funcionando, adicione o seguinte ao loop `while True:`:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    O código liga o relé, espera 0,5 segundos e depois desliga o relé.
+
+1. Execute o aplicativo Python. O relé será ligado e desligado a cada 10 segundos, com um atraso de meio segundo entre ligar e desligar. Você ouvirá o relé clicar ao ligar e ao desligar. Um LED na placa Grove acenderá quando o relé estiver ligado e apagará quando estiver desligado.
+
+    ![O relé ligando e desligando](../../../../../images/relay-turn-on-off.gif)
+
+## Controle o relé com base na umidade do solo
+
+Agora que o relé está funcionando, ele pode ser controlado em resposta às leituras de umidade do solo.
+
+### Tarefa
+
+Controle o relé.
+
+1. Exclua as 3 linhas de código que você adicionou para testar o relé. Substitua-as pelo seguinte código:
+
+    ```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()
+    ```
+
+    Este código verifica o nível de umidade do solo a partir do sensor de umidade do solo. Se estiver acima de 450, ele liga o relé e o desliga quando estiver abaixo de 450.
+
+    > 💁 Lembre-se de que o sensor capacitivo de umidade do solo lê: quanto menor o nível de umidade do solo, maior a quantidade de umidade na terra, e vice-versa.
+
+1. Execute o aplicativo Python. Você verá o relé ligar ou desligar dependendo do nível de umidade do solo. Teste em solo seco e depois adicione água.
+
+    ```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.
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi).
+
+😀 Seu programa de controle de relé com sensor de umidade do solo foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/br/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
new file mode 100644
index 00000000..77766ea7
--- /dev/null
+++ b/translations/br/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
+  "translation_date": "2025-08-28T04:17:19+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
+  "language_code": "br"
+}
+-->
+# Controle um relé - Hardware IoT Virtual
+
+Nesta parte da lição, você adicionará um relé ao seu dispositivo IoT virtual, além do sensor de umidade do solo, e o controlará com base no nível de umidade do solo.
+
+## Hardware Virtual
+
+O dispositivo IoT virtual usará um relé simulado Grove. Isso mantém este laboratório semelhante ao uso de um Raspberry Pi com um relé físico Grove.
+
+Em um dispositivo IoT físico, o relé seria um relé normalmente aberto (ou seja, o circuito de saída está aberto ou desconectado quando nenhum sinal é enviado ao relé). Um relé como este pode lidar com circuitos de saída de até 250V e 10A.
+
+### Adicionar o relé ao CounterFit
+
+Para usar um relé virtual, você precisa adicioná-lo ao aplicativo CounterFit.
+
+#### Tarefa
+
+Adicione o relé ao aplicativo CounterFit.
+
+1. Abra o projeto `soil-moisture-sensor` da última lição no VS Code, caso ainda não esteja aberto. Você adicionará a este projeto.
+
+1. Certifique-se de que o aplicativo web CounterFit esteja em execução.
+
+1. Crie um relé:
+
+    1. Na caixa *Create actuator* no painel *Actuators*, abra o menu suspenso *Actuator type* e selecione *Relay*.
+
+    1. Defina o *Pin* como *5*.
+
+    1. Selecione o botão **Add** para criar o relé no pino 5.
+
+    ![As configurações do relé](../../../../../translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.br.png)
+
+    O relé será criado e aparecerá na lista de atuadores.
+
+    ![O relé criado](../../../../../translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.br.png)
+
+## Programar o relé
+
+O aplicativo do sensor de umidade do solo agora pode ser programado para usar o relé virtual.
+
+### Tarefa
+
+Programe o dispositivo virtual.
+
+1. Abra o projeto `soil-moisture-sensor` da última lição no VS Code, caso ainda não esteja aberto. Você adicionará a este projeto.
+
+1. Adicione o seguinte código ao arquivo `app.py` abaixo das importações existentes:
+
+    ```python
+    from counterfit_shims_grove.grove_relay import GroveRelay
+    ```
+
+    Esta instrução importa o `GroveRelay` das bibliotecas Grove Python shim para interagir com o relé virtual Grove.
+
+1. Adicione o seguinte código abaixo da declaração da classe `ADC` para criar uma instância de `GroveRelay`:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    Isso cria um relé usando o pino **5**, o pino ao qual você conectou o relé.
+
+1. Para testar se o relé está funcionando, adicione o seguinte ao loop `while True:`:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    O código liga o relé, espera 0,5 segundos e depois desliga o relé.
+
+1. Execute o aplicativo Python. O relé será ligado e desligado a cada 10 segundos, com um atraso de meio segundo entre ligar e desligar. Você verá o relé virtual no aplicativo CounterFit fechar e abrir conforme o relé é ligado e desligado.
+
+    ![O relé virtual ligando e desligando](../../../../../images/virtual-relay-turn-on-off.gif)
+
+## Controlar o relé com base na umidade do solo
+
+Agora que o relé está funcionando, ele pode ser controlado em resposta às leituras de umidade do solo.
+
+### Tarefa
+
+Controle o relé.
+
+1. Exclua as 3 linhas de código que você adicionou para testar o relé. Substitua-as pelo seguinte código no mesmo lugar:
+
+    ```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()
+    ```
+
+    Este código verifica o nível de umidade do solo a partir do sensor de umidade do solo. Se estiver acima de 450, ele liga o relé, desligando-o se estiver abaixo de 450.
+
+    > 💁 Lembre-se de que o sensor capacitivo de umidade do solo lê que, quanto menor o nível de umidade do solo, maior é a umidade no solo, e vice-versa.
+
+1. Execute o aplicativo Python. Você verá o relé ligar ou desligar dependendo dos níveis de umidade do solo. Altere as configurações de *Value* ou *Random* para o sensor de umidade do solo para ver o valor mudar.
+
+    ```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.
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device).
+
+😀 Seu programa de sensor de umidade do solo virtual controlando um relé foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/br/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
new file mode 100644
index 00000000..27f30a61
--- /dev/null
+++ b/translations/br/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
+  "translation_date": "2025-08-28T04:18:20+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
+  "language_code": "br"
+}
+-->
+# Controlar um relé - Wio Terminal
+
+Nesta parte da lição, você adicionará um relé ao seu Wio Terminal, além do sensor de umidade do solo, e o controlará com base no nível de umidade do solo.
+
+## Hardware
+
+O Wio Terminal precisa de um relé.
+
+O relé que você usará é um [relé Grove](https://www.seeedstudio.com/Grove-Relay.html), um relé normalmente aberto (o que significa que o circuito de saída está aberto ou desconectado quando nenhum sinal é enviado ao relé) que pode lidar com circuitos de saída de até 250V e 10A.
+
+Este é um atuador digital, então ele se conecta aos pinos digitais do Wio Terminal. A porta combinada analógica/digital já está em uso com o sensor de umidade do solo, então este será conectado à outra porta, que é uma porta combinada I2C e digital.
+
+### Conectar o relé
+
+O relé Grove pode ser conectado à porta digital do Wio Terminal.
+
+#### Tarefa
+
+Conecte o relé.
+
+![Um relé Grove](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.br.png)
+
+1. Insira uma extremidade de um cabo Grove no soquete do relé. Ele só encaixará de uma maneira.
+
+1. Com o Wio Terminal desconectado do computador ou de outra fonte de energia, conecte a outra extremidade do cabo Grove ao soquete Grove do lado esquerdo do Wio Terminal, olhando para a tela. Deixe o sensor de umidade do solo conectado ao soquete do lado direito.
+
+![O relé Grove conectado ao soquete esquerdo e o sensor de umidade do solo conectado ao soquete direito](../../../../../translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.br.png)
+
+1. Insira o sensor de umidade do solo no solo, caso ele ainda não esteja inserido da lição anterior.
+
+## Programar o relé
+
+Agora o Wio Terminal pode ser programado para usar o relé conectado.
+
+### Tarefa
+
+Programe o dispositivo.
+
+1. Abra o projeto `soil-moisture-sensor` da última lição no VS Code, caso ainda não esteja aberto. Você adicionará código a este projeto.
+
+2. Não há uma biblioteca para este atuador - é um atuador digital controlado por um sinal alto ou baixo. Para ligá-lo, você envia um sinal alto para o pino (3.3V); para desligá-lo, você envia um sinal baixo (0V). Você pode fazer isso usando a função [`digitalWrite`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalwrite/) integrada do Arduino. Comece adicionando o seguinte ao final da função `setup` para configurar a porta combinada I2C/digital como um pino de saída para enviar uma tensão ao relé:
+
+    ```cpp
+    pinMode(PIN_WIRE_SCL, OUTPUT);
+    ```
+
+    `PIN_WIRE_SCL` é o número da porta para a porta combinada I2C/digital.
+
+1. Para testar se o relé está funcionando, adicione o seguinte à função `loop`, abaixo do último `delay`:
+
+    ```cpp
+    digitalWrite(PIN_WIRE_SCL, HIGH);
+    delay(500);
+    digitalWrite(PIN_WIRE_SCL, LOW);
+    ```
+
+    O código envia um sinal alto ao pino ao qual o relé está conectado para ligá-lo, espera 500ms (meio segundo) e, em seguida, envia um sinal baixo para desligar o relé.
+
+1. Compile e carregue o código no Wio Terminal.
+
+1. Após o upload, o relé será ligado e desligado a cada 10 segundos, com um atraso de meio segundo entre ligar e desligar. Você ouvirá o relé clicar ao ligar e ao desligar. Um LED na placa Grove acenderá quando o relé estiver ligado e apagará quando estiver desligado.
+
+    ![O relé ligando e desligando](../../../../../images/relay-turn-on-off.gif)
+
+## Controlar o relé com base na umidade do solo
+
+Agora que o relé está funcionando, ele pode ser controlado em resposta às leituras de umidade do solo.
+
+### Tarefa
+
+Controle o relé.
+
+1. Exclua as 3 linhas de código que você adicionou para testar o relé. Substitua-as pelo seguinte código:
+
+    ```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);
+    }
+    ```
+
+    Este código verifica o nível de umidade do solo a partir do sensor de umidade do solo. Se estiver acima de 450, ele liga o relé e o desliga quando estiver abaixo de 450.
+
+    > 💁 Lembre-se de que o sensor capacitivo de umidade do solo lê: quanto menor o nível de umidade do solo, maior a quantidade de umidade no solo, e vice-versa.
+
+1. Compile e carregue o código no Wio Terminal.
+
+1. Monitore o dispositivo através do monitor serial. Você verá o relé ligar ou desligar dependendo do nível de umidade do solo. Teste em solo seco e, em seguida, adicione água.
+
+    ```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.
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-relay/wio-terminal](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/wio-terminal).
+
+😀 Seu programa de controle de relé com sensor de umidade do solo foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/br/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
new file mode 100644
index 00000000..57282485
--- /dev/null
+++ b/translations/br/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": "2025-08-28T04:04:38+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
+  "language_code": "br"
+}
+-->
+# Migre sua planta para a nuvem
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Esta lição foi ensinada como parte da série [IoT para Iniciantes - Agricultura Digital](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) do [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Conecte seu dispositivo à nuvem com Azure IoT Hub](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
+
+## Introdução
+
+Na última lição, você aprendeu como conectar sua planta a um broker MQTT e controlar um relé a partir de um código de servidor executado localmente. Isso forma o núcleo de um sistema automatizado de irrigação conectado à internet, usado desde plantas individuais em casa até fazendas comerciais.
+
+O dispositivo IoT se comunicou com um broker MQTT público para demonstrar os princípios, mas essa não é a forma mais confiável ou segura. Nesta lição, você aprenderá sobre a nuvem e as capacidades de IoT oferecidas por serviços de nuvem pública. Também aprenderá como migrar sua planta de um broker MQTT público para um desses serviços de nuvem.
+
+Nesta lição, abordaremos:
+
+* [O que é a nuvem?](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Criar uma assinatura de nuvem](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Serviços de IoT na nuvem](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Criar um serviço de IoT na nuvem](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Comunicar-se com o IoT Hub](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Conectar seu dispositivo ao serviço de IoT](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+
+## O que é a nuvem?
+
+Antes da nuvem, quando uma empresa queria oferecer serviços aos seus funcionários (como bancos de dados ou armazenamento de arquivos) ou ao público (como sites), ela construía e operava um data center. Isso podia variar de uma sala com poucos computadores até um prédio com muitos computadores. A empresa gerenciava tudo, incluindo:
+
+* Compra de computadores
+* Manutenção de hardware
+* Energia e refrigeração
+* Rede
+* Segurança, incluindo proteger o prédio e o software nos computadores
+* Instalação e atualização de software
+
+Isso podia ser muito caro, exigir uma ampla gama de funcionários qualificados e ser muito lento para mudanças quando necessário. Por exemplo, se uma loja online precisasse se preparar para uma temporada de férias movimentada, teria que planejar meses antes para comprar mais hardware, configurá-lo, instalá-lo e instalar o software para gerenciar as vendas. Após a temporada de férias, com a queda nas vendas, os computadores comprados ficariam ociosos até a próxima temporada movimentada.
+
+✅ Você acha que isso permitiria que as empresas se adaptassem rapidamente? Se uma loja de roupas online ficasse popular de repente porque uma celebridade foi vista usando suas roupas, ela conseguiria aumentar sua capacidade computacional rapidamente para lidar com o aumento repentino de pedidos?
+
+### O computador de outra pessoa
+
+A nuvem é frequentemente chamada de "o computador de outra pessoa" como uma brincadeira. A ideia inicial era simples: em vez de comprar computadores, você aluga o computador de outra pessoa. Essa "outra pessoa", um provedor de computação em nuvem, gerenciaria enormes data centers. Eles seriam responsáveis por comprar e instalar o hardware, gerenciar energia e refrigeração, rede, segurança do prédio, atualizações de hardware e software, tudo. Como cliente, você alugaria os computadores necessários, alugando mais conforme a demanda aumentasse e reduzindo o número alugado se a demanda diminuísse. Esses data centers estão espalhados pelo mundo.
+
+![Um data center da nuvem da Microsoft](../../../../../translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.br.png)
+![Expansão planejada de um data center da nuvem da Microsoft](../../../../../translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.br.png)
+
+Esses data centers podem ter vários quilômetros quadrados de tamanho. As imagens acima foram tiradas há alguns anos em um data center da nuvem da Microsoft e mostram o tamanho inicial, junto com uma expansão planejada. A área limpa para a expansão tem mais de 5 quilômetros quadrados.
+
+> 💁 Esses data centers exigem quantidades tão grandes de energia que alguns possuem suas próprias usinas. Por causa de seu tamanho e do nível de investimento dos provedores de nuvem, eles geralmente são muito ecológicos. São mais eficientes do que inúmeros pequenos data centers, operam principalmente com energia renovável e os provedores de nuvem trabalham arduamente para reduzir o desperdício, cortar o uso de água e replantar florestas para compensar as áreas desmatadas para construir os data centers. Você pode ler mais sobre como um provedor de nuvem está trabalhando em sustentabilidade no [site de sustentabilidade do Azure](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn).
+
+✅ Faça uma pesquisa: Leia sobre as principais nuvens, como [Azure da Microsoft](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) ou [GCP do Google](https://cloud.google.com). Quantos data centers eles possuem e onde estão localizados no mundo?
+
+Usar a nuvem reduz os custos para as empresas e permite que elas se concentrem no que fazem de melhor, deixando a expertise em computação em nuvem nas mãos do provedor. As empresas não precisam mais alugar ou comprar espaço em data centers, pagar diferentes fornecedores por conectividade e energia ou contratar especialistas. Em vez disso, podem pagar uma única fatura mensal ao provedor de nuvem para cuidar de tudo.
+
+O provedor de nuvem pode então usar economias de escala para reduzir os custos, comprando computadores em grandes quantidades a preços mais baixos, investindo em ferramentas para reduzir o trabalho de manutenção e até projetando e construindo seu próprio hardware para melhorar sua oferta de nuvem.
+
+### Microsoft Azure
+
+Azure é a nuvem para desenvolvedores da Microsoft, e é a nuvem que você usará nestas lições. O vídeo abaixo oferece uma breve visão geral do Azure:
+
+[![Vídeo de visão geral do Azure](../../../../../translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.br.png)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
+
+## Criar uma assinatura de nuvem
+
+Para usar serviços na nuvem, você precisará se inscrever em uma assinatura com um provedor de nuvem. Para esta lição, você se inscreverá em uma assinatura do Microsoft Azure. Se você já possui uma assinatura do Azure, pode pular esta tarefa. Os detalhes da assinatura descritos aqui estão corretos no momento da escrita, mas podem mudar.
+
+> 💁 Se você estiver acessando estas lições por meio de sua escola, pode já ter uma assinatura do Azure disponível. Verifique com seu professor.
+
+Existem dois tipos diferentes de assinatura gratuita do Azure que você pode se inscrever:
+
+* **Azure para Estudantes** - Esta é uma assinatura projetada para estudantes com 18 anos ou mais. Você não precisa de um cartão de crédito para se inscrever e usa seu endereço de e-mail escolar para validar que é estudante. Ao se inscrever, você recebe US$100 para gastar em recursos de nuvem, além de serviços gratuitos, incluindo uma versão gratuita de um serviço de IoT. Isso dura 12 meses e pode ser renovado a cada ano enquanto você permanecer estudante.
+
+* **Assinatura gratuita do Azure** - Esta é uma assinatura para qualquer pessoa que não seja estudante. Você precisará de um cartão de crédito para se inscrever, mas seu cartão não será cobrado, sendo usado apenas para verificar que você é uma pessoa real, não um robô. Você recebe US$200 de crédito para usar nos primeiros 30 dias em qualquer serviço, além de níveis gratuitos de serviços do Azure. Depois que seu crédito for usado, seu cartão não será cobrado, a menos que você converta para uma assinatura paga conforme o uso.
+
+> 💁 A Microsoft oferece uma assinatura Azure para Estudantes Starter para estudantes menores de 18 anos, mas no momento da escrita isso não suporta serviços de IoT.
+
+### Tarefa - inscreva-se em uma assinatura gratuita de nuvem
+
+Se você é estudante com 18 anos ou mais, pode se inscrever em uma assinatura Azure para Estudantes. Você precisará validar com um endereço de e-mail escolar. Isso pode ser feito de duas maneiras:
+
+* Inscreva-se no pacote de desenvolvedor estudantil do GitHub em [education.github.com/pack](https://education.github.com/pack). Isso dá acesso a uma variedade de ferramentas e ofertas, incluindo GitHub e Microsoft Azure. Depois de se inscrever no pacote de desenvolvedor, você pode ativar a oferta Azure para Estudantes.
+
+* Inscreva-se diretamente em uma conta Azure para Estudantes em [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn).
+
+> ⚠️ Se seu endereço de e-mail escolar não for reconhecido, abra uma [issue neste repositório](https://github.com/Microsoft/IoT-For-Beginners/issues) e verificaremos se ele pode ser adicionado à lista de permissões do Azure para Estudantes.
+
+Se você não é estudante ou não possui um endereço de e-mail escolar válido, pode se inscrever em uma assinatura gratuita do Azure.
+
+* Inscreva-se em uma assinatura gratuita do Azure em [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn)
+
+## Serviços de IoT na nuvem
+
+O broker MQTT público que você tem usado é uma ótima ferramenta para aprendizado, mas possui várias desvantagens como ferramenta para uso comercial:
+
+* Confiabilidade - é um serviço gratuito sem garantias e pode ser desativado a qualquer momento
+* Segurança - é público, então qualquer pessoa pode ouvir sua telemetria ou enviar comandos para controlar seu hardware
+* Desempenho - foi projetado para apenas algumas mensagens de teste, então não suportaria um grande volume de mensagens sendo enviadas
+* Descoberta - não há como saber quais dispositivos estão conectados
+
+Os serviços de IoT na nuvem resolvem esses problemas. Eles são mantidos por grandes provedores de nuvem que investem fortemente em confiabilidade e estão disponíveis para corrigir quaisquer problemas que possam surgir. Eles possuem segurança integrada para impedir que hackers leiam seus dados ou enviem comandos maliciosos. Além disso, são de alto desempenho, capazes de lidar com muitos milhões de mensagens todos os dias, aproveitando a escalabilidade da nuvem conforme necessário.
+
+> 💁 Embora você pague por essas vantagens com uma taxa mensal, a maioria dos provedores de nuvem oferece uma versão gratuita de seus serviços de IoT com um número limitado de mensagens por dia ou dispositivos que podem se conectar. Essa versão gratuita geralmente é mais do que suficiente para um desenvolvedor aprender sobre o serviço. Nesta lição, você usará uma versão gratuita.
+
+Dispositivos IoT se conectam a um serviço de nuvem usando um SDK de dispositivo (uma biblioteca que fornece código para trabalhar com os recursos do serviço) ou diretamente via um protocolo de comunicação como MQTT ou HTTP. O SDK de dispositivo geralmente é a rota mais fácil, pois lida com tudo para você, como saber quais tópicos publicar ou assinar e como gerenciar a segurança.
+
+![Dispositivos se conectam a um serviço usando um SDK de dispositivo. Código de servidor também se conecta ao serviço via um SDK](../../../../../translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.br.png)
+
+Seu dispositivo então se comunica com outras partes de sua aplicação por meio desse serviço - semelhante à forma como você enviou telemetria e recebeu comandos via MQTT. Isso geralmente é feito usando um SDK de serviço ou uma biblioteca semelhante. As mensagens vêm do seu dispositivo para o serviço, onde outros componentes da sua aplicação podem lê-las, e mensagens podem ser enviadas de volta ao seu dispositivo.
+
+![Dispositivos sem uma chave secreta válida não podem se conectar ao serviço de IoT](../../../../../translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.br.png)
+
+Esses serviços implementam segurança conhecendo todos os dispositivos que podem se conectar e enviar dados, seja registrando os dispositivos previamente no serviço ou fornecendo aos dispositivos chaves secretas ou certificados que podem usar para se registrar no serviço na primeira vez que se conectarem. Dispositivos desconhecidos não conseguem se conectar; se tentarem, o serviço rejeita a conexão e ignora as mensagens enviadas por eles.
+
+✅ Faça uma pesquisa: Qual é a desvantagem de ter um serviço de IoT aberto onde qualquer dispositivo ou código pode se conectar? Você consegue encontrar exemplos específicos de hackers aproveitando essa situação?
+
+Outros componentes da sua aplicação podem se conectar ao serviço de IoT e aprender sobre todos os dispositivos conectados ou registrados, além de se comunicar diretamente com eles, seja em massa ou individualmente.
+💁 Os serviços de IoT também implementam capacidades adicionais, e os provedores de nuvem possuem serviços e aplicativos extras que podem ser conectados ao serviço. Por exemplo, se você quiser armazenar todas as mensagens de telemetria enviadas por todos os dispositivos em um banco de dados, geralmente basta alguns cliques na ferramenta de configuração do provedor de nuvem para conectar o serviço a um banco de dados e transmitir os dados.
+## Criar um serviço de IoT na nuvem
+
+Agora que você tem uma assinatura do Azure, pode se inscrever em um serviço de IoT. O serviço de IoT da Microsoft é chamado Azure IoT Hub.
+
+![O logotipo do Azure IoT Hub](../../../../../translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.br.png)
+
+O vídeo abaixo oferece uma breve visão geral do Azure IoT Hub:
+
+[![Visão geral do vídeo do Azure IoT Hub](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
+
+> 🎥 Clique na imagem acima para assistir ao vídeo
+
+✅ Reserve um momento para fazer uma pesquisa e leia a visão geral do IoT Hub na [documentação do Microsoft IoT Hub](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn).
+
+Os serviços de nuvem disponíveis no Azure podem ser configurados por meio de um portal baseado na web ou por meio de uma interface de linha de comando (CLI). Para esta tarefa, você usará o CLI.
+
+### Tarefa - instalar o Azure CLI
+
+Para usar o Azure CLI, primeiro ele deve ser instalado no seu PC ou Mac.
+
+1. Siga as instruções na [documentação do Azure CLI](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn) para instalar o CLI.
+
+1. O Azure CLI suporta várias extensões que adicionam capacidades para gerenciar uma ampla gama de serviços do Azure. Instale a extensão IoT executando o seguinte comando na sua linha de comando ou terminal:
+
+    ```sh
+    az extension add --name azure-iot
+    ```
+
+1. Na sua linha de comando ou terminal, execute o seguinte comando para fazer login na sua assinatura do Azure a partir do Azure CLI.
+
+    ```sh
+    az login
+    ```
+
+    Uma página da web será aberta no seu navegador padrão. Faça login usando a conta que você usou para se inscrever na sua assinatura do Azure. Depois de fazer login, você pode fechar a aba do navegador.
+
+1. Se você tiver várias assinaturas do Azure, como uma fornecida pela escola e sua própria assinatura do Azure para Estudantes, será necessário selecionar a que deseja usar. Execute o seguinte comando para listar todas as assinaturas às quais você tem acesso:
+
+    ```sh
+    az account list --output table
+    ```
+
+    Na saída, você verá o nome de cada assinatura junto com seu `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
+    ```
+
+    Para selecionar a assinatura que deseja usar, utilize o seguinte comando:
+
+    ```sh
+    az account set --subscription <SubscriptionId>
+    ```
+
+    Substitua `<SubscriptionId>` pelo Id da assinatura que deseja usar. Após executar este comando, execute novamente o comando para listar suas contas. Você verá que a coluna `IsDefault` estará marcada como `True` para a assinatura que acabou de definir.
+
+### Tarefa - criar um grupo de recursos
+
+Os serviços do Azure, como instâncias do IoT Hub, máquinas virtuais, bancos de dados ou serviços de IA, são chamados de **recursos**. Todo recurso precisa estar dentro de um **Grupo de Recursos**, uma agrupação lógica de um ou mais recursos.
+
+> 💁 Usar grupos de recursos significa que você pode gerenciar vários serviços de uma vez. Por exemplo, depois de concluir todas as lições deste projeto, você pode excluir o grupo de recursos, e todos os recursos nele serão excluídos automaticamente.
+
+1. Existem vários data centers do Azure ao redor do mundo, divididos em regiões. Quando você cria um recurso ou grupo de recursos no Azure, precisa especificar onde deseja que ele seja criado. Execute o seguinte comando para obter a lista de locais:
+
+    ```sh
+    az account list-locations --output table
+    ```
+
+    Você verá uma lista de locais. Esta lista será longa.
+
+    > 💁 No momento da redação, existem 65 locais onde você pode implantar.
+
+    ```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
+    ...
+    ```
+
+    Anote o valor da coluna `Name` da região mais próxima de você. Você pode encontrar as regiões em um mapa na [página de geografias do Azure](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn).
+
+1. Execute o seguinte comando para criar um grupo de recursos chamado `soil-moisture-sensor`. Os nomes dos grupos de recursos precisam ser exclusivos na sua assinatura.
+
+    ```sh
+    az group create --name soil-moisture-sensor \
+                    --location <location>
+    ```
+
+    Substitua `<location>` pelo local que você selecionou na etapa anterior.
+
+### Tarefa - criar um IoT Hub
+
+Agora você pode criar um recurso IoT Hub no seu grupo de recursos.
+
+1. Use o seguinte comando para criar seu recurso IoT Hub:
+
+    ```sh
+    az iot hub create --resource-group soil-moisture-sensor \
+                      --sku F1 \
+                      --partition-count 2 \
+                      --name <hub_name>
+    ```
+
+    Substitua `<hub_name>` por um nome para o seu hub. Este nome precisa ser globalmente único - ou seja, nenhum outro IoT Hub criado por qualquer pessoa pode ter o mesmo nome. Este nome é usado em uma URL que aponta para o hub, então precisa ser único. Use algo como `soil-moisture-sensor-` e adicione um identificador único no final, como algumas palavras aleatórias ou seu nome.
+
+    A opção `--sku F1` indica que será usado um nível gratuito. O nível gratuito suporta 8.000 mensagens por dia, juntamente com a maioria dos recursos dos níveis pagos.
+
+    > 🎓 Diferentes níveis de preços dos serviços do Azure são chamados de tiers. Cada tier tem um custo diferente e oferece diferentes recursos ou volumes de dados.
+
+    > 💁 Se você quiser saber mais sobre preços, pode conferir o [guia de preços do Azure IoT Hub](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn).
+
+    A opção `--partition-count 2` define quantos fluxos de dados o IoT Hub suporta. Mais partições reduzem o bloqueio de dados quando várias coisas leem e escrevem no IoT Hub. Partições estão fora do escopo destas lições, mas este valor precisa ser definido para criar um IoT Hub de nível gratuito.
+
+    > 💁 Você só pode ter um IoT Hub de nível gratuito por assinatura.
+
+O IoT Hub será criado. Pode levar um minuto ou mais para concluir.
+
+## Comunicar-se com o IoT Hub
+
+Na lição anterior, você usou MQTT e enviou mensagens de ida e volta em diferentes tópicos, com os diferentes tópicos tendo diferentes propósitos. Em vez de enviar mensagens por diferentes tópicos, o IoT Hub tem várias maneiras definidas para o dispositivo se comunicar com o Hub ou para o Hub se comunicar com o dispositivo.
+
+> 💁 Por trás das cenas, essa comunicação entre o IoT Hub e seu dispositivo pode usar MQTT, HTTPS ou AMQP.
+
+* Mensagens de dispositivo para nuvem (D2C) - são mensagens enviadas de um dispositivo para o IoT Hub, como telemetria. Elas podem ser lidas do IoT Hub pelo código do seu aplicativo.
+
+    > 🎓 Por trás das cenas, o IoT Hub usa um serviço do Azure chamado [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn). Quando você escreve código para ler mensagens enviadas ao hub, elas geralmente são chamadas de eventos.
+
+* Mensagens de nuvem para dispositivo (C2D) - são mensagens enviadas do código do aplicativo, via IoT Hub, para um dispositivo IoT.
+
+* Solicitações de método direto - são mensagens enviadas do código do aplicativo via IoT Hub para um dispositivo IoT para solicitar que o dispositivo faça algo, como controlar um atuador. Essas mensagens exigem uma resposta para que o código do aplicativo possa saber se foram processadas com sucesso.
+
+* Gêmeos de dispositivos - são documentos JSON mantidos sincronizados entre o dispositivo e o IoT Hub, usados para armazenar configurações ou outras propriedades relatadas pelo dispositivo ou que devem ser definidas no dispositivo (conhecidas como desejadas) pelo IoT Hub.
+
+O IoT Hub pode armazenar mensagens e solicitações de método direto por um período de tempo configurável (padrão de um dia), então, se um dispositivo ou código de aplicativo perder a conexão, ele ainda poderá recuperar mensagens enviadas enquanto estava offline após reconectar. Os gêmeos de dispositivos são mantidos permanentemente no IoT Hub, então, a qualquer momento, um dispositivo pode se reconectar e obter o gêmeo de dispositivo mais recente.
+
+✅ Faça uma pesquisa: Leia mais sobre esses tipos de mensagens na [orientação de comunicações de dispositivo para nuvem](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn) e na [orientação de comunicações de nuvem para dispositivo](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn) na documentação do IoT Hub.
+
+## Conectar seu dispositivo ao serviço de IoT
+
+Depois que o hub for criado, seu dispositivo IoT poderá se conectar a ele. Apenas dispositivos registrados podem se conectar a um serviço, então você precisará registrar seu dispositivo primeiro. Quando você registra, pode obter uma string de conexão que o dispositivo pode usar para se conectar. Essa string de conexão é específica do dispositivo e contém informações sobre o IoT Hub, o dispositivo e uma chave secreta que permitirá que este dispositivo se conecte.
+
+> 🎓 Uma string de conexão é um termo genérico para um texto que contém detalhes de conexão. Elas são usadas ao conectar-se a IoT Hubs, bancos de dados e muitos outros serviços. Geralmente consistem em um identificador para o serviço, como uma URL, e informações de segurança, como uma chave secreta. Elas são passadas para SDKs para conectar-se ao serviço.
+
+> ⚠️ Strings de conexão devem ser mantidas seguras! A segurança será abordada em mais detalhes em uma lição futura.
+
+### Tarefa - registrar seu dispositivo IoT
+
+O dispositivo IoT pode ser registrado no seu IoT Hub usando o Azure CLI.
+
+1. Execute o seguinte comando para registrar um dispositivo:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor \
+                                      --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome que você usou para seu IoT Hub.
+
+    Isso criará um dispositivo com um ID de `soil-moisture-sensor`.
+
+1. Quando seu dispositivo IoT se conectar ao seu IoT Hub usando o SDK, ele precisará usar uma string de conexão que fornece a URL do hub, juntamente com uma chave secreta. Execute o seguinte comando para obter a string de conexão:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome que você usou para seu IoT Hub.
+
+1. Armazene a string de conexão exibida na saída, pois você precisará dela mais tarde.
+
+### Tarefa - conectar seu dispositivo IoT à nuvem
+
+Siga o guia relevante para conectar seu dispositivo IoT à nuvem:
+
+* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo IoT Virtual](single-board-computer-connect-hub.md)
+
+### Tarefa - monitorar eventos
+
+Por enquanto, você não atualizará o código do servidor. Em vez disso, pode usar o Azure CLI para monitorar eventos do seu dispositivo IoT.
+
+1. Certifique-se de que seu dispositivo IoT está funcionando e enviando valores de telemetria de umidade do solo.
+
+1. Execute o seguinte comando no seu prompt de comando ou terminal para monitorar mensagens enviadas ao seu IoT Hub:
+
+    ```sh
+    az iot hub monitor-events --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome que você usou para seu IoT Hub.
+
+    Você verá mensagens aparecerem na saída do console à medida que são enviadas pelo seu dispositivo IoT.
+
+    ```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}"
+        }
+    }
+    ```
+
+    O conteúdo do `payload` corresponderá à mensagem enviada pelo seu dispositivo IoT.
+
+    > No momento da redação, a extensão `az iot` não está funcionando totalmente em dispositivos Apple Silicon. Se você estiver usando um dispositivo Apple Silicon, precisará monitorar as mensagens de outra forma, como usando o [Azure IoT Tools para Visual Studio Code](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging).
+
+1. Essas mensagens têm várias propriedades anexadas automaticamente, como o timestamp em que foram enviadas. Essas propriedades são conhecidas como *anotações*. Para visualizar todas as anotações de mensagens, use o seguinte comando:
+
+    ```sh
+    az iot hub monitor-events --properties anno --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome que você usou para seu IoT Hub.
+
+    Você verá mensagens aparecerem na saída do console à medida que são enviadas pelo seu dispositivo IoT.
+
+    ```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}"
+        }
+    }
+    ```
+
+    Os valores de tempo nas anotações estão em [tempo UNIX](https://wikipedia.org/wiki/Unix_time), representando o número de segundos desde a meia-noite de 1º de janeiro de 1970.
+
+    Saia do monitor de eventos quando terminar.
+
+### Tarefa - controlar seu dispositivo IoT
+
+Você também pode usar o Azure CLI para chamar métodos diretos no seu dispositivo IoT.
+
+1. Execute o seguinte comando no seu prompt de comando ou terminal para invocar o método `relay_on` no dispositivo IoT:
+
+    ```sh
+    az iot hub invoke-device-method --device-id soil-moisture-sensor \
+                                    --method-name relay_on \
+                                    --method-payload '{}' \
+                                    --hub-name <hub_name>
+    ```
+
+    Substitua `
+<hub_name>
+` com o nome que você usou para o seu IoT Hub.
+
+Isso envia uma solicitação de método direto para o método especificado por `method-name`. Métodos diretos podem receber um payload contendo dados para o método, e isso pode ser especificado no parâmetro `method-payload` como JSON.
+
+Você verá o relé ligar e a saída correspondente do seu dispositivo IoT:
+
+```output
+    Direct method received -  relay_on
+    ```
+
+1. Repita o passo acima, mas defina o `--method-name` como `relay_off`. Você verá o relé desligar e a saída correspondente do dispositivo IoT.
+
+---
+
+## 🚀 Desafio
+
+O nível gratuito do IoT Hub permite 8.000 mensagens por dia. O código que você escreveu envia mensagens de telemetria a cada 10 segundos. Quantas mensagens por dia são enviadas com uma mensagem a cada 10 segundos?
+
+Pense em com que frequência as medições de umidade do solo devem ser enviadas. Como você pode alterar seu código para permanecer dentro do nível gratuito e verificar com a frequência necessária, mas sem exagerar? E se você quisesse adicionar um segundo dispositivo?
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
+
+## Revisão e Autoestudo
+
+O SDK do IoT Hub é de código aberto tanto para Arduino quanto para Python. Nos repositórios de código no GitHub, há vários exemplos mostrando como trabalhar com diferentes recursos do IoT Hub.
+
+* Se você estiver usando um Wio Terminal, confira os [exemplos de Arduino no GitHub](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples)
+* Se você estiver usando um Raspberry Pi ou dispositivo virtual, confira os [exemplos de Python no GitHub](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples)
+
+## Tarefa
+
+[Aprenda sobre serviços em nuvem](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/br/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
new file mode 100644
index 00000000..9667e021
--- /dev/null
+++ b/translations/br/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": "2025-08-28T04:08:17+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
+  "language_code": "br"
+}
+-->
+# Aprenda sobre serviços em nuvem
+
+## Instruções
+
+Nuvens, como o Azure da Microsoft, oferecem mais do que apenas computação para alugar. Os principais tipos de ofertas de nuvem incluem:
+
+* Infraestrutura como serviço (IaaS)
+* Plataforma como serviço (PaaS)
+* Serverless
+* Software como serviço (SaaS)
+
+Aprenda sobre esses diferentes tipos de ofertas e explique o que são e como diferem. Explique quais ofertas são relevantes para desenvolvedores de IoT.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Explicar as diferentes ofertas de nuvem | Forneceu explicações claras sobre todos os 4 tipos de ofertas | Foi capaz de explicar 3 tipos de ofertas | Foi capaz de explicar apenas 1 ou 2 dos tipos de ofertas |
+| Explicar qual oferta é relevante para IoT | Descreveu uma explicação de quais ofertas são relevantes para desenvolvedores de IoT e por quê | Descreveu uma explicação de quais ofertas são relevantes para desenvolvedores de IoT, mas não por quê | Não conseguiu descrever quais ofertas são relevantes para desenvolvedores de IoT |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/br/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
new file mode 100644
index 00000000..631d40de
--- /dev/null
+++ b/translations/br/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": "2025-08-28T04:07:45+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
+  "language_code": "br"
+}
+-->
+# Conecte seu dispositivo IoT à nuvem - Hardware IoT Virtual e Raspberry Pi
+
+Nesta parte da lição, você conectará seu dispositivo IoT virtual ou Raspberry Pi ao IoT Hub, para enviar telemetria e receber comandos.
+
+## Conecte seu dispositivo ao IoT Hub
+
+O próximo passo é conectar seu dispositivo ao IoT Hub.
+
+### Tarefa - conectar ao IoT Hub
+
+1. Abra a pasta `soil-moisture-sensor` no VS Code. Certifique-se de que o ambiente virtual está em execução no terminal, caso esteja utilizando um dispositivo IoT virtual.
+
+1. Instale alguns pacotes adicionais do Pip:
+
+    ```sh
+    pip3 install azure-iot-device
+    ```
+
+    `azure-iot-device` é uma biblioteca para se comunicar com seu IoT Hub.
+
+1. Adicione as seguintes importações no topo do arquivo `app.py`, abaixo das importações existentes:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
+    ```
+
+    Este código importa o SDK para se comunicar com seu IoT Hub.
+
+1. Remova a linha `import paho.mqtt.client as mqtt`, pois esta biblioteca não será mais necessária. Remova todo o código relacionado ao MQTT, incluindo os nomes dos tópicos, todo o código que utiliza `mqtt_client` e o `handle_command`. Mantenha o loop `while True:`, apenas exclua a linha `mqtt_client.publish` deste loop.
+
+1. Adicione o seguinte código abaixo das declarações de importação:
+
+    ```python
+    connection_string = "<connection string>"
+    ```
+
+    Substitua `<connection string>` pela string de conexão que você recuperou para o dispositivo anteriormente nesta lição.
+
+    > 💁 Isso não é uma prática recomendada. Strings de conexão nunca devem ser armazenadas no código-fonte, pois podem ser verificadas no controle de versão e encontradas por qualquer pessoa. Estamos fazendo isso aqui por simplicidade. Idealmente, você deveria usar algo como uma variável de ambiente e uma ferramenta como [`python-dotenv`](https://pypi.org/project/python-dotenv/). Você aprenderá mais sobre isso em uma lição futura.
+
+1. Abaixo deste código, adicione o seguinte para criar um objeto cliente de dispositivo que possa se comunicar com o IoT Hub e conectá-lo:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
+
+    print('Connecting')
+    device_client.connect()
+    print('Connected')
+    ```
+
+1. Execute este código. Você verá seu dispositivo se conectar.
+
+    ```output
+    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
+    Connecting
+    Connected
+    Soil moisture: 379
+    ```
+
+## Enviar telemetria
+
+Agora que seu dispositivo está conectado, você pode enviar telemetria para o IoT Hub em vez do broker MQTT.
+
+### Tarefa - enviar telemetria
+
+1. Adicione o seguinte código dentro do loop `while True`, logo antes do comando de pausa (`sleep`):
+
+    ```python
+    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
+    device_client.send_message(message)
+    ```
+
+    Este código cria uma `Message` do IoT Hub contendo a leitura de umidade do solo como uma string JSON e a envia para o IoT Hub como uma mensagem de dispositivo para nuvem.
+
+## Manipular comandos
+
+Seu dispositivo precisa manipular um comando do código do servidor para controlar o relé. Isso é enviado como uma solicitação de método direto.
+
+## Tarefa - manipular uma solicitação de método direto
+
+1. Adicione o seguinte código antes do loop `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()    
+    ```
+
+    Isso define um método, `handle_method_request`, que será chamado quando um método direto for chamado pelo IoT Hub. Cada método direto tem um nome, e este código espera um método chamado `relay_on` para ligar o relé e `relay_off` para desligá-lo.
+
+    > 💁 Isso também poderia ser implementado em uma única solicitação de método direto, passando o estado desejado do relé em um payload que pode ser enviado com a solicitação de método e acessado a partir do objeto `request`.
+
+1. Métodos diretos requerem uma resposta para informar ao código que os chamou que foram tratados. Adicione o seguinte código ao final da função `handle_method_request` para criar uma resposta à solicitação:
+
+    ```python
+    method_response = MethodResponse.create_from_method_request(request, 200)
+    device_client.send_method_response(method_response)
+    ```
+
+    Este código envia uma resposta à solicitação de método direto com um código de status HTTP 200 e a envia de volta ao IoT Hub.
+
+1. Adicione o seguinte código abaixo da definição desta função:
+
+    ```python
+    device_client.on_method_request_received = handle_method_request
+    ```
+
+    Este código informa ao cliente do IoT Hub para chamar a função `handle_method_request` quando um método direto for chamado.
+
+> 💁 Você pode encontrar este código na pasta [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) ou [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device).
+
+😀 Seu programa de sensor de umidade do solo está conectado ao seu IoT Hub!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/br/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
new file mode 100644
index 00000000..7a4eac26
--- /dev/null
+++ b/translations/br/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": "2025-08-28T04:08:30+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
+  "language_code": "br"
+}
+-->
+# Conecte seu dispositivo IoT à nuvem - Wio Terminal
+
+Nesta parte da lição, você conectará seu Wio Terminal ao seu IoT Hub para enviar telemetria e receber comandos.
+
+## Conecte seu dispositivo ao IoT Hub
+
+O próximo passo é conectar seu dispositivo ao IoT Hub.
+
+### Tarefa - conectar ao IoT Hub
+
+1. Abra o projeto `soil-moisture-sensor` no VS Code.
+
+1. Abra o arquivo `platformio.ini`. Remova a dependência da biblioteca `knolleary/PubSubClient`. Esta biblioteca era usada para conectar ao broker MQTT público e não é necessária para conectar ao IoT Hub.
+
+1. Adicione as seguintes dependências de biblioteca:
+
+    ```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
+    ```
+
+    A biblioteca `Seeed Arduino RTC` fornece código para interagir com um relógio de tempo real no Wio Terminal, usado para rastrear o tempo. As bibliotecas restantes permitem que seu dispositivo IoT se conecte ao IoT Hub.
+
+1. Adicione o seguinte ao final do arquivo `platformio.ini`:
+
+    ```ini
+    build_flags =
+        -DDONT_USE_UPLOADTOBLOB
+    ```
+
+    Isso define uma flag de compilador necessária ao compilar o código do Arduino IoT Hub.
+
+1. Abra o arquivo de cabeçalho `config.h`. Remova todas as configurações de MQTT e adicione a seguinte constante para a string de conexão do dispositivo:
+
+    ```cpp
+    // IoT Hub settings
+    const char *CONNECTION_STRING = "<connection string>";
+    ```
+
+    Substitua `<connection string>` pela string de conexão do seu dispositivo que você copiou anteriormente.
+
+1. A conexão ao IoT Hub utiliza um token baseado em tempo. Isso significa que o dispositivo IoT precisa saber o horário atual. Diferentemente de sistemas operacionais como Windows, macOS ou Linux, microcontroladores não sincronizam automaticamente o horário atual pela Internet. Isso significa que você precisará adicionar código para obter o horário atual de um servidor [NTP](https://wikipedia.org/wiki/Network_Time_Protocol). Depois que o horário for obtido, ele pode ser armazenado em um relógio de tempo real no Wio Terminal, permitindo que o horário correto seja solicitado posteriormente, assumindo que o dispositivo não perca energia. Adicione um novo arquivo chamado `ntp.h` com o seguinte código:
+
+    ```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);
+    }
+    ```
+
+    Os detalhes deste código estão fora do escopo desta lição. Ele define uma função chamada `initTime` que obtém o horário atual de um servidor NTP e o utiliza para configurar o relógio no Wio Terminal.
+
+1. Abra o arquivo `main.cpp` e remova todo o código MQTT, incluindo o arquivo de cabeçalho `PubSubClient.h`, a declaração da variável `PubSubClient`, os métodos `reconnectMQTTClient` e `createMQTTClient`, e quaisquer chamadas para essas variáveis e métodos. Este arquivo deve conter apenas código para conectar ao WiFi, obter a umidade do solo e criar um documento JSON com esses dados.
+
+1. Adicione as seguintes diretivas `#include` ao topo do arquivo `main.cpp` para incluir os arquivos de cabeçalho das bibliotecas do IoT Hub e para configurar o horário:
+
+    ```cpp
+    #include <AzureIoTHub.h>
+    #include <AzureIoTProtocol_MQTT.h>
+    #include <iothubtransportmqtt.h>
+    #include "ntp.h"
+    ```
+
+1. Adicione a seguinte chamada ao final da função `setup` para configurar o horário atual:
+
+    ```cpp
+    initTime();
+    ```
+
+1. Adicione a seguinte declaração de variável ao topo do arquivo, logo abaixo das diretivas de inclusão:
+
+    ```cpp
+    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
+    ```
+
+    Isso declara um `IOTHUB_DEVICE_CLIENT_LL_HANDLE`, um identificador para uma conexão com o IoT Hub.
+
+1. Abaixo disso, adicione o seguinte código:
+
+    ```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");
+        }
+    }
+    ```
+
+    Isso declara uma função de callback que será chamada quando a conexão com o IoT Hub mudar de status, como conectar ou desconectar. O status é enviado para a porta serial.
+
+1. Abaixo disso, adicione uma função para conectar ao 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);
+    }
+    ```
+
+    Este código inicializa o código da biblioteca do IoT Hub e, em seguida, cria uma conexão usando a string de conexão no arquivo de cabeçalho `config.h`. Esta conexão é baseada em MQTT. Se a conexão falhar, isso será enviado para a porta serial - se você vir isso na saída, verifique a string de conexão. Por fim, o callback de status da conexão é configurado.
+
+1. Chame esta função na função `setup` abaixo da chamada para `initTime`:
+
+    ```cpp
+    connectIoTHub();
+    ```
+
+1. Assim como no cliente MQTT, este código é executado em uma única thread, então precisa de tempo para processar mensagens enviadas pelo hub e para o hub. Adicione o seguinte ao topo da função `loop` para fazer isso:
+
+    ```cpp
+    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+    ```
+
+1. Compile e carregue este código. Você verá a conexão no monitor serial:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Fetched NTP epoch time is: 1619983687
+    Sending telemetry {"soil_moisture":391}
+    The device client is connected to iothub
+    ```
+
+    Na saída, você pode ver o horário NTP sendo obtido, seguido pelo cliente do dispositivo conectando. Pode levar alguns segundos para conectar, então você pode ver a umidade do solo na saída enquanto o dispositivo está conectando.
+
+    > 💁 Você pode converter o horário UNIX do NTP para uma versão mais legível usando um site como [unixtimestamp.com](https://www.unixtimestamp.com)
+
+## Enviar telemetria
+
+Agora que seu dispositivo está conectado, você pode enviar telemetria para o IoT Hub em vez do broker MQTT.
+
+### Tarefa - enviar telemetria
+
+1. Adicione a seguinte função acima da função `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);
+    }
+    ```
+
+    Este código cria uma mensagem do IoT Hub a partir de uma string passada como parâmetro, envia-a para o hub e, em seguida, limpa o objeto da mensagem.
+
+1. Chame este código na função `loop`, logo após a linha onde a telemetria é enviada para a porta serial:
+
+    ```cpp
+    sendTelemetry(telemetry.c_str());
+    ```
+
+## Manipular comandos
+
+Seu dispositivo precisa manipular um comando do código do servidor para controlar o relé. Isso é enviado como uma solicitação de método direto.
+
+## Tarefa - manipular uma solicitação de método direto
+
+1. Adicione o seguinte código antes da função `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);
+        }
+    }
+    ```
+
+    Este código define uma função de callback que a biblioteca do IoT Hub pode chamar quando recebe uma solicitação de método direto. O método solicitado é enviado no parâmetro `method_name`. Esta função imprime o método chamado na porta serial e, em seguida, liga ou desliga o relé dependendo do nome do método.
+
+    > 💁 Isso também poderia ser implementado em uma única solicitação de método direto, passando o estado desejado do relé em um payload que pode ser enviado com a solicitação de método e disponível no parâmetro `payload`.
+
+1. Adicione o seguinte código ao final da função `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;
+    ```
+
+    Solicitações de método direto precisam de uma resposta, e a resposta é composta por duas partes - uma resposta como texto e um código de retorno. Este código criará um resultado como o seguinte documento JSON:
+
+    ```JSON
+    {
+        "Result": ""
+    }
+    ```
+
+    Isso é então copiado no parâmetro `response`, e o tamanho desta resposta é configurado no parâmetro `response_size`. Este código então retorna `IOTHUB_CLIENT_OK` para mostrar que o método foi manipulado corretamente.
+
+1. Configure o callback adicionando o seguinte ao final da função `connectIoTHub`:
+
+    ```cpp
+    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
+    ```
+
+1. A função `loop` chamará a função `IoTHubDeviceClient_LL_DoWork` para processar eventos enviados pelo IoT Hub. Isso é chamado apenas a cada 10 segundos devido ao `delay`, o que significa que métodos diretos são processados apenas a cada 10 segundos. Para tornar isso mais eficiente, o atraso de 10 segundos pode ser implementado como vários atrasos mais curtos, chamando `IoTHubDeviceClient_LL_DoWork` a cada vez. Para fazer isso, adicione o seguinte código acima da função `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);
+    }
+    ```
+
+    Este código fará um loop repetidamente, chamando `IoTHubDeviceClient_LL_DoWork` e atrasando por 100ms a cada vez. Ele fará isso tantas vezes quanto necessário para atrasar pelo tempo dado no parâmetro `delay_time`. Isso significa que o dispositivo está esperando no máximo 100ms para processar solicitações de método direto.
+
+1. Na função `loop`, remova a chamada para `IoTHubDeviceClient_LL_DoWork` e substitua a chamada `delay(10000)` pelo seguinte para chamar esta nova função:
+
+    ```cpp
+    work_delay(10000);
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal).
+
+😀 Seu programa de sensor de umidade do solo está conectado ao seu IoT Hub!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/br/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
new file mode 100644
index 00000000..652dfd56
--- /dev/null
+++ b/translations/br/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
@@ -0,0 +1,656 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
+  "translation_date": "2025-08-28T03:57:44+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
+  "language_code": "br"
+}
+-->
+# Migre a lógica da sua aplicação para a nuvem
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Esta lição foi ensinada como parte da série [IoT para Iniciantes - Projeto 2: Agricultura Digital](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) do [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Controle seu dispositivo IoT com código serverless](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
+
+## Introdução
+
+Na última lição, você aprendeu como conectar o monitoramento de umidade do solo da planta e o controle de relé a um serviço de IoT baseado na nuvem. O próximo passo é mover o código do servidor que controla o tempo do relé para a nuvem. Nesta lição, você aprenderá como fazer isso usando funções serverless.
+
+Nesta lição, abordaremos:
+
+* [O que é serverless?](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Crie uma aplicação serverless](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Crie um gatilho de evento do IoT Hub](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Envie solicitações de método direto a partir de código serverless](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Implante seu código serverless na nuvem](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+
+## O que é serverless?
+
+Serverless, ou computação sem servidor, envolve criar pequenos blocos de código que são executados na nuvem em resposta a diferentes tipos de eventos. Quando o evento ocorre, seu código é executado e recebe dados sobre o evento. Esses eventos podem vir de várias fontes, incluindo requisições web, mensagens colocadas em uma fila, alterações em dados de um banco de dados ou mensagens enviadas a um serviço de IoT por dispositivos IoT.
+
+![Eventos sendo enviados de um serviço IoT para um serviço serverless, todos processados ao mesmo tempo por várias funções sendo executadas](../../../../../translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.br.png)
+
+> 💁 Se você já usou gatilhos de banco de dados antes, pode pensar nisso como algo semelhante: código sendo acionado por um evento, como a inserção de uma linha.
+
+![Quando muitos eventos são enviados ao mesmo tempo, o serviço serverless escala para executá-los todos simultaneamente](../../../../../translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.br.png)
+
+Seu código só é executado quando o evento ocorre, não há nada mantendo seu código ativo em outros momentos. O evento acontece, seu código é carregado e executado. Isso torna o serverless muito escalável - se muitos eventos ocorrerem ao mesmo tempo, o provedor de nuvem pode executar sua função quantas vezes forem necessárias simultaneamente, utilizando os servidores disponíveis. A desvantagem disso é que, se você precisar compartilhar informações entre eventos, será necessário armazená-las em algum lugar, como um banco de dados, em vez de mantê-las na memória.
+
+Seu código é escrito como uma função que recebe detalhes sobre o evento como parâmetro. Você pode usar uma ampla gama de linguagens de programação para escrever essas funções serverless.
+
+> 🎓 Serverless também é conhecido como Functions as a Service (FaaS), já que cada gatilho de evento é implementado como uma função no código.
+
+Apesar do nome, serverless realmente utiliza servidores. O nome se refere ao fato de que, como desenvolvedor, você não precisa se preocupar com os servidores necessários para executar seu código; tudo o que importa é que seu código seja executado em resposta a um evento. O provedor de nuvem possui um *runtime* serverless que gerencia a alocação de servidores, rede, armazenamento, CPU, memória e tudo mais necessário para executar seu código. Nesse modelo, você não paga por servidor, mas sim pelo tempo em que seu código está sendo executado e pela quantidade de memória utilizada.
+
+> 💰 Serverless é uma das formas mais econômicas de executar código na nuvem. Por exemplo, no momento da escrita, um provedor de nuvem permite que todas as suas funções serverless sejam executadas um total combinado de 1.000.000 vezes por mês antes de começar a cobrar, e depois disso cobra US$0,20 por cada 1.000.000 execuções. Quando seu código não está sendo executado, você não paga.
+
+Como desenvolvedor de IoT, o modelo serverless é ideal. Você pode escrever uma função que é chamada em resposta a mensagens enviadas por qualquer dispositivo IoT conectado ao seu serviço de IoT hospedado na nuvem. Seu código lidará com todas as mensagens enviadas, mas só será executado quando necessário.
+
+✅ Relembre o código que você escreveu como servidor ouvindo mensagens via MQTT. Como isso poderia ser executado na nuvem usando serverless? Como você acha que o código precisaria ser alterado para suportar computação serverless?
+
+> 💁 O modelo serverless está se expandindo para outros serviços de nuvem além da execução de código. Por exemplo, bancos de dados serverless estão disponíveis na nuvem usando um modelo de preços serverless, onde você paga por cada solicitação feita ao banco de dados, como uma consulta ou inserção, geralmente com preços baseados na quantidade de trabalho necessário para atender à solicitação. Por exemplo, uma única seleção de uma linha com base em uma chave primária custará menos do que uma operação complexa que junta várias tabelas e retorna milhares de linhas.
+
+## Crie uma aplicação serverless
+
+O serviço de computação serverless da Microsoft é chamado Azure Functions.
+
+![O logotipo do Azure Functions](../../../../../translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.br.png)
+
+O vídeo curto abaixo oferece uma visão geral do Azure Functions.
+
+[![Vídeo de visão geral do Azure Functions](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
+
+> 🎥 Clique na imagem acima para assistir ao vídeo.
+
+✅ Reserve um momento para pesquisar e ler a visão geral do Azure Functions na [documentação do Microsoft Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn).
+
+Para escrever Azure Functions, você começa com um aplicativo de funções na linguagem de sua escolha. O Azure Functions suporta, por padrão, Python, JavaScript, TypeScript, C#, F#, Java e Powershell. Nesta lição, você aprenderá como escrever um aplicativo de funções em Python.
+
+> 💁 O Azure Functions também suporta manipuladores personalizados, permitindo que você escreva suas funções em qualquer linguagem que suporte requisições HTTP, incluindo linguagens mais antigas como COBOL.
+
+Os aplicativos de funções consistem em um ou mais *gatilhos* - funções que respondem a eventos. Você pode ter vários gatilhos dentro de um único aplicativo de funções, todos compartilhando uma configuração comum. Por exemplo, no arquivo de configuração do seu aplicativo de funções, você pode ter os detalhes de conexão do seu IoT Hub, e todas as funções no aplicativo podem usar isso para se conectar e ouvir eventos.
+
+### Tarefa - instale as ferramentas do Azure Functions
+
+> No momento da escrita, as ferramentas de código do Azure Functions não estão totalmente funcionais em Macs com Apple Silicon para projetos em Python. Você precisará usar um Mac baseado em Intel, PC com Windows ou PC com Linux.
+
+Uma ótima funcionalidade do Azure Functions é que você pode executá-lo localmente. O mesmo runtime usado na nuvem pode ser executado no seu computador, permitindo que você escreva código que responde a mensagens de IoT e o execute localmente. Você pode até depurar seu código enquanto os eventos são tratados. Quando estiver satisfeito com seu código, ele pode ser implantado na nuvem.
+
+As ferramentas do Azure Functions estão disponíveis como uma CLI, conhecida como Azure Functions Core Tools.
+
+1. Instale as ferramentas principais do Azure Functions seguindo as instruções na [documentação do Azure Functions Core Tools](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn).
+
+1. Instale a extensão do Azure Functions para o VS Code. Esta extensão oferece suporte para criar, depurar e implantar funções do Azure. Consulte a [documentação da extensão do Azure Functions](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions) para instruções sobre como instalar esta extensão no VS Code.
+
+Quando você implanta seu aplicativo de funções do Azure na nuvem, ele precisa usar uma pequena quantidade de armazenamento na nuvem para armazenar coisas como os arquivos do aplicativo e arquivos de log. Quando você executa seu aplicativo de funções localmente, ainda precisa se conectar ao armazenamento na nuvem, mas em vez de usar armazenamento real na nuvem, você pode usar um emulador de armazenamento chamado [Azurite](https://github.com/Azure/Azurite). Ele é executado localmente, mas age como armazenamento na nuvem.
+
+> 🎓 No Azure, o armazenamento que o Azure Functions usa é uma Conta de Armazenamento do Azure. Essas contas podem armazenar arquivos, blobs, dados em tabelas ou dados em filas. Você pode compartilhar uma conta de armazenamento entre vários aplicativos, como um aplicativo de funções e um aplicativo web.
+
+1. O Azurite é um aplicativo Node.js, então você precisará instalar o Node.js. Você pode encontrar as instruções de download e instalação no [site do Node.js](https://nodejs.org/). Se estiver usando um Mac, também pode instalá-lo pelo [Homebrew](https://formulae.brew.sh/formula/node).
+
+1. Instale o Azurite usando o seguinte comando (`npm` é uma ferramenta instalada junto com o Node.js):
+
+    ```sh
+    npm install -g azurite
+    ```
+
+1. Crie uma pasta chamada `azurite` para o Azurite usar para armazenar dados:
+
+    ```sh
+    mkdir azurite
+    ```
+
+1. Execute o Azurite, passando esta nova pasta:
+
+    ```sh
+    azurite --location azurite
+    ```
+
+    O emulador de armazenamento Azurite será iniciado e estará pronto para o runtime local do Functions se conectar.
+
+    ```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
+    ```
+
+### Tarefa - crie um projeto Azure Functions
+
+A CLI do Azure Functions pode ser usada para criar um novo aplicativo de funções.
+
+1. Crie uma pasta para seu aplicativo de funções e navegue até ela. Chame-a de `soil-moisture-trigger`.
+
+    ```sh
+    mkdir soil-moisture-trigger
+    cd soil-moisture-trigger
+    ```
+
+1. Crie um ambiente virtual Python dentro desta pasta:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+1. Ative o ambiente virtual:
+
+    * No Windows:
+        * Se estiver usando o Prompt de Comando ou o Prompt de Comando pelo Windows Terminal, execute:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Se estiver usando o PowerShell, execute:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * No macOS ou Linux, execute:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Esses comandos devem ser executados do mesmo local onde você executou o comando para criar o ambiente virtual. Você nunca precisará navegar para dentro da pasta `.venv`; sempre execute o comando de ativação e quaisquer comandos para instalar pacotes ou executar código a partir da pasta onde você estava ao criar o ambiente virtual.
+
+1. Execute o seguinte comando para criar um aplicativo de funções nesta pasta:
+
+    ```sh
+    func init --worker-runtime python soil-moisture-trigger
+    ```
+
+    Isso criará três arquivos dentro da pasta atual:
+
+    * `host.json` - este documento JSON contém configurações para seu aplicativo de funções. Você não precisará modificar essas configurações.
+    * `local.settings.json` - este documento JSON contém configurações que seu aplicativo usaria ao ser executado localmente, como strings de conexão para seu IoT Hub. Essas configurações são apenas locais e não devem ser adicionadas ao controle de código-fonte. Quando você implantar o aplicativo na nuvem, essas configurações não serão implantadas; em vez disso, suas configurações serão carregadas a partir das configurações do aplicativo. Isso será abordado mais tarde nesta lição.
+    * `requirements.txt` - este é um [arquivo de requisitos do Pip](https://pip.pypa.io/en/stable/user_guide/#requirements-files) que contém os pacotes Pip necessários para executar seu aplicativo de funções.
+
+1. O arquivo `local.settings.json` possui uma configuração para a conta de armazenamento que o aplicativo de funções usará. Por padrão, esta configuração está vazia e precisa ser definida. Para se conectar ao emulador de armazenamento local Azurite, defina este valor como:
+
+    ```json
+    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
+    ```
+
+1. Instale os pacotes Pip necessários usando o arquivo de requisitos:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 Os pacotes Pip necessários precisam estar neste arquivo, para que, quando o aplicativo de funções for implantado na nuvem, o runtime possa garantir que os pacotes corretos sejam instalados.
+
+1. Para testar se tudo está funcionando corretamente, você pode iniciar o runtime de funções. Execute o seguinte comando para fazer isso:
+
+    ```sh
+    func start
+    ```
+
+    Você verá o runtime iniciar e informar que não encontrou nenhuma função de trabalho (gatilhos).
+
+    ```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.
+    ```
+> ⚠️ Se você receber uma notificação de firewall, conceda acesso, pois o aplicativo `func` precisa ser capaz de ler e escrever na sua rede.
+> ⚠️ Se você estiver usando macOS, pode haver avisos na saída:
+>
+> ```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.
+    > ```
+>
+> Você pode ignorá-los, desde que o aplicativo Functions inicie corretamente e liste as funções em execução. Conforme mencionado [nesta pergunta no 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), isso pode ser ignorado.
+
+1. Pare o aplicativo Functions pressionando `ctrl+c`.
+
+1. Abra a pasta atual no VS Code, seja abrindo o VS Code e depois esta pasta, ou executando o seguinte comando:
+
+    ```sh
+    code .
+    ```
+
+    O VS Code detectará seu projeto Functions e exibirá uma notificação dizendo:
+
+    ```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?
+    ```
+
+    ![A notificação](../../../../../translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.br.png)
+
+    Selecione **Sim** nesta notificação.
+
+1. Certifique-se de que o ambiente virtual do Python está em execução no terminal do VS Code. Finalize e reinicie, se necessário.
+
+## Criar um gatilho de evento do IoT Hub
+
+O aplicativo Functions é a estrutura do seu código serverless. Para responder a eventos do IoT Hub, você pode adicionar um gatilho do IoT Hub a este aplicativo. Esse gatilho precisa se conectar ao fluxo de mensagens enviadas ao IoT Hub e responder a elas. Para obter esse fluxo de mensagens, seu gatilho precisa se conectar ao *endpoint compatível com Event Hub* do IoT Hub.
+
+O IoT Hub é baseado em outro serviço do Azure chamado Azure Event Hubs. O Event Hubs é um serviço que permite enviar e receber mensagens, e o IoT Hub estende isso para adicionar recursos para dispositivos IoT. A forma de se conectar para ler mensagens do IoT Hub é a mesma que seria usada com o Event Hubs.
+
+✅ Faça uma pesquisa: Leia a visão geral do Event Hubs na [documentação do Azure Event Hubs](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn). Como os recursos básicos se comparam ao IoT Hub?
+
+Para que um dispositivo IoT se conecte ao IoT Hub, ele precisa usar uma chave secreta que garante que apenas dispositivos autorizados possam se conectar. O mesmo se aplica ao conectar-se para ler mensagens; seu código precisará de uma string de conexão que contenha uma chave secreta, juntamente com os detalhes do IoT Hub.
+
+> 💁 A string de conexão padrão que você obtém tem permissões de **iothubowner**, o que dá a qualquer código que a utilize permissões completas no IoT Hub. Idealmente, você deve se conectar com o menor nível de permissões necessário. Isso será abordado na próxima lição.
+
+Depois que seu gatilho estiver conectado, o código dentro da função será chamado para cada mensagem enviada ao IoT Hub, independentemente de qual dispositivo a enviou. O gatilho passará a mensagem como um parâmetro.
+
+### Tarefa - obter a string de conexão do endpoint compatível com Event Hub
+
+1. No terminal do VS Code, execute o seguinte comando para obter a string de conexão para o endpoint compatível com Event Hub do IoT Hub:
+
+    ```sh
+    az iot hub connection-string show --default-eventhub \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome que você usou para o IoT Hub.
+
+1. No VS Code, abra o arquivo `local.settings.json`. Adicione o seguinte valor adicional dentro da seção `Values`:
+
+    ```json
+    "IOT_HUB_CONNECTION_STRING": "<connection string>"
+    ```
+
+    Substitua `<connection string>` pelo valor obtido na etapa anterior. Você precisará adicionar uma vírgula após a linha acima para que seja um JSON válido.
+
+### Tarefa - criar um gatilho de evento
+
+Agora você está pronto para criar o gatilho de evento.
+
+1. No terminal do VS Code, execute o seguinte comando dentro da pasta `soil-moisture-trigger`:
+
+    ```sh
+    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
+    ```
+
+    Isso cria uma nova Function chamada `iot-hub-trigger`. O gatilho se conectará ao endpoint compatível com Event Hub no IoT Hub, permitindo que você use um gatilho de Event Hub. Não há um gatilho específico para IoT Hub.
+
+Isso criará uma pasta dentro da pasta `soil-moisture-trigger` chamada `iot-hub-trigger`, que conterá esta função. Esta pasta terá os seguintes arquivos:
+
+* `__init__.py` - este é o arquivo de código Python que contém o gatilho, usando a convenção padrão de nomes de arquivos Python para transformar esta pasta em um módulo Python.
+
+    Este arquivo conterá o seguinte código:
+
+    ```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'))
+    ```
+
+    O núcleo do gatilho é a função `main`. É esta função que é chamada com os eventos do IoT Hub. Esta função tem um parâmetro chamado `event` que contém um `EventHubEvent`. Sempre que uma mensagem é enviada ao IoT Hub, esta função é chamada passando essa mensagem como o `event`, juntamente com propriedades que são as mesmas das anotações que você viu na última lição.
+
+    O núcleo desta função registra o evento.
+
+* `function.json` - este arquivo contém a configuração do gatilho. A configuração principal está em uma seção chamada `bindings`. Um binding é o termo para uma conexão entre o Azure Functions e outros serviços do Azure. Esta função tem um binding de entrada para um Event Hub - ela se conecta a um Event Hub e recebe dados.
+
+    > 💁 Você também pode ter bindings de saída para que a saída de uma função seja enviada para outro serviço. Por exemplo, você poderia adicionar um binding de saída para um banco de dados e retornar o evento do IoT Hub da função, e ele seria automaticamente inserido no banco de dados.
+
+    ✅ Faça uma pesquisa: Leia sobre bindings na [documentação de conceitos de gatilhos e bindings do Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python).
+
+    A seção `bindings` inclui a configuração para o binding. Os valores de interesse são:
+
+  * `"type": "eventHubTrigger"` - isso informa à função que ela precisa ouvir eventos de um Event Hub
+  * `"name": "events"` - este é o nome do parâmetro a ser usado para os eventos do Event Hub. Isso corresponde ao nome do parâmetro na função `main` no código Python.
+  * `"direction": "in"` - este é um binding de entrada, os dados do Event Hub entram na função
+  * `"connection": ""` - isso define o nome da configuração para ler a string de conexão. Ao executar localmente, isso lerá esta configuração do arquivo `local.settings.json`.
+
+    > 💁 A string de conexão não pode ser armazenada no arquivo `function.json`, ela deve ser lida das configurações. Isso é para evitar que você exponha acidentalmente sua string de conexão.
+
+1. Devido a [um bug no template do Azure Functions](https://github.com/Azure/azure-functions-templates/issues/1250), o arquivo `function.json` tem um valor incorreto para o campo `cardinality`. Atualize este campo de `many` para `one`:
+
+    ```json
+    "cardinality": "one",
+    ```
+
+1. Atualize o valor de `"connection"` no arquivo `function.json` para apontar para o novo valor que você adicionou ao arquivo `local.settings.json`:
+
+    ```json
+    "connection": "IOT_HUB_CONNECTION_STRING",
+    ```
+
+    > 💁 Lembre-se - isso precisa apontar para a configuração, não conter a string de conexão real.
+
+1. A string de conexão contém o valor `eventHubName`, então o valor para isso no arquivo `function.json` precisa ser limpo. Atualize este valor para uma string vazia:
+
+    ```json
+    "eventHubName": "",
+    ```
+
+### Tarefa - executar o gatilho de evento
+
+1. Certifique-se de que você não está executando o monitor de eventos do IoT Hub. Se isso estiver em execução ao mesmo tempo que o aplicativo Functions, o aplicativo Functions não conseguirá se conectar e consumir eventos.
+
+    > 💁 Vários aplicativos podem se conectar aos endpoints do IoT Hub usando diferentes *grupos de consumidores*. Isso será abordado em uma lição posterior.
+
+1. Para executar o aplicativo Functions, execute o seguinte comando no terminal do VS Code:
+
+    ```sh
+    func start
+    ```
+
+    O aplicativo Functions será iniciado e descobrirá a função `iot-hub-trigger`. Ele processará quaisquer eventos que já tenham sido enviados ao IoT Hub no último dia.
+
+    ```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)
+    ```
+
+    Cada chamada para a função será cercada por um bloco `Executing 'Functions.iot-hub-trigger'`/`Executed 'Functions.iot-hub-trigger'` na saída, para que você possa ver quantas mensagens foram processadas em cada chamada de função.
+
+1. Certifique-se de que seu dispositivo IoT está em execução. Você verá novas mensagens de umidade do solo aparecendo no aplicativo Functions.
+
+1. Pare e reinicie o aplicativo Functions. Você verá que ele não processará mensagens anteriores novamente, apenas processará novas mensagens.
+
+> 💁 O VS Code também suporta depuração de suas Functions. Você pode definir pontos de interrupção clicando na borda ao lado do início de cada linha de código, colocando o cursor em uma linha de código e selecionando *Executar -> Alternar ponto de interrupção*, ou pressionando `F9`. Você pode iniciar o depurador selecionando *Executar -> Iniciar depuração*, pressionando `F5`, ou selecionando o painel *Executar e depurar* e clicando no botão **Iniciar depuração**. Fazendo isso, você pode ver os detalhes dos eventos sendo processados.
+
+#### Solução de problemas
+
+* Se você receber o seguinte erro:
+
+    ```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.
+    ```
+
+    Verifique se o Azurite está em execução e se você configurou o `AzureWebJobsStorage` no arquivo `local.settings.json` como `UseDevelopmentStorage=true`.
+
+* Se você receber o seguinte erro:
+
+    ```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'
+    ```
+
+    Verifique se você configurou o `cardinality` no arquivo `function.json` como `one`.
+
+* Se você receber o seguinte erro:
+
+    ```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').
+    ```
+
+    Verifique se você configurou o `eventHubName` no arquivo `function.json` como uma string vazia.
+
+## Enviar solicitações de método direto a partir de código serverless
+
+Até agora, seu aplicativo Functions está ouvindo mensagens do IoT Hub usando o endpoint compatível com Event Hub. Agora você precisa enviar comandos para o dispositivo IoT. Isso é feito usando uma conexão diferente com o IoT Hub via *Registry Manager*. O Registry Manager é uma ferramenta que permite ver quais dispositivos estão registrados no IoT Hub e se comunicar com esses dispositivos enviando mensagens de nuvem para dispositivo, solicitações de método direto ou atualizando o device twin. Você também pode usá-lo para registrar, atualizar ou excluir dispositivos IoT do IoT Hub.
+
+Para se conectar ao Registry Manager, você precisa de uma string de conexão.
+
+### Tarefa - obter a string de conexão do Registry Manager
+
+1. Para obter a string de conexão, execute o seguinte comando:
+
+    ```sh
+    az iot hub connection-string show --policy-name service \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome que você usou para o IoT Hub.
+
+    A string de conexão é solicitada para a política *ServiceConnect* usando o parâmetro `--policy-name service`. Quando você solicita uma string de conexão, pode especificar quais permissões essa string permitirá. A política ServiceConnect permite que seu código se conecte e envie mensagens para dispositivos IoT.
+
+    ✅ Faça uma pesquisa: Leia sobre as diferentes políticas na [documentação de permissões do IoT Hub](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn)
+
+1. No VS Code, abra o arquivo `local.settings.json`. Adicione o seguinte valor adicional dentro da seção `Values`:
+
+    ```json
+    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
+    ```
+
+    Substitua `<connection string>` pelo valor obtido na etapa anterior. Você precisará adicionar uma vírgula após a linha acima para que seja um JSON válido.
+
+### Tarefa - enviar uma solicitação de método direto para um dispositivo
+
+1. O SDK para o Registry Manager está disponível via um pacote Pip. Adicione a seguinte linha ao arquivo `requirements.txt` para adicionar a dependência deste pacote:
+
+    ```sh
+    azure-iot-hub
+    ```
+
+1. Certifique-se de que o terminal do VS Code tenha o ambiente virtual ativado e execute o seguinte comando para instalar os pacotes Pip:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+1. Adicione as seguintes importações ao arquivo `__init__.py`:
+
+    ```python
+    import json
+    import os
+    from azure.iot.hub import IoTHubRegistryManager
+    from azure.iot.hub.models import CloudToDeviceMethod
+    ```
+
+    Isso importa algumas bibliotecas do sistema, bem como as bibliotecas para interagir com o Registry Manager e enviar solicitações de método direto.
+
+1. Remova o código de dentro do método `main`, mas mantenha o método em si.
+
+1. No método `main`, adicione o seguinte código:
+
+    ```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}')
+    ```
+
+    Este código extrai o corpo do evento, que contém a mensagem JSON enviada pelo dispositivo IoT.
+
+    Em seguida, ele obtém o ID do dispositivo das anotações passadas com a mensagem. O corpo do evento contém a mensagem enviada como telemetria, e o dicionário `iothub_metadata` contém propriedades definidas pelo IoT Hub, como o ID do dispositivo do remetente e o horário em que a mensagem foi enviada.
+
+    Essas informações são então registradas. Você verá este registro no terminal ao executar o aplicativo Function localmente.
+
+1. Abaixo disso, adicione o seguinte código:
+
+    ```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='{}')
+    ```
+
+    Este código obtém a umidade do solo da mensagem. Em seguida, verifica a umidade do solo e, dependendo do valor, cria uma classe auxiliar para a solicitação de método direto para o método `relay_on` ou `relay_off`. A solicitação do método não precisa de um payload, então um documento JSON vazio é enviado.
+
+1. Abaixo disso, adicione o seguinte código:
+
+    ```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)
+    ```
+Este código carrega a `REGISTRY_MANAGER_CONNECTION_STRING` do arquivo `local.settings.json`. Os valores neste arquivo são disponibilizados como variáveis de ambiente, e podem ser lidos usando a função `os.environ`, que retorna um dicionário com todas as variáveis de ambiente.
+
+> 💁 Quando este código é implantado na nuvem, os valores no arquivo `local.settings.json` serão configurados como *Application Settings*, e podem ser lidos a partir das variáveis de ambiente.
+
+O código então cria uma instância da classe auxiliar Registry Manager usando a string de conexão.
+
+1. Abaixo disso, adicione o seguinte código:
+
+    ```python
+    registry_manager.invoke_device_method(device_id, direct_method)
+
+    logging.info('Direct method request sent!')
+    ```
+
+    Este código instrui o registry manager a enviar a solicitação de método direto para o dispositivo que enviou a telemetria.
+
+    > 💁 Nas versões do aplicativo que você criou em lições anteriores usando MQTT, os comandos de controle do relé eram enviados para todos os dispositivos. O código assumia que você teria apenas um dispositivo. Esta versão do código envia a solicitação de método para um único dispositivo, funcionando corretamente caso você tenha múltiplas configurações de sensores de umidade e relés, enviando a solicitação de método direto para o dispositivo correto.
+
+1. Execute o aplicativo Functions e certifique-se de que seu dispositivo IoT está enviando dados. Você verá as mensagens sendo processadas e as solicitações de método direto sendo enviadas. Mova o sensor de umidade do solo para dentro e fora do solo para ver os valores mudarem e o relé ligar e desligar.
+
+> 💁 Você pode encontrar este código na pasta [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions).
+
+## Implante seu código serverless na nuvem
+
+Seu código está funcionando localmente, então o próximo passo é implantar o aplicativo Functions na nuvem.
+
+### Tarefa - criar os recursos na nuvem
+
+Seu aplicativo Functions precisa ser implantado em um recurso Functions App no Azure, dentro do Resource Group que você criou para seu IoT Hub. Você também precisará criar uma Storage Account no Azure para substituir o emulador que está rodando localmente.
+
+1. Execute o seguinte comando para criar uma Storage Account:
+
+    ```sh
+    az storage account create --resource-group soil-moisture-sensor \
+                              --sku Standard_LRS \
+                              --name <storage_name> 
+    ```
+
+    Substitua `<storage_name>` por um nome para sua Storage Account. Este nome precisa ser globalmente único, pois faz parte da URL usada para acessar a Storage Account. Você pode usar apenas letras minúsculas e números para este nome, sem outros caracteres, e ele é limitado a 24 caracteres. Use algo como `sms` e adicione um identificador único no final, como algumas palavras aleatórias ou seu nome.
+
+    A opção `--sku Standard_LRS` seleciona o nível de preço, escolhendo a conta geral de menor custo. Não há uma camada gratuita de armazenamento, e você paga pelo que usar. Os custos são relativamente baixos, com o armazenamento mais caro custando menos de US$0,05 por mês por gigabyte armazenado.
+
+    ✅ Leia mais sobre preços na [página de preços do Azure Storage Account](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn)
+
+1. Execute o seguinte comando para criar um Function 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>
+    ```
+
+    Substitua `<location>` pela localização que você usou ao criar o Resource Group na lição anterior.
+
+    Substitua `<storage_name>` pelo nome da Storage Account que você criou na etapa anterior.
+
+    Substitua `<functions_app_name>` por um nome único para seu Function App. Este nome precisa ser globalmente único, pois faz parte de uma URL que pode ser usada para acessar o Function App. Use algo como `soil-moisture-sensor-` e adicione um identificador único no final, como algumas palavras aleatórias ou seu nome.
+
+    A opção `--functions-version 3` define a versão do Azure Functions a ser usada. A versão 3 é a mais recente.
+
+    A opção `--os-type Linux` informa ao runtime do Functions para usar Linux como sistema operacional para hospedar essas funções. Functions podem ser hospedados em Linux ou Windows, dependendo da linguagem de programação usada. Aplicativos Python são suportados apenas em Linux.
+
+### Tarefa - carregar suas configurações de aplicativo
+
+Quando você desenvolveu seu Function App, armazenou algumas configurações no arquivo `local.settings.json` para as strings de conexão do seu IoT Hub. Estas precisam ser escritas como Application Settings no Function App no Azure para que possam ser usadas pelo seu código.
+
+> 🎓 O arquivo `local.settings.json` é apenas para configurações de desenvolvimento local e não deve ser incluído no controle de versão, como o GitHub. Quando implantado na nuvem, Application Settings são usados. Application Settings são pares de chave/valor hospedados na nuvem e são lidos a partir de variáveis de ambiente, seja no seu código ou pelo runtime ao conectar seu código ao IoT Hub.
+
+1. Execute o seguinte comando para definir a configuração `IOT_HUB_CONNECTION_STRING` nas Application Settings do Function App:
+
+    ```sh
+    az functionapp config appsettings set --resource-group soil-moisture-sensor \
+                                          --name <functions_app_name> \
+                                          --settings "IOT_HUB_CONNECTION_STRING=<connection string>"
+    ```
+
+    Substitua `<functions_app_name>` pelo nome que você usou para seu Function App.
+
+    Substitua `<connection string>` pelo valor de `IOT_HUB_CONNECTION_STRING` do seu arquivo `local.settings.json`.
+
+1. Repita o passo acima, mas defina o valor de `REGISTRY_MANAGER_CONNECTION_STRING` para o valor correspondente do seu arquivo `local.settings.json`.
+
+Quando você executar esses comandos, eles também exibirão uma lista de todas as Application Settings do Function App. Você pode usar isso para verificar se seus valores estão configurados corretamente.
+
+> 💁 Você verá um valor já configurado para `AzureWebJobsStorage`. No seu arquivo `local.settings.json`, isso foi configurado para usar o emulador de armazenamento local. Quando você criou o Function App, passou a Storage Account como um parâmetro, e isso foi configurado automaticamente nesta configuração.
+
+### Tarefa - implantar seu Function App na nuvem
+
+Agora que o Function App está pronto, seu código pode ser implantado.
+
+1. Execute o seguinte comando no terminal do VS Code para publicar seu Function App:
+
+    ```sh
+    func azure functionapp publish <functions_app_name>
+    ```
+
+    Substitua `<functions_app_name>` pelo nome que você usou para seu Function App.
+
+O código será empacotado e enviado para o Function App, onde será implantado e iniciado. Haverá uma grande quantidade de saída no console, terminando com a confirmação da implantação e uma lista das funções implantadas. Neste caso, a lista conterá apenas o trigger.
+
+```output
+Deployment successful.
+Remote build succeeded!
+Syncing triggers...
+Functions in soil-moisture-sensor:
+    iot-hub-trigger - [eventHubTrigger]
+```
+
+Certifique-se de que seu dispositivo IoT está funcionando. Altere os níveis de umidade ajustando a umidade do solo ou movendo o sensor para dentro e fora do solo. Você verá o relé ligar e desligar conforme a umidade do solo muda.
+
+---
+
+## 🚀 Desafio
+
+Na lição anterior, você gerenciou o tempo do relé ao cancelar a inscrição de mensagens MQTT enquanto o relé estava ligado e por um curto período após ser desligado. Você não pode usar este método aqui - não é possível cancelar a inscrição do seu trigger do IoT Hub.
+
+Pense em diferentes maneiras de lidar com isso no seu Function App.
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
+
+## Revisão e Autoestudo
+
+* Leia sobre computação serverless na [página de computação serverless na Wikipedia](https://wikipedia.org/wiki/Serverless_computing)
+* Leia sobre o uso de serverless no Azure, incluindo mais exemplos, no [post do blog do Azure sobre serverless para suas necessidades de IoT](https://azure.microsoft.com/blog/go-serverless-for-your-iot-needs/?WT.mc_id=academic-17441-jabenn)
+* Aprenda mais sobre Azure Functions no [canal do YouTube do Azure Functions](https://www.youtube.com/c/AzureFunctions)
+
+## Tarefa
+
+[Adicionar controle manual do relé](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/br/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
new file mode 100644
index 00000000..e1c99c98
--- /dev/null
+++ b/translations/br/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
@@ -0,0 +1,70 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
+  "translation_date": "2025-08-28T04:01:02+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
+  "language_code": "br"
+}
+-->
+# Adicionar controle manual de relé
+
+## Instruções
+
+Código serverless pode ser acionado por diversos eventos, incluindo requisições HTTP. Você pode usar gatilhos HTTP para adicionar uma substituição manual ao controle do relé, permitindo que alguém ligue ou desligue o relé por meio de uma requisição web.
+
+Para esta tarefa, você precisa adicionar dois gatilhos HTTP ao seu Functions App para ligar e desligar o relé, reutilizando o que você aprendeu nesta lição para enviar comandos ao dispositivo.
+
+Algumas dicas:
+
+* Você pode adicionar um gatilho HTTP ao seu Functions App existente com o seguinte comando:
+
+    ```sh
+    func new --name <trigger name> --template "HTTP trigger"
+    ```
+
+    Substitua `<trigger name>` pelo nome do seu gatilho HTTP. Use algo como `relay_on` e `relay_off`.
+
+* Gatilhos HTTP podem ter controle de acesso. Por padrão, eles exigem uma chave de API específica da função para ser passada com a URL para serem executados. Para esta tarefa, você pode remover essa restrição para que qualquer pessoa possa executar a função. Para fazer isso, atualize a configuração `authLevel` no arquivo `function.json` para os gatilhos HTTP com o seguinte:
+
+    ```json
+    "authLevel": "anonymous"
+    ```
+
+    > 💁 Você pode ler mais sobre este controle de acesso na [documentação de chaves de acesso de funções](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys).
+
+* Gatilhos HTTP, por padrão, suportam requisições GET e POST. Isso significa que você pode chamá-los usando seu navegador web - navegadores web fazem requisições GET.
+
+    Quando você executa seu Functions App localmente, verá a URL do gatilho:
+
+    ```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
+    ```
+
+    Cole a URL no seu navegador e pressione `return`, ou `Ctrl+click` (`Cmd+click` no macOS) no link na janela do terminal no VS Code para abri-lo no navegador padrão. Isso executará o gatilho.
+
+    > 💁 Note que a URL contém `/api` - gatilhos HTTP estão, por padrão, no subdomínio `api`.
+
+* Quando você implantar o Functions App, a URL do gatilho HTTP será:
+
+    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
+
+    Onde `<functions app name>` é o nome do seu Functions App, e `<trigger name>` é o nome do seu gatilho.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Criar gatilhos HTTP | Criou 2 gatilhos para ligar e desligar o relé, com nomes apropriados | Criou um gatilho com um nome apropriado | Não conseguiu criar nenhum gatilho |
+| Controlar o relé a partir dos gatilhos HTTP | Conectou ambos os gatilhos ao IoT Hub e controlou o relé corretamente | Conectou um gatilho ao IoT Hub e controlou o relé corretamente | Não conseguiu conectar os gatilhos ao IoT Hub |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/br/2-farm/lessons/6-keep-your-plant-secure/README.md
new file mode 100644
index 00000000..88d41de1
--- /dev/null
+++ b/translations/br/2-farm/lessons/6-keep-your-plant-secure/README.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
+  "translation_date": "2025-08-28T04:01:25+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
+  "language_code": "br"
+}
+-->
+# Mantenha sua planta segura
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
+
+## Introdução
+
+Nas últimas lições, você criou um dispositivo IoT para monitoramento do solo e o conectou à nuvem. Mas e se hackers trabalhando para um fazendeiro rival conseguissem assumir o controle dos seus dispositivos IoT? E se eles enviassem leituras falsas de alta umidade do solo para que suas plantas nunca fossem irrigadas, ou ligassem o sistema de irrigação continuamente, matando suas plantas por excesso de água e gerando um custo enorme com desperdício?
+
+Nesta lição, você aprenderá sobre como proteger dispositivos IoT. Como esta é a última lição deste projeto, você também aprenderá a limpar seus recursos na nuvem, reduzindo quaisquer custos potenciais.
+
+Nesta lição, abordaremos:
+
+* [Por que você precisa proteger dispositivos IoT?](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Criptografia](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Proteja seus dispositivos IoT](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Gerar e usar um certificado X.509](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+
+> 🗑 Esta é a última lição deste projeto, então, após concluir esta lição e o exercício, não se esqueça de limpar seus serviços na nuvem. Você precisará dos serviços para concluir o exercício, então certifique-se de finalizá-lo primeiro.
+>
+> Consulte [o guia de limpeza do projeto](../../../clean-up.md) se necessário para obter instruções sobre como fazer isso.
+
+## Por que você precisa proteger dispositivos IoT?
+
+A segurança em IoT envolve garantir que apenas dispositivos esperados possam se conectar ao seu serviço IoT na nuvem e enviar telemetria, e que apenas seu serviço na nuvem possa enviar comandos aos seus dispositivos. Os dados de IoT também podem ser pessoais, incluindo informações médicas ou íntimas, então toda a sua aplicação precisa considerar a segurança para evitar vazamentos desses dados.
+
+Se sua aplicação IoT não for segura, há vários riscos:
+
+* Um dispositivo falso pode enviar dados incorretos, fazendo com que sua aplicação responda de forma inadequada. Por exemplo, eles poderiam enviar leituras constantes de alta umidade do solo, fazendo com que seu sistema de irrigação nunca ligue e suas plantas morram por falta de água.
+* Usuários não autorizados poderiam acessar dados dos dispositivos IoT, incluindo informações pessoais ou críticas para o negócio.
+* Hackers poderiam enviar comandos para controlar um dispositivo de forma que cause danos ao dispositivo ou ao hardware conectado.
+* Ao se conectar a um dispositivo IoT, hackers poderiam usar isso para acessar redes adicionais e obter acesso a sistemas privados.
+* Usuários mal-intencionados poderiam acessar dados pessoais e usá-los para chantagem.
+
+Esses são cenários do mundo real e acontecem o tempo todo. Alguns exemplos foram apresentados em lições anteriores, mas aqui estão mais alguns:
+
+* Em 2018, hackers usaram um ponto de acesso Wi-Fi aberto em um termostato de aquário para acessar a rede de um cassino e roubar dados. [The Hacker News - Casino Gets Hacked Through Its Internet-Connected Fish Tank Thermometer](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
+* Em 2016, o Botnet Mirai lançou um ataque de negação de serviço contra a Dyn, um provedor de serviços de Internet, derrubando grandes partes da Internet. Esse botnet usou malware para se conectar a dispositivos IoT, como DVRs e câmeras, que utilizavam nomes de usuário e senhas padrão, e a partir daí lançou o ataque. [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)
+* A Spiral Toys tinha um banco de dados de usuários de seus brinquedos conectados CloudPets disponível publicamente na Internet. [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/).
+* O Strava marcava corredores que você passava e mostrava suas rotas, permitindo que estranhos vissem onde você mora. [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/).
+
+✅ Faça uma pesquisa: Procure mais exemplos de ataques e violações de dados em IoT, especialmente com itens pessoais, como escovas de dente ou balanças conectadas à Internet. Pense no impacto que esses ataques podem ter sobre as vítimas ou clientes.
+
+> 💁 Segurança é um tópico enorme, e esta lição abordará apenas alguns dos conceitos básicos sobre a conexão do seu dispositivo à nuvem. Outros tópicos que não serão abordados incluem monitoramento de alterações de dados em trânsito, invasão direta de dispositivos ou alterações nas configurações dos dispositivos. A ameaça de invasões em IoT é tão grande que ferramentas como [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn) foram desenvolvidas. Essas ferramentas são semelhantes aos antivírus e ferramentas de segurança que você pode ter no seu computador, mas projetadas para dispositivos IoT pequenos e de baixo consumo de energia.
+
+## Criptografia
+
+Quando um dispositivo se conecta a um serviço IoT, ele usa um ID para se identificar. O problema é que esse ID pode ser clonado - um hacker poderia configurar um dispositivo malicioso que usa o mesmo ID de um dispositivo real, mas envia dados falsos.
+
+![Tanto dispositivos válidos quanto maliciosos poderiam usar o mesmo ID para enviar telemetria](../../../../../translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.br.png)
+
+A solução para isso é converter os dados enviados em um formato embaralhado, usando algum valor conhecido apenas pelo dispositivo e pela nuvem. Esse processo é chamado de *criptografia*, e o valor usado para criptografar os dados é chamado de *chave de criptografia*.
+
+![Se a criptografia for usada, apenas mensagens criptografadas serão aceitas, outras serão rejeitadas](../../../../../translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.br.png)
+
+O serviço na nuvem pode então converter os dados de volta para um formato legível, usando um processo chamado *descriptografia*, utilizando a mesma chave de criptografia ou uma *chave de descriptografia*. Se a mensagem criptografada não puder ser descriptografada pela chave, o dispositivo foi comprometido e a mensagem é rejeitada.
+
+A técnica para realizar a criptografia e a descriptografia é chamada de *criptografia*.
+
+### Criptografia antiga
+
+Os primeiros tipos de criptografia eram cifras de substituição, datando de 3.500 anos atrás. As cifras de substituição envolvem substituir uma letra por outra. Por exemplo, a [cifra de César](https://wikipedia.org/wiki/Caesar_cipher) envolve deslocar o alfabeto por uma quantidade definida, com apenas o remetente da mensagem criptografada e o destinatário sabendo quantas letras deslocar.
+
+A [cifra de Vigenère](https://wikipedia.org/wiki/Vigenère_cipher) levou isso adiante, usando palavras para criptografar o texto, de modo que cada letra no texto original fosse deslocada por uma quantidade diferente, em vez de sempre deslocar pelo mesmo número de letras.
+
+A criptografia foi usada para uma ampla gama de propósitos, como proteger receitas de esmaltes de cerâmica na antiga Mesopotâmia, escrever bilhetes de amor secretos na Índia ou manter feitiços mágicos egípcios em segredo.
+
+### Criptografia moderna
+
+A criptografia moderna é muito mais avançada, tornando-a mais difícil de ser quebrada do que os métodos antigos. A criptografia moderna usa matemática complexa para criptografar dados com um número tão grande de chaves possíveis que ataques de força bruta se tornam inviáveis.
+
+A criptografia é usada de várias maneiras para comunicações seguras. Se você está lendo esta página no GitHub, pode notar que o endereço do site começa com *HTTPS*, o que significa que a comunicação entre seu navegador e os servidores do GitHub está criptografada. Se alguém conseguisse ler o tráfego da Internet entre seu navegador e o GitHub, não seria capaz de entender os dados, pois estão criptografados. Seu computador pode até criptografar todos os dados no disco rígido, para que, se alguém o roubar, não consiga ler seus dados sem sua senha.
+
+> 🎓 HTTPS significa HyperText Transfer Protocol **Secure**
+
+Infelizmente, nem tudo é seguro. Alguns dispositivos não têm segurança, outros são protegidos com chaves fáceis de quebrar, ou às vezes todos os dispositivos do mesmo tipo usam a mesma chave. Há relatos de dispositivos IoT muito pessoais que têm a mesma senha para conexão via Wi-Fi ou Bluetooth. Se você pode se conectar ao seu próprio dispositivo, pode se conectar ao de outra pessoa. Uma vez conectado, você poderia acessar dados muito privados ou controlar o dispositivo de outra pessoa.
+
+> 💁 Apesar das complexidades da criptografia moderna e das alegações de que quebrar a criptografia pode levar bilhões de anos, o avanço da computação quântica trouxe a possibilidade de quebrar toda a criptografia conhecida em um período muito curto de tempo!
+
+### Chaves simétricas e assimétricas
+
+A criptografia pode ser de dois tipos - simétrica e assimétrica.
+
+A criptografia **simétrica** usa a mesma chave para criptografar e descriptografar os dados. Tanto o remetente quanto o destinatário precisam conhecer a mesma chave. Este é o tipo menos seguro, pois a chave precisa ser compartilhada de alguma forma. Para que um remetente envie uma mensagem criptografada a um destinatário, o remetente pode precisar enviar a chave ao destinatário primeiro.
+
+![A criptografia simétrica usa a mesma chave para criptografar e descriptografar uma mensagem](../../../../../translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.br.png)
+
+Se a chave for roubada durante o envio, ou se o remetente ou destinatário forem hackeados e a chave for descoberta, a criptografia pode ser comprometida.
+
+![A criptografia simétrica é segura apenas se um hacker não obtiver a chave - caso contrário, ele pode interceptar e descriptografar a mensagem](../../../../../translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.br.png)
+
+A criptografia **assimétrica** usa 2 chaves - uma chave para criptografar e outra para descriptografar, conhecidas como par de chaves pública/privada. A chave pública é usada para criptografar a mensagem, mas não pode ser usada para descriptografá-la; a chave privada é usada para descriptografar a mensagem, mas não pode ser usada para criptografá-la.
+
+![A criptografia assimétrica usa uma chave diferente para criptografar e descriptografar. A chave pública é enviada aos remetentes para que possam criptografar uma mensagem antes de enviá-la ao destinatário que possui as chaves](../../../../../translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.br.png)
+
+O destinatário compartilha sua chave pública, e o remetente a utiliza para criptografar a mensagem. Após o envio, o destinatário descriptografa a mensagem com sua chave privada. A criptografia assimétrica é mais segura, pois a chave privada é mantida em segredo pelo destinatário e nunca é compartilhada. Qualquer pessoa pode ter a chave pública, já que ela só pode ser usada para criptografar mensagens.
+
+A criptografia simétrica é mais rápida do que a assimétrica, enquanto a assimétrica é mais segura. Alguns sistemas utilizam ambas - usando a criptografia assimétrica para criptografar e compartilhar a chave simétrica, e depois usando a chave simétrica para criptografar todos os dados. Isso torna o compartilhamento da chave simétrica mais seguro entre remetente e destinatário, e mais rápido ao criptografar e descriptografar os dados.
+
+## Proteja seus dispositivos IoT
+
+Os dispositivos IoT podem ser protegidos usando criptografia simétrica ou assimétrica. A simétrica é mais fácil, mas menos segura.
+
+### Chaves simétricas
+
+Quando você configurou seu dispositivo IoT para interagir com o IoT Hub, utilizou uma string de conexão. Um exemplo de string de conexão é:
+
+```output
+HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
+```
+
+Essa string de conexão é composta por três partes separadas por ponto e vírgula, com cada parte sendo uma chave e um valor:
+
+| Chave | Valor | Descrição |
+| --- | ----- | ----------- |
+| HostName | `soil-moisture-sensor.azure-devices.net` | A URL do IoT Hub |
+| DeviceId | `soil-moisture-sensor` | O ID único do dispositivo |
+| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | Uma chave simétrica conhecida pelo dispositivo e pelo IoT Hub |
+
+A última parte dessa string de conexão, o `SharedAccessKey`, é a chave simétrica conhecida tanto pelo dispositivo quanto pelo IoT Hub. Essa chave nunca é enviada do dispositivo para a nuvem, nem da nuvem para o dispositivo. Em vez disso, ela é usada para criptografar os dados enviados ou recebidos.
+
+✅ Faça um experimento. O que você acha que acontecerá se você alterar a parte `SharedAccessKey` da string de conexão ao conectar seu dispositivo IoT? Experimente.
+
+Quando o dispositivo tenta se conectar pela primeira vez, ele envia um token de assinatura de acesso compartilhado (SAS) que consiste na URL do IoT Hub, um timestamp indicando quando a assinatura de acesso expirará (geralmente 1 dia a partir do momento atual) e uma assinatura. Essa assinatura consiste na URL e no tempo de expiração criptografados com a chave de acesso compartilhado da string de conexão.
+
+O IoT Hub descriptografa essa assinatura com a chave de acesso compartilhado e, se o valor descriptografado corresponder à URL e ao tempo de expiração, o dispositivo é autorizado a se conectar. Ele também verifica se o horário atual é anterior ao tempo de expiração, para impedir que um dispositivo malicioso capture o token SAS de um dispositivo real e o utilize.
+
+Essa é uma maneira elegante de verificar se o remetente é o dispositivo correto. Ao enviar alguns dados conhecidos em uma forma descriptografada e criptografada, o servidor pode verificar o dispositivo garantindo que, ao descriptografar os dados criptografados, o resultado corresponda à versão descriptografada enviada. Se corresponder, então tanto o remetente quanto o destinatário possuem a mesma chave de criptografia simétrica.
+💁 Devido ao tempo de expiração, seu dispositivo IoT precisa saber a hora exata, geralmente obtida de um servidor [NTP](https://wikipedia.org/wiki/Network_Time_Protocol). Se a hora não estiver correta, a conexão falhará.
+Após a conexão, todos os dados enviados para o IoT Hub a partir do dispositivo, ou para o dispositivo a partir do IoT Hub, serão criptografados com a chave de acesso compartilhada.
+
+✅ O que você acha que acontecerá se vários dispositivos compartilharem a mesma string de conexão?
+
+> 💁 Não é uma boa prática de segurança armazenar essa chave no código. Se um hacker obtiver seu código-fonte, ele poderá acessar sua chave. Além disso, isso dificulta o lançamento de código, pois seria necessário recompilar com uma chave atualizada para cada dispositivo. É melhor carregar essa chave a partir de um módulo de segurança de hardware - um chip no dispositivo IoT que armazena valores criptografados que podem ser lidos pelo seu código.
+>
+> Ao aprender sobre IoT, muitas vezes é mais fácil colocar a chave no código, como você fez em uma lição anterior, mas é essencial garantir que essa chave não seja incluída em um controle de código-fonte público.
+
+Os dispositivos possuem 2 chaves e 2 strings de conexão correspondentes. Isso permite que você faça a rotação das chaves - ou seja, alterne de uma chave para outra caso a primeira seja comprometida, e gere novamente a primeira chave.
+
+### Certificados X.509
+
+Quando você utiliza criptografia assimétrica com um par de chaves pública/privada, é necessário fornecer sua chave pública para qualquer pessoa que queira enviar dados para você. O problema é: como o destinatário da sua chave pode ter certeza de que é realmente sua chave pública e não de alguém se passando por você? Em vez de fornecer apenas a chave, você pode incluí-la em um certificado que foi verificado por uma terceira parte confiável, chamado de certificado X.509.
+
+Os certificados X.509 são documentos digitais que contêm a parte pública do par de chaves pública/privada. Eles geralmente são emitidos por uma das várias organizações confiáveis chamadas [Autoridades Certificadoras](https://wikipedia.org/wiki/Certificate_authority) (CAs) e são assinados digitalmente pela CA para indicar que a chave é válida e vem de você. Você confia no certificado e na chave pública porque confia na CA, de forma semelhante a como confiaria em um passaporte ou carteira de motorista porque confia no país que os emitiu. Certificados têm um custo, mas você também pode "autoassinar", ou seja, criar um certificado você mesmo e assiná-lo para fins de teste.
+
+> 💁 Você nunca deve usar um certificado autoassinado em um ambiente de produção.
+
+Esses certificados possuem vários campos, incluindo quem é o proprietário da chave pública, os detalhes da CA que o emitiu, o período de validade e a própria chave pública. Antes de usar um certificado, é uma boa prática verificá-lo, confirmando que foi assinado pela CA original.
+
+✅ Você pode ler uma lista completa dos campos de um certificado no [tutorial da Microsoft sobre Certificados de Chave Pública X.509](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields).
+
+Ao usar certificados X.509, tanto o remetente quanto o destinatário terão suas próprias chaves públicas e privadas, além de certificados X.509 contendo suas respectivas chaves públicas. Eles então trocam os certificados X.509 de alguma forma, utilizando as chaves públicas um do outro para criptografar os dados enviados e suas próprias chaves privadas para descriptografar os dados recebidos.
+
+![Em vez de compartilhar uma chave pública, você pode compartilhar um certificado. O usuário do certificado pode verificar que ele vem de você consultando a autoridade certificadora que o assinou.](../../../../../translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.br.png)
+
+Uma grande vantagem de usar certificados X.509 é que eles podem ser compartilhados entre dispositivos. Você pode criar um certificado, carregá-lo no IoT Hub e usá-lo para todos os seus dispositivos. Cada dispositivo só precisa conhecer a chave privada para descriptografar as mensagens recebidas do IoT Hub.
+
+O certificado usado pelo seu dispositivo para criptografar mensagens enviadas ao IoT Hub é publicado pela Microsoft. É o mesmo certificado usado por muitos serviços do Azure e, às vezes, já está integrado nos SDKs.
+
+> 💁 Lembre-se, uma chave pública é exatamente isso - pública. A chave pública do Azure só pode ser usada para criptografar dados enviados ao Azure, não para descriptografá-los, então ela pode ser compartilhada amplamente, inclusive no código-fonte. Por exemplo, você pode vê-la no [código-fonte do Azure IoT C SDK](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c).
+
+✅ Há muitos termos técnicos relacionados a certificados X.509. Você pode ler as definições de alguns desses termos no [Guia simplificado sobre o jargão de certificados 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).
+
+## Gerar e usar um certificado X.509
+
+Os passos para gerar um certificado X.509 são:
+
+1. Criar um par de chaves pública/privada. Um dos algoritmos mais amplamente utilizados para gerar um par de chaves pública/privada é o [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem)) (RSA).
+
+1. Submeter a chave pública com os dados associados para assinatura, seja por uma CA ou por autoassinatura.
+
+A CLI do Azure possui comandos para criar uma nova identidade de dispositivo no IoT Hub, gerar automaticamente o par de chaves pública/privada e criar um certificado autoassinado.
+
+> 💁 Se você quiser ver os passos detalhados, em vez de usar a CLI do Azure, pode encontrá-los no [tutorial sobre como usar o OpenSSL para criar certificados autoassinados na documentação do Microsoft IoT Hub](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn).
+
+### Tarefa - criar uma identidade de dispositivo usando um certificado X.509
+
+1. Execute o seguinte comando para registrar a nova identidade de dispositivo, gerando automaticamente as chaves e os certificados:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
+                                      --am x509_thumbprint \
+                                      --output-dir . \
+                                      --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome que você usou para o IoT Hub.
+
+    Isso criará um dispositivo com o ID `soil-moisture-sensor-x509` para diferenciá-lo da identidade de dispositivo criada na última lição. Este comando também criará 2 arquivos no diretório atual:
+
+    * `soil-moisture-sensor-x509-key.pem` - este arquivo contém a chave privada do dispositivo.
+    * `soil-moisture-sensor-x509-cert.pem` - este é o arquivo de certificado X.509 do dispositivo.
+
+    Mantenha esses arquivos seguros! O arquivo da chave privada não deve ser incluído em um controle de código-fonte público.
+
+### Tarefa - usar o certificado X.509 no código do seu dispositivo
+
+Siga o guia relevante para conectar seu dispositivo IoT à nuvem usando o certificado X.509:
+
+* [Arduino - Wio Terminal](wio-terminal-x509.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo IoT Virtual](single-board-computer-x509.md)
+
+---
+
+## 🚀 Desafio
+
+Existem várias maneiras de criar, gerenciar e excluir serviços do Azure, como Grupos de Recursos e IoT Hubs. Uma delas é o [Portal do Azure](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) - uma interface baseada na web que oferece uma GUI para gerenciar seus serviços do Azure.
+
+Acesse [portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) e explore o portal. Veja se você consegue criar um IoT Hub usando o portal e, em seguida, excluí-lo.
+
+**Dica** - ao criar serviços pelo portal, não é necessário criar um Grupo de Recursos antecipadamente; um pode ser criado durante a criação do serviço. Certifique-se de excluí-lo quando terminar!
+
+Você pode encontrar muita documentação, tutoriais e guias sobre o Portal do Azure na [documentação do portal do Azure](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn).
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
+
+## Revisão e Autoestudo
+
+* Leia sobre a história da criptografia na [página História da criptografia na Wikipedia](https://wikipedia.org/wiki/History_of_cryptography).
+* Leia sobre certificados X.509 na [página X.509 na Wikipedia](https://wikipedia.org/wiki/X.509).
+
+## Tarefa
+
+[Crie um novo dispositivo IoT](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/br/2-farm/lessons/6-keep-your-plant-secure/assignment.md
new file mode 100644
index 00000000..7b465449
--- /dev/null
+++ b/translations/br/2-farm/lessons/6-keep-your-plant-secure/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
+  "translation_date": "2025-08-28T04:04:13+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
+  "language_code": "br"
+}
+-->
+# Construir um novo dispositivo IoT
+
+## Instruções
+
+Nas últimas 6 aulas, você aprendeu sobre agricultura digital e como usar dispositivos IoT para coletar dados, prever o crescimento das plantas e automatizar a irrigação com base nas leituras de umidade do solo.
+
+Use o que você aprendeu para construir um novo dispositivo IoT utilizando um sensor e um atuador de sua escolha. Envie telemetria para um IoT Hub e use isso para controlar um atuador por meio de código serverless. Você pode usar um sensor e um atuador que já utilizou neste ou no projeto anterior, ou, se tiver outros hardwares, experimente algo novo.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa de Melhorias |
+| -------- | --------- | -------- | -------------------- |
+| Programar um dispositivo IoT para usar um sensor e um atuador | Programou um dispositivo IoT que funciona com um sensor e um atuador | Programou um dispositivo IoT que funciona com um sensor ou um atuador | Não conseguiu programar um dispositivo IoT para usar um sensor ou um atuador |
+| Conectar o dispositivo IoT ao IoT Hub | Foi capaz de implantar um IoT Hub, enviar telemetria para ele e receber comandos dele | Foi capaz de implantar um IoT Hub e enviar telemetria ou receber comandos | Não conseguiu implantar um IoT Hub e se comunicar com ele a partir de um dispositivo IoT |
+| Controlar o atuador usando código serverless | Foi capaz de implantar uma Azure Function para controlar o dispositivo acionada por eventos de telemetria | Foi capaz de implantar uma Azure Function acionada por eventos de telemetria, mas não conseguiu controlar o atuador | Não conseguiu implantar uma Azure Function |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/br/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
new file mode 100644
index 00000000..e7ed2c93
--- /dev/null
+++ b/translations/br/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": "2025-08-28T04:03:47+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
+  "language_code": "br"
+}
+-->
+# Use o certificado X.509 no código do seu dispositivo - Hardware IoT Virtual e Raspberry Pi
+
+Nesta parte da lição, você conectará seu dispositivo IoT virtual ou Raspberry Pi ao IoT Hub usando o certificado X.509.
+
+## Conecte seu dispositivo ao IoT Hub
+
+O próximo passo é conectar seu dispositivo ao IoT Hub usando os certificados X.509.
+
+### Tarefa - conectar ao IoT Hub
+
+1. Copie os arquivos de chave e certificado para a pasta que contém o código do seu dispositivo IoT. Se você estiver usando um Raspberry Pi através do VS Code Remote SSH e criou as chaves no seu PC ou Mac, pode arrastar e soltar os arquivos no explorador do VS Code para copiá-los.
+
+1. Abra o arquivo `app.py`.
+
+1. Para conectar usando um certificado X.509, você precisará do nome do host do IoT Hub e do certificado X.509. Comece criando uma variável contendo o nome do host, adicionando o seguinte código antes de criar o cliente do dispositivo:
+
+    ```python
+    host_name = "<host_name>"
+    ```
+
+    Substitua `<host_name>` pelo nome do host do seu IoT Hub. Você pode obter isso na seção `HostName` da `connection_string`. Será o nome do seu IoT Hub, terminando com `.azure-devices.net`.
+
+1. Abaixo disso, declare uma variável com o ID do dispositivo:
+
+    ```python
+    device_id = "soil-moisture-sensor-x509"
+    ```
+
+1. Você precisará de uma instância da classe `X509` contendo os arquivos X.509. Adicione `X509` à lista de classes importadas do módulo `azure.iot.device`:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
+    ```
+
+1. Crie uma instância da classe `X509` usando seus arquivos de certificado e chave, adicionando este código abaixo da declaração de `host_name`:
+
+    ```python
+    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
+    ```
+
+    Isso criará a classe `X509` usando os arquivos `soil-moisture-sensor-x509-cert.pem` e `soil-moisture-sensor-x509-key.pem` criados anteriormente.
+
+1. Substitua a linha de código que cria o `device_client` a partir de uma connection string pelo seguinte:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
+    ```
+
+    Isso conectará usando o certificado X.509 em vez de uma connection string.
+
+1. Exclua a linha com a variável `connection_string`.
+
+1. Execute seu código. Monitore as mensagens enviadas ao IoT Hub e envie solicitações de método direto como antes. Você verá o dispositivo conectando e enviando leituras de umidade do solo, além de receber solicitações de método direto.
+
+> 💁 Você pode encontrar este código na pasta [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) ou [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device).
+
+😀 O programa do sensor de umidade do solo está conectado ao seu IoT Hub usando um certificado X.509!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/br/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
new file mode 100644
index 00000000..37fab007
--- /dev/null
+++ b/translations/br/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": "2025-08-28T04:04:29+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
+  "language_code": "br"
+}
+-->
+# Usar o certificado X.509 no código do seu dispositivo - Wio Terminal
+
+No momento da redação, o Azure Arduino SDK não oferece suporte a certificados X.509. Se você quiser experimentar com certificados X.509, pode consultar as [instruções para dispositivos IoT virtuais usando o SDK Python](single-board-computer-x509.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/README.md b/translations/br/3-transport/README.md
new file mode 100644
index 00000000..c717e515
--- /dev/null
+++ b/translations/br/3-transport/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e978534a245b000725ed2a048f943213",
+  "translation_date": "2025-08-28T03:11:42+00:00",
+  "source_file": "3-transport/README.md",
+  "language_code": "br"
+}
+-->
+# Transporte da fazenda para a fábrica - usando IoT para rastrear entregas de alimentos
+
+Muitos agricultores cultivam alimentos para vender - seja como agricultores comerciais que vendem tudo o que produzem, ou como agricultores de subsistência que vendem o excedente para comprar itens essenciais. De alguma forma, os alimentos precisam sair da fazenda e chegar ao consumidor, e isso geralmente depende do transporte em grande escala, das fazendas para centros de distribuição ou plantas de processamento, e depois para as lojas. Por exemplo, um agricultor de tomates colhe os tomates, os embala em caixas, carrega as caixas em um caminhão e os entrega a uma planta de processamento. Os tomates são então classificados e, a partir daí, entregues aos consumidores na forma de alimentos processados, vendas no varejo ou consumidos em restaurantes.
+
+A IoT pode ajudar nessa cadeia de suprimentos ao rastrear os alimentos em trânsito - garantindo que os motoristas sigam o trajeto correto, monitorando a localização dos veículos e recebendo alertas quando os veículos chegam, para que os alimentos possam ser descarregados e estejam prontos para o processamento o mais rápido possível.
+
+> 🎓 Uma *cadeia de suprimentos* é a sequência de atividades para produzir e entregar algo. Por exemplo, no cultivo de tomates, ela abrange o fornecimento de sementes, solo, fertilizantes e água, o cultivo dos tomates, a entrega dos tomates a um centro de distribuição, o transporte para o centro local de um supermercado, o transporte para o supermercado individual, a exposição nas prateleiras, a venda ao consumidor e o transporte para casa para consumo. Cada etapa é como os elos de uma corrente.
+
+> 🎓 A parte de transporte da cadeia de suprimentos é conhecida como *logística*.
+
+Nestes 4 módulos, você aprenderá como aplicar a Internet das Coisas para melhorar a cadeia de suprimentos, monitorando os alimentos enquanto são carregados em um caminhão (virtual), que será rastreado enquanto se desloca até seu destino. Você aprenderá sobre rastreamento por GPS, como armazenar e visualizar dados de GPS, e como ser alertado quando um caminhão chegar ao seu destino.
+
+> 💁 Estes módulos utilizarão alguns recursos na nuvem. Se você não concluir todas as lições deste projeto, certifique-se de [Limpar seu projeto](../clean-up.md).
+
+## Tópicos
+
+1. [Rastreamento de localização](lessons/1-location-tracking/README.md)
+1. [Armazenar dados de localização](lessons/2-store-location-data/README.md)
+1. [Visualizar dados de localização](lessons/3-visualize-location-data/README.md)
+1. [Geofences](lessons/4-geofences/README.md)
+
+## Créditos
+
+Todas as lições foram escritas com ♥️ por [Jen Looper](https://github.com/jlooper) e [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/1-location-tracking/README.md b/translations/br/3-transport/lessons/1-location-tracking/README.md
new file mode 100644
index 00000000..34bf207e
--- /dev/null
+++ b/translations/br/3-transport/lessons/1-location-tracking/README.md
@@ -0,0 +1,216 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
+  "translation_date": "2025-08-28T03:12:08+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/README.md",
+  "language_code": "br"
+}
+-->
+# Rastreamento de localização
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
+
+## Introdução
+
+O processo principal para levar alimentos de um agricultor até o consumidor envolve carregar caixas de produtos em caminhões, navios, aviões ou outros veículos de transporte comercial e entregar os alimentos em algum lugar - seja diretamente ao cliente ou a um centro ou armazém para processamento. Todo o processo de ponta a ponta, do campo ao consumidor, faz parte de um processo chamado *cadeia de suprimentos*. O vídeo abaixo da Escola de Negócios W. P. Carey da Universidade Estadual do Arizona explica o conceito de cadeia de suprimentos e como ela é gerenciada em mais detalhes.
+
+[![O que é Gestão da Cadeia de Suprimentos? Um vídeo da Escola de Negócios W. P. Carey da Universidade Estadual do Arizona](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
+
+> 🎥 Clique na imagem acima para assistir ao vídeo
+
+Adicionar dispositivos IoT pode melhorar drasticamente sua cadeia de suprimentos, permitindo gerenciar onde os itens estão, planejar melhor o transporte e o manuseio de mercadorias, e responder mais rapidamente a problemas.
+
+Ao gerenciar uma frota de veículos, como caminhões, é útil saber onde cada veículo está em um determinado momento. Os veículos podem ser equipados com sensores GPS que enviam sua localização para sistemas IoT, permitindo que os proprietários identifiquem sua localização, vejam a rota que percorreram e saibam quando chegarão ao destino. A maioria dos veículos opera fora da cobertura Wi-Fi, então eles usam redes celulares para enviar esse tipo de dado. Às vezes, o sensor GPS está integrado a dispositivos IoT mais complexos, como diários eletrônicos de bordo. Esses dispositivos rastreiam quanto tempo um caminhão esteve em trânsito para garantir que os motoristas estejam em conformidade com as leis locais sobre horas de trabalho.
+
+Nesta lição, você aprenderá como rastrear a localização de um veículo usando um sensor de Sistema de Posicionamento Global (GPS).
+
+Nesta lição, abordaremos:
+
+* [Veículos conectados](../../../../../3-transport/lessons/1-location-tracking)
+* [Coordenadas geoespaciais](../../../../../3-transport/lessons/1-location-tracking)
+* [Sistemas de Posicionamento Global (GPS)](../../../../../3-transport/lessons/1-location-tracking)
+* [Ler dados de sensores GPS](../../../../../3-transport/lessons/1-location-tracking)
+* [Dados GPS NMEA](../../../../../3-transport/lessons/1-location-tracking)
+* [Decodificar dados de sensores GPS](../../../../../3-transport/lessons/1-location-tracking)
+
+## Veículos conectados
+
+IoT está transformando a maneira como mercadorias são transportadas ao criar frotas de *veículos conectados*. Esses veículos estão conectados a sistemas de TI centrais, relatando informações sobre sua localização e outros dados de sensores. Ter uma frota de veículos conectados oferece uma ampla gama de benefícios:
+
+* Rastreamento de localização - você pode identificar onde um veículo está a qualquer momento, permitindo:
+
+  * Receber alertas quando um veículo estiver prestes a chegar ao destino para preparar a equipe para descarregar
+  * Localizar veículos roubados
+  * Combinar dados de localização e rota com problemas de trânsito para permitir redirecionar veículos durante a jornada
+  * Cumprir obrigações fiscais. Alguns países cobram impostos dos veículos com base na quilometragem percorrida em vias públicas (como o [RUC da Nova Zelândia](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/)), então saber quando um veículo está em vias públicas versus privadas facilita o cálculo do imposto devido.
+  * Saber onde enviar equipes de manutenção em caso de avaria
+
+* Telemetria do motorista - garantir que os motoristas estejam respeitando os limites de velocidade, fazendo curvas em velocidades apropriadas, freando de forma eficiente e dirigindo com segurança. Veículos conectados também podem ter câmeras para registrar incidentes. Isso pode ser vinculado ao seguro, oferecendo taxas reduzidas para bons motoristas.
+
+* Conformidade com horas de trabalho - garantir que os motoristas dirijam apenas dentro das horas legalmente permitidas, com base nos horários em que ligam e desligam o motor.
+
+Esses benefícios podem ser combinados - por exemplo, combinando conformidade com horas de trabalho e rastreamento de localização para redirecionar motoristas caso não consigam chegar ao destino dentro das horas permitidas. Isso também pode ser combinado com outras telemetrias específicas do veículo, como dados de temperatura de caminhões refrigerados, permitindo redirecionar veículos caso a rota atual comprometa a manutenção da temperatura das mercadorias.
+
+> 🎓 Logística é o processo de transportar mercadorias de um lugar para outro, como de uma fazenda para um supermercado via um ou mais armazéns. Um agricultor embala caixas de tomates que são carregadas em um caminhão, entregues a um armazém central e colocadas em um segundo caminhão que pode conter uma mistura de diferentes tipos de produtos, que são então entregues a um supermercado.
+
+O componente principal do rastreamento de veículos é o GPS - sensores que podem identificar sua localização em qualquer lugar da Terra. Nesta lição, você aprenderá como usar um sensor GPS, começando com como definir uma localização na Terra.
+
+## Coordenadas geoespaciais
+
+Coordenadas geoespaciais são usadas para definir pontos na superfície da Terra, semelhante a como coordenadas podem ser usadas para desenhar um pixel em uma tela de computador ou posicionar pontos em bordados. Para um único ponto, você tem um par de coordenadas. Por exemplo, o Campus da Microsoft em Redmond, Washington, EUA está localizado em 47.6423109, -122.1390293.
+
+### Latitude e longitude
+
+A Terra é uma esfera - um círculo tridimensional. Por causa disso, os pontos são definidos dividindo-a em 360 graus, o mesmo que a geometria dos círculos. Latitude mede o número de graus de norte a sul, longitude mede o número de graus de leste a oeste.
+
+> 💁 Ninguém sabe ao certo o motivo original de os círculos serem divididos em 360 graus. A [página sobre grau (ângulo) na Wikipedia](https://wikipedia.org/wiki/Degree_(angle)) aborda algumas das possíveis razões.
+
+![Linhas de latitude de 90° no Polo Norte, 45° entre o Polo Norte e o equador, 0° no equador, -45° entre o equador e o Polo Sul, e -90° no Polo Sul](../../../../../translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.br.png)
+
+Latitude é medida usando linhas que circundam a Terra e correm paralelas ao equador, dividindo os hemisférios Norte e Sul em 90° cada. O equador está em 0°, o Polo Norte em 90°, também conhecido como 90° Norte, e o Polo Sul em -90°, ou 90° Sul.
+
+Longitude é medida como o número de graus de leste a oeste. A origem de 0° da longitude é chamada de *Meridiano de Greenwich*, definida em 1884 como uma linha do Polo Norte ao Polo Sul que passa pelo [Observatório Real Britânico em Greenwich, Inglaterra](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich).
+
+![Linhas de longitude que vão de -180° a oeste do Meridiano de Greenwich, até 0° no Meridiano de Greenwich, até 180° a leste do Meridiano de Greenwich](../../../../../translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.br.png)
+
+> 🎓 Um meridiano é uma linha imaginária reta que vai do Polo Norte ao Polo Sul, formando um semicírculo.
+
+Para medir a longitude de um ponto, você mede o número de graus ao longo do equador do Meridiano de Greenwich até um meridiano que passa por esse ponto. Longitude vai de -180°, ou 180° Oeste, passando por 0° no Meridiano de Greenwich, até 180°, ou 180° Leste. 180° e -180° referem-se ao mesmo ponto, o antimeridiano ou 180º meridiano. Este é um meridiano no lado oposto da Terra em relação ao Meridiano de Greenwich.
+
+> 💁 O antimeridiano não deve ser confundido com a Linha Internacional de Data, que está aproximadamente na mesma posição, mas não é uma linha reta e varia para se ajustar às fronteiras geopolíticas.
+
+✅ Faça uma pesquisa: Tente encontrar a latitude e longitude de sua localização atual.
+
+### Graus, minutos e segundos vs graus decimais
+
+Tradicionalmente, as medições de graus de latitude e longitude eram feitas usando numeração sexagesimal, ou base-60, um sistema numérico usado pelos antigos babilônios que fizeram as primeiras medições e registros de tempo e distância. Você provavelmente usa sexagesimal todos os dias sem perceber - dividindo horas em 60 minutos e minutos em 60 segundos.
+
+Longitude e latitude são medidas em graus, minutos e segundos, com um minuto sendo 1/60 de um grau, e 1 segundo sendo 1/60 de um minuto.
+
+Por exemplo, no equador:
+
+* 1° de latitude é **111,3 quilômetros**
+* 1 minuto de latitude é 111,3/60 = **1,855 quilômetros**
+* 1 segundo de latitude é 1,855/60 = **0,031 quilômetros**
+
+O símbolo para um minuto é uma aspa simples, para um segundo é uma aspa dupla. 2 graus, 17 minutos e 43 segundos, por exemplo, seriam escritos como 2°17'43". Partes de segundos são dadas como decimais, por exemplo, meio segundo é 0°0'0,5".
+
+Computadores não trabalham em base-60, então essas coordenadas são dadas como graus decimais ao usar dados GPS na maioria dos sistemas computacionais. Por exemplo, 2°17'43" é 2,295277. O símbolo de grau geralmente é omitido.
+
+As coordenadas de um ponto são sempre dadas como `latitude, longitude`, então o exemplo anterior do Campus da Microsoft em 47.6423109,-122.117198 tem:
+
+* Uma latitude de 47.6423109 (47.6423109 graus ao norte do equador)
+* Uma longitude de -122.1390293 (122.1390293 graus a oeste do Meridiano de Greenwich).
+
+![O Campus da Microsoft em 47.6423109,-122.117198](../../../../../translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.br.png)
+
+## Sistemas de Posicionamento Global (GPS)
+
+Sistemas GPS usam múltiplos satélites orbitando a Terra para localizar sua posição. Você provavelmente já usou sistemas GPS sem nem perceber - para encontrar sua localização em um aplicativo de mapas no seu celular, como Apple Maps ou Google Maps, ou para ver onde está seu transporte em um aplicativo de carona, como Uber ou Lyft, ou ao usar navegação por satélite (sat-nav) no seu carro.
+
+> 🎓 Os satélites na 'navegação por satélite' são satélites GPS!
+
+Sistemas GPS funcionam ao ter vários satélites que enviam um sinal com a posição atual de cada satélite e um carimbo de tempo preciso. Esses sinais são enviados por ondas de rádio e detectados por uma antena no sensor GPS. Um sensor GPS detecta esses sinais e, usando o horário atual, mede quanto tempo levou para o sinal chegar ao sensor a partir do satélite. Como a velocidade das ondas de rádio é constante, o sensor GPS pode usar o carimbo de tempo enviado para calcular a distância entre o sensor e o satélite. Combinando os dados de pelo menos 3 satélites com as posições enviadas, o sensor GPS consegue identificar sua localização na Terra.
+
+> 💁 Sensores GPS precisam de antenas para detectar ondas de rádio. As antenas embutidas em caminhões e carros com GPS integrado são posicionadas para obter um bom sinal, geralmente no para-brisa ou no teto. Se você estiver usando um sistema GPS separado, como um smartphone ou um dispositivo IoT, então precisa garantir que a antena embutida no sistema GPS ou telefone tenha uma visão clara do céu, como sendo montada no para-brisa.
+
+![Sabendo a distância do sensor para múltiplos satélites, a localização pode ser calculada](../../../../../translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.br.png)
+
+Satélites GPS estão circulando a Terra, não em um ponto fixo acima do sensor, então os dados de localização incluem altitude acima do nível do mar, além de latitude e longitude.
+
+O GPS costumava ter limitações de precisão impostas pelo exército dos EUA, limitando a precisão a cerca de 5 metros. Essa limitação foi removida em 2000, permitindo uma precisão de 30 centímetros. Obter essa precisão nem sempre é possível devido à interferência nos sinais.
+
+✅ Se você tiver um smartphone, abra o aplicativo de mapas e veja quão precisa é sua localização. Pode levar um curto período de tempo para seu telefone detectar múltiplos satélites e obter uma localização mais precisa.
+💁 Os satélites possuem relógios atômicos extremamente precisos, mas eles sofrem um desvio de 38 microssegundos (0,0000038 segundos) por dia em comparação com os relógios atômicos na Terra, devido à desaceleração do tempo conforme a velocidade aumenta, como previsto pelas teorias da relatividade especial e geral de Einstein - os satélites viajam mais rápido do que a rotação da Terra. Esse desvio foi utilizado para comprovar as previsões da relatividade especial e geral e precisa ser ajustado no design dos sistemas de GPS. Literalmente, o tempo passa mais devagar em um satélite de GPS.
+Sistemas de GPS foram desenvolvidos e implantados por diversos países e uniões políticas, incluindo os EUA, Rússia, Japão, Índia, UE e China. Sensores modernos de GPS podem se conectar à maioria desses sistemas para obter localizações mais rápidas e precisas.
+
+> 🎓 Os grupos de satélites em cada implantação são chamados de constelações.
+
+## Ler dados de sensores GPS
+
+A maioria dos sensores GPS envia dados via UART.
+
+> ⚠️ UART foi abordado em [projeto 2, lição 2](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart). Consulte essa lição novamente, se necessário.
+
+Você pode usar um sensor GPS no seu dispositivo IoT para obter dados de GPS.
+
+### Tarefa - conectar um sensor GPS e ler dados de GPS
+
+Siga o guia relevante para ler dados de GPS usando seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
+* [Computador de placa única - Raspberry Pi](pi-gps-sensor.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-gps-sensor.md)
+
+## Dados GPS NMEA
+
+Quando você executou seu código, pode ter visto algo que parece ser um monte de caracteres sem sentido na saída. Na verdade, isso é um padrão de dados GPS, e tudo tem um significado.
+
+Sensores GPS enviam dados usando mensagens NMEA, seguindo o padrão NMEA 0183. NMEA é um acrônimo para a [National Marine Electronics Association](https://www.nmea.org), uma organização comercial dos EUA que define padrões de comunicação entre eletrônicos marítimos.
+
+> 💁 Este padrão é proprietário e custa pelo menos US$2.000, mas informações suficientes sobre ele estão em domínio público, permitindo que a maior parte do padrão seja reversamente engenheirada e usada em código open source e outros projetos não comerciais.
+
+Essas mensagens são baseadas em texto. Cada mensagem consiste em uma *sentença* que começa com o caractere `$`, seguido por 2 caracteres que indicam a origem da mensagem (por exemplo, GP para o sistema GPS dos EUA, GN para GLONASS, o sistema GPS da Rússia) e 3 caracteres que indicam o tipo de mensagem. O restante da mensagem é composto por campos separados por vírgulas, terminando com um caractere de nova linha.
+
+Alguns dos tipos de mensagens que podem ser recebidas são:
+
+| Tipo | Descrição |
+| ---- | --------- |
+| GGA | Dados de localização GPS, incluindo latitude, longitude e altitude do sensor GPS, junto com o número de satélites em vista para calcular essa localização. |
+| ZDA | A data e hora atuais, incluindo o fuso horário local. |
+| GSV | Detalhes dos satélites em vista - definidos como os satélites dos quais o sensor GPS pode detectar sinais. |
+
+> 💁 Dados GPS incluem carimbos de tempo, então seu dispositivo IoT pode obter a hora, se necessário, de um sensor GPS, em vez de depender de um servidor NTP ou de um relógio interno em tempo real.
+
+A mensagem GGA inclui a localização atual usando o formato `(dd)dmm.mmmm`, junto com um único caractere para indicar a direção. O `d` no formato representa graus, o `m` representa minutos, com segundos como decimais de minutos. Por exemplo, 2°17'43" seria 217.716666667 - 2 graus, 17.716666667 minutos.
+
+O caractere de direção pode ser `N` ou `S` para latitude, indicando norte ou sul, e `E` ou `W` para longitude, indicando leste ou oeste. Por exemplo, uma latitude de 2°17'43" teria um caractere de direção `N`, enquanto -2°17'43" teria um caractere de direção `S`.
+
+Por exemplo - a sentença NMEA `$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
+
+* A parte da latitude é `4738.538654,N`, que se converte para 47.6423109 em graus decimais. `4738.538654` é 47.6423109, e a direção é `N` (norte), então é uma latitude positiva.
+
+* A parte da longitude é `12208.341758,W`, que se converte para -122.1390293 em graus decimais. `12208.341758` é 122.1390293°, e a direção é `W` (oeste), então é uma longitude negativa.
+
+## Decodificar dados de sensores GPS
+
+Em vez de usar os dados brutos NMEA, é melhor decodificá-los em um formato mais útil. Existem várias bibliotecas open source que você pode usar para ajudar a extrair dados úteis das mensagens NMEA brutas.
+
+### Tarefa - decodificar dados de sensores GPS
+
+Siga o guia relevante para decodificar dados de sensores GPS usando seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-gps-decode.md)
+
+---
+
+## 🚀 Desafio
+
+Escreva seu próprio decodificador NMEA! Em vez de depender de bibliotecas de terceiros para decodificar sentenças NMEA, você consegue escrever seu próprio decodificador para extrair latitude e longitude de sentenças NMEA?
+
+## Quiz pós-aula
+
+[Quiz pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
+
+## Revisão e Autoestudo
+
+* Leia mais sobre Coordenadas Geoespaciais na [página do sistema de coordenadas geográficas na Wikipedia](https://wikipedia.org/wiki/Geographic_coordinate_system).
+* Leia sobre os Meridianos Principais em outros corpos celestes além da Terra na [página do Meridiano Principal na Wikipedia](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies).
+* Pesquise os diferentes sistemas GPS de diversos governos mundiais e uniões políticas, como a UE, Japão, Rússia, Índia e EUA.
+
+## Tarefa
+
+[Investigar outros dados de GPS](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/1-location-tracking/assignment.md b/translations/br/3-transport/lessons/1-location-tracking/assignment.md
new file mode 100644
index 00000000..8e74048d
--- /dev/null
+++ b/translations/br/3-transport/lessons/1-location-tracking/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
+  "translation_date": "2025-08-28T03:16:23+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
+  "language_code": "br"
+}
+-->
+# Investigar outros dados de GPS
+
+## Instruções
+
+As sentenças NMEA provenientes do seu sensor GPS contêm outros dados além da localização. Investigue esses dados adicionais e utilize-os no seu dispositivo IoT.
+
+Por exemplo - você consegue obter a data e hora atuais? Se estiver usando um microcontrolador, consegue ajustar o relógio usando os dados do GPS da mesma forma que fez com os sinais NTP no projeto anterior? Consegue obter a elevação (sua altura acima do nível do mar) ou sua velocidade atual?
+
+Se estiver usando um dispositivo IoT virtual, você pode obter alguns desses dados enviando sentenças NMEA geradas por ferramentas como [nmeagen.org](https://www.nmeagen.org).
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Obter mais dados de GPS | Consegue obter e usar mais dados de GPS, seja como telemetria ou para configurar o dispositivo IoT | Consegue obter mais dados de GPS, mas não consegue utilizá-los | Não consegue obter mais dados de GPS |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/br/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
new file mode 100644
index 00000000..f0098f9c
--- /dev/null
+++ b/translations/br/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
@@ -0,0 +1,193 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
+  "translation_date": "2025-08-28T03:13:50+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
+  "language_code": "br"
+}
+-->
+# Ler dados de GPS - Raspberry Pi
+
+Nesta parte da lição, você adicionará um sensor GPS ao seu Raspberry Pi e lerá os valores dele.
+
+## Hardware
+
+O Raspberry Pi precisa de um sensor GPS.
+
+O sensor que você usará é o [sensor Grove GPS Air530](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). Este sensor pode se conectar a vários sistemas GPS para obter uma localização rápida e precisa. O sensor é composto por duas partes: os componentes eletrônicos principais e uma antena externa conectada por um fio fino para captar as ondas de rádio dos satélites.
+
+Este é um sensor UART, então ele envia dados GPS via UART.
+
+## Conectar o sensor GPS
+
+O sensor Grove GPS pode ser conectado ao Raspberry Pi.
+
+### Tarefa - conectar o sensor GPS
+
+Conecte o sensor GPS.
+
+![Um sensor Grove GPS](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.br.png)
+
+1. Insira uma extremidade do cabo Grove no conector do sensor GPS. Ele só encaixará de uma maneira.
+
+1. Com o Raspberry Pi desligado, conecte a outra extremidade do cabo Grove ao conector UART marcado como **UART** no Grove Base Hat conectado ao Pi. Este conector está na fileira do meio, no lado mais próximo ao slot do cartão SD, oposto às portas USB e ao conector Ethernet.
+
+    ![O sensor Grove GPS conectado ao conector UART](../../../../../translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.br.png)
+
+1. Posicione o sensor GPS de forma que a antena conectada tenha visibilidade para o céu - idealmente próximo a uma janela aberta ou ao ar livre. É mais fácil obter um sinal claro sem obstruções na frente da antena.
+
+## Programar o sensor GPS
+
+Agora o Raspberry Pi pode ser programado para usar o sensor GPS conectado.
+
+### Tarefa - programar o sensor GPS
+
+Programe o dispositivo.
+
+1. Ligue o Pi e aguarde o boot.
+
+1. O sensor GPS possui 2 LEDs - um LED azul que pisca quando os dados são transmitidos e um LED verde que pisca a cada segundo ao receber dados dos satélites. Certifique-se de que o LED azul esteja piscando ao ligar o Pi. Após alguns minutos, o LED verde começará a piscar - se isso não acontecer, pode ser necessário reposicionar a antena.
+
+1. Abra o VS Code, diretamente no Pi ou conecte-se via a extensão Remote SSH.
+
+    > ⚠️ Você pode consultar [as instruções para configurar e abrir o VS Code na lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. Com versões mais recentes do Raspberry Pi que suportam Bluetooth, há um conflito entre a porta serial usada para Bluetooth e a usada pelo conector Grove UART. Para corrigir isso, faça o seguinte:
+
+    1. No terminal do VS Code, edite o arquivo `/boot/config.txt` usando `nano`, um editor de texto integrado ao terminal, com o seguinte comando:
+
+        ```sh
+        sudo nano /boot/config.txt
+        ```
+
+        > Este arquivo não pode ser editado pelo VS Code, pois você precisa de permissões elevadas (`sudo`). O VS Code não executa com essas permissões.
+
+    1. Use as teclas de navegação para ir até o final do arquivo e copie o código abaixo, colando-o no final do arquivo:
+
+        ```ini
+        dtoverlay=pi3-miniuart-bt
+        dtoverlay=pi3-disable-bt
+        enable_uart=1
+        ```
+
+        Você pode colar usando os atalhos normais do teclado para o seu dispositivo (`Ctrl+v` no Windows, Linux ou Raspberry Pi OS, `Cmd+v` no macOS).
+
+    1. Salve o arquivo e saia do nano pressionando `Ctrl+x`. Pressione `y` quando perguntado se deseja salvar o buffer modificado e, em seguida, pressione `enter` para confirmar que deseja sobrescrever `/boot/config.txt`.
+
+        > Se cometer um erro, você pode sair sem salvar e repetir os passos.
+
+    1. Edite o arquivo `/boot/cmdline.txt` no nano com o seguinte comando:
+
+        ```sh
+        sudo nano /boot/cmdline.txt
+        ```
+
+    1. Este arquivo contém vários pares de chave/valor separados por espaços. Remova quaisquer pares de chave/valor para a chave `console`. Eles provavelmente serão semelhantes a isto:
+
+        ```output
+        console=serial0,115200 console=tty1 
+        ```
+
+        Você pode navegar até essas entradas usando as teclas de navegação e excluí-las usando as teclas `del` ou `backspace`.
+
+        Por exemplo, se o arquivo original for assim:
+
+        ```output
+        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+        A nova versão será:
+
+        ```output
+        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+    1. Siga os passos acima para salvar este arquivo e sair do nano.
+
+    1. Reinicie o Pi e reconecte-se ao VS Code após o reinício.
+
+1. No terminal, crie uma nova pasta no diretório home do usuário `pi` chamada `gps-sensor`. Crie um arquivo nesta pasta chamado `app.py`.
+
+1. Abra esta pasta no VS Code.
+
+1. O módulo GPS envia dados UART por uma porta serial. Instale o pacote Pip `pyserial` para se comunicar com a porta serial no seu código Python:
+
+    ```sh
+    pip3 install pyserial
+    ```
+
+1. Adicione o seguinte código ao seu arquivo `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)
+    ```
+
+    Este código importa o módulo `serial` do pacote Pip `pyserial`. Em seguida, conecta-se à porta serial `/dev/ttyAMA0` - este é o endereço da porta serial que o Grove Pi Base Hat usa para sua porta UART. Ele então limpa quaisquer dados existentes dessa conexão serial.
+
+    Em seguida, uma função chamada `print_gps_data` é definida para imprimir no console a linha passada para ela.
+
+    Depois, o código entra em um loop infinito, lendo o máximo de linhas de texto possível da porta serial em cada iteração. Ele chama a função `print_gps_data` para cada linha.
+
+    Após ler todos os dados, o loop aguarda 1 segundo e tenta novamente.
+
+1. Execute este código. Você verá a saída bruta do sensor GPS, algo como o seguinte:
+
+    ```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
+    ```
+
+    > Se você receber um dos seguintes erros ao parar e reiniciar o código, adicione um bloco `try - except` ao seu loop 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)
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi).
+
+😀 Seu programa para o sensor GPS foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/br/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
new file mode 100644
index 00000000..2ca108ed
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:15:25+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
+  "language_code": "br"
+}
+-->
+# Decodificar dados de GPS - Hardware IoT Virtual e Raspberry Pi
+
+Nesta parte da lição, você irá decodificar as mensagens NMEA lidas pelo sensor GPS no Raspberry Pi ou Dispositivo IoT Virtual e extrair a latitude e longitude.
+
+## Decodificar dados de GPS
+
+Depois que os dados brutos NMEA forem lidos da porta serial, eles podem ser decodificados usando uma biblioteca NMEA de código aberto.
+
+### Tarefa - decodificar dados de GPS
+
+Programe o dispositivo para decodificar os dados do GPS.
+
+1. Abra o projeto do aplicativo `gps-sensor`, caso ainda não esteja aberto.
+
+1. Instale o pacote Pip `pynmea2`. Este pacote contém o código necessário para decodificar mensagens NMEA.
+
+    ```sh
+    pip3 install pynmea2
+    ```
+
+1. Adicione o seguinte código às importações no arquivo `app.py` para importar o módulo `pynmea2`:
+
+    ```python
+    import pynmea2
+    ```
+
+1. Substitua o conteúdo da função `print_gps_data` pelo seguinte:
+
+    ```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')
+    ```
+
+    Este código utiliza a biblioteca `pynmea2` para analisar a linha lida da porta serial UART.
+
+    Se o tipo de sentença da mensagem for `GGA`, então esta é uma mensagem de fixação de posição e será processada. Os valores de latitude e longitude são extraídos da mensagem e convertidos para graus decimais a partir do formato NMEA `(d)ddmm.mmmm`. A função `dm_to_sd` realiza essa conversão.
+
+    Em seguida, a direção da latitude é verificada, e se a latitude for sul, o valor é convertido para um número negativo. O mesmo ocorre com a longitude: se for oeste, ela é convertida para um número negativo.
+
+    Por fim, as coordenadas são exibidas no console, juntamente com o número de satélites usados para obter a localização.
+
+1. Execute o código. Se você estiver usando um dispositivo IoT virtual, certifique-se de que o aplicativo CounterFit esteja em execução e os dados do GPS estejam sendo enviados.
+
+    ```output
+    pi@raspberrypi:~/gps-sensor $ python3 app.py 
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device) ou na pasta [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi).
+
+😀 O programa do sensor GPS com decodificação de dados foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/br/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
new file mode 100644
index 00000000..18592fbb
--- /dev/null
+++ b/translations/br/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
@@ -0,0 +1,144 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
+  "translation_date": "2025-08-28T03:15:44+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
+  "language_code": "br"
+}
+-->
+# Ler dados de GPS - Hardware Virtual IoT
+
+Nesta parte da lição, você adicionará um sensor GPS ao seu dispositivo IoT virtual e lerá valores dele.
+
+## Hardware Virtual
+
+O dispositivo IoT virtual usará um sensor GPS simulado que é acessível via UART por meio de uma porta serial.
+
+Um sensor GPS físico terá uma antena para captar ondas de rádio dos satélites GPS e converter os sinais GPS em dados GPS. A versão virtual simula isso permitindo que você defina uma latitude e longitude, envie sentenças NMEA brutas ou carregue um arquivo GPX com múltiplas localizações que podem ser retornadas sequencialmente.
+
+> 🎓 Sentenças NMEA serão abordadas mais tarde nesta lição.
+
+### Adicionar o sensor ao CounterFit
+
+Para usar um sensor GPS virtual, você precisa adicionar um ao aplicativo CounterFit.
+
+#### Tarefa - adicionar o sensor ao CounterFit
+
+Adicione o sensor GPS ao aplicativo CounterFit.
+
+1. Crie um novo aplicativo Python no seu computador em uma pasta chamada `gps-sensor` com um único arquivo chamado `app.py` e um ambiente virtual Python, e adicione os pacotes pip do CounterFit.
+
+    > ⚠️ Você pode consultar [as instruções para criar e configurar um projeto Python do CounterFit na lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Instale um pacote Pip adicional para instalar um shim do CounterFit que pode se comunicar com sensores baseados em UART por meio de uma conexão serial. Certifique-se de instalar isso a partir de um terminal com o ambiente virtual ativado.
+
+    ```sh
+    pip install counterfit-shims-serial
+    ```
+
+1. Certifique-se de que o aplicativo web do CounterFit esteja em execução.
+
+1. Crie um sensor GPS:
+
+    1. Na caixa *Create sensor* no painel *Sensors*, abra o menu suspenso *Sensor type* e selecione *UART GPS*.
+
+    1. Deixe o *Port* configurado como */dev/ttyAMA0*.
+
+    1. Selecione o botão **Add** para criar o sensor GPS na porta `/dev/ttyAMA0`.
+
+    ![As configurações do sensor GPS](../../../../../translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.br.png)
+
+    O sensor GPS será criado e aparecerá na lista de sensores.
+
+    ![O sensor GPS criado](../../../../../translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.br.png)
+
+## Programar o sensor GPS
+
+O dispositivo IoT virtual agora pode ser programado para usar o sensor GPS virtual.
+
+### Tarefa - programar o sensor GPS
+
+Programe o aplicativo do sensor GPS.
+
+1. Certifique-se de que o aplicativo `gps-sensor` esteja aberto no VS Code.
+
+1. Abra o arquivo `app.py`.
+
+1. Adicione o seguinte código no início de `app.py` para conectar o aplicativo ao CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Adicione o seguinte código abaixo disso para importar algumas bibliotecas necessárias, incluindo a biblioteca para a porta serial do CounterFit:
+
+    ```python
+    import time
+    import counterfit_shims_serial
+    
+    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
+    ```
+
+    Este código importa o módulo `serial` do pacote Pip `counterfit_shims_serial`. Em seguida, conecta-se à porta serial `/dev/ttyAMA0` - este é o endereço da porta serial que o sensor GPS virtual usa para sua porta UART.
+
+1. Adicione o seguinte código abaixo disso para ler da porta serial e imprimir os valores no console:
+
+    ```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)
+    ```
+
+    Uma função chamada `print_gps_data` é definida para imprimir no console a linha passada para ela.
+
+    Em seguida, o código entra em um loop infinito, lendo o máximo de linhas de texto possível da porta serial em cada iteração. Ele chama a função `print_gps_data` para cada linha.
+
+    Depois que todos os dados forem lidos, o loop dorme por 1 segundo e tenta novamente.
+
+1. Execute este código, garantindo que você esteja usando um terminal diferente daquele em que o aplicativo CounterFit está sendo executado, para que o aplicativo CounterFit permaneça em execução.
+
+1. No aplicativo CounterFit, altere o valor do sensor GPS. Você pode fazer isso de uma das seguintes maneiras:
+
+    * Defina a **Source** como `Lat/Lon` e configure uma latitude, longitude e número de satélites usados para obter a localização GPS. Este valor será enviado apenas uma vez, então marque a caixa **Repeat** para que os dados sejam repetidos a cada segundo.
+
+      ![O sensor GPS com lat lon selecionado](../../../../../translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.br.png)
+
+    * Defina a **Source** como `NMEA` e adicione algumas sentenças NMEA na caixa de texto. Todos esses valores serão enviados, com um atraso de 1 segundo antes de cada nova sentença GGA (fixação de posição) ser lida.
+
+      ![O sensor GPS com sentenças NMEA configuradas](../../../../../translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.br.png)
+
+      Você pode usar uma ferramenta como [nmeagen.org](https://www.nmeagen.org) para gerar essas sentenças desenhando em um mapa. Esses valores serão enviados apenas uma vez, então marque a caixa **Repeat** para que os dados sejam repetidos um segundo após todos terem sido enviados.
+
+    * Defina a **Source** como arquivo GPX e carregue um arquivo GPX com localizações de trilhas. Você pode baixar arquivos GPX de vários sites populares de mapas e trilhas, como [AllTrails](https://www.alltrails.com/). Esses arquivos contêm múltiplas localizações GPS como uma trilha, e o sensor GPS retornará cada nova localização em intervalos de 1 segundo.
+
+      ![O sensor GPS com um arquivo GPX configurado](../../../../../translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.br.png)
+
+      Esses valores serão enviados apenas uma vez, então marque a caixa **Repeat** para que os dados sejam repetidos um segundo após todos terem sido enviados.
+
+    Depois de configurar as configurações do GPS, selecione o botão **Set** para confirmar esses valores no sensor.
+
+1. Você verá a saída bruta do sensor GPS, algo como o seguinte:
+
+    ```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
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device).
+
+😀 Seu programa do sensor GPS foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/br/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
new file mode 100644
index 00000000..286058c0
--- /dev/null
+++ b/translations/br/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
@@ -0,0 +1,83 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
+  "translation_date": "2025-08-28T03:14:35+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
+  "language_code": "br"
+}
+-->
+# Decodificar dados de GPS - Wio Terminal
+
+Nesta parte da lição, você irá decodificar as mensagens NMEA lidas do sensor GPS pelo Wio Terminal e extrair a latitude e a longitude.
+
+## Decodificar dados de GPS
+
+Uma vez que os dados brutos NMEA tenham sido lidos da porta serial, eles podem ser decodificados usando uma biblioteca NMEA de código aberto.
+
+### Tarefa - decodificar dados de GPS
+
+Programe o dispositivo para decodificar os dados do GPS.
+
+1. Abra o projeto do aplicativo `gps-sensor`, caso ainda não esteja aberto.
+
+1. Adicione uma dependência de biblioteca para a biblioteca [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) no arquivo `platformio.ini` do projeto. Esta biblioteca contém o código necessário para decodificar os dados NMEA.
+
+    ```ini
+    lib_deps =
+        mikalhart/TinyGPSPlus @ 1.0.2
+    ```
+
+1. No arquivo `main.cpp`, adicione uma diretiva de inclusão para a biblioteca TinyGPSPlus:
+
+    ```cpp
+    #include <TinyGPS++.h>
+    ```
+
+1. Abaixo da declaração de `Serial3`, declare um objeto TinyGPSPlus para processar as sentenças NMEA:
+
+    ```cpp
+    TinyGPSPlus gps;
+    ```
+
+1. Altere o conteúdo da função `printGPSData` para o seguinte:
+
+    ```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");
+        }
+    }
+    ```
+
+    Este código lê o próximo caractere da porta serial UART no decodificador NMEA `gps`. Após cada caractere, ele verifica se o decodificador leu uma sentença válida e, em seguida, verifica se leu uma localização válida. Se a localização for válida, ela será enviada para o monitor serial, junto com o número de satélites que contribuíram para essa fixação.
+
+1. Compile e envie o código para o Wio Terminal.
+
+1. Após o upload, você pode monitorar os dados de localização do GPS usando o monitor serial.
+
+    ```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
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal).
+
+😀 O programa do sensor GPS com decodificação de dados foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/br/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
new file mode 100644
index 00000000..52811720
--- /dev/null
+++ b/translations/br/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
+  "translation_date": "2025-08-28T03:14:54+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
+  "language_code": "br"
+}
+-->
+# Ler dados de GPS - Wio Terminal
+
+Nesta parte da lição, você adicionará um sensor GPS ao seu Wio Terminal e lerá os valores dele.
+
+## Hardware
+
+O Wio Terminal precisa de um sensor GPS.
+
+O sensor que você usará é o [Grove GPS Air530 sensor](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). Este sensor pode se conectar a vários sistemas GPS para obter uma localização rápida e precisa. O sensor é composto por 2 partes - a eletrônica principal do sensor e uma antena externa conectada por um fio fino para captar as ondas de rádio dos satélites.
+
+Este é um sensor UART, então ele envia dados GPS via UART.
+
+### Conectar o sensor GPS
+
+O sensor Grove GPS pode ser conectado ao Wio Terminal.
+
+#### Tarefa - conectar o sensor GPS
+
+Conecte o sensor GPS.
+
+![Um sensor Grove GPS](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.br.png)
+
+1. Insira uma extremidade de um cabo Grove no conector do sensor GPS. Ele só encaixará de uma maneira.
+
+1. Com o Wio Terminal desconectado do seu computador ou de outra fonte de energia, conecte a outra extremidade do cabo Grove ao conector Grove do lado esquerdo do Wio Terminal, olhando para a tela. Este é o conector mais próximo do botão de energia.
+
+    ![O sensor Grove GPS conectado ao conector do lado esquerdo](../../../../../translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.br.png)
+
+1. Posicione o sensor GPS de forma que a antena conectada tenha visibilidade para o céu - de preferência próximo a uma janela aberta ou ao ar livre. É mais fácil obter um sinal claro sem nada obstruindo a antena.
+
+1. Agora você pode conectar o Wio Terminal ao seu computador.
+
+1. O sensor GPS possui 2 LEDs - um LED azul que pisca quando os dados são transmitidos e um LED verde que pisca a cada segundo ao receber dados dos satélites. Certifique-se de que o LED azul esteja piscando ao ligar o Wio Terminal. Após alguns minutos, o LED verde começará a piscar - se não, pode ser necessário reposicionar a antena.
+
+## Programar o sensor GPS
+
+Agora o Wio Terminal pode ser programado para usar o sensor GPS conectado.
+
+### Tarefa - programar o sensor GPS
+
+Programe o dispositivo.
+
+1. Crie um novo projeto para o Wio Terminal usando o PlatformIO. Chame este projeto de `gps-sensor`. Adicione o código na função `setup` para configurar a porta serial.
+
+1. Adicione a seguinte diretiva `include` no topo do arquivo `main.cpp`. Isso inclui um arquivo de cabeçalho com funções para configurar a porta Grove do lado esquerdo para UART.
+
+    ```cpp
+    #include <wiring_private.h>
+    ```
+
+1. Abaixo disso, adicione a seguinte linha de código para declarar uma conexão de porta serial com a porta UART:
+
+    ```cpp
+    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
+    ```
+
+1. Você precisa adicionar algum código para redirecionar alguns manipuladores de sinal internos para esta porta serial. Adicione o seguinte código abaixo da declaração `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. Na função `setup`, abaixo de onde a porta `Serial` é configurada, configure a porta serial UART com o seguinte código:
+
+    ```cpp
+    Serial3.begin(9600);
+
+    while (!Serial3)
+        ; // Wait for Serial3 to be ready
+
+    delay(1000);
+    ```
+
+1. Abaixo deste código na função `setup`, adicione o seguinte código para conectar o pino Grove à porta serial:
+
+    ```cpp
+    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
+    ```
+
+1. Adicione a seguinte função antes da função `loop` para enviar os dados do GPS ao monitor serial:
+
+    ```cpp
+    void printGPSData()
+    {
+        Serial.println(Serial3.readStringUntil('\n'));
+    }
+    ```
+
+1. Na função `loop`, adicione o seguinte código para ler da porta serial UART e imprimir a saída no monitor serial:
+
+    ```cpp
+    while (Serial3.available() > 0)
+    {
+        printGPSData();
+    }
+    
+    delay(1000);
+    ```
+
+    Este código lê da porta serial UART. A função `readStringUntil` lê até encontrar um caractere terminador, neste caso, uma nova linha. Isso permitirá ler uma sentença NMEA inteira (sentenças NMEA são terminadas com um caractere de nova linha). Enquanto houver dados para serem lidos da porta serial UART, eles serão lidos e enviados ao monitor serial através da função `printGPSData`. Quando não houver mais dados para ler, o `loop` aguarda 1 segundo (1.000ms).
+
+1. Compile e carregue o código no Wio Terminal.
+
+1. Após carregar, você pode monitorar os dados do GPS usando o monitor serial.
+
+    ```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
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal).
+
+😀 Seu programa para o sensor GPS foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/2-store-location-data/README.md b/translations/br/3-transport/lessons/2-store-location-data/README.md
new file mode 100644
index 00000000..b0dce199
--- /dev/null
+++ b/translations/br/3-transport/lessons/2-store-location-data/README.md
@@ -0,0 +1,479 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e345843ccfeb7261d81500d19c64d476",
+  "translation_date": "2025-08-28T03:21:10+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/README.md",
+  "language_code": "br"
+}
+-->
+# Dados de localização da loja
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+## Quiz pré-aula
+
+[Quiz pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
+
+## Introdução
+
+Na última lição, você aprendeu como usar um sensor GPS para capturar dados de localização. Para usar esses dados e visualizar a localização de um caminhão carregado de alimentos e sua jornada, é necessário enviá-los para um serviço de IoT na nuvem e armazená-los em algum lugar.
+
+Nesta lição, você aprenderá sobre as diferentes formas de armazenar dados de IoT e como armazenar dados do seu serviço de IoT usando código serverless.
+
+Nesta lição, abordaremos:
+
+* [Dados estruturados e não estruturados](../../../../../3-transport/lessons/2-store-location-data)
+* [Enviar dados de GPS para um IoT Hub](../../../../../3-transport/lessons/2-store-location-data)
+* [Caminhos quente, morno e frio](../../../../../3-transport/lessons/2-store-location-data)
+* [Lidar com eventos de GPS usando código serverless](../../../../../3-transport/lessons/2-store-location-data)
+* [Contas de armazenamento do Azure](../../../../../3-transport/lessons/2-store-location-data)
+* [Conectar seu código serverless ao armazenamento](../../../../../3-transport/lessons/2-store-location-data)
+
+## Dados estruturados e não estruturados
+
+Sistemas computacionais lidam com dados, e esses dados vêm em diferentes formas e tamanhos. Eles podem variar de números únicos a grandes quantidades de texto, vídeos, imagens e dados de IoT. Os dados geralmente podem ser divididos em duas categorias: *dados estruturados* e *dados não estruturados*.
+
+* **Dados estruturados** são dados com uma estrutura bem definida e rígida que não muda, geralmente mapeados para tabelas de dados com relacionamentos. Um exemplo é os detalhes de uma pessoa, incluindo seu nome, data de nascimento e endereço.
+
+* **Dados não estruturados** são dados sem uma estrutura bem definida e rígida, incluindo dados que podem mudar de estrutura frequentemente. Um exemplo são documentos como textos escritos ou planilhas.
+
+✅ Faça uma pesquisa: Você consegue pensar em outros exemplos de dados estruturados e não estruturados?
+
+> 💁 Também existem dados semi-estruturados que possuem estrutura, mas não se encaixam em tabelas fixas de dados.
+
+Dados de IoT geralmente são considerados dados não estruturados.
+
+Imagine que você está adicionando dispositivos IoT a uma frota de veículos de uma grande fazenda comercial. Você pode querer usar dispositivos diferentes para diferentes tipos de veículos. Por exemplo:
+
+* Para veículos agrícolas como tratores, você quer dados de GPS para garantir que eles estão trabalhando nos campos corretos.
+* Para caminhões de entrega transportando alimentos para armazéns, você quer dados de GPS, bem como dados de velocidade e aceleração para garantir que o motorista está dirigindo com segurança, além de identidade do motorista e dados de início/parada para garantir conformidade com as leis locais sobre horas de trabalho.
+* Para caminhões refrigerados, você também quer dados de temperatura para garantir que os alimentos não fiquem muito quentes ou frios e estraguem durante o transporte.
+
+Esses dados podem mudar constantemente. Por exemplo, se o dispositivo IoT estiver na cabine de um caminhão, os dados enviados podem mudar conforme o trailer muda, enviando dados de temperatura apenas quando um trailer refrigerado estiver sendo usado.
+
+✅ Que outros dados de IoT poderiam ser capturados? Pense nos tipos de cargas que os caminhões podem transportar, bem como dados de manutenção.
+
+Esses dados variam de veículo para veículo, mas todos são enviados para o mesmo serviço de IoT para processamento. O serviço de IoT precisa ser capaz de processar esses dados não estruturados, armazenando-os de uma forma que permita que sejam pesquisados ou analisados, mas que funcione com diferentes estruturas desses dados.
+
+### Armazenamento SQL vs NoSQL
+
+Bancos de dados são serviços que permitem armazenar e consultar dados. Eles vêm em dois tipos: SQL e NoSQL.
+
+#### Bancos de dados SQL
+
+Os primeiros bancos de dados eram Sistemas de Gerenciamento de Banco de Dados Relacional (RDBMS), ou banco de dados relacional. Eles também são conhecidos como bancos de dados SQL devido à Linguagem de Consulta Estruturada (SQL) usada para interagir com eles para adicionar, remover, atualizar ou consultar dados. Esses bancos de dados consistem em um esquema - um conjunto bem definido de tabelas de dados, semelhante a uma planilha. Cada tabela tem várias colunas nomeadas. Quando você insere dados, adiciona uma linha à tabela, colocando valores em cada uma das colunas. Isso mantém os dados em uma estrutura muito rígida - embora você possa deixar colunas vazias, se quiser adicionar uma nova coluna, terá que fazer isso no banco de dados, populando valores para as linhas existentes. Esses bancos de dados são relacionais - ou seja, uma tabela pode ter um relacionamento com outra.
+
+![Um banco de dados relacional com o ID da tabela de Usuários relacionado à coluna de ID de usuário da tabela de compras, e o ID da tabela de produtos relacionado ao ID de produto da tabela de compras](../../../../../translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.br.png)
+
+Por exemplo, se você armazenar os detalhes pessoais de um usuário em uma tabela, terá algum tipo de ID único interno por usuário que é usado em uma linha em uma tabela que contém o nome e endereço do usuário. Se você quiser armazenar outros detalhes sobre esse usuário, como suas compras, em outra tabela, terá uma coluna na nova tabela para o ID desse usuário. Quando você procura um usuário, pode usar seu ID para obter seus detalhes pessoais de uma tabela e suas compras de outra.
+
+Bancos de dados SQL são ideais para armazenar dados estruturados e para quando você quer garantir que os dados correspondam ao seu esquema.
+
+✅ Se você nunca usou SQL antes, reserve um momento para ler sobre ele na [página de SQL na Wikipedia](https://wikipedia.org/wiki/SQL).
+
+Alguns bancos de dados SQL conhecidos são Microsoft SQL Server, MySQL e PostgreSQL.
+
+✅ Faça uma pesquisa: Leia sobre alguns desses bancos de dados SQL e suas capacidades.
+
+#### Bancos de dados NoSQL
+
+Bancos de dados NoSQL são chamados assim porque não possuem a mesma estrutura rígida dos bancos de dados SQL. Eles também são conhecidos como bancos de dados de documentos, pois podem armazenar dados não estruturados, como documentos.
+
+> 💁 Apesar do nome, alguns bancos de dados NoSQL permitem usar SQL para consultar os dados.
+
+![Documentos em pastas em um banco de dados NoSQL](../../../../../translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.br.png)
+
+Bancos de dados NoSQL não possuem um esquema pré-definido que limite como os dados são armazenados; em vez disso, você pode inserir qualquer dado não estruturado, geralmente usando documentos JSON. Esses documentos podem ser organizados em pastas, semelhante a arquivos no seu computador. Cada documento pode ter campos diferentes de outros documentos - por exemplo, se você estivesse armazenando dados de IoT de seus veículos agrícolas, alguns poderiam ter campos para dados de acelerômetro e velocidade, enquanto outros poderiam ter campos para a temperatura no trailer. Se você adicionasse um novo tipo de caminhão, como um com balanças integradas para rastrear o peso dos produtos transportados, então seu dispositivo IoT poderia adicionar esse novo campo e ele poderia ser armazenado sem alterações no banco de dados.
+
+Alguns bancos de dados NoSQL conhecidos incluem Azure CosmosDB, MongoDB e CouchDB.
+
+✅ Faça uma pesquisa: Leia sobre alguns desses bancos de dados NoSQL e suas capacidades.
+
+Nesta lição, você usará armazenamento NoSQL para armazenar dados de IoT.
+
+## Enviar dados de GPS para um IoT Hub
+
+Na última lição, você capturou dados de GPS de um sensor GPS conectado ao seu dispositivo IoT. Para armazenar esses dados de IoT na nuvem, você precisa enviá-los para um serviço de IoT. Mais uma vez, você usará o Azure IoT Hub, o mesmo serviço de IoT na nuvem que utilizou no projeto anterior.
+
+![Enviando telemetria de GPS de um dispositivo IoT para o IoT Hub](../../../../../translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.br.png)
+
+### Tarefa - enviar dados de GPS para um IoT Hub
+
+1. Crie um novo IoT Hub usando o plano gratuito.
+
+    > ⚠️ Você pode consultar as [instruções para criar um IoT Hub do projeto 2, lição 4](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud) se necessário.
+
+    Lembre-se de criar um novo Grupo de Recursos. Nomeie o novo Grupo de Recursos como `gps-sensor` e o novo IoT Hub com um nome único baseado em `gps-sensor`, como `gps-sensor-<seu nome>`.
+
+    > 💁 Se você ainda tiver seu IoT Hub do projeto anterior, pode reutilizá-lo. Lembre-se de usar o nome desse IoT Hub e o Grupo de Recursos em que ele está ao criar outros serviços.
+
+1. Adicione um novo dispositivo ao IoT Hub. Chame este dispositivo de `gps-sensor`. Pegue a string de conexão do dispositivo.
+
+1. Atualize o código do seu dispositivo para enviar os dados de GPS para o novo IoT Hub usando a string de conexão do dispositivo obtida na etapa anterior.
+
+    > ⚠️ Você pode consultar as [instruções para conectar seu dispositivo ao IoT do projeto 2, lição 4](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service) se necessário.
+
+1. Ao enviar os dados de GPS, faça isso em formato JSON no seguinte formato:
+
+    ```json
+    {
+        "gps" :
+        {
+            "lat" : <latitude>,
+            "lon" : <longitude>
+        }
+    }
+    ```
+
+1. Envie dados de GPS a cada minuto para não ultrapassar sua cota diária de mensagens.
+
+Se você estiver usando o Wio Terminal, lembre-se de adicionar todas as bibliotecas necessárias e configurar o horário usando um servidor NTP. Seu código também precisará garantir que leu todos os dados da porta serial antes de enviar a localização GPS, usando o código existente da última lição. Use o seguinte código para construir o documento JSON:
+
+```cpp
+DynamicJsonDocument doc(1024);
+doc["gps"]["lat"] = gps.location.lat();
+doc["gps"]["lon"] = gps.location.lng();
+```
+
+Se você estiver usando um dispositivo IoT virtual, lembre-se de instalar todas as bibliotecas necessárias usando um ambiente virtual.
+
+Para o Raspberry Pi e o dispositivo IoT virtual, use o código existente da última lição para obter os valores de latitude e longitude e envie-os no formato JSON correto com o seguinte código:
+
+```python
+message_json = { "gps" : { "lat":lat, "lon":lon } }
+print("Sending telemetry", message_json)
+message = Message(json.dumps(message_json))
+```
+
+> 💁 Você pode encontrar este código nas pastas [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal), [code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) ou [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device).
+
+Execute o código do seu dispositivo e certifique-se de que as mensagens estão fluindo para o IoT Hub usando o comando CLI `az iot hub monitor-events`.
+
+## Caminhos quente, morno e frio
+
+Os dados que fluem de um dispositivo IoT para a nuvem nem sempre são processados em tempo real. Alguns dados precisam de processamento em tempo real, outros podem ser processados um pouco depois, e outros podem ser processados muito mais tarde. O fluxo de dados para diferentes serviços que processam os dados em diferentes momentos é referido como caminhos quente, morno e frio.
+
+### Caminho quente
+
+O caminho quente refere-se aos dados que precisam ser processados em tempo real ou quase em tempo real. Você usaria dados do caminho quente para alertas, como receber notificações de que um veículo está se aproximando de um depósito ou que a temperatura em um caminhão refrigerado está muito alta.
+
+Para usar dados do caminho quente, seu código responderia a eventos assim que fossem recebidos pelos serviços na nuvem.
+
+### Caminho morno
+
+O caminho morno refere-se aos dados que podem ser processados pouco tempo depois de serem recebidos, por exemplo, para relatórios ou análises de curto prazo. Você usaria dados do caminho morno para relatórios diários sobre a quilometragem dos veículos, usando dados coletados no dia anterior.
+
+Os dados do caminho morno são armazenados assim que são recebidos pelo serviço na nuvem em algum tipo de armazenamento que pode ser acessado rapidamente.
+
+### Caminho frio
+
+O caminho frio refere-se aos dados históricos, armazenando dados a longo prazo para serem processados sempre que necessário. Por exemplo, você poderia usar o caminho frio para obter relatórios anuais de quilometragem dos veículos ou executar análises de rotas para encontrar a rota mais eficiente para reduzir custos de combustível.
+
+Os dados do caminho frio são armazenados em data warehouses - bancos de dados projetados para armazenar grandes quantidades de dados que nunca mudam e podem ser consultados de forma rápida e fácil. Normalmente, você teria um trabalho regular em sua aplicação na nuvem que seria executado em um horário regular a cada dia, semana ou mês para mover dados do armazenamento do caminho morno para o data warehouse.
+
+✅ Pense nos dados que você capturou até agora nessas lições. Eles são dados de caminho quente, morno ou frio?
+
+## Lidar com eventos de GPS usando código serverless
+
+Uma vez que os dados estão fluindo para o seu IoT Hub, você pode escrever algum código serverless para escutar eventos publicados no endpoint compatível com Event-Hub. Este é o caminho morno - esses dados serão armazenados e usados na próxima lição para relatórios sobre a jornada.
+
+![Enviando telemetria de GPS de um dispositivo IoT para o IoT Hub, depois para Azure Functions via um gatilho de Event Hub](../../../../../translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.br.png)
+
+### Tarefa - lidar com eventos de GPS usando código serverless
+
+1. Crie um aplicativo Azure Functions usando o CLI do Azure Functions. Use o runtime Python e crie-o em uma pasta chamada `gps-trigger`, usando o mesmo nome para o projeto do aplicativo Functions. Certifique-se de criar um ambiente virtual para isso.
+> ⚠️ Você pode consultar as [instruções para criar um Projeto de Funções do Azure do projeto 2, lição 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application) se necessário.
+1. Adicione um gatilho de evento do IoT Hub que utilize o endpoint compatível com Event Hub do IoT Hub.
+
+    > ⚠️ Você pode consultar as [instruções para criar um gatilho de evento do IoT Hub no projeto 2, lição 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger) se necessário.
+
+1. Configure a string de conexão do endpoint compatível com Event Hub no arquivo `local.settings.json` e use a chave dessa entrada no arquivo `function.json`.
+
+1. Use o aplicativo Azurite como um emulador de armazenamento local.
+
+1. Execute seu aplicativo de funções para garantir que ele está recebendo eventos do seu dispositivo GPS. Certifique-se de que seu dispositivo IoT também está funcionando e enviando dados de GPS.
+
+    ```output
+    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
+    ```
+
+## Contas de Armazenamento do Azure
+
+![O logotipo do Azure Storage](../../../../../translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.br.png)
+
+As Contas de Armazenamento do Azure são um serviço de armazenamento de propósito geral que pode armazenar dados de várias formas diferentes. Você pode armazenar dados como blobs, em filas, em tabelas ou como arquivos, tudo ao mesmo tempo.
+
+### Armazenamento de Blobs
+
+A palavra *Blob* significa objetos binários grandes, mas tornou-se o termo para qualquer dado não estruturado. Você pode armazenar qualquer dado no armazenamento de blobs, desde documentos JSON contendo dados de IoT até arquivos de imagem e vídeo. O armazenamento de blobs possui o conceito de *containers*, que são "baldes" nomeados onde você pode armazenar dados, semelhante a tabelas em um banco de dados relacional. Esses containers podem ter uma ou mais pastas para armazenar blobs, e cada pasta pode conter outras pastas, semelhante à forma como arquivos são armazenados no disco rígido do seu computador.
+
+Você usará o armazenamento de blobs nesta lição para armazenar dados de IoT.
+
+✅ Faça uma pesquisa: Leia sobre o [Armazenamento de Blobs do Azure](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn)
+
+### Armazenamento de Tabelas
+
+O armazenamento de tabelas permite armazenar dados semi-estruturados. O armazenamento de tabelas é, na verdade, um banco de dados NoSQL, então não requer um conjunto definido de tabelas previamente, mas é projetado para armazenar dados em uma ou mais tabelas, com chaves únicas para definir cada linha.
+
+✅ Faça uma pesquisa: Leia sobre o [Armazenamento de Tabelas do Azure](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn)
+
+### Armazenamento de Filas
+
+O armazenamento de filas permite armazenar mensagens de até 64KB em uma fila. Você pode adicionar mensagens ao final da fila e lê-las do início. As filas armazenam mensagens indefinidamente enquanto houver espaço de armazenamento disponível, permitindo que as mensagens sejam armazenadas a longo prazo e lidas quando necessário. Por exemplo, se você quiser executar um trabalho mensal para processar dados de GPS, poderia adicionar mensagens à fila diariamente durante um mês e, no final do mês, processar todas as mensagens da fila.
+
+✅ Faça uma pesquisa: Leia sobre o [Armazenamento de Filas do Azure](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn)
+
+### Armazenamento de Arquivos
+
+O armazenamento de arquivos é o armazenamento de arquivos na nuvem, e qualquer aplicativo ou dispositivo pode se conectar usando protocolos padrão da indústria. Você pode gravar arquivos no armazenamento de arquivos e montá-lo como uma unidade no seu PC ou Mac.
+
+✅ Faça uma pesquisa: Leia sobre o [Armazenamento de Arquivos do Azure](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn)
+
+## Conecte seu código serverless ao armazenamento
+
+Seu aplicativo de funções agora precisa se conectar ao armazenamento de blobs para armazenar as mensagens do IoT Hub. Há duas maneiras de fazer isso:
+
+* Dentro do código da função, conecte-se ao armazenamento de blobs usando o SDK de armazenamento do Azure para Python e grave os dados como blobs.
+* Use um binding de saída da função para vincular o valor de retorno da função ao armazenamento de blobs e salvar o blob automaticamente.
+
+Nesta lição, você usará o SDK do Python para ver como interagir com o armazenamento de blobs.
+
+![Enviando telemetria GPS de um dispositivo IoT para o IoT Hub, depois para o Azure Functions via um gatilho de Event Hub, e então salvando no armazenamento de blobs](../../../../../translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.br.png)
+
+Os dados serão salvos como um blob JSON com o seguinte formato:
+
+```json
+{
+    "device_id": <device_id>,
+    "timestamp" : <time>,
+    "gps" :
+    {
+        "lat" : <latitude>,
+        "lon" : <longitude>
+    }
+}
+```
+
+### Tarefa - conectar seu código serverless ao armazenamento
+
+1. Crie uma conta de armazenamento do Azure. Nomeie-a algo como `gps<seu_nome>`.
+
+    > ⚠️ Você pode consultar as [instruções para criar uma conta de armazenamento no projeto 2, lição 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources) se necessário.
+
+    Se você ainda tiver uma conta de armazenamento do projeto anterior, pode reutilizá-la.
+
+    > 💁 Você poderá usar a mesma conta de armazenamento para implantar seu aplicativo Azure Functions mais tarde nesta lição.
+
+1. Execute o seguinte comando para obter a string de conexão da conta de armazenamento:
+
+    ```sh
+    az storage account show-connection-string --output table \
+                                              --name <storage_name>
+    ```
+
+    Substitua `<storage_name>` pelo nome da conta de armazenamento que você criou na etapa anterior.
+
+1. Adicione uma nova entrada ao arquivo `local.settings.json` para a string de conexão da conta de armazenamento, usando o valor da etapa anterior. Nomeie-a como `STORAGE_CONNECTION_STRING`.
+
+1. Adicione o seguinte ao arquivo `requirements.txt` para instalar os pacotes Pip de armazenamento do Azure:
+
+    ```sh
+    azure-storage-blob
+    ```
+
+    Instale os pacotes deste arquivo no seu ambiente virtual.
+
+    > Se você receber um erro, atualize sua versão do Pip no ambiente virtual para a versão mais recente com o seguinte comando e tente novamente:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. No arquivo `__init__.py` para o `iot-hub-trigger`, adicione as seguintes declarações de importação:
+
+    ```python
+    import json
+    import os
+    import uuid
+    from azure.storage.blob import BlobServiceClient, PublicAccess
+    ```
+
+    O módulo do sistema `json` será usado para ler e gravar JSON, o módulo do sistema `os` será usado para ler a string de conexão, e o módulo do sistema `uuid` será usado para gerar um ID único para a leitura do GPS.
+
+    O pacote `azure.storage.blob` contém o SDK do Python para trabalhar com armazenamento de blobs.
+
+1. Antes do método `main`, adicione a seguinte função auxiliar:
+
+    ```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)
+    ```
+
+    O SDK de blobs do Python não possui um método auxiliar para criar um container caso ele não exista. Este código carregará a string de conexão do arquivo `local.settings.json` (ou das Configurações do Aplicativo, uma vez implantado na nuvem), e criará uma classe `BlobServiceClient` a partir disso para interagir com a conta de armazenamento de blobs. Ele então percorre todos os containers da conta de armazenamento de blobs, procurando por um com o nome fornecido - se encontrar, retornará uma classe `ContainerClient` que pode interagir com o container para criar blobs. Se não encontrar, o container será criado e o cliente para o novo container será retornado.
+
+    Quando o novo container é criado, o acesso público é concedido para consultar os blobs no container. Isso será usado na próxima lição para visualizar os dados de GPS em um mapa.
+
+1. Diferentemente do sensor de umidade do solo, com este código queremos armazenar todos os eventos, então adicione o seguinte código dentro do loop `for event in events:` na função `main`, abaixo da declaração `logging`:
+
+    ```python
+    device_id = event.iothub_metadata['connection-device-id']
+    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
+    ```
+
+    Este código obtém o ID do dispositivo a partir dos metadados do evento e o utiliza para criar um nome de blob. Os blobs podem ser armazenados em pastas, e o ID do dispositivo será usado como o nome da pasta, para que cada dispositivo tenha todos os seus eventos de GPS em uma pasta. O nome do blob é essa pasta, seguido por um nome de documento, separados por barras, semelhante a caminhos no Linux e macOS (semelhante ao Windows também, mas o Windows usa barras invertidas). O nome do documento é um ID único gerado usando o módulo `uuid` do Python, com o tipo de arquivo `json`.
+
+    Por exemplo, para o ID do dispositivo `gps-sensor`, o nome do blob pode ser `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json`.
+
+1. Adicione o seguinte código abaixo disso:
+
+    ```python
+    container_client = get_or_create_container('gps-data')
+    blob = container_client.get_blob_client(blob_name)
+    ```
+
+    Este código obtém o cliente do container usando a classe auxiliar `get_or_create_container`, e então obtém um objeto cliente de blob usando o nome do blob. Esses clientes de blob podem se referir a blobs existentes ou, como neste caso, a novos blobs.
+
+1. Adicione o seguinte código depois disso:
+
+    ```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']
+    }
+    ```
+
+    Isso constrói o corpo do blob que será gravado no armazenamento de blobs. É um documento JSON contendo o ID do dispositivo, o horário em que a telemetria foi enviada ao IoT Hub e as coordenadas GPS da telemetria.
+
+    > 💁 É importante usar o horário de enfileiramento da mensagem em vez do horário atual para obter o momento em que a mensagem foi enviada. Ela pode estar no hub por um tempo antes de ser capturada, caso o aplicativo Functions não esteja em execução.
+
+1. Adicione o seguinte abaixo deste código:
+
+    ```python
+    logging.info(f'Writing blob to {blob_name} - {blob_body}')
+    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
+    ```
+
+    Este código registra que um blob está prestes a ser gravado com seus detalhes e, em seguida, faz o upload do corpo do blob como o conteúdo do novo blob.
+
+1. Execute o aplicativo Functions. Você verá blobs sendo gravados para todos os eventos de GPS na saída:
+
+    ```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}}
+    ```
+
+    > 💁 Certifique-se de que você não está executando o monitor de eventos do IoT Hub ao mesmo tempo.
+
+> 💁 Você pode encontrar este código na pasta [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions).
+
+### Tarefa - verificar os blobs enviados
+
+1. Para visualizar os blobs criados, você pode usar o [Azure Storage Explorer](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn), uma ferramenta gratuita que permite visualizar e gerenciar suas contas de armazenamento, ou usar o CLI.
+
+    1. Para usar o CLI, primeiro você precisará de uma chave da conta. Execute o seguinte comando para obter essa chave:
+
+        ```sh
+        az storage account keys list --output table \
+                                     --account-name <storage_name>
+        ```
+
+        Substitua `<storage_name>` pelo nome da conta de armazenamento.
+
+        Copie o valor de `key1`.
+
+    1. Execute o seguinte comando para listar os blobs no container:
+
+        ```sh
+        az storage blob list --container-name gps-data \
+                             --output table \
+                             --account-name <storage_name> \
+                             --account-key <key1>
+        ```
+
+        Substitua `<storage_name>` pelo nome da conta de armazenamento e `<key1>` pelo valor de `key1` que você copiou na etapa anterior.
+
+        Isso listará todos os blobs no container:
+
+        ```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. Baixe um dos blobs usando o seguinte comando:
+
+        ```sh
+        az storage blob download --container-name gps-data \
+                                 --account-name <storage_name> \
+                                 --account-key <key1> \
+                                 --name <blob_name> \
+                                 --file <file_name>
+        ```
+
+        Substitua `<storage_name>` pelo nome da conta de armazenamento e `<key1>` pelo valor de `key1` que você copiou na etapa anterior.
+
+        Substitua `<blob_name>` pelo nome completo da coluna `Name` da saída da etapa anterior, incluindo o nome da pasta. Substitua `<file_name>` pelo nome de um arquivo local para salvar o blob.
+
+    Depois de baixado, você pode abrir o arquivo JSON no VS Code e verá o blob contendo os detalhes da localização GPS:
+
+    ```json
+    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
+    ```
+
+### Tarefa - implantar seu aplicativo Functions na nuvem
+
+Agora que seu aplicativo Functions está funcionando, você pode implantá-lo na nuvem.
+
+1. Crie um novo aplicativo Azure Functions, usando a conta de armazenamento que você criou anteriormente. Nomeie-o como algo como `gps-sensor-` e adicione um identificador único no final, como algumas palavras aleatórias ou seu nome.
+
+    > ⚠️ Você pode consultar as [instruções para criar um aplicativo Functions no projeto 2, lição 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources) se necessário.
+
+1. Faça o upload dos valores `IOT_HUB_CONNECTION_STRING` e `STORAGE_CONNECTION_STRING` para as Configurações do Aplicativo.
+
+    > ⚠️ Você pode consultar as [instruções para fazer o upload das Configurações do Aplicativo no projeto 2, lição 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings) se necessário.
+
+1. Implemente seu aplicativo Functions local na nuvem.
+⚠️ Você pode consultar as [instruções para implantar seu aplicativo de Functions do projeto 2, lição 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud) se necessário.
+---
+
+## 🚀 Desafio
+
+Os dados de GPS não são perfeitamente precisos, e as localizações detectadas podem estar deslocadas por alguns metros, ou até mais, especialmente em túneis e áreas com prédios altos.
+
+Pense em como a navegação por satélite poderia superar isso. Quais dados o seu sistema de navegação possui que poderiam permitir melhores previsões sobre sua localização?
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
+
+## Revisão e Autoestudo
+
+* Leia sobre dados estruturados na [página de Modelo de Dados na Wikipedia](https://wikipedia.org/wiki/Data_model)
+* Leia sobre dados semiestruturados na [página de Dados Semiestruturados na Wikipedia](https://wikipedia.org/wiki/Semi-structured_data)
+* Leia sobre dados não estruturados na [página de Dados Não Estruturados na Wikipedia](https://wikipedia.org/wiki/Unstructured_data)
+* Leia mais sobre o Azure Storage e os diferentes tipos de armazenamento na [documentação do Azure Storage](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn)
+
+## Tarefa
+
+[Investigue os bindings de função](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/2-store-location-data/assignment.md b/translations/br/3-transport/lessons/2-store-location-data/assignment.md
new file mode 100644
index 00000000..ff964903
--- /dev/null
+++ b/translations/br/3-transport/lessons/2-store-location-data/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
+  "translation_date": "2025-08-28T03:24:05+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
+  "language_code": "br"
+}
+-->
+# Investigar vinculações de funções
+
+## Instruções
+
+As vinculações de funções permitem que seu código salve blobs no armazenamento de blobs ao retorná-los da função `main`. A conta de armazenamento do Azure, a coleção e outros detalhes são configurados no arquivo `function.json`.
+
+Ao trabalhar com o Azure ou outras tecnologias da Microsoft, a melhor fonte de informações é [a documentação da Microsoft em docs.com](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn). Nesta tarefa, você precisará ler a documentação de vinculação de funções do Azure para entender como configurar a vinculação de saída.
+
+Algumas páginas para começar são:
+
+* [Conceitos de gatilhos e vinculações do Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
+* [Visão geral das vinculações de armazenamento de blobs para Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
+* [Vinculação de saída de armazenamento de blobs para Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Configurar a vinculação de saída do armazenamento de blobs | Foi capaz de configurar a vinculação de saída, retornar o blob e armazená-lo com sucesso no armazenamento de blobs | Foi capaz de configurar a vinculação de saída ou retornar o blob, mas não conseguiu armazená-lo com sucesso no armazenamento de blobs | Não foi capaz de configurar a vinculação de saída |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/3-visualize-location-data/README.md b/translations/br/3-transport/lessons/3-visualize-location-data/README.md
new file mode 100644
index 00000000..3078c74e
--- /dev/null
+++ b/translations/br/3-transport/lessons/3-visualize-location-data/README.md
@@ -0,0 +1,359 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
+  "translation_date": "2025-08-28T03:19:08+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
+  "language_code": "br"
+}
+-->
+# Visualizar dados de localização
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Este vídeo oferece uma visão geral do Azure Maps com IoT, um serviço que será abordado nesta lição.
+
+[![Azure Maps - A Plataforma de Localização Empresarial da Microsoft Azure](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
+
+> 🎥 Clique na imagem acima para assistir ao vídeo
+
+## Quiz pré-aula
+
+[Quiz pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
+
+## Introdução
+
+Na última lição, você aprendeu como obter dados de GPS dos seus sensores e salvá-los na nuvem em um contêiner de armazenamento usando código sem servidor. Agora você descobrirá como visualizar esses pontos em um mapa do Azure. Você aprenderá como criar um mapa em uma página da web, conhecerá o formato de dados GeoJSON e como usá-lo para plotar todos os pontos de GPS capturados no seu mapa.
+
+Nesta lição, abordaremos:
+
+* [O que é visualização de dados](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Serviços de mapas](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Criar um recurso do Azure Maps](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Exibir um mapa em uma página da web](../../../../../3-transport/lessons/3-visualize-location-data)
+* [O formato GeoJSON](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Plotar dados de GPS em um mapa usando GeoJSON](../../../../../3-transport/lessons/3-visualize-location-data)
+
+> 💁 Esta lição envolverá uma pequena quantidade de HTML e JavaScript. Se você quiser aprender mais sobre desenvolvimento web usando HTML e JavaScript, confira [Desenvolvimento Web para Iniciantes](https://github.com/microsoft/Web-Dev-For-Beginners).
+
+## O que é visualização de dados
+
+Visualização de dados, como o nome sugere, trata de representar dados de maneiras que os tornem mais fáceis de entender para os humanos. Geralmente está associada a gráficos e tabelas, mas é qualquer forma de representar dados visualmente para ajudar os humanos a não apenas entenderem melhor os dados, mas também tomarem decisões.
+
+Tomando um exemplo simples - no projeto da fazenda, você capturou leituras de umidade do solo. Uma tabela de dados de umidade do solo capturados a cada hora no dia 1º de junho de 2021 pode ser algo como o seguinte:
+
+| Data             | Leitura |
+| ---------------- | ------: |
+| 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 |
+
+Para um humano, entender esses dados pode ser difícil. É uma parede de números sem significado. Como primeiro passo para visualizar esses dados, eles podem ser plotados em um gráfico de linha:
+
+![Um gráfico de linha dos dados acima](../../../../../translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.br.png)
+
+Isso pode ser ainda mais aprimorado adicionando uma linha para indicar quando o sistema de irrigação automatizado foi ativado em uma leitura de umidade do solo de 450:
+
+![Um gráfico de linha de umidade do solo com uma linha em 450](../../../../../translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.br.png)
+
+Este gráfico mostra rapidamente não apenas quais eram os níveis de umidade do solo, mas os pontos onde o sistema de irrigação foi ativado.
+
+Gráficos não são a única ferramenta para visualizar dados. Dispositivos IoT que monitoram o clima podem ter aplicativos web ou móveis que visualizam as condições climáticas usando símbolos, como um símbolo de nuvem para dias nublados, uma nuvem de chuva para dias chuvosos e assim por diante. Existem inúmeras maneiras de visualizar dados, algumas sérias, outras divertidas.
+
+✅ Pense em maneiras que você já viu dados visualizados. Quais métodos foram os mais claros e permitiram que você tomasse decisões mais rapidamente?
+
+As melhores visualizações permitem que os humanos tomem decisões rapidamente. Por exemplo, ter uma parede de medidores mostrando todos os tipos de leituras de máquinas industriais é difícil de processar, mas uma luz vermelha piscando quando algo dá errado permite que um humano tome uma decisão. Às vezes, a melhor visualização é uma luz piscando!
+
+Ao trabalhar com dados de GPS, a visualização mais clara pode ser plotar os dados em um mapa. Um mapa mostrando caminhões de entrega, por exemplo, pode ajudar os trabalhadores de uma planta de processamento a ver quando os caminhões chegarão. Se este mapa mostrar mais do que apenas imagens de caminhões em suas localizações atuais, mas também fornecer uma ideia do conteúdo de um caminhão, então os trabalhadores da planta podem se planejar adequadamente - se eles virem um caminhão refrigerado próximo, saberão que precisam preparar espaço em um refrigerador.
+
+## Serviços de mapas
+
+Trabalhar com mapas é um exercício interessante, e há muitos para escolher, como Bing Maps, Leaflet, Open Street Maps e Google Maps. Nesta lição, você aprenderá sobre [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) e como eles podem exibir seus dados de GPS.
+
+![O logotipo do Azure Maps](../../../../../translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.br.png)
+
+Azure Maps é "uma coleção de serviços geoespaciais e SDKs que utilizam dados de mapeamento atualizados para fornecer contexto geográfico a aplicativos web e móveis." Os desenvolvedores recebem ferramentas para criar mapas bonitos e interativos que podem fazer coisas como fornecer rotas de tráfego recomendadas, dar informações sobre incidentes de tráfego, navegação interna, capacidades de busca, informações de elevação, serviços meteorológicos e muito mais.
+
+✅ Experimente alguns [exemplos de código de mapeamento](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps)
+
+Você pode exibir os mapas como uma tela em branco, imagens de satélite, imagens de satélite com estradas sobrepostas, vários tipos de mapas em escala de cinza, mapas com relevo sombreado para mostrar elevação, mapas de visão noturna e um mapa de alto contraste. Você pode obter atualizações em tempo real nos seus mapas integrando-os com [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn). Você pode controlar o comportamento e a aparência dos seus mapas habilitando vários controles para permitir que o mapa reaja a eventos como pinça, arraste e clique. Para controlar a aparência do seu mapa, você pode adicionar camadas que incluem bolhas, linhas, polígonos, mapas de calor e mais. Qual estilo de mapa você implementa depende da sua escolha de SDK.
+
+Você pode acessar as APIs do Azure Maps aproveitando sua [API REST](https://docs.microsoft.com/javascript/api/azure-maps-rest/?WT.mc_id=academic-17441-jabenn&view=azure-maps-typescript-latest), seu [Web SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-map-control?WT.mc_id=academic-17441-jabenn), ou, se estiver criando um aplicativo móvel, seu [SDK para Android](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).
+
+Nesta lição, você usará o Web SDK para desenhar um mapa e exibir o caminho da localização GPS do seu sensor.
+
+## Criar um recurso do Azure Maps
+
+O primeiro passo é criar uma conta do Azure Maps.
+
+### Tarefa - criar um recurso do Azure Maps
+
+1. Execute o seguinte comando no seu Terminal ou Prompt de Comando para criar um recurso do Azure Maps no seu grupo de recursos `gps-sensor`:
+
+    ```sh
+    az maps account create --name gps-sensor \
+                           --resource-group gps-sensor \
+                           --accept-tos \
+                           --sku S1
+    ```
+
+    Isso criará um recurso do Azure Maps chamado `gps-sensor`. O nível utilizado é `S1`, que é um nível pago que inclui uma gama de recursos, mas com uma quantidade generosa de chamadas gratuitas.
+
+    > 💁 Para ver o custo de usar o Azure Maps, confira a [página de preços do Azure Maps](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn).
+
+1. Você precisará de uma chave de API para o recurso de mapas. Use o seguinte comando para obter essa chave:
+
+    ```sh
+    az maps account keys list --name gps-sensor \
+                              --resource-group gps-sensor \
+                              --output table
+    ```
+
+    Copie o valor de `PrimaryKey`.
+
+## Exibir um mapa em uma página da web
+
+Agora você pode dar o próximo passo, que é exibir seu mapa em uma página da web. Usaremos apenas um arquivo `html` para seu pequeno aplicativo web; lembre-se de que, em um ambiente de produção ou equipe, seu aplicativo web provavelmente terá mais partes móveis!
+
+### Tarefa - exibir um mapa em uma página da web
+
+1. Crie um arquivo chamado index.html em uma pasta no seu computador local. Adicione a marcação HTML para conter um mapa:
+
+    ```html
+    <html>
+    <head>
+        <style>
+            #myMap {
+                width:100%;
+                height:100%;
+            }
+        </style>
+    </head>
+    
+    <body onload="init()">
+        <div id="myMap"></div>
+    </body>
+    </html>
+    ```
+
+    O mapa será carregado no `div` chamado `myMap`. Alguns estilos permitem que ele ocupe a largura e altura da página.
+
+    > 🎓 Um `div` é uma seção de uma página da web que pode ser nomeada e estilizada.
+
+1. Sob a tag de abertura `<head>`, adicione uma folha de estilo externa para controlar a exibição do mapa e um script externo do Web SDK para gerenciar seu comportamento:
+
+    ```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>
+    ```
+
+    Esta folha de estilo contém as configurações de como o mapa será exibido, e o arquivo de script contém o código para carregar o mapa. Adicionar este código é semelhante a incluir arquivos de cabeçalho em C++ ou importar módulos em Python.
+
+1. Sob esse script, adicione um bloco de script para iniciar o mapa.
+
+    ```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>
+    ```
+
+    Substitua `<subscription_key>` pela chave de API da sua conta do Azure Maps.
+
+    Se você abrir sua página `index.html` em um navegador web, deverá ver um mapa carregado, focado na área de Seattle.
+
+    ![Um mapa mostrando Seattle, uma cidade no estado de Washington, EUA](../../../../../translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.br.png)
+
+    ✅ Experimente os parâmetros de zoom e centro para alterar a exibição do mapa. Você pode adicionar diferentes coordenadas correspondentes à latitude e longitude dos seus dados para re-centralizar o mapa.
+
+> 💁 Uma maneira melhor de trabalhar com aplicativos web localmente é instalar [http-server](https://www.npmjs.com/package/http-server). Você precisará ter [node.js](https://nodejs.org/) e [npm](https://www.npmjs.com/) instalados antes de usar esta ferramenta. Depois que essas ferramentas estiverem instaladas, você pode navegar até a localização do seu arquivo `index.html` e digitar `http-server`. O aplicativo web será aberto em um servidor web local [http://127.0.0.1:8080/](http://127.0.0.1:8080/).
+
+## O formato GeoJSON
+
+Agora que você tem seu aplicativo web configurado com o mapa exibido, você precisa extrair os dados de GPS da sua conta de armazenamento e exibi-los em uma camada de marcadores sobre o mapa. Antes de fazermos isso, vamos olhar para o formato [GeoJSON](https://wikipedia.org/wiki/GeoJSON) que é necessário pelo Azure Maps.
+
+[GeoJSON](https://geojson.org/) é um padrão aberto de especificação JSON com formatação especial projetada para lidar com dados geográficos específicos. Você pode aprender sobre ele testando dados de exemplo usando [geojson.io](https://geojson.io), que também é uma ferramenta útil para depurar arquivos GeoJSON.
+
+Dados de exemplo em GeoJSON se parecem com isto:
+
+```json
+{
+  "type": "FeatureCollection",
+  "features": [
+    {
+      "type": "Feature",
+      "geometry": {
+        "type": "Point",
+        "coordinates": [
+          -2.10237979888916,
+          57.164918677004714
+        ]
+      }
+    }
+  ]
+}
+```
+
+O que é particularmente interessante é a forma como os dados estão aninhados como um `Feature` dentro de um `FeatureCollection`. Dentro desse objeto, pode-se encontrar `geometry` com as `coordinates` indicando latitude e longitude.
+
+✅ Ao construir seu GeoJSON, preste atenção à ordem de `latitude` e `longitude` no objeto, ou seus pontos não aparecerão onde deveriam! O GeoJSON espera dados na ordem `lon,lat` para pontos, e não `lat,lon`.
+
+`Geometry` pode ter diferentes tipos, como um único ponto ou um polígono. Neste exemplo, é um ponto com duas coordenadas especificadas, a longitude e a latitude.
+✅ O Azure Maps suporta GeoJSON padrão, além de alguns [recursos aprimorados](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn), incluindo a capacidade de desenhar círculos e outras geometrias.
+
+## Plotar dados de GPS em um mapa usando GeoJSON
+
+Agora você está pronto para consumir os dados do armazenamento que você criou na lição anterior. Como lembrete, os dados estão armazenados como vários arquivos no armazenamento de blobs, então você precisará recuperar os arquivos e analisá-los para que o Azure Maps possa utilizá-los.
+
+### Tarefa - configurar o armazenamento para ser acessado de uma página web
+
+Se você fizer uma chamada ao seu armazenamento para buscar os dados, pode se surpreender ao ver erros ocorrendo no console do navegador. Isso acontece porque você precisa configurar permissões para o [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) nesse armazenamento, permitindo que aplicativos web externos leiam seus dados.
+
+> 🎓 CORS significa "Compartilhamento de Recursos entre Origens Diferentes" e geralmente precisa ser configurado explicitamente no Azure por razões de segurança. Ele impede que sites inesperados acessem seus dados.
+
+1. Execute o seguinte comando para habilitar o CORS:
+
+    ```sh
+    az storage cors add --methods GET \
+                        --origins "*" \
+                        --services b \
+                        --account-name <storage_name> \
+                        --account-key <key1>
+    ```
+
+    Substitua `<storage_name>` pelo nome da sua conta de armazenamento. Substitua `<key1>` pela chave da conta do seu armazenamento.
+
+    Este comando permite que qualquer site (o caractere curinga `*` significa qualquer) faça uma solicitação *GET*, ou seja, obtenha dados da sua conta de armazenamento. O parâmetro `--services b` significa que essa configuração será aplicada apenas para blobs.
+
+### Tarefa - carregar os dados de GPS do armazenamento
+
+1. Substitua todo o conteúdo da função `init` pelo seguinte código:
+
+    ```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);
+        })
+    })
+    ```
+
+    Substitua `<storage_name>` pelo nome da sua conta de armazenamento. Substitua `<subscription_key>` pela chave da API da sua conta do Azure Maps.
+
+    Há várias coisas acontecendo aqui. Primeiro, o código busca seus dados de GPS do contêiner de blobs usando um endpoint de URL construído com o nome da sua conta de armazenamento. Este URL recupera dados de `gps-data`, indicando que o tipo de recurso é um contêiner (`restype=container`), e lista informações sobre todos os blobs. Essa lista não retorna os blobs em si, mas fornece um URL para cada blob que pode ser usado para carregar os dados do blob.
+
+    > 💁 Você pode inserir este URL no seu navegador para ver os detalhes de todos os blobs no seu contêiner. Cada item terá uma propriedade `Url` que você também pode carregar no navegador para visualizar o conteúdo do blob.
+
+    Este código então carrega cada blob, chamando uma função `loadJSON`, que será criada a seguir. Ele então cria o controle do mapa e adiciona código ao evento `ready`. Este evento é chamado quando o mapa é exibido na página web.
+
+    O evento `ready` cria uma fonte de dados do Azure Maps - um contêiner que contém dados GeoJSON que serão populados posteriormente. Esta fonte de dados é então usada para criar uma camada de bolhas - ou seja, um conjunto de círculos no mapa centralizados em cada ponto do GeoJSON.
+
+1. Adicione a função `loadJSON` ao seu bloco de script, abaixo da função `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();
+    }    
+    ```
+
+    Esta função é chamada pela rotina de busca para analisar os dados JSON e convertê-los para serem lidos como coordenadas de longitude e latitude no formato GeoJSON. 
+    Uma vez analisados, os dados são configurados como parte de uma `Feature` GeoJSON. O mapa será inicializado e pequenos círculos aparecerão ao longo do caminho que seus dados estão traçando:
+
+1. Carregue a página HTML no seu navegador. Ela carregará o mapa, depois carregará todos os dados de GPS do armazenamento e os exibirá no mapa.
+
+    ![Um mapa do Saint Edward State Park perto de Seattle, com círculos mostrando um caminho ao redor da borda do parque](../../../../../translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.br.png)
+
+> 💁 Você pode encontrar este código na [pasta de código](../../../../../3-transport/lessons/3-visualize-location-data/code).
+
+---
+
+## 🚀 Desafio
+
+É interessante poder exibir dados estáticos em um mapa como marcadores. Você consegue aprimorar este aplicativo web para adicionar animação e mostrar o caminho dos marcadores ao longo do tempo, usando os arquivos JSON com carimbo de data/hora? Aqui estão [alguns exemplos](https://azuremapscodesamples.azurewebsites.net/) de como usar animação em mapas.
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
+
+## Revisão e Autoestudo
+
+O Azure Maps é particularmente útil para trabalhar com dispositivos IoT.
+
+* Pesquise alguns dos usos na [documentação do Azure Maps no site da Microsoft](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn).
+* Aprofunde seu conhecimento sobre criação de mapas e pontos de passagem com o [módulo de aprendizado autoguiado "crie seu primeiro aplicativo de rotas com o Azure Maps" no Microsoft Learn](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn).
+
+## Tarefa
+
+[Implante seu aplicativo](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/br/3-transport/lessons/3-visualize-location-data/assignment.md
new file mode 100644
index 00000000..350ac8f5
--- /dev/null
+++ b/translations/br/3-transport/lessons/3-visualize-location-data/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
+  "translation_date": "2025-08-28T03:20:55+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
+  "language_code": "br"
+}
+-->
+# Implante seu aplicativo
+
+## Instruções
+
+Existem várias maneiras de implantar seu aplicativo para compartilhá-lo com o mundo, incluindo o uso do GitHub Pages ou de um dos muitos provedores de serviços disponíveis. Uma maneira realmente excelente de fazer isso é usar o Azure Static Web Apps. Nesta tarefa, construa seu aplicativo web e implante-o na nuvem seguindo [estas instruções](https://github.com/Azure/static-web-apps-cli) ou assistindo [estes vídeos](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3).  
+Um benefício de usar o Azure Static Web Apps é que você pode ocultar quaisquer chaves de API no portal. Aproveite esta oportunidade para refatorar sua subscriptionKey como uma variável e armazená-la na nuvem.
+
+## Rubrica
+
+| Critério | Exemplar                                                                                                                                | Adequado                                                                                                           | Precisa de Melhorias                                |
+| -------- | ---------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------ | --------------------------------------------------- |
+|          | Um aplicativo web funcional é apresentado em um repositório GitHub documentado, com sua subscriptionKey armazenada na nuvem e chamada via uma variável | Um aplicativo web funcional é apresentado em um repositório GitHub documentado, mas sua subscriptionKey não está armazenada na nuvem | O aplicativo web contém bugs ou não funciona corretamente |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/4-geofences/README.md b/translations/br/3-transport/lessons/4-geofences/README.md
new file mode 100644
index 00000000..9cb3f855
--- /dev/null
+++ b/translations/br/3-transport/lessons/4-geofences/README.md
@@ -0,0 +1,488 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
+  "translation_date": "2025-08-28T03:16:36+00:00",
+  "source_file": "3-transport/lessons/4-geofences/README.md",
+  "language_code": "br"
+}
+-->
+# Geofences
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Este vídeo oferece uma visão geral sobre geofences e como utilizá-las no Azure Maps, tópicos que serão abordados nesta lição:
+
+[![Geofencing com Azure Maps no programa Microsoft Developer IoT](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
+
+> 🎥 Clique na imagem acima para assistir ao vídeo
+
+## Quiz pré-aula
+
+[Quiz pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
+
+## Introdução
+
+Nas últimas 3 lições, você utilizou IoT para localizar os caminhões que transportam seus produtos da fazenda até o centro de processamento. Você capturou dados de GPS, enviou-os para a nuvem para armazenamento e os visualizou em um mapa. O próximo passo para aumentar a eficiência da sua cadeia de suprimentos é receber um alerta quando um caminhão estiver prestes a chegar ao centro de processamento, para que a equipe necessária para descarregar esteja pronta com empilhadeiras e outros equipamentos assim que o veículo chegar. Dessa forma, o descarregamento pode ser feito rapidamente, e você não estará pagando por um caminhão e motorista esperando.
+
+Nesta lição, você aprenderá sobre geofences - regiões geoespaciais definidas, como uma área dentro de um raio de 2 km de um centro de processamento - e como testar se coordenadas de GPS estão dentro ou fora de uma geofence, permitindo verificar se o sensor GPS chegou ou saiu de uma área.
+
+Nesta lição, abordaremos:
+
+* [O que são geofences](../../../../../3-transport/lessons/4-geofences)
+* [Definir uma geofence](../../../../../3-transport/lessons/4-geofences)
+* [Testar pontos contra uma geofence](../../../../../3-transport/lessons/4-geofences)
+* [Usar geofences em código serverless](../../../../../3-transport/lessons/4-geofences)
+
+> 🗑 Esta é a última lição deste projeto, então, após concluir esta lição e a tarefa, não se esqueça de limpar seus serviços na nuvem. Você precisará dos serviços para concluir a tarefa, então certifique-se de completá-la primeiro.
+>
+> Consulte [o guia de limpeza do projeto](../../../clean-up.md) se necessário para instruções sobre como fazer isso.
+
+## O que são Geofences
+
+Uma geofence é um perímetro virtual para uma região geográfica do mundo real. Geofences podem ser círculos definidos como um ponto e um raio (por exemplo, um círculo de 100m ao redor de um edifício) ou um polígono cobrindo uma área, como uma zona escolar, limites de uma cidade ou campus de uma universidade ou escritório.
+
+![Alguns exemplos de geofences mostrando uma geofence circular ao redor da loja da Microsoft e uma geofence poligonal ao redor do campus oeste da Microsoft](../../../../../translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.br.png)
+
+> 💁 Você pode já ter usado geofences sem saber. Se você configurou um lembrete usando o aplicativo de lembretes do iOS ou o Google Keep baseado em uma localização, você utilizou uma geofence. Esses aplicativos configuram uma geofence com base na localização fornecida e alertam você quando seu telefone entra na geofence.
+
+Existem muitos motivos pelos quais você pode querer saber se um veículo está dentro ou fora de uma geofence:
+
+* Preparação para descarregamento - receber uma notificação de que um veículo chegou ao local permite que a equipe esteja preparada para descarregar o veículo, reduzindo o tempo de espera. Isso pode permitir que o motorista faça mais entregas em um dia com menos tempo de espera.
+* Conformidade tributária - alguns países, como a Nova Zelândia, cobram impostos sobre estradas para veículos a diesel com base no peso do veículo ao dirigir apenas em vias públicas. Usar geofences permite rastrear a quilometragem percorrida em vias públicas em oposição a vias privadas em locais como fazendas ou áreas de extração de madeira.
+* Monitoramento de roubo - se um veículo deve permanecer em uma determinada área, como em uma fazenda, e sair da geofence, ele pode ter sido roubado.
+* Conformidade de localização - algumas partes de um local de trabalho, fazenda ou fábrica podem ser proibidas para certos veículos, como manter veículos que transportam fertilizantes artificiais e pesticidas longe de campos que cultivam produtos orgânicos. Se uma geofence for violada, o veículo está fora de conformidade e o motorista pode ser notificado.
+
+✅ Você consegue pensar em outros usos para geofences?
+
+O Azure Maps, o serviço que você utilizou na última lição para visualizar dados de GPS, permite definir geofences e testar se um ponto está dentro ou fora da geofence.
+
+## Definir uma geofence
+
+Geofences são definidas usando GeoJSON, o mesmo formato dos pontos que foram adicionados ao mapa na lição anterior. Neste caso, em vez de ser uma `FeatureCollection` de valores `Point`, é uma `FeatureCollection` contendo um `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"
+       }
+     }
+   ]
+}
+```
+
+Cada ponto no polígono é definido como um par de longitude e latitude em um array, e esses pontos estão em um array que é definido como `coordinates`. Em um `Point` na lição anterior, o `coordinates` era um array contendo 2 valores, latitude e longitude. Para um `Polygon`, é um array de arrays contendo 2 valores, longitude e latitude.
+
+> 💁 Lembre-se, GeoJSON usa `longitude, latitude` para pontos, não `latitude, longitude`.
+
+O array de coordenadas do polígono sempre tem 1 entrada a mais do que o número de pontos no polígono, com a última entrada sendo igual à primeira, fechando o polígono. Por exemplo, para um retângulo, haveria 5 pontos.
+
+![Um retângulo com coordenadas](../../../../../translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.br.png)
+
+Na imagem acima, há um retângulo. As coordenadas do polígono começam no canto superior esquerdo em 47,-122, depois vão para a direita em 47,-121, depois para baixo em 46,-121, depois para a esquerda em 46,-122, e finalmente voltam ao ponto inicial em 47,-122. Isso dá ao polígono 5 pontos - canto superior esquerdo, canto superior direito, canto inferior direito, canto inferior esquerdo e, por fim, canto superior esquerdo para fechá-lo.
+
+✅ Experimente criar um polígono GeoJSON ao redor da sua casa ou escola. Use uma ferramenta como [GeoJSON.io](https://geojson.io/).
+
+### Tarefa - definir uma geofence
+
+Para usar uma geofence no Azure Maps, primeiro ela precisa ser carregada na sua conta do Azure Maps. Uma vez carregada, você receberá um ID único que poderá usar para testar um ponto contra a geofence. Para carregar geofences no Azure Maps, você precisa usar a API web do Azure Maps. Você pode chamar a API web do Azure Maps usando uma ferramenta chamada [curl](https://curl.se).
+
+> 🎓 Curl é uma ferramenta de linha de comando para fazer requisições contra endpoints web.
+
+1. Se você estiver usando Linux, macOS ou uma versão recente do Windows 10, provavelmente já tem o curl instalado. Execute o seguinte comando no terminal ou prompt de comando para verificar:
+
+    ```sh
+    curl --version
+    ```
+
+    Se você não vir informações de versão do curl, será necessário instalá-lo na [página de downloads do curl](https://curl.se/download.html).
+
+    > 💁 Se você tem experiência com Postman, pode usá-lo como alternativa, se preferir.
+
+1. Crie um arquivo GeoJSON contendo um polígono. Você testará isso usando seu sensor GPS, então crie um polígono ao redor da sua localização atual. Você pode criar manualmente editando o exemplo de GeoJSON fornecido acima ou usar uma ferramenta como [GeoJSON.io](https://geojson.io/).
+
+    O GeoJSON precisará conter uma `FeatureCollection`, contendo uma `Feature` com uma `geometry` do tipo `Polygon`.
+
+    Você **DEVE** também adicionar um elemento `properties` no mesmo nível do elemento `geometry`, e este deve conter um `geometryId`:
+
+    ```json
+    "properties": {
+        "geometryId": "1"
+    }
+    ```
+
+    Se você usar [GeoJSON.io](https://geojson.io/), precisará adicionar manualmente este item ao elemento `properties` vazio, seja após baixar o arquivo JSON ou no editor JSON do aplicativo.
+
+    Este `geometryId` deve ser único neste arquivo. Você pode carregar várias geofences como múltiplas `Features` na `FeatureCollection` no mesmo arquivo GeoJSON, desde que cada uma tenha um `geometryId` diferente. Polígonos podem ter o mesmo `geometryId` se forem carregados de um arquivo diferente em um momento diferente.
+
+1. Salve este arquivo como `geofence.json` e navegue até onde ele está salvo no terminal ou console.
+
+1. Execute o seguinte comando curl para criar a GeoFence:
+
+    ```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
+    ```
+
+    Substitua `<subscription_key>` na URL pela chave de API da sua conta do Azure Maps.
+
+    A URL é usada para carregar dados de mapa via a API `https://atlas.microsoft.com/mapData/upload`. A chamada inclui um parâmetro `api-version` para especificar qual API do Azure Maps usar, permitindo que a API evolua ao longo do tempo mantendo compatibilidade retroativa. O formato de dados carregado é definido como `geojson`.
+
+    Isso executará a requisição POST para a API de upload e retornará uma lista de cabeçalhos de resposta que inclui um cabeçalho chamado `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
+    ```
+
+    > 🎓 Ao chamar um endpoint web, você pode passar parâmetros para a chamada adicionando um `?` seguido por pares de chave-valor como `key=value`, separando os pares de chave-valor por um `&`.
+
+1. O Azure Maps não processa isso imediatamente, então você precisará verificar se a solicitação de upload foi concluída usando a URL fornecida no cabeçalho `location`. Faça uma requisição GET para este local para verificar o status. Você precisará adicionar sua chave de assinatura ao final da URL `location` adicionando `&subscription-key=<subscription_key>` ao final, substituindo `<subscription_key>` pela chave de API da sua conta do Azure Maps. Execute o seguinte comando:
+
+    ```sh
+    curl --request GET '<location>&subscription-key=<subscription_key>'
+    ```
+
+    Substitua `<location>` pelo valor do cabeçalho `location` e `<subscription_key>` pela chave de API da sua conta do Azure Maps.
+
+1. Verifique o valor de `status` na resposta. Se não for `Succeeded`, aguarde um minuto e tente novamente.
+
+1. Quando o status retornar como `Succeeded`, observe o `resourceLocation` na resposta. Isso contém detalhes sobre o ID único (conhecido como UDID) para o objeto GeoJSON. O UDID é o valor após `metadata/`, sem incluir o `api-version`. Por exemplo, se o `resourceLocation` fosse:
+
+    ```json
+    {
+      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
+    }
+    ```
+
+    Então o UDID seria `7c3776eb-da87-4c52-ae83-caadf980323a`.
+
+    Guarde uma cópia deste UDID, pois você precisará dele para testar a geofence.
+
+## Testar pontos contra uma geofence
+
+Depois que o polígono for carregado no Azure Maps, você pode testar um ponto para verificar se ele está dentro ou fora da geofence. Isso é feito fazendo uma requisição à API web, passando o UDID da geofence e a latitude e longitude do ponto a ser testado.
+
+Ao fazer essa requisição, você também pode passar um valor chamado `searchBuffer`. Isso informa à API do Maps o nível de precisão ao retornar os resultados. O motivo disso é que o GPS não é perfeitamente preciso e, às vezes, as localizações podem estar erradas por metros ou mais. O padrão para o search buffer é 50m, mas você pode definir valores de 0m a 500m.
+
+Quando os resultados são retornados da chamada da API, uma das partes do resultado é uma `distance` medida até o ponto mais próximo na borda da geofence, com um valor positivo se o ponto estiver fora da geofence e negativo se estiver dentro. Se essa distância for menor que o search buffer, a distância real é retornada em metros; caso contrário, o valor será 999 ou -999. 999 significa que o ponto está fora da geofence por mais do que o search buffer, -999 significa que está dentro da geofence por mais do que o search buffer.
+
+![Uma geofence com um search buffer de 50m ao redor dela](../../../../../translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.br.png)
+
+Na imagem acima, a geofence tem um search buffer de 50m.
+
+* Um ponto no centro da geofence, bem dentro do search buffer, tem uma distância de **-999**.
+* Um ponto bem fora do search buffer tem uma distância de **999**.
+* Um ponto dentro da geofence e dentro do search buffer, a 6m da geofence, tem uma distância de **6m**.
+* Um ponto fora da geofence e dentro do search buffer, a 39m da geofence, tem uma distância de **39m**.
+
+É importante conhecer a distância até a borda da geofence e combinar isso com outras informações, como outras leituras de GPS, velocidade e dados de estrada, ao tomar decisões baseadas na localização de um veículo.
+
+Por exemplo, imagine leituras de GPS mostrando que um veículo estava dirigindo ao longo de uma estrada que passa ao lado de uma geofence. Se um único valor de GPS for impreciso e colocar o veículo dentro da geofence, apesar de não haver acesso veicular, ele pode ser ignorado.
+
+![Um trajeto de GPS mostrando um veículo passando pelo campus da Microsoft na 520, com leituras de GPS ao longo da estrada, exceto uma no campus, dentro de uma geofence](../../../../../translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.br.png)
+Na imagem acima, há uma geofence sobre parte do campus da Microsoft. A linha vermelha mostra um caminhão dirigindo ao longo da 520, com círculos indicando as leituras de GPS. A maioria dessas leituras é precisa e está ao longo da 520, com uma leitura imprecisa dentro da geofence. Não há como essa leitura estar correta - não existem estradas para o caminhão desviar repentinamente da 520 para o campus e depois voltar para a 520. O código que verifica essa geofence precisará considerar as leituras anteriores antes de agir com base nos resultados do teste da geofence.
+
+✅ Quais dados adicionais você precisaria verificar para determinar se uma leitura de GPS pode ser considerada correta?
+
+### Tarefa - testar pontos contra uma geofence
+
+1. Comece construindo a URL para a consulta da API web. O formato é:
+
+    ```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>
+    ```
+
+    Substitua `<subscription_key>` pela chave da API da sua conta do Azure Maps.
+
+    Substitua `<UDID>` pelo UDID da geofence da tarefa anterior.
+
+    Substitua `<lat>` e `<lon>` pela latitude e longitude que você deseja testar.
+
+    Essa URL utiliza a API `https://atlas.microsoft.com/spatial/geofence/json` para consultar uma geofence definida usando GeoJSON. Ela direciona para a versão da API `1.0`. O parâmetro `deviceId` é obrigatório e deve ser o nome do dispositivo de onde vêm a latitude e longitude.
+
+    O buffer de busca padrão é de 50m, e você pode alterá-lo passando um parâmetro adicional `searchBuffer=<distance>`, configurando `<distance>` para a distância do buffer de busca em metros, de 0 a 500.
+
+1. Use o curl para fazer uma solicitação GET para essa URL:
+
+    ```sh
+    curl --request GET '<URL>'
+    ```
+
+    > 💁 Se você receber um código de resposta `BadRequest`, com um erro de:
+    >
+    > ```output
+    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
+    > ```
+    >
+    > então seu GeoJSON está faltando a seção `properties` com o `geometryId`. Você precisará corrigir seu GeoJSON e repetir os passos acima para fazer o upload novamente e obter um novo UDID.
+
+1. A resposta conterá uma lista de `geometries`, uma para cada polígono definido no GeoJSON usado para criar a geofence. Cada geometria tem 3 campos de interesse: `distance`, `nearestLat` e `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` e `nearestLon` são a latitude e longitude de um ponto na borda da geofence mais próximo da localização sendo testada.
+
+    * `distance` é a distância da localização sendo testada até o ponto mais próximo na borda da geofence. Números negativos significam dentro da geofence, positivos fora. Esse valor será menor que 50 (o buffer de busca padrão) ou 999.
+
+1. Repita isso várias vezes com localizações dentro e fora da geofence.
+
+## Usar geofences em código serverless
+
+Agora você pode adicionar um novo gatilho ao seu aplicativo Functions para testar os dados de eventos de GPS do IoT Hub contra a geofence.
+
+### Grupos de consumidores
+
+Como você deve se lembrar de lições anteriores, o IoT Hub permite que você reproduza eventos que foram recebidos pelo hub, mas não processados. Mas o que aconteceria se múltiplos gatilhos se conectassem? Como ele saberá qual deles processou quais eventos?
+
+A resposta é que ele não sabe! Em vez disso, você pode definir múltiplas conexões separadas para ler eventos, e cada uma pode gerenciar a reprodução de mensagens não lidas. Esses são chamados de *grupos de consumidores*. Quando você se conecta ao endpoint, pode especificar qual grupo de consumidores deseja conectar. Cada componente do seu aplicativo se conectará a um grupo de consumidores diferente.
+
+![Um IoT Hub com 3 grupos de consumidores distribuindo as mesmas mensagens para 3 diferentes aplicativos Functions](../../../../../translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.br.png)
+
+Em teoria, até 5 aplicativos podem se conectar a cada grupo de consumidores, e todos receberão mensagens quando elas chegarem. É uma boa prática ter apenas um aplicativo acessando cada grupo de consumidores para evitar o processamento duplicado de mensagens e garantir que, ao reiniciar, todas as mensagens enfileiradas sejam processadas corretamente. Por exemplo, se você lançar seu aplicativo Functions localmente, além de executá-lo na nuvem, ambos processariam mensagens, levando ao armazenamento duplicado de blobs na conta de armazenamento.
+
+Se você revisar o arquivo `function.json` para o gatilho do IoT Hub que criou em uma lição anterior, verá o grupo de consumidores na seção de vinculação do gatilho do Event Hub:
+
+```json
+"consumerGroup": "$Default"
+```
+
+Quando você cria um IoT Hub, o grupo de consumidores `$Default` é criado por padrão. Se você quiser adicionar um gatilho adicional, pode fazer isso usando um novo grupo de consumidores.
+
+> 💁 Nesta lição, você usará uma função diferente para testar a geofence daquela usada para armazenar os dados de GPS. Isso é para mostrar como usar grupos de consumidores e separar o código para torná-lo mais fácil de ler e entender. Em um aplicativo de produção, há muitas maneiras de arquitetar isso - colocando ambos em uma função, usando um gatilho na conta de armazenamento para executar uma função para verificar a geofence ou usando múltiplas funções. Não há uma "maneira certa", depende do restante do seu aplicativo e das suas necessidades.
+
+### Tarefa - criar um novo grupo de consumidores
+
+1. Execute o seguinte comando para criar um novo grupo de consumidores chamado `geofence` para seu IoT Hub:
+
+    ```sh
+    az iot hub consumer-group create --name geofence \
+                                     --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome que você usou para seu IoT Hub.
+
+1. Se quiser ver todos os grupos de consumidores de um IoT Hub, execute o seguinte comando:
+
+    ```sh
+    az iot hub consumer-group list --output table \
+                                   --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome que você usou para seu IoT Hub. Isso listará todos os grupos de consumidores.
+
+    ```output
+    Name      ResourceGroup
+    --------  ---------------
+    $Default  gps-sensor
+    geofence  gps-sensor
+    ```
+
+> 💁 Quando você executou o monitor de eventos do IoT Hub em uma lição anterior, ele se conectou ao grupo de consumidores `$Default`. Foi por isso que você não pode executar o monitor de eventos e um gatilho de eventos ao mesmo tempo. Se quiser executar ambos, pode usar outros grupos de consumidores para todos os seus aplicativos Functions e manter `$Default` para o monitor de eventos.
+
+### Tarefa - criar um novo gatilho do IoT Hub
+
+1. Adicione um novo gatilho de evento do IoT Hub ao seu aplicativo de função `gps-trigger` que você criou em uma lição anterior. Chame essa função de `geofence-trigger`.
+
+    > ⚠️ Você pode consultar [as instruções para criar um gatilho de evento do IoT Hub no projeto 2, lição 5, se necessário](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger).
+
+1. Configure a string de conexão do IoT Hub no arquivo `function.json`. O `local.settings.json` é compartilhado entre todos os gatilhos no aplicativo Functions.
+
+1. Atualize o valor de `consumerGroup` no arquivo `function.json` para referenciar o novo grupo de consumidores `geofence`:
+
+    ```json
+    "consumerGroup": "geofence"
+    ```
+
+1. Você precisará usar a chave de assinatura da sua conta do Azure Maps nesse gatilho, então adicione uma nova entrada ao arquivo `local.settings.json` chamada `MAPS_KEY`.
+
+1. Execute o aplicativo Functions para garantir que ele está se conectando e processando mensagens. O `iot-hub-trigger` da lição anterior também será executado e fará upload de blobs para o armazenamento.
+
+    > Para evitar leituras duplicadas de GPS no armazenamento de blobs, você pode parar o aplicativo Functions que está executando na nuvem. Para fazer isso, use o seguinte comando:
+    >
+    > ```sh
+    > az functionapp stop --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > Substitua `<functions_app_name>` pelo nome que você usou para seu aplicativo Functions.
+    >
+    > Você pode reiniciá-lo mais tarde com o seguinte comando:
+    >
+    > ```sh
+    > az functionapp start --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > Substitua `<functions_app_name>` pelo nome que você usou para seu aplicativo Functions.
+
+### Tarefa - testar a geofence a partir do gatilho
+
+Anteriormente nesta lição, você usou o curl para consultar uma geofence e verificar se um ponto estava localizado dentro ou fora dela. Você pode fazer uma solicitação web semelhante de dentro do seu gatilho.
+
+1. Para consultar a geofence, você precisa do seu UDID. Adicione uma nova entrada ao arquivo `local.settings.json` chamada `GEOFENCE_UDID` com esse valor.
+
+1. Abra o arquivo `__init__.py` do novo gatilho `geofence-trigger`.
+
+1. Adicione a seguinte importação ao topo do arquivo:
+
+    ```python
+    import json
+    import os
+    import requests
+    ```
+
+    O pacote `requests` permite que você faça chamadas de API web. O Azure Maps não possui um SDK para Python, então você precisa fazer chamadas de API web para usá-lo no código Python.
+
+1. Adicione as seguintes 2 linhas ao início do método `main` para obter a chave de assinatura do Maps:
+
+    ```python
+    maps_key = os.environ['MAPS_KEY']
+    geofence_udid = os.environ['GEOFENCE_UDID']    
+    ```
+
+1. Dentro do loop `for event in events`, adicione o seguinte para obter a latitude e longitude de cada evento:
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    lat = event_body['gps']['lat']
+    lon = event_body['gps']['lon']
+    ```
+
+    Esse código converte o JSON do corpo do evento em um dicionário e, em seguida, extrai `lat` e `lon` do campo `gps`.
+
+1. Ao usar `requests`, em vez de construir uma URL longa como você fez com o curl, você pode usar apenas a parte da URL e passar os parâmetros como um dicionário. Adicione o seguinte código para definir a URL a ser chamada e configurar os parâmetros:
+
+    ```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
+    }
+    ```
+
+    Os itens no dicionário `params` corresponderão aos pares de chave e valor que você usou ao chamar a API web via curl.
+
+1. Adicione as seguintes linhas de código para chamar a API web:
+
+    ```python
+    response = requests.get(url, params=params)
+    response_body = json.loads(response.text)
+    ```
+
+    Isso chama a URL com os parâmetros e retorna um objeto de resposta.
+
+1. Adicione o seguinte código abaixo disso:
+
+    ```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')
+    ```
+
+    Esse código assume 1 geometria e extrai a distância dessa única geometria. Em seguida, registra diferentes mensagens com base na distância.
+
+1. Execute esse código. Você verá na saída de log se as coordenadas de GPS estão dentro ou fora da geofence, com uma distância se o ponto estiver dentro de 50m. Teste esse código com diferentes geofences com base na localização do seu sensor de GPS, tente mover o sensor (por exemplo, conectado ao WiFi de um celular ou com diferentes coordenadas no dispositivo IoT virtual) para ver essa mudança.
+
+1. Quando estiver pronto, implante esse código no seu aplicativo Functions na nuvem. Não se esqueça de implantar as novas Configurações de Aplicativo.
+
+    > ⚠️ Você pode consultar [as instruções para fazer upload das Configurações de Aplicativo no projeto 2, lição 5, se necessário](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings).
+
+    > ⚠️ Você pode consultar [as instruções para implantar seu aplicativo Functions no projeto 2, lição 5, se necessário](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud).
+
+> 💁 Você pode encontrar esse código na pasta [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions).
+
+---
+
+## 🚀 Desafio
+
+Nesta lição, você adicionou uma geofence usando um arquivo GeoJSON com um único polígono. Você pode fazer upload de múltiplos polígonos ao mesmo tempo, desde que tenham valores diferentes de `geometryId` na seção `properties`.
+
+Tente fazer upload de um arquivo GeoJSON com múltiplos polígonos e ajuste seu código para encontrar qual polígono as coordenadas de GPS estão mais próximas ou dentro.
+
+## Quiz pós-aula
+
+[Quiz pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
+
+## Revisão e Autoestudo
+
+* Leia mais sobre geofences e alguns de seus casos de uso na [página de Geofencing na Wikipedia](https://en.wikipedia.org/wiki/Geo-fence).
+* Leia mais sobre a API de geofencing do Azure Maps na [documentação Microsoft Azure Maps Spatial - Get Geofence](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn).
+* Leia mais sobre grupos de consumidores na [documentação de consumidores de eventos no Microsoft Docs](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers).
+
+## Tarefa
+
+[Enviar notificações usando Twilio](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/3-transport/lessons/4-geofences/assignment.md b/translations/br/3-transport/lessons/4-geofences/assignment.md
new file mode 100644
index 00000000..74f200f9
--- /dev/null
+++ b/translations/br/3-transport/lessons/4-geofences/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
+  "translation_date": "2025-08-28T03:18:48+00:00",
+  "source_file": "3-transport/lessons/4-geofences/assignment.md",
+  "language_code": "br"
+}
+-->
+# Enviar notificações usando Twilio
+
+## Instruções
+
+No seu código até agora, você apenas registrou a distância até a geofence. Nesta tarefa, você precisará adicionar uma notificação, seja uma mensagem de texto ou um e-mail, quando as coordenadas de GPS estiverem dentro da geofence.
+
+O Azure Functions oferece muitas opções de bindings, incluindo serviços de terceiros, como o Twilio, uma plataforma de comunicação.
+
+* Cadastre-se para uma conta gratuita em [Twilio.com](https://www.twilio.com)
+* Leia a documentação sobre como vincular o Azure Functions ao Twilio SMS na [página de bindings do Twilio para Azure Functions na documentação da Microsoft](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python).
+* Leia a documentação sobre como vincular o Azure Functions ao Twilio SendGrid para enviar e-mails na [página de bindings do SendGrid para Azure Functions na documentação da Microsoft](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python).
+* Adicione o binding ao seu aplicativo Functions para ser notificado sobre as coordenadas de GPS dentro ou fora da geofence - mas não ambos.
+
+## Critérios de Avaliação
+
+| Critério | Exemplary (Exemplar) | Adequate (Adequado) | Needs Improvement (Precisa Melhorar) |
+| -------- | --------------------- | ------------------- | ------------------------------------- |
+| Configurar os bindings das funções e receber um e-mail ou SMS | Foi capaz de configurar os bindings das funções e receber um e-mail ou SMS quando dentro ou fora da geofence, mas não ambos | Foi capaz de configurar os bindings, mas não conseguiu enviar o e-mail ou SMS, ou só conseguiu enviar quando as coordenadas estavam tanto dentro quanto fora | Não foi capaz de configurar os bindings e enviar um e-mail ou SMS |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/README.md b/translations/br/4-manufacturing/README.md
new file mode 100644
index 00000000..e84e3450
--- /dev/null
+++ b/translations/br/4-manufacturing/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3764e089adf2d5801272bc0895f8498b",
+  "translation_date": "2025-08-28T02:36:01+00:00",
+  "source_file": "4-manufacturing/README.md",
+  "language_code": "br"
+}
+-->
+# Fabricação e processamento - usando IoT para melhorar o processamento de alimentos
+
+Quando os alimentos chegam a um centro de distribuição ou planta de processamento, nem sempre são apenas enviados diretamente para os supermercados. Muitas vezes, os alimentos passam por várias etapas de processamento, como a classificação por qualidade. Esse é um processo que costumava ser manual - começava no campo, quando os colhedores escolhiam apenas os frutos maduros, e depois, na fábrica, os frutos passavam por uma esteira transportadora, onde os funcionários removiam manualmente os frutos machucados ou podres. Tendo colhido e classificado morangos como um trabalho de verão durante a escola, posso afirmar que esse não é um trabalho divertido.
+
+Configurações mais modernas dependem de IoT para a classificação. Alguns dos primeiros dispositivos, como os classificadores da [Weco](https://wecotek.com), usam sensores ópticos para detectar a qualidade dos produtos, rejeitando, por exemplo, tomates verdes. Esses dispositivos podem ser implantados em colheitadeiras na própria fazenda ou em plantas de processamento.
+
+Com os avanços na Inteligência Artificial (IA) e no Aprendizado de Máquina (ML), essas máquinas podem se tornar mais sofisticadas, utilizando modelos de ML treinados para distinguir entre frutas e objetos estranhos, como pedras, sujeira ou insetos. Esses modelos também podem ser treinados para detectar a qualidade das frutas, não apenas frutos machucados, mas também a detecção precoce de doenças ou outros problemas nas plantações.
+
+> 🎓 O termo *modelo de ML* refere-se ao resultado do treinamento de um software de aprendizado de máquina em um conjunto de dados. Por exemplo, você pode treinar um modelo de ML para distinguir entre tomates maduros e verdes e, em seguida, usar o modelo em novas imagens para verificar se os tomates estão maduros ou não.
+
+Nestes 4 módulos, você aprenderá como treinar modelos de IA baseados em imagens para detectar a qualidade das frutas, como utilizá-los em um dispositivo IoT e como executá-los na borda - ou seja, em um dispositivo IoT em vez de na nuvem.
+
+> 💁 Estes módulos utilizarão alguns recursos na nuvem. Se você não concluir todas as lições deste projeto, certifique-se de [limpar seu projeto](../clean-up.md).
+
+## Tópicos
+
+1. [Treinar um detector de qualidade de frutas](./lessons/1-train-fruit-detector/README.md)
+1. [Verificar a qualidade das frutas a partir de um dispositivo IoT](./lessons/2-check-fruit-from-device/README.md)
+1. [Executar seu detector de frutas na borda](./lessons/3-run-fruit-detector-edge/README.md)
+1. [Acionar a detecção de qualidade de frutas a partir de um sensor](./lessons/4-trigger-fruit-detector/README.md)
+
+## Créditos
+
+Todas as lições foram escritas com ♥️ por [Jen Fox](https://github.com/jenfoxbot) e [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/br/4-manufacturing/lessons/1-train-fruit-detector/README.md
new file mode 100644
index 00000000..368e0b57
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/1-train-fruit-detector/README.md
@@ -0,0 +1,244 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
+  "translation_date": "2025-08-28T02:36:24+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
+  "language_code": "br"
+}
+-->
+# Treine um detector de qualidade de frutas
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Este vídeo oferece uma visão geral do serviço Azure Custom Vision, que será abordado nesta lição.
+
+[![Custom Vision – Machine Learning Simplificado | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
+
+> 🎥 Clique na imagem acima para assistir ao vídeo
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
+
+## Introdução
+
+O recente avanço da Inteligência Artificial (IA) e do Machine Learning (ML) está proporcionando uma ampla gama de capacidades para os desenvolvedores de hoje. Modelos de ML podem ser treinados para reconhecer diferentes elementos em imagens, incluindo frutas não maduras, e isso pode ser usado em dispositivos IoT para ajudar a classificar produtos, seja durante a colheita ou no processamento em fábricas ou armazéns.
+
+Nesta lição, você aprenderá sobre classificação de imagens - usando modelos de ML para distinguir entre imagens de diferentes objetos. Você aprenderá como treinar um classificador de imagens para diferenciar entre frutas boas e ruins, sejam elas verdes, maduras demais, machucadas ou podres.
+
+Nesta lição, abordaremos:
+
+* [Usando IA e ML para classificar alimentos](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Classificação de imagens via Machine Learning](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Treinar um classificador de imagens](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Testar seu classificador de imagens](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Re-treinar seu classificador de imagens](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+
+## Usando IA e ML para classificar alimentos
+
+Alimentar a população global é um desafio, especialmente a um preço que torne os alimentos acessíveis para todos. Um dos maiores custos é a mão de obra, então os agricultores estão cada vez mais recorrendo à automação e ferramentas como IoT para reduzir esses custos. A colheita manual é trabalhosa (e muitas vezes exaustiva), e está sendo substituída por máquinas, especialmente em países mais ricos. Apesar da economia no custo de usar máquinas para colher, há uma desvantagem - a capacidade de classificar os alimentos durante a colheita.
+
+Nem todas as culturas amadurecem de forma uniforme. Tomates, por exemplo, podem ainda ter alguns frutos verdes no pé quando a maioria já está pronta para a colheita. Embora seja um desperdício colher esses frutos verdes, é mais barato e fácil para o agricultor colher tudo de uma vez com máquinas e descartar os produtos não maduros posteriormente.
+
+✅ Observe diferentes frutas ou vegetais, seja crescendo em fazendas ou no seu jardim, ou em lojas. Eles estão todos no mesmo estágio de maturação ou você percebe variações?
+
+O surgimento da colheita automatizada transferiu a classificação dos produtos da colheita para a fábrica. Os alimentos viajavam em longas esteiras transportadoras com equipes de pessoas selecionando os produtos e removendo qualquer coisa que não atendesse ao padrão de qualidade exigido. A colheita ficou mais barata graças às máquinas, mas ainda havia um custo para classificar os alimentos manualmente.
+
+![Se um tomate vermelho é detectado, ele continua seu caminho sem interrupções. Se um tomate verde é detectado, ele é jogado em uma lixeira por uma alavanca](../../../../../translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.br.png)
+
+A próxima evolução foi o uso de máquinas para classificar, seja integradas à colheitadeira ou nas plantas de processamento. A primeira geração dessas máquinas usava sensores ópticos para detectar cores, controlando atuadores para empurrar tomates verdes para uma lixeira usando alavancas ou jatos de ar, deixando os tomates vermelhos continuarem em uma rede de esteiras transportadoras.
+
+Neste vídeo, à medida que os tomates caem de uma esteira para outra, os tomates verdes são detectados e jogados em uma lixeira usando alavancas.
+
+✅ Quais condições seriam necessárias em uma fábrica ou no campo para que esses sensores ópticos funcionassem corretamente?
+
+As evoluções mais recentes dessas máquinas de classificação aproveitam a IA e o ML, usando modelos treinados para distinguir produtos bons de ruins, não apenas por diferenças óbvias de cor, como tomates verdes versus vermelhos, mas por diferenças mais sutis na aparência que podem indicar doenças ou machucados.
+
+## Classificação de imagens via Machine Learning
+
+A programação tradicional é onde você pega dados, aplica um algoritmo a esses dados e obtém um resultado. Por exemplo, no último projeto, você usou coordenadas de GPS e uma geofence, aplicou um algoritmo fornecido pelo Azure Maps e obteve um resultado indicando se o ponto estava dentro ou fora da geofence. Você insere mais dados e obtém mais resultados.
+
+![O desenvolvimento tradicional usa entrada e um algoritmo para gerar saída. O aprendizado de máquina usa dados de entrada e saída conhecidos para treinar um modelo, e esse modelo pode usar novos dados de entrada para gerar novas saídas](../../../../../translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.br.png)
+
+O aprendizado de máquina inverte esse processo - você começa com dados e saídas conhecidas, e o algoritmo de aprendizado de máquina aprende com os dados. Você pode então usar esse algoritmo treinado, chamado de *modelo de aprendizado de máquina* ou *modelo*, para inserir novos dados e obter novas saídas.
+
+> 🎓 O processo de um algoritmo de aprendizado de máquina aprender com os dados é chamado de *treinamento*. As entradas e saídas conhecidas são chamadas de *dados de treinamento*.
+
+Por exemplo, você poderia fornecer a um modelo milhões de fotos de bananas verdes como dados de entrada de treinamento, com a saída de treinamento definida como `verde`, e milhões de fotos de bananas maduras como dados de treinamento com a saída definida como `madura`. O algoritmo de ML então criará um modelo com base nesses dados. Você pode então fornecer a esse modelo uma nova foto de uma banana, e ele preverá se a nova foto é de uma banana madura ou verde.
+
+> 🎓 Os resultados dos modelos de ML são chamados de *previsões*.
+
+![2 bananas, uma madura com uma previsão de 99,7% madura, 0,3% verde, e uma verde com uma previsão de 1,4% madura, 98,6% verde](../../../../../translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.br.png)
+
+Os modelos de ML não fornecem uma resposta binária; em vez disso, eles fornecem probabilidades. Por exemplo, um modelo pode receber uma foto de uma banana e prever `madura` com 99,7% e `verde` com 0,3%. Seu código então escolheria a melhor previsão e decidiria que a banana está madura.
+
+O modelo de ML usado para detectar imagens como essa é chamado de *classificador de imagens* - ele recebe imagens rotuladas e classifica novas imagens com base nesses rótulos.
+
+> 💁 Isso é uma simplificação, e existem muitas outras maneiras de treinar modelos que nem sempre precisam de saídas rotuladas, como o aprendizado não supervisionado. Se você quiser aprender mais sobre ML, confira [ML para iniciantes, um currículo de 24 lições sobre Machine Learning](https://aka.ms/ML-beginners).
+
+## Treinar um classificador de imagens
+
+Para treinar com sucesso um classificador de imagens, você precisa de milhões de imagens. No entanto, uma vez que você tenha um classificador de imagens treinado em milhões ou bilhões de imagens variadas, é possível reutilizá-lo e re-treiná-lo com um pequeno conjunto de imagens para obter ótimos resultados, usando um processo chamado *transfer learning*.
+
+> 🎓 Transfer learning é quando você transfere o aprendizado de um modelo de ML existente para um novo modelo com base em novos dados.
+
+Uma vez que um classificador de imagens foi treinado para uma ampla variedade de imagens, seus componentes internos são ótimos para reconhecer formas, cores e padrões. O transfer learning permite que o modelo use o que já aprendeu para reconhecer partes de imagens e aplique isso ao reconhecimento de novas imagens.
+
+![Uma vez que você pode reconhecer formas, elas podem ser organizadas em diferentes configurações para formar um barco ou um gato](../../../../../translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.br.png)
+
+Você pode pensar nisso como os livros de formas para crianças, onde, uma vez que você reconhece um semicírculo, um retângulo e um triângulo, pode reconhecer um barco à vela ou um gato, dependendo da configuração dessas formas. O classificador de imagens pode reconhecer as formas, e o transfer learning ensina quais combinações formam um barco ou um gato - ou uma banana madura.
+
+Existem várias ferramentas que podem ajudá-lo a fazer isso, incluindo serviços baseados em nuvem que permitem treinar seu modelo e usá-lo por meio de APIs web.
+
+> 💁 Treinar esses modelos exige muito poder computacional, geralmente por meio de Unidades de Processamento Gráfico (GPUs). O mesmo hardware especializado que faz os jogos no seu Xbox parecerem incríveis também pode ser usado para treinar modelos de aprendizado de máquina. Ao usar a nuvem, você pode alugar tempo em computadores poderosos com GPUs para treinar esses modelos, obtendo acesso ao poder computacional necessário apenas pelo tempo que precisar.
+
+## Custom Vision
+
+O Custom Vision é uma ferramenta baseada na nuvem para treinar classificadores de imagens. Ele permite treinar um classificador usando apenas um pequeno número de imagens. Você pode fazer upload de imagens por meio de um portal web, API ou SDK, atribuindo a cada imagem uma *tag* que classifica essa imagem. Depois, você treina o modelo e o testa para ver como ele se sai. Quando estiver satisfeito com o modelo, pode publicar versões dele que podem ser acessadas por meio de uma API web ou SDK.
+
+![O logotipo do Azure Custom Vision](../../../../../translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.br.png)
+
+> 💁 Você pode treinar um modelo Custom Vision com apenas 5 imagens por classificação, mas mais imagens geram melhores resultados. Resultados mais precisos podem ser obtidos com pelo menos 30 imagens.
+
+O Custom Vision faz parte de uma gama de ferramentas de IA da Microsoft chamadas Cognitive Services. Essas ferramentas de IA podem ser usadas sem nenhum treinamento ou com uma pequena quantidade de treinamento. Elas incluem reconhecimento e tradução de fala, compreensão de linguagem e análise de imagens. Estão disponíveis com um nível gratuito como serviços no Azure.
+
+> 💁 O nível gratuito é mais do que suficiente para criar um modelo, treiná-lo e usá-lo para desenvolvimento. Você pode ler sobre os limites do nível gratuito na [página de Limites e Cotas do Custom Vision na documentação da Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn).
+
+### Tarefa - criar um recurso de serviços cognitivos
+
+Para usar o Custom Vision, primeiro você precisa criar dois recursos de serviços cognitivos no Azure usando o Azure CLI, um para treinamento e outro para previsão.
+
+1. Crie um Grupo de Recursos para este projeto chamado `fruit-quality-detector`.
+
+1. Use o seguinte comando para criar um recurso gratuito de treinamento do Custom Vision:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-training \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Training \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Substitua `<location>` pela localização usada ao criar o Grupo de Recursos.
+
+    Isso criará um recurso de treinamento do Custom Vision no seu Grupo de Recursos. Ele será chamado `fruit-quality-detector-training` e usará o SKU `F0`, que é o nível gratuito. A opção `--yes` significa que você concorda com os termos e condições dos serviços cognitivos.
+
+> 💁 Use o SKU `S0` se você já tiver uma conta gratuita usando qualquer um dos Serviços Cognitivos.
+
+1. Use o seguinte comando para criar um recurso gratuito de previsão do Custom Vision:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-prediction \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Prediction \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Substitua `<location>` pela localização usada ao criar o Grupo de Recursos.
+
+    Isso criará um recurso de previsão do Custom Vision no seu Grupo de Recursos. Ele será chamado `fruit-quality-detector-prediction` e usará o SKU `F0`, que é o nível gratuito. A opção `--yes` significa que você concorda com os termos e condições dos serviços cognitivos.
+
+### Tarefa - criar um projeto de classificador de imagens
+
+1. Acesse o portal do Custom Vision em [CustomVision.ai](https://customvision.ai) e faça login com a conta Microsoft usada para seu Azure.
+
+1. Siga a [seção de criação de um novo projeto no guia de início rápido para criar um classificador na documentação da 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) para criar um novo projeto no Custom Vision. A interface pode mudar, e esses documentos são sempre a referência mais atualizada.
+
+    Nomeie seu projeto como `fruit-quality-detector`.
+
+    Ao criar seu projeto, certifique-se de usar o recurso `fruit-quality-detector-training` criado anteriormente. Use o tipo de projeto *Classificação*, o tipo de classificação *Multiclasse* e o domínio *Alimentos*.
+
+    ![As configurações do projeto Custom Vision com o nome definido como fruit-quality-detector, sem descrição, o recurso definido como fruit-quality-detector-training, o tipo de projeto definido como classificação, o tipo de classificação definido como multiclasse e o domínio definido como alimentos](../../../../../translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.br.png)
+
+✅ Reserve um tempo para explorar a interface do Custom Vision para seu classificador de imagens.
+
+### Tarefa - treinar seu projeto de classificador de imagens
+
+Para treinar um classificador de imagens, você precisará de várias fotos de frutas, tanto de boa quanto de má qualidade, para rotular como boas e ruins, como uma banana madura e uma madura demais.
+💁 Esses classificadores podem classificar imagens de qualquer coisa, então, se você não tiver frutas de diferentes qualidades à disposição, pode usar dois tipos diferentes de frutas, ou gatos e cachorros!
+Idealmente, cada foto deve mostrar apenas a fruta, com um fundo consistente ou uma ampla variedade de fundos. Certifique-se de que não haja nada no fundo que seja específico para frutas maduras ou verdes.
+
+> 💁 É importante não ter fundos específicos ou itens que não estejam relacionados ao objeto sendo classificado para cada etiqueta. Caso contrário, o classificador pode acabar classificando com base no fundo. Houve um classificador de câncer de pele que foi treinado com imagens de pintas normais e cancerígenas, e as pintas cancerígenas sempre tinham réguas ao lado para medir o tamanho. Descobriu-se que o classificador era quase 100% preciso em identificar réguas nas imagens, e não pintas cancerígenas.
+
+Classificadores de imagem operam em resoluções muito baixas. Por exemplo, o Custom Vision pode usar imagens de treinamento e previsão de até 10240x10240, mas treina e executa o modelo em imagens de 227x227. Imagens maiores são reduzidas para esse tamanho, então certifique-se de que o objeto que você está classificando ocupe uma grande parte da imagem. Caso contrário, ele pode ficar pequeno demais na imagem reduzida usada pelo classificador.
+
+1. Reúna fotos para o seu classificador. Você precisará de pelo menos 5 fotos para cada etiqueta para treinar o classificador, mas quanto mais, melhor. Também será necessário algumas imagens adicionais para testar o classificador. Essas imagens devem ser diferentes, mas do mesmo objeto. Por exemplo:
+
+    * Usando 2 bananas maduras, tire algumas fotos de cada uma de diferentes ângulos, tirando pelo menos 7 fotos (5 para treinar, 2 para testar), mas idealmente mais.
+
+        ![Fotos de 2 bananas diferentes](../../../../../translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.br.png)
+
+    * Repita o mesmo processo usando 2 bananas verdes.
+
+    Você deve ter pelo menos 10 imagens de treinamento, com pelo menos 5 maduras e 5 verdes, e 4 imagens de teste, 2 maduras e 2 verdes. Suas imagens devem ser em formato png ou jpeg, com tamanho menor que 6MB. Se você as criar com um iPhone, por exemplo, elas podem ser imagens HEIC de alta resolução, então será necessário convertê-las e possivelmente reduzi-las. Quanto mais imagens, melhor, e você deve ter um número semelhante de maduras e verdes.
+
+    Se você não tiver frutas maduras e verdes, pode usar frutas diferentes ou quaisquer dois objetos disponíveis. Também é possível encontrar algumas imagens de exemplo na pasta [images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images) de bananas maduras e verdes que você pode usar.
+
+1. Siga a seção [fazer upload e marcar imagens do guia rápido para criar um classificador nos documentos da 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) para fazer upload das suas imagens de treinamento. Marque as frutas maduras como `ripe` e as frutas verdes como `unripe`.
+
+    ![Os diálogos de upload mostrando o envio de fotos de bananas maduras e verdes](../../../../../translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.br.png)
+
+1. Siga a seção [treinar o classificador do guia rápido para criar um classificador nos documentos da 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) para treinar o classificador de imagens com suas imagens enviadas.
+
+    Você terá a opção de tipo de treinamento. Selecione **Treinamento Rápido**.
+
+O classificador será treinado. O processo levará alguns minutos para ser concluído.
+
+> 🍌 Se você decidir comer sua fruta enquanto o classificador está sendo treinado, certifique-se de ter imagens suficientes para testar antes!
+
+## Teste seu classificador de imagens
+
+Depois que o classificador estiver treinado, você pode testá-lo fornecendo uma nova imagem para classificar.
+
+### Tarefa - teste seu classificador de imagens
+
+1. Siga a seção [testar seu modelo nos documentos da Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) para testar seu classificador de imagens. Use as imagens de teste que você criou anteriormente, e não as imagens usadas para treinamento.
+
+    ![Uma banana verde prevista como verde com 98,9% de probabilidade, madura com 1,1% de probabilidade](../../../../../translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.br.png)
+
+1. Teste todas as imagens de teste que você tiver e observe as probabilidades.
+
+## Re-treine seu classificador de imagens
+
+Quando você testar seu classificador, ele pode não fornecer os resultados esperados. Classificadores de imagem usam aprendizado de máquina para fazer previsões sobre o que está em uma imagem, com base em probabilidades de que determinadas características da imagem correspondam a uma etiqueta específica. Ele não entende o que está na imagem - não sabe o que é uma banana ou o que faz uma banana ser uma banana em vez de um barco. Você pode melhorar seu classificador re-treinando-o com imagens que ele classifica incorretamente.
+
+Cada vez que você faz uma previsão usando a opção de teste rápido, a imagem e os resultados são armazenados. Você pode usar essas imagens para re-treinar seu modelo.
+
+### Tarefa - re-treine seu classificador de imagens
+
+1. Siga a seção [usar a imagem prevista para treinamento nos documentos da 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) para re-treinar seu modelo, usando a etiqueta correta para cada imagem.
+
+1. Depois que seu modelo for re-treinado, teste com novas imagens.
+
+---
+
+## 🚀 Desafio
+
+O que você acha que aconteceria se você usasse uma foto de um morango com um modelo treinado em bananas, ou uma foto de uma banana inflável, ou uma pessoa vestida com uma fantasia de banana, ou até mesmo um personagem amarelo de desenho animado como alguém dos Simpsons?
+
+Experimente e veja quais são as previsões. Você pode encontrar imagens para testar usando [Busca de Imagens do Bing](https://www.bing.com/images/trending).
+
+## Quiz pós-aula
+
+[Quiz pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
+
+## Revisão e Autoestudo
+
+* Quando você treinou seu classificador, deve ter visto valores para *Precisão*, *Recall* e *AP* que avaliam o modelo criado. Leia sobre o que esses valores significam na seção [avaliar o classificador do guia rápido para criar um classificador nos documentos da 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)
+* Leia sobre como melhorar seu classificador na seção [como melhorar seu modelo Custom Vision nos documentos da Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn)
+
+## Tarefa
+
+[Treine seu classificador para múltiplas frutas e vegetais](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/br/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
new file mode 100644
index 00000000..bce5d3c9
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
+  "translation_date": "2025-08-28T02:38:33+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
+  "language_code": "br"
+}
+-->
+# Treine seu classificador para múltiplas frutas e vegetais
+
+## Instruções
+
+Nesta lição, você treinou um classificador de imagens para distinguir entre frutas maduras e não maduras, mas utilizando apenas um tipo de fruta. Um classificador pode ser treinado para reconhecer múltiplas frutas, com diferentes taxas de sucesso dependendo do tipo de fruta e da diferença entre madura e não madura.
+
+Por exemplo, com frutas que mudam de cor quando amadurecem, classificadores de imagem podem ser menos eficazes do que sensores de cor, já que geralmente trabalham com imagens em escala de cinza em vez de cores completas.
+
+Treine seu classificador com outras frutas para ver quão bem ele funciona, especialmente quando as frutas são visualmente semelhantes. Por exemplo, maçãs e tomates.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Treinar o classificador para múltiplas frutas | Foi capaz de treinar o classificador para múltiplas frutas | Foi capaz de treinar o classificador para uma fruta adicional | Não foi capaz de treinar o classificador para mais frutas |
+| Determinar quão bem o classificador funciona | Foi capaz de comentar corretamente sobre quão bem o classificador funcionou com diferentes frutas | Foi capaz de observar e oferecer sugestões sobre quão bem estava funcionando | Não foi capaz de comentar sobre quão bem o classificador funcionou |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/README.md
new file mode 100644
index 00000000..b8a41e4b
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/README.md
@@ -0,0 +1,172 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
+  "translation_date": "2025-08-28T02:46:52+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
+  "language_code": "br"
+}
+-->
+# Verifique a qualidade das frutas com um dispositivo IoT
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+## Quiz pré-aula
+
+[Quiz pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
+
+## Introdução
+
+Na última lição, você aprendeu sobre classificadores de imagens e como treiná-los para detectar frutas boas e ruins. Para usar esse classificador de imagens em uma aplicação IoT, você precisa ser capaz de capturar uma imagem usando algum tipo de câmera e enviar essa imagem para a nuvem para ser classificada.
+
+Nesta lição, você aprenderá sobre sensores de câmera e como usá-los com um dispositivo IoT para capturar uma imagem. Também aprenderá como chamar o classificador de imagens a partir do seu dispositivo IoT.
+
+Nesta lição, abordaremos:
+
+* [Sensores de câmera](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Capturar uma imagem usando um dispositivo IoT](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Publicar seu classificador de imagens](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Classificar imagens a partir do seu dispositivo IoT](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Melhorar o modelo](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+
+## Sensores de câmera
+
+Sensores de câmera, como o nome sugere, são câmeras que você pode conectar ao seu dispositivo IoT. Eles podem tirar fotos ou capturar vídeos em streaming. Alguns retornam dados de imagem brutos, enquanto outros comprimem os dados em arquivos de imagem, como JPEG ou PNG. Geralmente, as câmeras que funcionam com dispositivos IoT são muito menores e têm resolução mais baixa do que aquelas que você pode estar acostumado, mas é possível obter câmeras de alta resolução que rivalizam com os melhores smartphones. Você pode encontrar lentes intercambiáveis, configurações com múltiplas câmeras, câmeras térmicas infravermelhas ou câmeras UV.
+
+![A luz de uma cena passa por uma lente e é focada em um sensor CMOS](../../../../../translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.br.png)
+
+A maioria dos sensores de câmera usa sensores de imagem onde cada pixel é um fotodiodo. Uma lente foca a imagem no sensor de imagem, e milhares ou milhões de fotodiodos detectam a luz que incide sobre cada um, registrando isso como dados de pixel.
+
+> 💁 Lentes invertem imagens, e o sensor da câmera então as vira para o lado correto. Isso também acontece nos seus olhos - o que você vê é detectado de cabeça para baixo na parte de trás do seu olho, e seu cérebro corrige isso.
+
+> 🎓 O sensor de imagem é conhecido como Sensor de Pixel Ativo (APS), e o tipo mais popular de APS é um sensor de semicondutor de óxido metálico complementar, ou CMOS. Você pode ter ouvido o termo sensor CMOS usado para sensores de câmera.
+
+Sensores de câmera são sensores digitais, enviando dados de imagem como dados digitais, geralmente com a ajuda de uma biblioteca que fornece a comunicação. As câmeras se conectam usando protocolos como SPI para permitir o envio de grandes quantidades de dados - imagens são substancialmente maiores do que números únicos de sensores, como um sensor de temperatura.
+
+✅ Quais são as limitações em relação ao tamanho da imagem em dispositivos IoT? Pense nas restrições, especialmente no hardware de microcontroladores.
+
+## Capturar uma imagem usando um dispositivo IoT
+
+Você pode usar seu dispositivo IoT para capturar uma imagem que será classificada.
+
+### Tarefa - capturar uma imagem usando um dispositivo IoT
+
+Siga o guia relevante para capturar uma imagem usando seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-camera.md)
+* [Computador de placa única - Raspberry Pi](pi-camera.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-camera.md)
+
+## Publicar seu classificador de imagens
+
+Você treinou seu classificador de imagens na última lição. Antes de usá-lo a partir do seu dispositivo IoT, você precisa publicar o modelo.
+
+### Iterações do modelo
+
+Quando seu modelo estava sendo treinado na última lição, você pode ter notado que a aba **Performance** mostra as iterações ao lado. Quando você treinou o modelo pela primeira vez, viu *Iteration 1* em treinamento. Quando melhorou o modelo usando as imagens de previsão, viu *Iteration 2* em treinamento.
+
+Cada vez que você treina o modelo, obtém uma nova iteração. Isso é uma forma de acompanhar as diferentes versões do seu modelo treinadas em diferentes conjuntos de dados. Quando você faz um **Quick Test**, há um menu suspenso que pode ser usado para selecionar a iteração, permitindo comparar os resultados entre várias iterações.
+
+Quando estiver satisfeito com uma iteração, você pode publicá-la para torná-la disponível para uso em aplicativos externos. Dessa forma, você pode ter uma versão publicada que é usada pelos seus dispositivos, enquanto trabalha em uma nova versão ao longo de várias iterações, publicando-a quando estiver satisfeito com ela.
+
+### Tarefa - publicar uma iteração
+
+As iterações são publicadas no portal Custom Vision.
+
+1. Acesse o portal Custom Vision em [CustomVision.ai](https://customvision.ai) e faça login, caso ainda não tenha feito isso. Em seguida, abra seu projeto `fruit-quality-detector`.
+
+1. Selecione a aba **Performance** nas opções no topo.
+
+1. Escolha a última iteração na lista *Iterations* ao lado.
+
+1. Clique no botão **Publish** para a iteração.
+
+    ![O botão de publicação](../../../../../translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.br.png)
+
+1. No diálogo *Publish Model*, defina o *Prediction resource* como o recurso `fruit-quality-detector-prediction` que você criou na última lição. Mantenha o nome como `Iteration2` e clique no botão **Publish**.
+
+1. Após publicar, clique no botão **Prediction URL**. Isso mostrará os detalhes da API de previsão, que você precisará para chamar o modelo a partir do seu dispositivo IoT. A seção inferior está rotulada como *If you have an image file*, e esses são os detalhes que você deseja. Copie o URL mostrado, que será algo como:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
+    ```
+
+    Onde `<location>` será o local usado ao criar seu recurso de visão personalizada, e `<id>` será um longo ID composto por letras e números.
+
+    Também copie o valor de *Prediction-Key*. Esta é uma chave segura que você deve passar ao chamar o modelo. Apenas aplicativos que fornecem essa chave podem usar o modelo; qualquer outro aplicativo será rejeitado.
+
+    ![O diálogo da API de previsão mostrando o URL e a chave](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.br.png)
+
+✅ Quando uma nova iteração é publicada, ela terá um nome diferente. Como você acha que poderia alterar a iteração que um dispositivo IoT está usando?
+
+## Classificar imagens a partir do seu dispositivo IoT
+
+Agora você pode usar esses detalhes de conexão para chamar o classificador de imagens a partir do seu dispositivo IoT.
+
+### Tarefa - classificar imagens a partir do seu dispositivo IoT
+
+Siga o guia relevante para classificar imagens usando seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-classify-image.md)
+
+## Melhorar o modelo
+
+Você pode perceber que os resultados obtidos ao usar a câmera conectada ao seu dispositivo IoT não correspondem ao que você esperava. As previsões nem sempre são tão precisas quanto ao usar imagens enviadas do seu computador. Isso ocorre porque o modelo foi treinado com dados diferentes dos usados para previsões.
+
+Para obter os melhores resultados de um classificador de imagens, você deve treinar o modelo com imagens o mais semelhantes possível às usadas para previsões. Por exemplo, se você usou a câmera do seu celular para capturar imagens para treinamento, a qualidade, nitidez e cor da imagem serão diferentes de uma câmera conectada a um dispositivo IoT.
+
+![2 fotos de banana, uma de baixa resolução com iluminação ruim de um dispositivo IoT, e outra de alta resolução com boa iluminação de um celular](../../../../../translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.br.png)
+
+Na imagem acima, a foto da banana à esquerda foi tirada usando uma câmera Raspberry Pi, enquanto a da direita foi tirada da mesma banana no mesmo local usando um iPhone. Há uma diferença notável na qualidade - a foto do iPhone é mais nítida, com cores mais vibrantes e maior contraste.
+
+✅ O que mais pode causar previsões incorretas nas imagens capturadas pelo seu dispositivo IoT? Pense no ambiente em que um dispositivo IoT pode ser usado e nos fatores que podem afetar a imagem capturada.
+
+Para melhorar o modelo, você pode treiná-lo novamente usando as imagens capturadas pelo dispositivo IoT.
+
+### Tarefa - melhorar o modelo
+
+1. Classifique várias imagens de frutas maduras e não maduras usando seu dispositivo IoT.
+
+1. No portal Custom Vision, treine novamente o modelo usando as imagens na aba *Predictions*.
+
+    > ⚠️ Você pode consultar [as instruções para treinar novamente seu classificador na lição 1, se necessário](../1-train-fruit-detector/README.md#retrain-your-image-classifier).
+
+1. Se suas imagens forem muito diferentes das originais usadas para treinamento, você pode excluir todas as imagens originais selecionando-as na aba *Training Images* e clicando no botão **Delete**. Para selecionar uma imagem, mova o cursor sobre ela e aparecerá um ícone de seleção; clique nesse ícone para selecionar ou desmarcar a imagem.
+
+1. Treine uma nova iteração do modelo e publique-a usando os passos acima.
+
+1. Atualize o URL do endpoint no seu código e execute o aplicativo novamente.
+
+1. Repita esses passos até estar satisfeito com os resultados das previsões.
+
+---
+
+## 🚀 Desafio
+
+Quanto a resolução da imagem ou a iluminação afetam a previsão?
+
+Tente alterar a resolução das imagens no código do seu dispositivo e veja se isso faz diferença na qualidade das imagens. Também experimente mudar a iluminação.
+
+Se você fosse criar um dispositivo de produção para vender a fazendas ou fábricas, como garantiria resultados consistentes o tempo todo?
+
+## Quiz pós-aula
+
+[Quiz pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
+
+## Revisão e Autoestudo
+
+Você treinou seu modelo de visão personalizada usando o portal. Isso depende de ter imagens disponíveis - e no mundo real, pode não ser possível obter dados de treinamento que correspondam ao que a câmera do seu dispositivo captura. Você pode contornar isso treinando diretamente do seu dispositivo usando a API de treinamento, para treinar um modelo com imagens capturadas pelo seu dispositivo IoT.
+
+* Leia sobre a API de treinamento no [guia de início rápido do SDK Custom Vision](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)
+
+## Tarefa
+
+[Responder aos resultados da classificação](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
new file mode 100644
index 00000000..c2eab794
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "022e21f8629b721424c1de25195fff67",
+  "translation_date": "2025-08-28T02:50:36+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
+  "language_code": "br"
+}
+-->
+# Responder aos resultados da classificação
+
+## Instruções
+
+Seu dispositivo classificou imagens e possui os valores das previsões. Ele pode usar essas informações para realizar alguma ação - pode enviá-las para o IoT Hub para serem processadas por outros sistemas, ou pode controlar um atuador, como acender um LED quando a fruta estiver verde.
+
+Adicione código ao seu dispositivo para responder de uma maneira à sua escolha - seja enviando dados para um IoT Hub, controlando um atuador, ou combinando as duas opções e enviando dados para um IoT Hub com algum código serverless que determine se a fruta está madura ou não e envie de volta um comando para controlar um atuador.
+
+## Critérios de Avaliação
+
+| Critério | Exemplary (Exemplar) | Adequate (Adequado) | Needs Improvement (Precisa Melhorar) |
+| -------- | --------------------- | ------------------- | ------------------------------------- |
+| Responder às previsões | Foi capaz de implementar uma resposta às previsões que funciona de forma consistente com previsões do mesmo valor. | Foi capaz de implementar uma resposta que não depende das previsões, como apenas enviar dados brutos para um IoT Hub. | Não foi capaz de programar o dispositivo para responder às previsões. |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
new file mode 100644
index 00000000..ad4e11ad
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
@@ -0,0 +1,155 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c677667095f6133eee418c7e53615d05",
+  "translation_date": "2025-08-28T02:47:52+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
+  "language_code": "br"
+}
+-->
+# Capturar uma imagem - Raspberry Pi
+
+Nesta parte da lição, você adicionará um sensor de câmera ao seu Raspberry Pi e lerá imagens dele.
+
+## Hardware
+
+O Raspberry Pi precisa de uma câmera.
+
+A câmera que você usará é o [Módulo de Câmera Raspberry Pi](https://www.raspberrypi.org/products/camera-module-v2/). Esta câmera foi projetada para funcionar com o Raspberry Pi e se conecta por meio de um conector dedicado no Pi.
+
+> 💁 Esta câmera utiliza o [Camera Serial Interface, um protocolo da Mobile Industry Processor Interface Alliance](https://wikipedia.org/wiki/Camera_Serial_Interface), conhecido como MIPI-CSI. Este é um protocolo dedicado para envio de imagens.
+
+## Conectar a câmera
+
+A câmera pode ser conectada ao Raspberry Pi usando um cabo flat.
+
+### Tarefa - conectar a câmera
+
+![Uma câmera Raspberry Pi](../../../../../translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.br.png)
+
+1. Desligue o Raspberry Pi.
+
+1. Conecte o cabo flat que vem com a câmera à própria câmera. Para fazer isso, puxe suavemente o clipe de plástico preto no suporte para que ele saia um pouco, depois deslize o cabo no conector, com o lado azul voltado para longe da lente e os pinos metálicos voltados para a lente. Depois que o cabo estiver completamente inserido, empurre o clipe de plástico preto de volta ao lugar.
+
+    Você pode encontrar uma animação mostrando como abrir o clipe e inserir o cabo na [documentação de introdução ao módulo de câmera do Raspberry Pi](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2).
+
+    ![O cabo flat inserido no módulo de câmera](../../../../../translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.br.png)
+
+1. Remova o Grove Base Hat do Raspberry Pi.
+
+1. Passe o cabo flat pelo slot da câmera no Grove Base Hat. Certifique-se de que o lado azul do cabo esteja voltado para as portas analógicas rotuladas como **A0**, **A1**, etc.
+
+    ![O cabo flat passando pelo Grove Base Hat](../../../../../translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.br.png)
+
+1. Insira o cabo flat no conector da câmera no Raspberry Pi. Novamente, puxe o clipe de plástico preto para cima, insira o cabo e empurre o clipe de volta ao lugar. O lado azul do cabo deve estar voltado para as portas USB e Ethernet.
+
+    ![O cabo flat conectado ao conector da câmera no Raspberry Pi](../../../../../translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.br.png)
+
+1. Recoloque o Grove Base Hat.
+
+## Programar a câmera
+
+Agora o Raspberry Pi pode ser programado para usar a câmera utilizando a biblioteca Python [PiCamera](https://pypi.org/project/picamera/).
+
+### Tarefa - habilitar o modo de câmera legado
+
+Infelizmente, com o lançamento do Raspberry Pi OS Bullseye, o software de câmera que vinha com o sistema operacional foi alterado, o que significa que, por padrão, o PiCamera não funciona mais. Há um substituto em desenvolvimento, chamado PiCamera2, mas ele ainda não está pronto para uso.
+
+Por enquanto, você pode configurar seu Raspberry Pi no modo de câmera legado para permitir que o PiCamera funcione. O conector da câmera também está desativado por padrão, mas ativar o software de câmera legado habilita automaticamente o conector.
+
+1. Ligue o Raspberry Pi e aguarde a inicialização.
+
+1. Abra o VS Code, diretamente no Raspberry Pi ou conecte-se via a extensão Remote SSH.
+
+1. Execute os seguintes comandos no terminal:
+
+    ```sh
+    sudo raspi-config nonint do_legacy 0
+    sudo reboot
+    ```
+
+    Isso ativará uma configuração para habilitar o software de câmera legado e reiniciará o Raspberry Pi para que a configuração entre em vigor.
+
+1. Aguarde o Raspberry Pi reiniciar e reabra o VS Code.
+
+### Tarefa - programar a câmera
+
+Programe o dispositivo.
+
+1. No terminal, crie uma nova pasta no diretório home do usuário `pi` chamada `fruit-quality-detector`. Crie um arquivo nesta pasta chamado `app.py`.
+
+1. Abra esta pasta no VS Code.
+
+1. Para interagir com a câmera, você pode usar a biblioteca Python PiCamera. Instale o pacote Pip com o seguinte comando:
+
+    ```sh
+    pip3 install picamera
+    ```
+
+1. Adicione o seguinte código ao arquivo `app.py`:
+
+    ```python
+    import io
+    import time
+    from picamera import PiCamera
+    ```
+
+    Este código importa algumas bibliotecas necessárias, incluindo a biblioteca `PiCamera`.
+
+1. Adicione o seguinte código abaixo para inicializar a câmera:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    
+    time.sleep(2)
+    ```
+
+    Este código cria um objeto PiCamera e define a resolução para 640x480. Embora resoluções mais altas sejam suportadas (até 3280x2464), o classificador de imagens funciona com imagens muito menores (227x227), então não há necessidade de capturar e enviar imagens maiores.
+
+    A linha `camera.rotation = 0` define a rotação da imagem. O cabo flat entra na parte inferior da câmera, mas se sua câmera estiver girada para facilitar o apontamento para o item que você deseja classificar, você pode alterar esta linha para o número de graus de rotação.
+
+    ![A câmera pendurada sobre uma lata de bebida](../../../../../translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.br.png)
+
+    Por exemplo, se você suspender o cabo flat sobre algo para que ele fique na parte superior da câmera, defina a rotação como 180:
+
+    ```python
+    camera.rotation = 180
+    ```
+
+    A câmera leva alguns segundos para iniciar, por isso a linha `time.sleep(2)`.
+
+1. Adicione o seguinte código abaixo para capturar a imagem como dados binários:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    Este código cria um objeto `BytesIO` para armazenar dados binários. A imagem é lida da câmera como um arquivo JPEG e armazenada neste objeto. Este objeto possui um indicador de posição para saber onde está nos dados, permitindo que mais dados sejam escritos no final, se necessário. A linha `image.seek(0)` move esta posição de volta ao início para que todos os dados possam ser lidos posteriormente.
+
+1. Abaixo disso, adicione o seguinte código para salvar a imagem em um arquivo:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    Este código abre um arquivo chamado `image.jpg` para escrita, lê todos os dados do objeto `BytesIO` e os escreve no arquivo.
+
+    > 💁 Você pode capturar a imagem diretamente em um arquivo em vez de um objeto `BytesIO` passando o nome do arquivo para a chamada `camera.capture`. O motivo para usar o objeto `BytesIO` é que, mais tarde nesta lição, você poderá enviar a imagem para seu classificador de imagens.
+
+1. Aponte a câmera para algo e execute este código.
+
+1. Uma imagem será capturada e salva como `image.jpg` na pasta atual. Você verá este arquivo no explorador do VS Code. Selecione o arquivo para visualizar a imagem. Se precisar de rotação, atualize a linha `camera.rotation = 0` conforme necessário e tire outra foto.
+
+> 💁 Você pode encontrar este código na pasta [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi).
+
+😀 Seu programa de câmera foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
new file mode 100644
index 00000000..f7bd6aa0
--- /dev/null
+++ b/translations/br/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": "2025-08-28T02:50:51+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
+  "language_code": "br"
+}
+-->
+# Classificar uma imagem - Hardware Virtual de IoT e Raspberry Pi
+
+Nesta parte da lição, você enviará a imagem capturada pela câmera para o serviço Custom Vision para classificá-la.
+
+## Enviar imagens para o Custom Vision
+
+O serviço Custom Vision possui um SDK para Python que você pode usar para classificar imagens.
+
+### Tarefa - enviar imagens para o Custom Vision
+
+1. Abra a pasta `fruit-quality-detector` no VS Code. Se estiver usando um dispositivo IoT virtual, certifique-se de que o ambiente virtual esteja em execução no terminal.
+
+1. O SDK do Python para enviar imagens ao Custom Vision está disponível como um pacote Pip. Instale-o com o seguinte comando:
+
+    ```sh
+    pip3 install azure-cognitiveservices-vision-customvision
+    ```
+
+1. Adicione as seguintes declarações de importação no topo do arquivo `app.py`:
+
+    ```python
+    from msrest.authentication import ApiKeyCredentials
+    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
+    ```
+
+    Isso traz alguns módulos das bibliotecas do Custom Vision, um para autenticar com a chave de previsão e outro para fornecer uma classe cliente de previsão que pode chamar o Custom Vision.
+
+1. Adicione o seguinte código ao final do arquivo:
+
+    ```python
+    prediction_url = '<prediction_url>'
+    prediction_key = '<prediction key>'
+    ```
+
+    Substitua `<prediction_url>` pela URL que você copiou do diálogo *Prediction URL* anteriormente nesta lição. Substitua `<prediction key>` pela chave de previsão que você copiou do mesmo diálogo.
+
+1. A URL de previsão fornecida pelo diálogo *Prediction URL* foi projetada para ser usada ao chamar diretamente o endpoint REST. O SDK do Python usa partes dessa URL em diferentes lugares. Adicione o seguinte código para dividir essa URL nas partes necessárias:
+
+    ```python
+    parts = prediction_url.split('/')
+    endpoint = 'https://' + parts[2]
+    project_id = parts[6]
+    iteration_name = parts[9]
+    ```
+
+    Isso divide a URL, extraindo o endpoint `https://<location>.api.cognitive.microsoft.com`, o ID do projeto e o nome da iteração publicada.
+
+1. Crie um objeto de predição para realizar a previsão com o seguinte código:
+
+    ```python
+    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
+    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
+    ```
+
+    As `prediction_credentials` encapsulam a chave de previsão. Elas são então usadas para criar um objeto cliente de previsão apontando para o endpoint.
+
+1. Envie a imagem para o Custom Vision usando o seguinte código:
+
+    ```python
+    image.seek(0)
+    results = predictor.classify_image(project_id, iteration_name, image)
+    ```
+
+    Isso rebobina a imagem para o início e a envia para o cliente de previsão.
+
+1. Por fim, exiba os resultados com o seguinte código:
+
+    ```python
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    Isso fará um loop por todas as previsões que foram retornadas e as exibirá no terminal. As probabilidades retornadas são números de ponto flutuante de 0 a 1, sendo 0 uma chance de 0% de corresponder à tag e 1 uma chance de 100%.
+
+    > 💁 Classificadores de imagem retornarão as porcentagens para todas as tags que foram usadas. Cada tag terá uma probabilidade de que a imagem corresponda àquela tag.
+
+1. Execute seu código, com sua câmera apontada para alguma fruta, ou um conjunto de imagens apropriado, ou frutas visíveis na sua webcam se estiver usando hardware virtual de IoT. Você verá a saída no console:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    Você poderá ver a imagem que foi capturada e esses valores na aba **Predictions** no Custom Vision.
+
+    ![Uma banana no Custom Vision prevista como madura com 56,8% e não madura com 43,1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.br.png)
+
+> 💁 Você pode encontrar este código na pasta [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) ou [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device).
+
+😀 Seu programa de classificação de qualidade de frutas foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
new file mode 100644
index 00000000..f0afde17
--- /dev/null
+++ b/translations/br/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": "2025-08-28T02:48:34+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
+  "language_code": "br"
+}
+-->
+# Capturar uma imagem - Hardware Virtual IoT
+
+Nesta parte da lição, você adicionará um sensor de câmera ao seu dispositivo IoT virtual e lerá imagens dele.
+
+## Hardware
+
+O dispositivo IoT virtual usará uma câmera simulada que envia imagens de arquivos ou da sua webcam.
+
+### Adicionar a câmera ao CounterFit
+
+Para usar uma câmera virtual, você precisa adicionar uma ao aplicativo CounterFit.
+
+#### Tarefa - adicionar a câmera ao CounterFit
+
+Adicione a câmera ao aplicativo CounterFit.
+
+1. Crie um novo aplicativo Python no seu computador em uma pasta chamada `fruit-quality-detector` com um único arquivo chamado `app.py` e um ambiente virtual Python, e adicione os pacotes pip do CounterFit.
+
+    > ⚠️ Você pode consultar [as instruções para criar e configurar um projeto Python do CounterFit na lição 1, se necessário](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Instale um pacote adicional do Pip para adicionar um shim do CounterFit que pode se comunicar com sensores de câmera simulando parte do pacote [Picamera Pip](https://pypi.org/project/picamera/). Certifique-se de instalar isso a partir de um terminal com o ambiente virtual ativado.
+
+    ```sh
+    pip install counterfit-shims-picamera
+    ```
+
+1. Certifique-se de que o aplicativo web CounterFit esteja em execução.
+
+1. Crie uma câmera:
+
+    1. Na caixa *Create sensor* no painel *Sensors*, abra o menu suspenso *Sensor type* e selecione *Camera*.
+
+    1. Defina o *Name* como `Picamera`.
+
+    1. Selecione o botão **Add** para criar a câmera.
+
+    ![As configurações da câmera](../../../../../translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.br.png)
+
+    A câmera será criada e aparecerá na lista de sensores.
+
+    ![A câmera criada](../../../../../translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.br.png)
+
+## Programar a câmera
+
+O dispositivo IoT virtual agora pode ser programado para usar a câmera virtual.
+
+### Tarefa - programar a câmera
+
+Programe o dispositivo.
+
+1. Certifique-se de que o aplicativo `fruit-quality-detector` esteja aberto no VS Code.
+
+1. Abra o arquivo `app.py`.
+
+1. Adicione o seguinte código ao início do `app.py` para conectar o aplicativo ao CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Adicione o seguinte código ao seu arquivo `app.py`:
+
+    ```python
+    import io
+    from counterfit_shims_picamera import PiCamera
+    ```
+
+    Este código importa algumas bibliotecas necessárias, incluindo a classe `PiCamera` da biblioteca counterfit_shims_picamera.
+
+1. Adicione o seguinte código abaixo disso para inicializar a câmera:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    ```
+
+    Este código cria um objeto PiCamera, define a resolução para 640x480. Embora resoluções mais altas sejam suportadas, o classificador de imagens funciona com imagens muito menores (227x227), então não há necessidade de capturar e enviar imagens maiores.
+
+    A linha `camera.rotation = 0` define a rotação da imagem em graus. Se você precisar girar a imagem da webcam ou do arquivo, ajuste conforme necessário. Por exemplo, se você quiser alterar a imagem de uma banana em uma webcam no modo paisagem para o modo retrato, defina `camera.rotation = 90`.
+
+1. Adicione o seguinte código abaixo disso para capturar a imagem como dados binários:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    Este código cria um objeto `BytesIO` para armazenar dados binários. A imagem é lida da câmera como um arquivo JPEG e armazenada neste objeto. Este objeto possui um indicador de posição para saber onde está nos dados, permitindo que mais dados sejam escritos no final, se necessário. Assim, a linha `image.seek(0)` move esta posição de volta ao início para que todos os dados possam ser lidos posteriormente.
+
+1. Abaixo disso, adicione o seguinte para salvar a imagem em um arquivo:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    Este código abre um arquivo chamado `image.jpg` para escrita, depois lê todos os dados do objeto `BytesIO` e os escreve no arquivo.
+
+    > 💁 Você pode capturar a imagem diretamente em um arquivo em vez de um objeto `BytesIO` passando o nome do arquivo para a chamada `camera.capture`. O motivo para usar o objeto `BytesIO` é que, mais tarde nesta lição, você poderá enviar a imagem para o seu classificador de imagens.
+
+1. Configure a imagem que a câmera no CounterFit capturará. Você pode definir a *Source* como *File* e fazer upload de um arquivo de imagem, ou definir a *Source* como *WebCam*, e as imagens serão capturadas da sua webcam. Certifique-se de selecionar o botão **Set** após selecionar uma imagem ou sua webcam.
+
+    ![CounterFit com um arquivo definido como fonte de imagem e uma webcam mostrando uma pessoa segurando uma banana em uma pré-visualização da webcam](../../../../../translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.br.png)
+
+1. Uma imagem será capturada e salva como `image.jpg` na pasta atual. Você verá este arquivo no explorador do VS Code. Selecione o arquivo para visualizar a imagem. Se precisar de rotação, atualize a linha `camera.rotation = 0` conforme necessário e tire outra foto.
+
+> 💁 Você pode encontrar este código na pasta [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device).
+
+😀 Seu programa de câmera foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
new file mode 100644
index 00000000..41765149
--- /dev/null
+++ b/translations/br/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": "2025-08-28T02:49:12+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
+  "language_code": "br"
+}
+-->
+# Capturar uma imagem - Wio Terminal
+
+Nesta parte da lição, você adicionará uma câmera ao seu Wio Terminal e capturará imagens com ela.
+
+## Hardware
+
+O Wio Terminal precisa de uma câmera.
+
+A câmera que você usará é uma [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/). Esta é uma câmera de 2 megapixels baseada no sensor de imagem OV2640. Ela se comunica através de uma interface SPI para capturar imagens e usa I2C para configurar o sensor.
+
+## Conectar a câmera
+
+A ArduCam não possui um conector Grove; em vez disso, ela se conecta aos barramentos SPI e I2C através dos pinos GPIO no Wio Terminal.
+
+### Tarefa - conectar a câmera
+
+Conecte a câmera.
+
+![Um sensor ArduCam](../../../../../translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.br.png)
+
+1. Os pinos na base da ArduCam precisam ser conectados aos pinos GPIO no Wio Terminal. Para facilitar a identificação dos pinos corretos, coloque o adesivo de pinos GPIO que vem com o Wio Terminal ao redor dos pinos:
+
+    ![O Wio Terminal com o adesivo de pinos GPIO](../../../../../translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.br.png)
+
+1. Usando fios jumper, faça as seguintes conexões:
+
+    | Pino ArduCAM | Pino Wio Terminal | Descrição                               |
+    | ------------ | ----------------- | --------------------------------------- |
+    | CS           | 24 (SPI_CS)       | Seleção de Chip SPI                     |
+    | MOSI         | 19 (SPI_MOSI)     | Saída do Controlador SPI, Entrada do Periférico |
+    | MISO         | 21 (SPI_MISO)     | Entrada do Controlador SPI, Saída do Periférico |
+    | SCK          | 23 (SPI_SCLK)     | Clock Serial SPI                        |
+    | GND          | 6 (GND)           | Terra - 0V                              |
+    | VCC          | 4 (5V)            | Fonte de alimentação de 5V              |
+    | SDA          | 3 (I2C1_SDA)      | Dados Seriais I2C                       |
+    | SCL          | 5 (I2C1_SCL)      | Clock Serial I2C                        |
+
+    ![O Wio Terminal conectado à ArduCam com fios jumper](../../../../../translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.br.png)
+
+    As conexões GND e VCC fornecem uma fonte de alimentação de 5V para a ArduCam. Ela funciona com 5V, diferente dos sensores Grove que funcionam com 3V. Essa energia vem diretamente da conexão USB-C que alimenta o dispositivo.
+
+    > 💁 Para a conexão SPI, os rótulos dos pinos na ArduCam e os nomes dos pinos do Wio Terminal usados no código ainda utilizam a convenção de nomenclatura antiga. As instruções nesta lição usarão a nova convenção de nomenclatura, exceto quando os nomes dos pinos forem usados no código.
+
+1. Agora você pode conectar o Wio Terminal ao seu computador.
+
+## Programar o dispositivo para conectar à câmera
+
+O Wio Terminal agora pode ser programado para usar a câmera ArduCAM conectada.
+
+### Tarefa - programar o dispositivo para conectar à câmera
+
+1. Crie um novo projeto para o Wio Terminal usando o PlatformIO. Chame este projeto de `fruit-quality-detector`. Adicione código na função `setup` para configurar a porta serial.
+
+1. Adicione código para conectar ao WiFi, com suas credenciais de WiFi em um arquivo chamado `config.h`. Não se esqueça de adicionar as bibliotecas necessárias ao arquivo `platformio.ini`.
+
+1. A biblioteca ArduCam não está disponível como uma biblioteca Arduino que pode ser instalada a partir do arquivo `platformio.ini`. Em vez disso, ela precisará ser instalada a partir do código-fonte na página GitHub deles. Você pode obter isso de duas maneiras:
+
+    * Clonando o repositório de [https://github.com/ArduCAM/Arduino.git](https://github.com/ArduCAM/Arduino.git)
+    * Acessando o repositório no GitHub em [github.com/ArduCAM/Arduino](https://github.com/ArduCAM/Arduino) e baixando o código como um arquivo zip no botão **Code**
+
+1. Você só precisa da pasta `ArduCAM` deste código. Copie a pasta inteira para a pasta `lib` no seu projeto.
+
+    > ⚠️ A pasta inteira deve ser copiada, para que o código esteja em `lib/ArduCam`. Não copie apenas o conteúdo da pasta `ArduCam` para a pasta `lib`, copie a pasta inteira.
+
+1. O código da biblioteca ArduCam funciona para vários tipos de câmera. O tipo de câmera que você deseja usar é configurado usando flags do compilador - isso mantém a biblioteca construída o menor possível, removendo o código para câmeras que você não está usando. Para configurar a biblioteca para a câmera OV2640, adicione o seguinte ao final do arquivo `platformio.ini`:
+
+    ```ini
+    build_flags =
+        -DARDUCAM_SHIELD_V2
+        -DOV2640_CAM
+    ```
+
+    Isso define 2 flags do compilador:
+
+      * `ARDUCAM_SHIELD_V2` para informar à biblioteca que a câmera está em uma placa Arduino, conhecida como shield.
+      * `OV2640_CAM` para informar à biblioteca para incluir apenas o código para a câmera OV2640.
+
+1. Adicione um arquivo de cabeçalho na pasta `src` chamado `camera.h`. Este arquivo conterá o código para se comunicar com a câmera. Adicione o seguinte código a este arquivo:
+
+    ```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;
+    };
+    ```
+
+    Este é um código de baixo nível que configura a câmera usando as bibliotecas ArduCam e extrai as imagens quando necessário usando o barramento SPI. Este código é muito específico para a ArduCam, então você não precisa se preocupar com como ele funciona neste momento.
+
+1. No arquivo `main.cpp`, adicione o seguinte código abaixo das outras declarações `include` para incluir este novo arquivo e criar uma instância da classe da câmera:
+
+    ```cpp
+    #include "camera.h"
+
+    Camera camera = Camera(JPEG, OV2640_640x480);
+    ```
+
+    Isso cria uma `Camera` que salva as imagens como JPEGs em uma resolução de 640 por 480. Embora resoluções mais altas sejam suportadas (até 3280x2464), o classificador de imagens funciona com imagens muito menores (227x227), então não há necessidade de capturar e enviar imagens maiores.
+
+1. Adicione o seguinte código abaixo disso para definir uma função para configurar a câmera:
+
+    ```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!");
+        }
+    }
+    ```
+
+    Esta função `setupCamera` começa configurando o pino de seleção de chip SPI (`PIN_SPI_SS`) como alto, tornando o Wio Terminal o controlador SPI. Em seguida, inicia os barramentos I2C e SPI. Finalmente, inicializa a classe da câmera, que configura as configurações do sensor da câmera e garante que tudo esteja conectado corretamente.
+
+1. Chame esta função no final da função `setup`:
+
+    ```cpp
+    setupCamera();
+    ```
+
+1. Compile e carregue este código e verifique a saída no monitor serial. Se você vir `Error setting up the camera!`, verifique a fiação para garantir que todos os cabos estejam conectando os pinos corretos na ArduCam aos pinos GPIO corretos no Wio Terminal e que todos os cabos jumper estejam bem encaixados.
+
+## Capturar uma imagem
+
+O Wio Terminal agora pode ser programado para capturar uma imagem quando um botão for pressionado.
+
+### Tarefa - capturar uma imagem
+
+1. Microcontroladores executam seu código continuamente, então não é fácil acionar algo como tirar uma foto sem reagir a um sensor. O Wio Terminal possui botões, então a câmera pode ser configurada para ser acionada por um dos botões. Adicione o seguinte código ao final da função `setup` para configurar o botão C (um dos três botões na parte superior, o mais próximo do interruptor de energia).
+
+    ![O botão C na parte superior, próximo ao interruptor de energia](../../../../../translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.br.png)
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+    O modo `INPUT_PULLUP` essencialmente inverte uma entrada. Por exemplo, normalmente um botão enviaria um sinal baixo quando não pressionado e um sinal alto quando pressionado. Quando configurado como `INPUT_PULLUP`, ele envia um sinal alto quando não pressionado e um sinal baixo quando pressionado.
+
+1. Adicione uma função vazia para responder à pressão do botão antes da função `loop`:
+
+    ```cpp
+    void buttonPressed()
+    {
+        
+    }
+    ```
+
+1. Chame esta função no método `loop` quando o botão for pressionado:
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW)
+        {
+            buttonPressed();
+            delay(2000);
+        }
+    
+        delay(200);
+    }
+    ```
+
+    Este código verifica se o botão foi pressionado. Se for pressionado, a função `buttonPressed` é chamada e o loop é atrasado por 2 segundos. Isso é para permitir tempo para o botão ser liberado, para que uma pressão longa não seja registrada duas vezes.
+
+    > 💁 O botão no Wio Terminal está configurado como `INPUT_PULLUP`, então envia um sinal alto quando não pressionado e um sinal baixo quando pressionado.
+
+1. Adicione o seguinte código à função `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);
+    }
+    ```
+
+    Este código inicia a captura da câmera chamando `startCapture`. O hardware da câmera não funciona retornando os dados quando você os solicita; em vez disso, você envia uma instrução para iniciar a captura, e a câmera trabalhará em segundo plano para capturar a imagem, convertê-la em um JPEG e armazená-la em um buffer local na própria câmera. A chamada `captureReady` então verifica se a captura da imagem foi concluída.
+
+    Uma vez que a captura foi concluída, os dados da imagem são copiados do buffer na câmera para um buffer local (array de bytes) com a chamada `readImageToBuffer`. O comprimento do buffer é então enviado ao monitor serial.
+
+1. Compile e carregue este código e verifique a saída no monitor serial. Toda vez que você pressionar o botão C, uma imagem será capturada e você verá o tamanho da imagem enviado ao monitor serial.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 9224
+    Image captured
+    Image read to buffer with length 11272
+    ```
+
+    Imagens diferentes terão tamanhos diferentes. Elas são comprimidas como JPEGs e o tamanho de um arquivo JPEG para uma determinada resolução depende do que está na imagem.
+
+> 💁 Você pode encontrar este código na pasta [code-camera/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/wio-terminal).
+
+😀 Você capturou imagens com sucesso usando seu Wio Terminal.
+
+## Opcional - verificar as imagens da câmera usando um cartão SD
+
+A maneira mais fácil de ver as imagens capturadas pela câmera é gravá-las em um cartão SD no Wio Terminal e visualizá-las no seu computador. Faça esta etapa se você tiver um cartão microSD de sobra e um leitor de cartão microSD no seu computador ou um adaptador.
+
+O Wio Terminal suporta apenas cartões microSD de até 16GB. Se você tiver um cartão SD maior, ele não funcionará.
+
+### Tarefa - verificar as imagens da câmera usando um cartão SD
+
+1. Formate um cartão microSD como FAT32 ou exFAT usando os aplicativos relevantes no seu computador (Utilitário de Disco no macOS, Explorador de Arquivos no Windows ou usando ferramentas de linha de comando no Linux).
+
+1. Insira o cartão microSD no slot logo abaixo do interruptor de energia. Certifique-se de que ele está completamente inserido até clicar e permanecer no lugar; você pode precisar empurrá-lo usando uma unha ou uma ferramenta fina.
+
+1. Adicione as seguintes declarações de inclusão no topo do arquivo `main.cpp`:
+
+    ```cpp
+    #include "SD/Seeed_SD.h"
+    #include <Seeed_FS.h>
+    ```
+
+1. Adicione a seguinte função antes da função `setup`:
+
+    ```cpp
+    void setupSDCard()
+    {
+        while (!SD.begin(SDCARD_SS_PIN, SDCARD_SPI))
+        {
+            Serial.println("SD Card Error");
+        }
+    }
+    ```
+
+    Isso configura o cartão SD usando o barramento SPI.
+
+1. Chame isso na função `setup`:
+
+    ```cpp
+    setupSDCard();
+    ```
+
+1. Adicione o seguinte código acima da função `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);
+    }
+    ```
+
+    Isso define uma variável global para uma contagem de arquivos. Ela é usada para os nomes dos arquivos de imagem, para que várias imagens possam ser capturadas com nomes de arquivos incrementais - `1.jpg`, `2.jpg` e assim por diante.
+
+    Em seguida, define a função `saveToSDCard`, que recebe um buffer de dados em bytes e o comprimento do buffer. Um nome de arquivo é criado usando a contagem de arquivos, e a contagem de arquivos é incrementada para o próximo arquivo. Os dados binários do buffer são então gravados no arquivo.
+
+1. Chame a função `saveToSDCard` na função `buttonPressed`. A chamada deve ser **antes** do buffer ser excluído:
+
+    ```cpp
+    Serial.print("Image read to buffer with length ");
+    Serial.println(length);
+
+    saveToSDCard(buffer, length);
+    
+    delete(buffer);
+    ```
+
+1. Compile e carregue este código e verifique a saída no monitor serial. Toda vez que você pressionar o botão C, uma imagem será capturada e salva no cartão 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. Desligue o microSD e ejete-o pressionando-o levemente e soltando, e ele sairá. Você pode precisar usar uma ferramenta fina para fazer isso. Conecte o cartão microSD ao seu computador para visualizar as imagens.
+
+    ![Uma foto de uma banana capturada usando a ArduCam](../../../../../translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.br.jpg)
+💁 Pode levar algumas imagens para que o balanço de branco da câmera se ajuste. Você notará isso com base na cor das imagens capturadas, as primeiras podem parecer com cores alteradas. Você sempre pode contornar isso alterando o código para capturar algumas imagens que são ignoradas na função `setup`.
+
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/br/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
new file mode 100644
index 00000000..4a707966
--- /dev/null
+++ b/translations/br/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": "2025-08-28T02:51:19+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
+  "language_code": "br"
+}
+-->
+# Classificar uma imagem - Wio Terminal
+
+Nesta parte da lição, você enviará a imagem capturada pela câmera para o serviço Custom Vision para classificá-la.
+
+## Classificar uma imagem
+
+O serviço Custom Vision possui uma API REST que pode ser chamada a partir do Wio Terminal para classificar imagens. Essa API REST é acessada por meio de uma conexão HTTPS - uma conexão HTTP segura.
+
+Ao interagir com endpoints HTTPS, o código cliente precisa solicitar o certificado de chave pública do servidor que está sendo acessado e usá-lo para criptografar o tráfego enviado. Seu navegador faz isso automaticamente, mas microcontroladores não. Você precisará solicitar esse certificado manualmente e usá-lo para criar uma conexão segura com a API REST. Esses certificados não mudam, então, uma vez que você tenha um certificado, ele pode ser codificado diretamente no seu aplicativo.
+
+Esses certificados contêm chaves públicas e não precisam ser mantidos em segredo. Você pode usá-los no seu código-fonte e compartilhá-los publicamente em lugares como o GitHub.
+
+### Tarefa - configurar um cliente SSL
+
+1. Abra o projeto do aplicativo `fruit-quality-detector`, caso ainda não esteja aberto.
+
+1. Abra o arquivo de cabeçalho `config.h` e adicione o seguinte:
+
+    ```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";
+    ```
+
+    Este é o *certificado Microsoft Azure DigiCert Global Root G2* - um dos certificados usados por muitos serviços Azure globalmente.
+
+    > 💁 Para verificar que este é o certificado correto, execute o seguinte comando no macOS ou Linux. Se você estiver usando Windows, pode executar este comando usando o [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
+    > ```
+    >
+    > A saída listará o certificado DigiCert Global Root G2.
+
+1. Abra `main.cpp` e adicione a seguinte diretiva de inclusão:
+
+    ```cpp
+    #include <WiFiClientSecure.h>
+    ```
+
+1. Abaixo das diretivas de inclusão, declare uma instância de `WifiClientSecure`:
+
+    ```cpp
+    WiFiClientSecure client;
+    ```
+
+    Esta classe contém o código para se comunicar com endpoints web via HTTPS.
+
+1. No método `connectWiFi`, configure o WiFiClientSecure para usar o certificado DigiCert Global Root G2:
+
+    ```cpp
+    client.setCACert(CERTIFICATE);
+    ```
+
+### Tarefa - classificar uma imagem
+
+1. Adicione a seguinte linha adicional à lista `lib_deps` no arquivo `platformio.ini`:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    Isso importa [ArduinoJson](https://arduinojson.org), uma biblioteca JSON para Arduino, que será usada para decodificar a resposta JSON da API REST.
+
+1. Em `config.h`, adicione constantes para a URL de previsão e a chave do serviço Custom Vision:
+
+    ```cpp
+    const char *PREDICTION_URL = "<PREDICTION_URL>";
+    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
+    ```
+
+    Substitua `<PREDICTION_URL>` pela URL de previsão do Custom Vision. Substitua `<PREDICTION_KEY>` pela chave de previsão.
+
+1. Em `main.cpp`, adicione uma diretiva de inclusão para a biblioteca ArduinoJson:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. Adicione a seguinte função em `main.cpp`, acima da função `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();
+    }
+    ```
+
+    Este código começa declarando um `HTTPClient` - uma classe que contém métodos para interagir com APIs REST. Em seguida, conecta o cliente à URL de previsão usando a instância `WiFiClientSecure` configurada com a chave pública do Azure.
+
+    Uma vez conectado, ele envia cabeçalhos - informações sobre a solicitação que será feita contra a API REST. O cabeçalho `Content-Type` indica que a chamada da API enviará dados binários brutos, e o cabeçalho `Prediction-Key` passa a chave de previsão do Custom Vision.
+
+    Em seguida, uma solicitação POST é feita ao cliente HTTP, enviando um array de bytes. Este array conterá a imagem JPEG capturada pela câmera quando esta função for chamada.
+
+    > 💁 Solicitações POST são usadas para enviar dados e obter uma resposta. Existem outros tipos de solicitações, como as solicitações GET, que recuperam dados. Solicitações GET são usadas pelo seu navegador para carregar páginas web.
+
+    A solicitação POST retorna um código de status de resposta. Esses valores são bem definidos, sendo 200 o código para **OK** - a solicitação POST foi bem-sucedida.
+
+    > 💁 Você pode ver todos os códigos de status de resposta na [página Lista de códigos de status HTTP na Wikipedia](https://wikipedia.org/wiki/List_of_HTTP_status_codes)
+
+    Se um código 200 for retornado, o resultado é lido do cliente HTTP. Esta é uma resposta em texto da API REST com os resultados da previsão como um documento JSON. O JSON tem o seguinte formato:
+
+    ```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"
+            }
+        ]
+    }
+    ```
+
+    A parte importante aqui é o array `predictions`. Ele contém as previsões, com uma entrada para cada tag contendo o nome da tag e a probabilidade. As probabilidades retornadas são números de ponto flutuante de 0 a 1, sendo 0 uma chance de 0% de corresponder à tag e 1 uma chance de 100%.
+
+    > 💁 Classificadores de imagem retornarão as porcentagens para todas as tags que foram usadas. Cada tag terá uma probabilidade de que a imagem corresponda àquela tag.
+
+    Este JSON é decodificado, e as probabilidades de cada tag são enviadas ao monitor serial.
+
+1. Na função `buttonPressed`, substitua o código que salva no cartão SD por uma chamada para `classifyImage`, ou adicione-o após a imagem ser gravada, mas **antes** do buffer ser excluído:
+
+    ```cpp
+    classifyImage(buffer, length);
+    ```
+
+    > 💁 Se você substituir o código que salva no cartão SD, pode limpar seu código removendo as funções `setupSDCard` e `saveToSDCard`.
+
+1. Faça o upload e execute seu código. Aponte a câmera para alguma fruta e pressione o botão C. Você verá a saída no monitor serial:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    Você poderá ver a imagem que foi capturada e esses valores na aba **Predictions** no Custom Vision.
+
+    ![Uma banana no Custom Vision prevista como madura com 56.8% e não madura com 43.1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.br.png)
+
+> 💁 Você pode encontrar este código na pasta [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal).
+
+😀 Seu programa de classificação de qualidade de frutas foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
new file mode 100644
index 00000000..3306f2d8
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
@@ -0,0 +1,626 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2625af24587465c5547ae33d6cc000a5",
+  "translation_date": "2025-08-28T02:42:24+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
+  "language_code": "br"
+}
+-->
+# Execute seu detector de frutas na borda
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Este vídeo oferece uma visão geral sobre como executar classificadores de imagens em dispositivos IoT, o tema abordado nesta lição.
+
+[![Custom Vision AI no Azure IoT Edge](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
+
+## Introdução
+
+Na última lição, você usou seu classificador de imagens para classificar frutas maduras e não maduras, enviando uma imagem capturada pela câmera do seu dispositivo IoT pela internet para um serviço na nuvem. Essas chamadas levam tempo, têm custo e, dependendo do tipo de dados de imagem que você está usando, podem ter implicações de privacidade.
+
+Nesta lição, você aprenderá como executar modelos de aprendizado de máquina (ML) na borda - em dispositivos IoT que operam na sua própria rede, em vez de na nuvem. Você aprenderá os benefícios e desvantagens da computação na borda em comparação com a computação na nuvem, como implantar seu modelo de IA na borda e como acessá-lo a partir do seu dispositivo IoT.
+
+Nesta lição, abordaremos:
+
+* [Computação na borda](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Registrar um dispositivo IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Configurar um dispositivo IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Exportar seu modelo](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Preparar seu contêiner para implantação](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Implantar seu contêiner](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Usar seu dispositivo IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+
+## Computação na borda
+
+Computação na borda envolve ter computadores que processam dados de IoT o mais próximo possível de onde os dados são gerados. Em vez de realizar esse processamento na nuvem, ele é movido para a borda da nuvem - sua rede interna.
+
+![Um diagrama de arquitetura mostrando serviços de internet na nuvem e dispositivos IoT em uma rede local](../../../../../translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.br.png)
+
+Nas lições anteriores, você teve dispositivos coletando dados e enviando-os para a nuvem para serem analisados, executando funções sem servidor ou modelos de IA na nuvem.
+
+![Um diagrama de arquitetura mostrando dispositivos IoT em uma rede local conectando-se a dispositivos de borda, e esses dispositivos de borda conectando-se à nuvem](../../../../../translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.br.png)
+
+Computação na borda envolve mover alguns dos serviços da nuvem para computadores que operam na mesma rede que os dispositivos IoT, comunicando-se com a nuvem apenas quando necessário. Por exemplo, você pode executar modelos de IA em dispositivos de borda para analisar a maturação de frutas e enviar apenas análises para a nuvem, como o número de frutas maduras versus não maduras.
+
+✅ Pense nos aplicativos de IoT que você já desenvolveu. Quais partes deles poderiam ser movidas para a borda?
+
+### Vantagens
+
+As vantagens da computação na borda são:
+
+1. **Velocidade** - computação na borda é ideal para dados sensíveis ao tempo, pois as ações são realizadas na mesma rede do dispositivo, em vez de fazer chamadas pela internet. Isso permite velocidades mais altas, já que redes internas podem operar substancialmente mais rápido do que conexões de internet, com os dados viajando distâncias muito menores.
+
+    > 💁 Apesar de cabos ópticos serem usados para conexões de internet, permitindo que os dados viajem na velocidade da luz, os dados podem levar tempo para viajar ao redor do mundo até os provedores de nuvem. Por exemplo, se você estiver enviando dados da Europa para serviços na nuvem nos EUA, leva pelo menos 28ms para os dados cruzarem o Atlântico em um cabo óptico, sem contar o tempo necessário para levar os dados até o cabo transatlântico, converter de sinais elétricos para ópticos e vice-versa do outro lado, e então do cabo óptico para o provedor de nuvem.
+
+    Computação na borda também requer menos tráfego de rede, reduzindo o risco de seus dados desacelerarem devido à congestão na largura de banda limitada disponível para uma conexão de internet.
+
+1. **Acessibilidade remota** - computação na borda funciona quando você tem conectividade limitada ou inexistente, ou quando a conectividade é muito cara para ser usada continuamente. Por exemplo, ao trabalhar em áreas de desastre humanitário onde a infraestrutura é limitada, ou em países em desenvolvimento.
+
+1. **Custos mais baixos** - realizar coleta de dados, armazenamento, análise e ações em dispositivos de borda reduz o uso de serviços na nuvem, o que pode diminuir o custo geral do seu aplicativo de IoT. Houve um aumento recente em dispositivos projetados para computação na borda, como placas aceleradoras de IA, como o [Jetson Nano da NVIDIA](https://developer.nvidia.com/embedded/jetson-nano-developer-kit), que podem executar cargas de trabalho de IA usando hardware baseado em GPU em dispositivos que custam menos de US$100.
+
+1. **Privacidade e segurança** - com computação na borda, os dados permanecem na sua rede e não são enviados para a nuvem. Isso é frequentemente preferido para informações sensíveis e identificáveis pessoalmente, especialmente porque os dados não precisam ser armazenados após serem analisados, o que reduz significativamente o risco de vazamento de dados. Exemplos incluem dados médicos e imagens de câmeras de segurança.
+
+1. **Gerenciamento de dispositivos inseguros** - se você tiver dispositivos com falhas de segurança conhecidas que não deseja conectar diretamente à sua rede ou à internet, pode conectá-los a uma rede separada com um dispositivo de borda IoT como gateway. Este dispositivo de borda pode então ter uma conexão com sua rede mais ampla ou com a internet, gerenciando os fluxos de dados entre eles.
+
+1. **Suporte para dispositivos incompatíveis** - se você tiver dispositivos que não podem se conectar ao IoT Hub, como dispositivos que só podem se conectar usando conexões HTTP ou dispositivos que possuem apenas Bluetooth, pode usar um dispositivo de borda IoT como gateway para encaminhar mensagens ao IoT Hub.
+
+✅ Faça uma pesquisa: Quais outras vantagens podem existir na computação na borda?
+
+### Desvantagens
+
+Existem desvantagens na computação na borda, onde a nuvem pode ser uma opção preferida:
+
+1. **Escalabilidade e flexibilidade** - computação na nuvem pode ajustar as necessidades de rede e dados em tempo real, adicionando ou reduzindo servidores e outros recursos. Para adicionar mais computadores de borda, é necessário adicionar dispositivos manualmente.
+
+1. **Confiabilidade e resiliência** - computação na nuvem oferece múltiplos servidores, frequentemente em várias localidades, para redundância e recuperação de desastres. Para ter o mesmo nível de redundância na borda, são necessários grandes investimentos e muito trabalho de configuração.
+
+1. **Manutenção** - provedores de serviços na nuvem oferecem manutenção e atualizações de sistema.
+
+✅ Faça uma pesquisa: Quais outras desvantagens podem existir na computação na borda?
+
+As desvantagens são, na verdade, o oposto das vantagens de usar a nuvem - você precisa construir e gerenciar esses dispositivos por conta própria, em vez de contar com a expertise e escala dos provedores de nuvem.
+
+Alguns dos riscos são mitigados pela própria natureza da computação na borda. Por exemplo, se você tiver um dispositivo de borda operando em uma fábrica coletando dados de máquinas, não precisa pensar em alguns cenários de recuperação de desastres. Se faltar energia na fábrica, você não precisa de um dispositivo de borda de backup, já que as máquinas que geram os dados que o dispositivo de borda processa também estarão sem energia.
+
+Para sistemas de IoT, você frequentemente desejará uma combinação de computação na nuvem e na borda, aproveitando cada serviço com base nas necessidades do sistema, de seus clientes e de seus mantenedores.
+
+## Azure IoT Edge
+
+![O logotipo do Azure IoT Edge](../../../../../translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.br.png)
+
+Azure IoT Edge é um serviço que pode ajudar você a mover cargas de trabalho da nuvem para a borda. Você configura um dispositivo como um dispositivo de borda e, a partir da nuvem, pode implantar código nesse dispositivo de borda. Isso permite misturar as capacidades da nuvem e da borda.
+
+> 🎓 *Cargas de trabalho* é um termo para qualquer serviço que realiza algum tipo de trabalho, como modelos de IA, aplicativos ou funções sem servidor.
+
+Por exemplo, você pode treinar um classificador de imagens na nuvem e, a partir da nuvem, implantá-lo em um dispositivo de borda. Seu dispositivo IoT então envia imagens para o dispositivo de borda para classificação, em vez de enviar as imagens pela internet. Se você precisar implantar uma nova versão do modelo, pode treiná-lo na nuvem e usar o IoT Edge para atualizar o modelo no dispositivo de borda para a nova versão.
+
+> 🎓 Software implantado no IoT Edge é conhecido como *módulos*. Por padrão, o IoT Edge executa módulos que se comunicam com o IoT Hub, como os módulos `edgeAgent` e `edgeHub`. Quando você implanta um classificador de imagens, ele é implantado como um módulo adicional.
+
+IoT Edge está integrado ao IoT Hub, então você pode gerenciar dispositivos de borda usando o mesmo serviço que usaria para gerenciar dispositivos IoT, com o mesmo nível de segurança.
+
+IoT Edge executa código a partir de *contêineres* - aplicativos autônomos que são executados isoladamente do restante dos aplicativos no seu computador. Quando você executa um contêiner, ele age como um computador separado operando dentro do seu computador, com seu próprio software, serviços e aplicativos em execução. Na maioria das vezes, os contêineres não podem acessar nada no seu computador, a menos que você escolha compartilhar algo, como uma pasta, com o contêiner. O contêiner então expõe serviços por meio de uma porta aberta que você pode conectar ou expor à sua rede.
+
+![Uma solicitação web redirecionada para um contêiner](../../../../../translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.br.png)
+
+Por exemplo, você pode ter um contêiner com um site operando na porta 80, a porta padrão do HTTP, e pode expô-lo do seu computador também na porta 80.
+
+✅ Faça uma pesquisa: Leia sobre contêineres e serviços como Docker ou Moby.
+
+Você pode usar o Custom Vision para baixar classificadores de imagens e implantá-los como contêineres, seja diretamente em um dispositivo ou implantados via IoT Edge. Uma vez que eles estão operando em um contêiner, podem ser acessados usando a mesma API REST que a versão na nuvem, mas com o endpoint apontando para o dispositivo de borda executando o contêiner.
+
+## Registrar um dispositivo IoT Edge
+
+Para usar um dispositivo IoT Edge, ele precisa ser registrado no IoT Hub.
+
+### Tarefa - registrar um dispositivo IoT Edge
+
+1. Crie um IoT Hub no grupo de recursos `fruit-quality-detector`. Dê a ele um nome único baseado em `fruit-quality-detector`.
+
+1. Registre um dispositivo IoT Edge chamado `fruit-quality-detector-edge` no seu IoT Hub. O comando para fazer isso é semelhante ao usado para registrar um dispositivo não-edge, exceto que você passa a flag `--edge-enabled`.
+
+    ```sh
+    az iot hub device-identity create --edge-enabled \
+                                      --device-id fruit-quality-detector-edge \
+                                      --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome do seu IoT Hub.
+
+1. Obtenha a string de conexão para seu dispositivo usando o seguinte comando:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome do seu IoT Hub.
+
+    Copie a string de conexão exibida no resultado.
+
+## Configurar um dispositivo IoT Edge
+
+Depois de criar o registro do dispositivo de borda no seu IoT Hub, você pode configurar o dispositivo de borda.
+
+### Tarefa - Instalar e iniciar o Runtime do IoT Edge
+
+**O runtime do IoT Edge só executa contêineres Linux.** Ele pode ser executado no Linux ou no Windows usando máquinas virtuais Linux.
+
+* Se você estiver usando um Raspberry Pi como seu dispositivo IoT, ele executa uma versão suportada do Linux e pode hospedar o runtime do IoT Edge. Siga o [guia de instalação do Azure IoT Edge para Linux na documentação da Microsoft](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) para instalar o IoT Edge e configurar a string de conexão.
+
+    > 💁 Lembre-se, Raspberry Pi OS é uma variante do Debian Linux.
+
+* Se você não estiver usando um Raspberry Pi, mas tiver um computador Linux, pode executar o runtime do IoT Edge. Siga o [guia de instalação do Azure IoT Edge para Linux na documentação da Microsoft](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) para instalar o IoT Edge e configurar a string de conexão.
+
+* Se você estiver usando Windows, pode instalar o runtime do IoT Edge em uma máquina virtual Linux seguindo a [seção de instalação e início do runtime do IoT Edge no guia rápido de implantação do primeiro módulo IoT Edge em um dispositivo Windows na documentação da Microsoft](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime). Você pode parar quando chegar à seção *Implantar um módulo*.
+
+* Se você estiver usando macOS, pode criar uma máquina virtual (VM) na nuvem para usar como seu dispositivo IoT Edge. Essas são computadores que você pode criar na nuvem e acessar pela internet. Você pode criar uma VM Linux que tenha o IoT Edge instalado. Siga o [guia de criação de uma máquina virtual executando IoT Edge](vm-iotedge.md) para instruções sobre como fazer isso.
+
+## Exportar seu modelo
+
+Para executar o classificador na borda, ele precisa ser exportado do Custom Vision. O Custom Vision pode gerar dois tipos de modelos - modelos padrão e modelos compactos. Modelos compactos usam várias técnicas para reduzir o tamanho do modelo, tornando-o pequeno o suficiente para ser baixado e implantado em dispositivos IoT.
+
+Quando você criou o classificador de imagens, usou o domínio *Food*, uma versão do modelo otimizada para treinamento em imagens de alimentos. No Custom Vision, você altera o domínio do seu projeto, usando seus dados de treinamento para treinar um novo modelo com o novo domínio. Todos os domínios suportados pelo Custom Vision estão disponíveis como padrão e compactos.
+
+### Tarefa - treinar seu modelo usando o domínio Food (compacto)
+1. Acesse o portal do Custom Vision em [CustomVision.ai](https://customvision.ai) e faça login, caso ainda não tenha feito. Em seguida, abra seu projeto `fruit-quality-detector`.
+
+1. Selecione o botão **Configurações** (o ícone ⚙).
+
+1. Na lista de *Domínios*, selecione *Food (compact)*.
+
+1. Em *Export Capabilities*, certifique-se de que *Basic platforms (Tensorflow, CoreML, ONNX, ...)* esteja selecionado.
+
+1. Na parte inferior da página de Configurações, selecione **Salvar Alterações**.
+
+1. Reentreine o modelo com o botão **Treinar**, selecionando *Treinamento rápido*.
+
+### Tarefa - exportar seu modelo
+
+Depois que o modelo for treinado, ele precisa ser exportado como um contêiner.
+
+1. Selecione a aba **Desempenho** e encontre sua iteração mais recente treinada usando o domínio compacto.
+
+1. Clique no botão **Exportar** no topo.
+
+1. Escolha **DockerFile** e selecione uma versão que corresponda ao seu dispositivo de borda:
+
+    * Se você estiver executando o IoT Edge em um computador Linux, Windows ou Máquina Virtual, selecione a versão *Linux*.
+    * Se você estiver executando o IoT Edge em um Raspberry Pi, selecione a versão *ARM (Raspberry Pi 3)*.
+
+> 🎓 O Docker é uma das ferramentas mais populares para gerenciar contêineres, e um DockerFile é um conjunto de instruções sobre como configurar o contêiner.
+
+1. Clique em **Exportar** para que o Custom Vision crie os arquivos relevantes e, em seguida, clique em **Baixar** para baixá-los em um arquivo zip.
+
+1. Salve os arquivos no seu computador e descompacte a pasta.
+
+## Preparar seu contêiner para implantação
+
+![Os contêineres são construídos, enviados para um registro de contêiner e, em seguida, implantados do registro para um dispositivo de borda usando o IoT Edge](../../../../../translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.br.png)
+
+Depois de baixar seu modelo, ele precisa ser transformado em um contêiner e enviado para um registro de contêiner - um local online onde você pode armazenar contêineres. O IoT Edge pode então baixar o contêiner do registro e enviá-lo para o seu dispositivo.
+
+![Logotipo do Azure Container Registry](../../../../../translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.br.png)
+
+O registro de contêiner que você usará nesta lição é o Azure Container Registry. Este não é um serviço gratuito, então, para economizar dinheiro, certifique-se de [limpar seu projeto](../../../clean-up.md) quando terminar.
+
+> 💁 Você pode ver os custos de usar um Azure Container Registry na [página de preços do Azure Container Registry](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn).
+
+### Tarefa - instalar o Docker
+
+Para construir e implantar o classificador, pode ser necessário instalar o [Docker](https://www.docker.com/).
+
+Você só precisará fazer isso se planejar construir seu contêiner em um dispositivo diferente daquele em que instalou o IoT Edge - como parte da instalação do IoT Edge, o Docker já é instalado para você.
+
+1. Se você estiver construindo o contêiner Docker em um dispositivo diferente do seu dispositivo IoT Edge, siga as instruções de instalação do Docker na [página de instalação do Docker](https://www.docker.com/products/docker-desktop) para instalar o Docker Desktop ou o Docker Engine. Certifique-se de que ele esteja em execução após a instalação.
+
+### Tarefa - criar um recurso de registro de contêiner
+
+1. Execute o seguinte comando no seu Terminal ou prompt de comando para criar um recurso Azure Container Registry:
+
+    ```sh
+    az acr create --resource-group fruit-quality-detector \
+                  --sku Basic \
+                  --name <Container registry name>
+    ```
+
+    Substitua `<Container registry name>` por um nome único para o seu registro de contêiner, usando apenas letras e números. Baseie-se em `fruitqualitydetector`. Este nome se tornará parte da URL para acessar o registro de contêiner, então precisa ser globalmente único.
+
+1. Faça login no Azure Container Registry com o seguinte comando:
+
+    ```sh
+    az acr login --name <Container registry name>
+    ```
+
+    Substitua `<Container registry name>` pelo nome que você usou para o seu registro de contêiner.
+
+1. Ative o modo administrador no registro de contêiner para gerar uma senha com o seguinte comando:
+
+    ```sh
+    az acr update --admin-enabled true \
+                 --name <Container registry name>
+    ```
+
+    Substitua `<Container registry name>` pelo nome que você usou para o seu registro de contêiner.
+
+1. Gere senhas para o seu registro de contêiner com o seguinte comando:
+
+    ```sh
+     az acr credential renew --password-name password \
+                             --output table \
+                             --name <Container registry name>
+    ```
+
+    Substitua `<Container registry name>` pelo nome que você usou para o seu registro de contêiner.
+
+    Copie o valor de `PASSWORD`, pois você precisará dele mais tarde.
+
+### Tarefa - construir seu contêiner
+
+O que você baixou do Custom Vision foi um DockerFile contendo instruções sobre como o contêiner deve ser construído, junto com o código do aplicativo que será executado dentro do contêiner para hospedar seu modelo Custom Vision, além de uma API REST para chamá-lo. Você pode usar o Docker para construir um contêiner com uma tag a partir do DockerFile e, em seguida, enviá-lo para o seu registro de contêiner.
+
+> 🎓 Os contêineres recebem uma tag que define um nome e uma versão para eles. Quando você precisa atualizar um contêiner, pode construí-lo com a mesma tag, mas com uma versão mais recente.
+
+1. Abra seu terminal ou prompt de comando e navegue até o modelo descompactado que você baixou do Custom Vision.
+
+1. Execute o seguinte comando para construir e marcar a imagem:
+
+    ```sh
+    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
+    ```
+
+    Substitua `<platform>` pela plataforma em que este contêiner será executado. Se você estiver executando o IoT Edge em um Raspberry Pi, defina como `linux/armhf`, caso contrário, defina como `linux/amd64`.
+
+    > 💁 Se você estiver executando este comando no dispositivo em que está executando o IoT Edge, como no seu Raspberry Pi, pode omitir a parte `--platform <platform>`, pois ela será definida automaticamente para a plataforma atual.
+
+    Substitua `<Container registry name>` pelo nome que você usou para o seu registro de contêiner.
+
+    > 💁 Se você estiver usando Linux ou Raspberry Pi OS, pode ser necessário usar `sudo` para executar este comando.
+
+    O Docker construirá a imagem, configurando todo o software necessário. A imagem será então marcada como `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
+    ```
+
+### Tarefa - enviar seu contêiner para o registro de contêiner
+
+1. Use o seguinte comando para enviar seu contêiner para o registro de contêiner:
+
+    ```sh
+    docker push <Container registry name>.azurecr.io/classifier:v1
+    ```
+
+    Substitua `<Container registry name>` pelo nome que você usou para o seu registro de contêiner.
+
+    > 💁 Se você estiver usando Linux, pode ser necessário usar `sudo` para executar este comando.
+
+    O contêiner será enviado para o registro de contêiner.
+
+    ```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. Para verificar o envio, você pode listar os contêineres no seu registro com o seguinte comando:
+
+    ```sh
+    az acr repository list --output table \
+                           --name <Container registry name> 
+    ```
+
+    Substitua `<Container registry name>` pelo nome que você usou para o seu registro de contêiner.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
+    Result
+    ----------
+    classifier
+    ```
+
+    Você verá seu classificador listado na saída.
+
+## Implantar seu contêiner
+
+Agora seu contêiner pode ser implantado no seu dispositivo IoT Edge. Para implantar, você precisa definir um manifesto de implantação - um documento JSON que lista os módulos que serão implantados no dispositivo de borda.
+
+### Tarefa - criar o manifesto de implantação
+
+1. Crie um novo arquivo chamado `deployment.json` em algum lugar no seu computador.
+
+1. Adicione o seguinte a este arquivo:
+
+    ```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
+                        }
+                    }
+                }
+            }
+        }
+    }
+    ```
+
+    > 💁 Você pode encontrar este arquivo na pasta [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment).
+
+    Substitua as três instâncias de `<Container registry name>` pelo nome que você usou para o seu registro de contêiner. Uma está na seção do módulo `ImageClassifier`, as outras duas estão na seção `registryCredentials`.
+
+    Substitua `<Container registry password>` na seção `registryCredentials` pela senha do seu registro de contêiner.
+
+1. A partir da pasta que contém seu manifesto de implantação, execute o seguinte comando:
+
+    ```sh
+    az iot edge set-modules --device-id fruit-quality-detector-edge \
+                            --content deployment.json \
+                            --hub-name <hub_name>
+    ```
+
+    Substitua `<hub_name>` pelo nome do seu IoT Hub.
+
+    O módulo do classificador de imagens será implantado no seu dispositivo de borda.
+
+### Tarefa - verificar se o classificador está em execução
+
+1. Conecte-se ao dispositivo IoT Edge:
+
+    * Se você estiver usando um Raspberry Pi para executar o IoT Edge, conecte-se usando ssh a partir do seu terminal ou via uma sessão remota SSH no VS Code.
+    * Se você estiver executando o IoT Edge em um contêiner Linux no Windows, siga as etapas no [guia de verificação de configuração bem-sucedida](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) para se conectar ao dispositivo IoT Edge.
+    * Se você estiver executando o IoT Edge em uma máquina virtual, pode fazer SSH na máquina usando o `adminUsername` e `password` que configurou ao criar a VM, e usando o endereço IP ou nome DNS:
+
+        ```sh
+        ssh <adminUsername>@<IP address>
+        ```
+
+        Ou:
+
+        ```sh
+        ssh <adminUsername>@<DNS Name>
+        ```
+
+        Insira sua senha quando solicitado.
+
+1. Depois de conectado, execute o seguinte comando para obter a lista de módulos do IoT Edge:
+
+    ```sh
+    iotedge list
+    ```
+
+    > 💁 Pode ser necessário executar este comando com `sudo`.
+
+    Você verá os módulos em execução:
+
+    ```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. Verifique os logs do módulo do classificador de imagens com o seguinte comando:
+
+    ```sh
+    iotedge logs ImageClassifier
+    ```
+
+    > 💁 Pode ser necessário executar este comando com `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)
+    ```
+
+### Tarefa - testar o classificador de imagens
+
+1. Você pode usar o CURL para testar o classificador de imagens usando o endereço IP ou nome do host do computador que está executando o agente IoT Edge. Encontre o endereço IP:
+
+    * Se você estiver no mesmo computador que está executando o IoT Edge, pode usar `localhost` como nome do host.
+    * Se você estiver usando uma VM, pode usar o endereço IP ou o nome DNS da VM.
+    * Caso contrário, você pode obter o endereço IP do computador que está executando o IoT Edge:
+      * No Windows 10, siga o [guia para encontrar seu endereço IP](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn).
+      * No macOS, siga o [guia para encontrar seu endereço IP em um Mac](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac).
+      * No Linux, siga a seção sobre como encontrar seu endereço IP privado no [guia para encontrar seu endereço IP no Linux](https://opensource.com/article/18/5/how-find-ip-address-linux).
+
+1. Você pode testar o contêiner com um arquivo local executando o seguinte comando curl:
+
+    ```sh
+    curl --location \
+         --request POST 'http://<IP address or name>/image' \
+         --header 'Content-Type: image/png' \
+         --data-binary '@<file_Name>' 
+    ```
+
+    Substitua `<IP address or name>` pelo endereço IP ou nome do host do computador que está executando o IoT Edge. Substitua `<file_Name>` pelo nome do arquivo a ser testado.
+
+    Você verá os resultados da previsão na saída:
+
+    ```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": ""
+    }
+    ```
+
+    > 💁 Não é necessário fornecer uma chave de previsão aqui, pois isso não está usando um recurso do Azure. Em vez disso, a segurança seria configurada na rede interna com base nas necessidades de segurança internas, em vez de depender de um endpoint público e uma chave de API.
+
+## Usar seu dispositivo IoT Edge
+
+Agora que seu Classificador de Imagens foi implantado em um dispositivo IoT Edge, você pode usá-lo a partir do seu dispositivo IoT.
+
+### Tarefa - usar seu dispositivo IoT Edge
+
+Siga o guia relevante para classificar imagens usando o classificador IoT Edge:
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo IoT Virtual](single-board-computer.md)
+
+### Reentreinamento do modelo
+
+Uma das desvantagens de executar classificadores de imagens no IoT Edge é que eles não estão conectados ao seu projeto Custom Vision. Se você olhar na aba **Predictions** no Custom Vision, não verá as imagens que foram classificadas usando o classificador baseado em Edge.
+
+Este é o comportamento esperado - as imagens não são enviadas para a nuvem para classificação, então não estarão disponíveis na nuvem. Uma das vantagens de usar o IoT Edge é a privacidade, garantindo que as imagens não saiam da sua rede. Outra vantagem é poder trabalhar offline, sem depender de upload de imagens quando o dispositivo não tem conexão com a internet. A desvantagem é melhorar seu modelo - você precisaria implementar outra forma de armazenar imagens que possam ser reclassificadas manualmente para melhorar e reentreinar o classificador de imagens.
+
+✅ Pense em maneiras de fazer upload de imagens para reentreinar o classificador.
+
+---
+
+## 🚀 Desafio
+
+Executar modelos de IA em dispositivos de borda pode ser mais rápido do que na nuvem - o salto de rede é menor. Eles também podem ser mais lentos, pois o hardware que executa o modelo pode não ser tão poderoso quanto o da nuvem.
+
+Faça medições de tempo e compare se a chamada para o seu dispositivo de borda é mais rápida ou mais lenta do que a chamada para a nuvem. Pense em razões para explicar a diferença, ou a falta dela. Pesquise maneiras de executar modelos de IA mais rapidamente na borda usando hardware especializado.
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
+
+## Revisão e Autoestudo
+
+* Leia mais sobre contêineres na [página de virtualização em nível de sistema operacional na Wikipedia](https://wikipedia.org/wiki/OS-level_virtualization).
+* Leia mais sobre computação de borda, com ênfase em como o 5G pode ajudar a expandir a computação de borda no [artigo "o que é computação de borda e por que ela é importante?" no NetworkWorld](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html)
+* Saiba mais sobre como executar serviços de IA no IoT Edge assistindo ao [episódio "aprenda a usar o Azure IoT Edge em um serviço de IA pré-construído na borda para realizar detecção de idioma" do Learn Live no 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)
+
+## Tarefa
+
+[Execute outros serviços na borda](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
new file mode 100644
index 00000000..2dd7241a
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
+  "translation_date": "2025-08-28T02:45:47+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
+  "language_code": "br"
+}
+-->
+# Execute outros serviços na borda
+
+## Instruções
+
+Não são apenas classificadores de imagens que podem ser executados na borda; qualquer coisa que possa ser empacotada em um contêiner pode ser implantada em um dispositivo IoT Edge. Código sem servidor executado como Azure Functions, como os gatilhos que você criou em lições anteriores, pode ser executado em contêineres e, portanto, na IoT Edge.
+
+Escolha uma das lições anteriores e tente executar o aplicativo Azure Functions em um contêiner IoT Edge. Você pode encontrar um guia que mostra como fazer isso usando um projeto de aplicativo Functions diferente no [Tutorial: Implantar Azure Functions como módulos IoT Edge na documentação da Microsoft](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11).
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Implantar um aplicativo Azure Functions no IoT Edge | Conseguiu implantar um aplicativo Azure Functions no IoT Edge e usá-lo com um dispositivo IoT para executar um gatilho a partir de dados IoT | Conseguiu implantar um aplicativo Functions no IoT Edge, mas não conseguiu fazer o gatilho funcionar | Não conseguiu implantar um aplicativo Functions no IoT Edge |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
new file mode 100644
index 00000000..fd39ef1e
--- /dev/null
+++ b/translations/br/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": "2025-08-28T02:46:02+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
+  "language_code": "br"
+}
+-->
+# Classifique uma imagem usando um classificador de imagens baseado em IoT Edge - Hardware Virtual de IoT e Raspberry Pi
+
+Nesta parte da lição, você usará o Classificador de Imagens executado no dispositivo IoT Edge.
+
+## Use o classificador IoT Edge
+
+O dispositivo IoT pode ser redirecionado para usar o classificador de imagens do IoT Edge. A URL para o Classificador de Imagens é `http://<IP address or name>/image`, substituindo `<IP address or name>` pelo endereço IP ou nome do host do computador que está executando o IoT Edge.
+
+A biblioteca Python para o Custom Vision funciona apenas com modelos hospedados na nuvem, e não com modelos hospedados no IoT Edge. Isso significa que você precisará usar a API REST para chamar o classificador.
+
+### Tarefa - usar o classificador IoT Edge
+
+1. Abra o projeto `fruit-quality-detector` no VS Code, caso ainda não esteja aberto. Se você estiver usando um dispositivo IoT virtual, certifique-se de que o ambiente virtual está ativado.
+
+1. Abra o arquivo `app.py` e remova as declarações de importação de `azure.cognitiveservices.vision.customvision.prediction` e `msrest.authentication`.
+
+1. Adicione a seguinte importação no início do arquivo:
+
+    ```python
+    import requests
+    ```
+
+1. Exclua todo o código após a imagem ser salva em um arquivo, a partir de `image_file.write(image.read())` até o final do arquivo.
+
+1. Adicione o seguinte código ao final do arquivo:
+
+    ```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}%')
+    ```
+
+    Substitua `<URL>` pela URL do seu classificador.
+
+    Este código faz uma solicitação REST POST ao classificador, enviando a imagem como o corpo da solicitação. Os resultados são retornados como JSON, que é decodificado para exibir as probabilidades.
+
+1. Execute seu código, apontando sua câmera para alguma fruta, ou usando um conjunto de imagens apropriado, ou frutas visíveis na sua webcam, caso esteja utilizando hardware virtual de IoT. Você verá a saída no console:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) ou [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device).
+
+😀 Seu programa de classificação de qualidade de frutas foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
new file mode 100644
index 00000000..883f1019
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
@@ -0,0 +1,115 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "24dc783a600e20251211987b36370e93",
+  "translation_date": "2025-08-28T02:45:17+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
+  "language_code": "br"
+}
+-->
+# Criar uma máquina virtual executando IoT Edge
+
+No Azure, você pode criar uma máquina virtual - um computador na nuvem que você pode configurar da maneira que desejar e executar seu próprio software nele.
+
+> 💁 Você pode ler mais sobre máquinas virtuais na [página de Máquina Virtual na Wikipedia](https://wikipedia.org/wiki/Virtual_machine).
+
+## Tarefa - Configurar uma máquina virtual IoT Edge
+
+1. Execute o seguinte comando para criar uma VM que já tenha o Azure IoT Edge pré-instalado:
+
+    ```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>"
+    ```
+
+    Substitua `<vm_name>` por um nome para esta máquina virtual. Este nome precisa ser globalmente único, então use algo como `fruit-quality-detector-vm-` com seu nome ou outro valor no final.
+
+    Substitua `<username>` e `<password>` por um nome de usuário e senha para usar ao fazer login na VM. Estes precisam ser relativamente seguros, então você não pode usar admin/password.
+
+    Substitua `<connection_string>` pela string de conexão do seu dispositivo IoT Edge `fruit-quality-detector-edge`.
+
+    Isso criará uma VM configurada como uma máquina virtual `DS1 v2`. Essas categorias indicam o quão poderosa é a máquina e, consequentemente, quanto ela custa. Esta VM possui 1 CPU e 3,5GB de RAM.
+
+    > 💰 Você pode ver os preços atuais dessas VMs no [guia de preços de Máquinas Virtuais do Azure](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn)
+
+    Assim que a VM for criada, o runtime do IoT Edge será instalado automaticamente e configurado para se conectar ao seu IoT Hub como seu dispositivo `fruit-quality-detector-edge`.
+
+1. Você precisará do endereço IP ou do nome DNS da VM para chamar o classificador de imagens a partir dela. Execute o seguinte comando para obter isso:
+
+    ```sh
+    az vm list --resource-group fruit-quality-detector \
+               --output table \
+               --show-details
+    ```
+
+    Copie o valor do campo `PublicIps` ou do campo `Fqdns`.
+
+1. VMs têm custo. No momento da redação, uma VM DS1 custa cerca de $0,06 por hora. Para reduzir os custos, você deve desligar a VM quando não estiver usando e excluí-la quando terminar este projeto.
+
+    Você pode configurar sua VM para desligar automaticamente em um horário específico todos os dias. Isso significa que, se você esquecer de desligá-la, não será cobrado por mais tempo do que até o desligamento automático. Use o seguinte comando para configurar isso:
+
+    ```sh
+    az vm auto-shutdown --resource-group fruit-quality-detector \
+                        --name <vm_name> \
+                        --time <shutdown_time_utc>
+    ```
+
+    Substitua `<vm_name>` pelo nome da sua máquina virtual.
+
+    Substitua `<shutdown_time_utc>` pelo horário UTC em que você deseja que a VM seja desligada, usando 4 dígitos no formato HHMM. Por exemplo, se você quiser desligar à meia-noite UTC, defina como `0000`. Para 19:30 na costa oeste dos EUA, use 0230 (19:30 na costa oeste dos EUA é 2:30 UTC).
+
+1. Seu classificador de imagens estará sendo executado neste dispositivo edge, ouvindo na porta 80 (a porta padrão HTTP). Por padrão, máquinas virtuais têm portas de entrada bloqueadas, então você precisará habilitar a porta 80. As portas são habilitadas em grupos de segurança de rede, então primeiro você precisa saber o nome do grupo de segurança de rede da sua VM, que pode ser encontrado com o seguinte comando:
+
+    ```sh
+    az network nsg list --resource-group fruit-quality-detector \
+                        --output table
+    ```
+
+    Copie o valor do campo `Name`.
+
+1. Execute o seguinte comando para adicionar uma regra que abra a porta 80 no grupo de segurança de rede:
+
+    ```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>
+    ```
+
+    Substitua `<nsg name>` pelo nome do grupo de segurança de rede obtido na etapa anterior.
+
+### Tarefa - gerenciar sua VM para reduzir custos
+
+1. Quando você não estiver usando sua VM, deve desligá-la. Para desligar a VM, use o seguinte comando:
+
+    ```sh
+    az vm deallocate --resource-group fruit-quality-detector \
+                     --name <vm_name>
+    ```
+
+    Substitua `<vm_name>` pelo nome da sua máquina virtual.
+
+    > 💁 Existe um comando `az vm stop` que irá parar a VM, mas ele mantém o computador alocado para você, então você ainda paga como se ela estivesse funcionando.
+
+1. Para reiniciar a VM, use o seguinte comando:
+
+    ```sh
+    az vm start --resource-group fruit-quality-detector \
+                --name <vm_name>
+    ```
+
+    Substitua `<vm_name>` pelo nome da sua máquina virtual.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
new file mode 100644
index 00000000..d0ee75b0
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
@@ -0,0 +1,66 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
+  "translation_date": "2025-08-28T02:46:28+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
+  "language_code": "br"
+}
+-->
+# Classifique uma imagem usando um classificador de imagens baseado em IoT Edge - Wio Terminal
+
+Nesta parte da lição, você usará o Classificador de Imagens executando no dispositivo IoT Edge.
+
+## Use o classificador IoT Edge
+
+O dispositivo IoT pode ser redirecionado para usar o classificador de imagens do IoT Edge. A URL para o Classificador de Imagens é `http://<IP address or name>/image`, substituindo `<IP address or name>` pelo endereço IP ou nome do host do computador que está executando o IoT Edge.
+
+### Tarefa - usar o classificador IoT Edge
+
+1. Abra o projeto do aplicativo `fruit-quality-detector` caso ele ainda não esteja aberto.
+
+1. O classificador de imagens está sendo executado como uma API REST usando HTTP, não HTTPS, então a chamada precisa usar um cliente WiFi que funcione apenas com chamadas HTTP. Isso significa que o certificado não é necessário. Exclua o `CERTIFICATE` do arquivo `config.h`.
+
+1. A URL de previsão no arquivo `config.h` precisa ser atualizada para a nova URL. Você também pode excluir o `PREDICTION_KEY`, pois ele não é necessário.
+
+    ```cpp
+    const char *PREDICTION_URL = "<URL>";
+    ```
+
+    Substitua `<URL>` pela URL do seu classificador.
+
+1. No arquivo `main.cpp`, altere a diretiva de inclusão do WiFi Client Secure para importar a versão padrão HTTP:
+
+    ```cpp
+    #include <WiFiClient.h>
+    ```
+
+1. Altere a declaração de `WiFiClient` para ser a versão HTTP:
+
+    ```cpp
+    WiFiClient client;
+    ```
+
+1. Localize a linha que define o certificado no cliente WiFi. Remova a linha `client.setCACert(CERTIFICATE);` da função `connectWiFi`.
+
+1. Na função `classifyImage`, remova a linha `httpClient.addHeader("Prediction-Key", PREDICTION_KEY);` que define a chave de previsão no cabeçalho.
+
+1. Faça o upload e execute seu código. Aponte a câmera para alguma fruta e pressione o botão C. Você verá a saída no monitor serial:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal).
+
+😀 Seu programa de classificação de qualidade de frutas foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
new file mode 100644
index 00000000..6719f8b8
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
@@ -0,0 +1,233 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
+  "translation_date": "2025-08-28T02:38:48+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
+  "language_code": "br"
+}
+-->
+# Acionar a detecção de qualidade de frutas a partir de um sensor
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
+
+## Introdução
+
+Uma aplicação de IoT não é apenas um único dispositivo capturando dados e enviando-os para a nuvem. Na maioria das vezes, envolve múltiplos dispositivos trabalhando juntos para capturar dados do mundo físico usando sensores, tomar decisões com base nesses dados e interagir de volta com o mundo físico por meio de atuadores ou visualizações.
+
+Nesta lição, você aprenderá mais sobre como arquitetar aplicações complexas de IoT, incorporando múltiplos sensores, diversos serviços na nuvem para analisar e armazenar dados, e exibindo uma resposta por meio de um atuador. Você aprenderá a projetar um protótipo de sistema de controle de qualidade de frutas, incluindo o uso de sensores de proximidade para acionar a aplicação de IoT e como seria a arquitetura desse protótipo.
+
+Nesta lição, abordaremos:
+
+* [Arquitetar aplicações complexas de IoT](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Projetar um sistema de controle de qualidade de frutas](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Acionar a verificação de qualidade de frutas a partir de um sensor](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Dados usados para um detector de qualidade de frutas](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Usar dispositivos de desenvolvedor para simular múltiplos dispositivos IoT](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Migrar para produção](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+
+> 🗑 Esta é a última lição deste projeto, então, após concluir esta lição e o exercício, não se esqueça de limpar seus serviços na nuvem. Você precisará dos serviços para concluir o exercício, então certifique-se de completá-lo primeiro.
+>
+> Consulte [o guia de limpeza do projeto](../../../clean-up.md) se necessário para obter instruções sobre como fazer isso.
+
+## Arquitetar aplicações complexas de IoT
+
+As aplicações de IoT são compostas por muitos componentes. Isso inclui uma variedade de dispositivos e serviços de internet.
+
+As aplicações de IoT podem ser descritas como *coisas* (dispositivos) enviando dados que geram *insights*. Esses *insights* geram *ações* para melhorar um negócio ou processo. Um exemplo é um motor (a coisa) enviando dados de temperatura. Esses dados são usados para avaliar se o motor está funcionando como esperado (o insight). O insight é usado para priorizar proativamente o cronograma de manutenção do motor (a ação).
+
+* Diferentes dispositivos coletam diferentes tipos de dados.
+* Os serviços de IoT fornecem insights sobre esses dados, às vezes complementando-os com dados de fontes adicionais.
+* Esses insights geram ações, incluindo o controle de atuadores em dispositivos ou a visualização de dados.
+
+### Arquitetura de referência para IoT
+
+![Uma arquitetura de referência para IoT](../../../../../translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.br.png)
+
+O diagrama acima mostra uma arquitetura de referência para IoT.
+
+> 🎓 Uma *arquitetura de referência* é um exemplo de arquitetura que você pode usar como referência ao projetar novos sistemas. Neste caso, se você estivesse construindo um novo sistema de IoT, poderia seguir a arquitetura de referência, substituindo seus próprios dispositivos e serviços conforme necessário.
+
+* **Coisas** são dispositivos que coletam dados de sensores, talvez interagindo com serviços de borda para interpretar esses dados, como classificadores de imagem para interpretar dados de imagem. Os dados dos dispositivos são enviados para um serviço de IoT.
+* **Insights** vêm de aplicações serverless ou de análises realizadas em dados armazenados.
+* **Ações** podem ser comandos enviados para dispositivos ou visualizações de dados que permitem que humanos tomem decisões.
+
+![Uma arquitetura de referência para IoT no Azure](../../../../../translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.br.png)
+
+O diagrama acima mostra alguns dos componentes e serviços abordados até agora nestas lições e como eles se conectam em uma arquitetura de referência para IoT.
+
+* **Coisas** - você escreveu código para dispositivos capturarem dados de sensores e analisarem imagens usando o Custom Vision, tanto na nuvem quanto em um dispositivo de borda. Esses dados foram enviados para o IoT Hub.
+* **Insights** - você usou Azure Functions para responder a mensagens enviadas para um IoT Hub e armazenou dados para análise posterior no Azure Storage.
+* **Ações** - você controlou atuadores com base em decisões tomadas na nuvem e comandos enviados para os dispositivos, e visualizou dados usando o Azure Maps.
+
+✅ Pense em outros dispositivos IoT que você já utilizou, como eletrodomésticos inteligentes. Quais são as coisas, insights e ações envolvidos nesses dispositivos e seus softwares?
+
+Esse padrão pode ser escalado para o tamanho necessário, adicionando mais dispositivos e mais serviços.
+
+### Dados e segurança
+
+Ao definir a arquitetura do seu sistema, é necessário considerar constantemente os dados e a segurança.
+
+* Quais dados seu dispositivo envia e recebe?
+* Como esses dados devem ser protegidos e mantidos seguros?
+* Como o acesso ao dispositivo e ao serviço na nuvem deve ser controlado?
+
+✅ Pense na segurança dos dados de qualquer dispositivo IoT que você possua. Quantos desses dados são pessoais e devem ser mantidos privados, tanto em trânsito quanto quando armazenados? Quais dados não devem ser armazenados?
+
+## Projetar um sistema de controle de qualidade de frutas
+
+Agora vamos aplicar a ideia de coisas, insights e ações ao nosso detector de qualidade de frutas para projetar uma aplicação maior de ponta a ponta.
+
+Imagine que você recebeu a tarefa de construir um detector de qualidade de frutas para ser usado em uma planta de processamento. As frutas viajam em um sistema de esteira onde, atualmente, funcionários gastam tempo verificando as frutas manualmente e removendo qualquer fruta não madura à medida que chegam. Para reduzir custos, o proprietário da planta deseja um sistema automatizado.
+
+✅ Uma das tendências com o aumento do uso de IoT (e da tecnologia em geral) é que trabalhos manuais estão sendo substituídos por máquinas. Faça uma pesquisa: Quantos empregos são estimados que serão perdidos devido ao IoT? Quantos novos empregos serão criados para construir dispositivos IoT?
+
+Você precisa construir um sistema onde as frutas sejam detectadas à medida que chegam na esteira, sejam fotografadas e verificadas usando um modelo de IA rodando na borda. Os resultados são então enviados para a nuvem para serem armazenados, e, se a fruta estiver não madura, uma notificação é enviada para que a fruta seja removida.
+
+|   |   |
+| - | - |
+| **Coisas** | Detector para frutas chegando na esteira<br>Câmera para fotografar e classificar as frutas<br>Dispositivo de borda rodando o classificador<br>Dispositivo para notificar sobre frutas não maduras |
+| **Insights** | Decidir verificar a maturidade da fruta<br>Armazenar os resultados da classificação de maturidade<br>Determinar se há necessidade de alertar sobre frutas não maduras |
+| **Ações** | Enviar um comando para um dispositivo fotografar a fruta e verificá-la com um classificador de imagem<br>Enviar um comando para um dispositivo alertar que a fruta está não madura |
+
+### Prototipando sua aplicação
+
+![Uma arquitetura de referência para IoT para verificação de qualidade de frutas](../../../../../translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.br.png)
+
+O diagrama acima mostra uma arquitetura de referência para esta aplicação protótipo.
+
+* Um dispositivo IoT com um sensor de proximidade detecta a chegada da fruta. Isso envia uma mensagem para a nuvem informando que uma fruta foi detectada.
+* Uma aplicação serverless na nuvem envia um comando para outro dispositivo tirar uma foto e classificá-la.
+* Um dispositivo IoT com uma câmera tira uma foto e a envia para um classificador de imagem rodando na borda. Os resultados são então enviados para a nuvem.
+* Uma aplicação serverless na nuvem armazena essas informações para serem analisadas posteriormente, a fim de verificar a porcentagem de frutas não maduras. Se a fruta estiver não madura, ela envia um comando para outro dispositivo IoT alertar os trabalhadores da fábrica sobre a fruta não madura por meio de um LED.
+
+> 💁 Toda essa aplicação de IoT poderia ser implementada como um único dispositivo, com toda a lógica para iniciar a classificação de imagem e controlar o LED embutida. Poderia usar um IoT Hub apenas para rastrear o número de frutas não maduras detectadas e configurar o dispositivo. Nesta lição, ela é expandida para demonstrar os conceitos para aplicações de IoT em larga escala.
+
+Para o protótipo, você implementará tudo isso em um único dispositivo. Se estiver usando um microcontrolador, você usará um dispositivo de borda separado para rodar o classificador de imagem. Você já aprendeu a maioria das coisas que precisará para construir isso.
+
+## Acionar a verificação de qualidade de frutas a partir de um sensor
+
+O dispositivo IoT precisa de algum tipo de gatilho para indicar quando a fruta está pronta para ser classificada. Um desses gatilhos seria medir quando a fruta está na posição correta na esteira, medindo a distância até um sensor.
+
+![Sensores de proximidade enviam feixes de laser para objetos como bananas e medem o tempo até o feixe ser refletido de volta](../../../../../translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.br.png)
+
+Sensores de proximidade podem ser usados para medir a distância entre o sensor e um objeto. Eles geralmente transmitem um feixe de radiação eletromagnética, como um feixe de laser ou luz infravermelha, e detectam a radiação refletida por um objeto. O tempo entre o envio do feixe e o sinal refletido pode ser usado para calcular a distância até o sensor.
+
+> 💁 Você provavelmente já usou sensores de proximidade sem nem perceber. A maioria dos smartphones desliga a tela quando você os aproxima do ouvido para evitar encerrar uma chamada acidentalmente com o lóbulo da orelha. Isso funciona com um sensor de proximidade, que detecta um objeto próximo à tela durante uma chamada e desativa as capacidades de toque até que o telefone esteja a uma certa distância.
+
+### Tarefa - acionar a detecção de qualidade de frutas a partir de um sensor de distância
+
+Siga o guia relevante para usar um sensor de proximidade para detectar um objeto usando seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-proximity.md)
+* [Computador de placa única - Raspberry Pi](pi-proximity.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-proximity.md)
+
+## Dados usados para um detector de qualidade de frutas
+
+O protótipo do detector de frutas possui múltiplos componentes que se comunicam entre si.
+
+![Os componentes se comunicando entre si](../../../../../translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.br.png)
+
+* Um sensor de proximidade medindo a distância até uma fruta e enviando isso para o IoT Hub
+* O comando para controlar a câmera vindo do IoT Hub para o dispositivo da câmera
+* Os resultados da classificação de imagem sendo enviados para o IoT Hub
+* O comando para controlar um LED para alertar quando a fruta está não madura sendo enviado do IoT Hub para o dispositivo com o LED
+
+É uma boa prática definir a estrutura dessas mensagens desde o início, antes de construir a aplicação.
+
+> 💁 Praticamente todo desenvolvedor experiente já passou horas, dias ou até semanas rastreando bugs causados por diferenças nos dados enviados em comparação com o que era esperado.
+
+Por exemplo - se você está enviando informações de temperatura, como você definiria o JSON? Você poderia ter um campo chamado `temperature`, ou poderia usar a abreviação comum `temp`.
+
+```json
+{
+    "temperature": 20.7
+}
+```
+
+comparado a:
+
+```json
+{
+    "temp": 20.7
+}
+```
+
+Você também precisa considerar as unidades - a temperatura está em °C ou °F? Se você estiver medindo a temperatura usando um dispositivo de consumidor e ele mudar as unidades exibidas, é necessário garantir que as unidades enviadas para a nuvem permaneçam consistentes.
+
+✅ Faça uma pesquisa: Como problemas com unidades causaram o acidente do Mars Climate Orbiter, que custou 125 milhões de dólares?
+
+Pense nos dados sendo enviados para o detector de qualidade de frutas. Como você definiria cada mensagem? Onde você analisaria os dados e tomaria decisões sobre quais dados enviar?
+
+Por exemplo - acionando a classificação de imagem usando o sensor de proximidade. O dispositivo IoT mede a distância, mas onde a decisão é tomada? O dispositivo decide que a fruta está próxima o suficiente e envia uma mensagem para informar o IoT Hub para acionar a classificação? Ou ele envia medições de proximidade e deixa o IoT Hub decidir?
+
+A resposta para perguntas como essa é - depende. Cada caso de uso é diferente, por isso, como desenvolvedor de IoT, você precisa entender o sistema que está construindo, como ele é usado e os dados sendo detectados.
+
+* Se a decisão for tomada pelo IoT Hub, você precisará enviar múltiplas medições de distância.
+* Se você enviar muitas mensagens, isso aumenta o custo do IoT Hub e a quantidade de largura de banda necessária pelos seus dispositivos IoT (especialmente em uma fábrica com milhões de dispositivos). Também pode desacelerar seu dispositivo.
+* Se você tomar a decisão no dispositivo, será necessário fornecer uma maneira de configurar o dispositivo para ajustar a máquina.
+
+## Usar dispositivos de desenvolvedor para simular múltiplos dispositivos IoT
+
+Para construir seu protótipo, você precisará que seu kit de desenvolvimento IoT atue como múltiplos dispositivos, enviando telemetria e respondendo a comandos.
+
+### Simulando múltiplos dispositivos IoT em um Raspberry Pi ou hardware IoT virtual
+
+Ao usar um computador de placa única como um Raspberry Pi, você pode executar múltiplas aplicações ao mesmo tempo. Isso significa que você pode simular múltiplos dispositivos IoT criando múltiplas aplicações, uma para cada 'dispositivo IoT'. Por exemplo, você pode implementar cada dispositivo como um arquivo Python separado e executá-los em diferentes sessões de terminal.
+> 💁 Esteja ciente de que alguns hardwares não funcionarão quando acessados por múltiplos aplicativos sendo executados simultaneamente.
+### Simulando múltiplos dispositivos em um microcontrolador
+
+Microcontroladores são mais complicados para simular múltiplos dispositivos. Diferente de computadores de placa única, você não pode executar várias aplicações ao mesmo tempo; é necessário incluir toda a lógica para todos os dispositivos IoT separados em uma única aplicação.
+
+Algumas sugestões para tornar esse processo mais fácil são:
+
+* Crie uma ou mais classes para cada dispositivo IoT - por exemplo, classes chamadas `DistanceSensor`, `ClassifierCamera`, `LEDController`. Cada uma pode ter seus próprios métodos `setup` e `loop`, chamados pelas funções principais `setup` e `loop`.
+* Gerencie os comandos em um único lugar e direcione-os para a classe do dispositivo relevante, conforme necessário.
+* Na função principal `loop`, você precisará considerar o tempo de execução para cada dispositivo diferente. Por exemplo, se você tem uma classe de dispositivo que precisa ser processada a cada 10 segundos e outra que precisa ser processada a cada 1 segundo, então na sua função principal `loop` use um atraso de 1 segundo. Cada chamada de `loop` aciona o código relevante para o dispositivo que precisa ser processado a cada segundo, e use um contador para contar cada loop, processando o outro dispositivo quando o contador atingir 10 (reiniciando o contador depois disso).
+
+## Passando para produção
+
+O protótipo será a base de um sistema final de produção. Algumas das diferenças ao passar para produção seriam:
+
+* Componentes robustos - usar hardware projetado para suportar ruídos, calor, vibração e estresse de uma fábrica.
+* Uso de comunicações internas - alguns dos componentes se comunicariam diretamente, evitando o envio para a nuvem, enviando dados para a nuvem apenas para armazenamento. Como isso é feito depende da configuração da fábrica, seja por comunicações diretas ou executando parte do serviço IoT na borda usando um dispositivo gateway.
+* Opções de configuração - cada fábrica e caso de uso é diferente, então o hardware precisaria ser configurável. Por exemplo, o sensor de proximidade pode precisar detectar diferentes frutas a diferentes distâncias. Em vez de codificar a distância para acionar a classificação, você gostaria que isso fosse configurável via nuvem, por exemplo, usando um device twin.
+* Remoção automatizada de frutas - em vez de um LED para alertar que a fruta está verde, dispositivos automatizados fariam a remoção.
+
+✅ Faça uma pesquisa: De que outras formas os dispositivos de produção diferem dos kits de desenvolvimento?
+
+---
+
+## 🚀 Desafio
+
+Nesta lição, você aprendeu alguns dos conceitos necessários para arquitetar um sistema IoT. Pense nos projetos anteriores. Como eles se encaixam na arquitetura de referência mostrada acima?
+
+Escolha um dos projetos feitos até agora e pense no design de uma solução mais complexa, reunindo múltiplas capacidades além do que foi abordado nos projetos. Desenhe a arquitetura e pense em todos os dispositivos e serviços que você precisaria.
+
+Por exemplo - um dispositivo de rastreamento de veículos que combina GPS com sensores para monitorar coisas como temperaturas em um caminhão refrigerado, os tempos de ligar e desligar o motor e a identidade do motorista. Quais são os dispositivos envolvidos, os serviços envolvidos, os dados sendo transmitidos e as considerações de segurança e privacidade?
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
+
+## Revisão e Autoestudo
+
+* Leia mais sobre arquitetura IoT na [documentação de arquitetura de referência do Azure IoT nos Microsoft docs](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn)
+* Leia mais sobre device twins na [documentação sobre entender e usar device twins no IoT Hub nos Microsoft docs](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn)
+* Leia sobre OPC-UA, um protocolo de comunicação máquina a máquina usado na automação industrial, na [página sobre OPC-UA na Wikipedia](https://wikipedia.org/wiki/OPC_Unified_Architecture)
+
+## Tarefa
+
+[Construa um detector de qualidade de frutas](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
new file mode 100644
index 00000000..c42468a9
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
+  "translation_date": "2025-08-28T02:41:38+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
+  "language_code": "br"
+}
+-->
+# Construir um detector de qualidade de frutas
+
+## Instruções
+
+Construa o detector de qualidade de frutas!
+
+Utilize tudo o que você aprendeu até agora para criar o protótipo do detector de qualidade de frutas. Acione a classificação de imagens com base na proximidade usando um modelo de IA executado na borda, armazene os resultados da classificação em um armazenamento e controle um LED com base no grau de maturação da fruta.
+
+Você deve ser capaz de montar isso utilizando o código que escreveu anteriormente em todas as lições até agora.
+
+## Critérios de Avaliação
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Configurar todos os serviços | Foi capaz de configurar um IoT Hub, uma aplicação de funções do Azure e o armazenamento do Azure | Foi capaz de configurar o IoT Hub, mas não a aplicação de funções do Azure ou o armazenamento do Azure | Não conseguiu configurar nenhum serviço de IoT na internet |
+| Monitorar proximidade e enviar os dados para o IoT Hub se um objeto estiver mais próximo do que uma distância pré-definida e acionar a câmera via um comando | Foi capaz de medir a distância e enviar uma mensagem para o IoT Hub quando um objeto estava próximo o suficiente, e enviar um comando para acionar a câmera | Foi capaz de medir a proximidade e enviar para o IoT Hub, mas não conseguiu enviar um comando para a câmera | Não conseguiu medir a distância e enviar uma mensagem para o IoT Hub, ou acionar um comando |
+| Capturar uma imagem, classificá-la e enviar os resultados para o IoT Hub | Foi capaz de capturar uma imagem, classificá-la usando um dispositivo de borda e enviar os resultados para o IoT Hub | Foi capaz de classificar a imagem, mas não usando um dispositivo de borda, ou não conseguiu enviar os resultados para o IoT Hub | Não conseguiu classificar uma imagem |
+| Ligar ou desligar o LED dependendo dos resultados da classificação usando um comando enviado para um dispositivo | Foi capaz de ligar um LED via comando se a fruta estivesse verde | Foi capaz de enviar o comando para o dispositivo, mas não controlar o LED | Não conseguiu enviar um comando para controlar o LED |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
new file mode 100644
index 00000000..b09779e0
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
@@ -0,0 +1,118 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
+  "translation_date": "2025-08-28T02:40:37+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
+  "language_code": "br"
+}
+-->
+# Detectar proximidade - Raspberry Pi
+
+Nesta parte da lição, você adicionará um sensor de proximidade ao seu Raspberry Pi e lerá a distância dele.
+
+## Hardware
+
+O Raspberry Pi precisa de um sensor de proximidade.
+
+O sensor que você usará é um [sensor de distância Grove Time of Flight](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). Este sensor utiliza um módulo de medição a laser para detectar distância. Ele possui um alcance de 10mm a 2000mm (1cm - 2m) e reporta valores nesse intervalo com bastante precisão, sendo que distâncias acima de 1000mm são reportadas como 8109mm.
+
+O medidor de distância a laser está na parte traseira do sensor, no lado oposto ao conector Grove.
+
+Este é um sensor I²C.
+
+### Conectar o sensor Time of Flight
+
+O sensor Grove Time of Flight pode ser conectado ao Raspberry Pi.
+
+#### Tarefa - conectar o sensor Time of Flight
+
+Conecte o sensor Time of Flight.
+
+![Um sensor Grove Time of Flight](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.br.png)
+
+1. Insira uma extremidade de um cabo Grove no conector do sensor Time of Flight. Ele só encaixará de uma maneira.
+
+1. Com o Raspberry Pi desligado, conecte a outra extremidade do cabo Grove a um dos conectores I²C marcados como **I²C** no Grove Base Hat conectado ao Pi. Esses conectores estão na fileira inferior, no lado oposto aos pinos GPIO e próximos ao slot do cabo da câmera.
+
+![O sensor Grove Time of Flight conectado ao conector I²C](../../../../../translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.br.png)
+
+## Programar o sensor Time of Flight
+
+Agora o Raspberry Pi pode ser programado para usar o sensor Time of Flight conectado.
+
+### Tarefa - programar o sensor Time of Flight
+
+Programe o dispositivo.
+
+1. Ligue o Raspberry Pi e aguarde a inicialização.
+
+1. Abra o código `fruit-quality-detector` no VS Code, diretamente no Pi ou conectando via a extensão Remote SSH.
+
+1. Instale o pacote rpi-vl53l0x do Pip, um pacote Python que interage com o sensor de distância VL53L0X Time of Flight. Instale-o usando este comando pip:
+
+    ```sh
+    pip install rpi-vl53l0x
+    ```
+
+1. Crie um novo arquivo neste projeto chamado `distance-sensor.py`.
+
+    > 💁 Uma maneira fácil de simular vários dispositivos IoT é criar cada um em um arquivo Python diferente e executá-los ao mesmo tempo.
+
+1. Adicione o seguinte código a este arquivo:
+
+    ```python
+    import time
+    
+    from grove.i2c import Bus
+    from rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    Isso importa a biblioteca Grove I²C bus e uma biblioteca de sensor para o hardware principal integrado ao sensor Grove Time of Flight.
+
+1. Abaixo disso, adicione o seguinte código para acessar o sensor:
+
+    ```python
+    distance_sensor = VL53L0X(bus = Bus().bus)
+    distance_sensor.begin()    
+    ```
+
+    Este código declara um sensor de distância usando o barramento Grove I²C e, em seguida, inicia o sensor.
+
+1. Por fim, adicione um loop infinito para ler as distâncias:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    Este código aguarda um valor estar pronto para ser lido do sensor e, em seguida, o imprime no console.
+
+1. Execute este código.
+
+    > 💁 Não se esqueça de que este arquivo se chama `distance-sensor.py`! Certifique-se de executá-lo via Python, não `app.py`.
+
+1. Você verá as medições de distância aparecerem no console. Posicione objetos próximos ao sensor e verá a medição de distância:
+
+    ```output
+    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    O medidor de distância está na parte traseira do sensor, então certifique-se de usar o lado correto ao medir a distância.
+
+    ![O medidor de distância na parte traseira do sensor Time of Flight apontando para uma banana](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.br.png)
+
+> 💁 Você pode encontrar este código na pasta [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi).
+
+😀 Seu programa de sensor de proximidade foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
new file mode 100644
index 00000000..5ed01b7f
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
+  "translation_date": "2025-08-28T02:42:00+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
+  "language_code": "br"
+}
+-->
+# Detectar proximidade - Hardware IoT Virtual
+
+Nesta parte da lição, você adicionará um sensor de proximidade ao seu dispositivo IoT virtual e lerá a distância dele.
+
+## Hardware
+
+O dispositivo IoT virtual usará um sensor de distância simulado.
+
+Em um dispositivo IoT físico, você utilizaria um sensor com um módulo de medição a laser para detectar a distância.
+
+### Adicionar o sensor de distância ao CounterFit
+
+Para usar um sensor de distância virtual, você precisa adicionar um ao aplicativo CounterFit.
+
+#### Tarefa - adicionar o sensor de distância ao CounterFit
+
+Adicione o sensor de distância ao aplicativo CounterFit.
+
+1. Abra o código `fruit-quality-detector` no VS Code e certifique-se de que o ambiente virtual está ativado.
+
+1. Instale um pacote adicional do Pip para instalar um shim do CounterFit que pode se comunicar com sensores de distância simulando o pacote [rpi-vl53l0x Pip](https://pypi.org/project/rpi-vl53l0x/), um pacote Python que interage com [um sensor de distância VL53L0X baseado em tempo de voo](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/). Certifique-se de instalar isso a partir de um terminal com o ambiente virtual ativado.
+
+    ```sh
+    pip install counterfit-shims-rpi-vl53l0x
+    ```
+
+1. Certifique-se de que o aplicativo web CounterFit está em execução.
+
+1. Crie um sensor de distância:
+
+    1. Na caixa *Create sensor* no painel *Sensors*, abra o menu suspenso *Sensor type* e selecione *Distance*.
+
+    1. Deixe as *Units* como `Millimeter`.
+
+    1. Este sensor é um sensor I²C, então defina o endereço como `0x29`. Se você usasse um sensor físico VL53L0X, ele seria codificado para este endereço.
+
+    1. Selecione o botão **Add** para criar o sensor de distância.
+
+    ![As configurações do sensor de distância](../../../../../translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.br.png)
+
+    O sensor de distância será criado e aparecerá na lista de sensores.
+
+    ![O sensor de distância criado](../../../../../translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.br.png)
+
+## Programar o sensor de distância
+
+O dispositivo IoT virtual agora pode ser programado para usar o sensor de distância simulado.
+
+### Tarefa - programar o sensor de tempo de voo
+
+1. Crie um novo arquivo no projeto `fruit-quality-detector` chamado `distance-sensor.py`.
+
+    > 💁 Uma maneira fácil de simular vários dispositivos IoT é fazer cada um em um arquivo Python diferente e executá-los ao mesmo tempo.
+
+1. Inicie uma conexão com o CounterFit com o seguinte código:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Adicione o seguinte código abaixo disso:
+
+    ```python
+    import time
+    
+    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    Isso importa a biblioteca shim do sensor para o sensor de tempo de voo VL53L0X.
+
+1. Abaixo disso, adicione o seguinte código para acessar o sensor:
+
+    ```python
+    distance_sensor = VL53L0X()
+    distance_sensor.begin()
+    ```
+
+    Este código declara um sensor de distância e, em seguida, inicia o sensor.
+
+1. Por fim, adicione um loop infinito para ler as distâncias:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    Este código aguarda um valor estar pronto para ser lido do sensor e, em seguida, o imprime no console.
+
+1. Execute este código.
+
+    > 💁 Não se esqueça de que este arquivo se chama `distance-sensor.py`! Certifique-se de executá-lo via Python, não `app.py`.
+
+1. Você verá as medições de distância aparecerem no console. Altere o valor no CounterFit para ver este valor mudar ou use valores aleatórios.
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
+    Distance = 37 mm
+    Distance = 42 mm
+    Distance = 29 mm
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device).
+
+😀 Seu programa de sensor de proximidade foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
new file mode 100644
index 00000000..4349fb51
--- /dev/null
+++ b/translations/br/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
+  "translation_date": "2025-08-28T02:41:08+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
+  "language_code": "br"
+}
+-->
+# Detectar proximidade - Wio Terminal
+
+Nesta parte da lição, você adicionará um sensor de proximidade ao seu Wio Terminal e lerá a distância a partir dele.
+
+## Hardware
+
+O Wio Terminal precisa de um sensor de proximidade.
+
+O sensor que você usará é um [Grove Time of Flight distance sensor](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). Este sensor utiliza um módulo de medição a laser para detectar distâncias. Ele possui um alcance de 10mm a 2000mm (1cm - 2m) e reporta valores dentro desse intervalo com bastante precisão, sendo que distâncias acima de 1000mm são reportadas como 8109mm.
+
+O medidor de distância a laser está localizado na parte traseira do sensor, no lado oposto ao conector Grove.
+
+Este é um socket I²C.
+
+### Conectar o sensor time of flight
+
+O sensor Grove time of flight pode ser conectado ao Wio Terminal.
+
+#### Tarefa - conectar o sensor time of flight
+
+Conecte o sensor time of flight.
+
+![Um sensor Grove time of flight](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.br.png)
+
+1. Insira uma extremidade de um cabo Grove no conector do sensor time of flight. Ele só encaixará de uma maneira.
+
+1. Com o Wio Terminal desconectado do seu computador ou de outra fonte de energia, conecte a outra extremidade do cabo Grove ao conector Grove do lado esquerdo do Wio Terminal, olhando para a tela. Este é o conector mais próximo do botão de energia. Este é um socket combinado digital e I²C.
+
+![O sensor Grove time of flight conectado ao conector esquerdo](../../../../../translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.br.png)
+
+1. Agora você pode conectar o Wio Terminal ao seu computador.
+
+## Programar o sensor time of flight
+
+Agora o Wio Terminal pode ser programado para usar o sensor time of flight conectado.
+
+### Tarefa - programar o sensor time of flight
+
+1. Crie um novo projeto para o Wio Terminal usando o PlatformIO. Chame este projeto de `distance-sensor`. Adicione código na função `setup` para configurar a porta serial.
+
+1. Adicione uma dependência de biblioteca para a biblioteca Seeed Grove time of flight distance sensor no arquivo `platformio.ini` do projeto:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Ranging sensor - VL53L0X @ ^1.1.1
+    ```
+
+1. No arquivo `main.cpp`, adicione o seguinte abaixo das diretivas de inclusão existentes para declarar uma instância da classe `Seeed_vl53l0x` para interagir com o sensor time of flight:
+
+    ```cpp
+    #include "Seeed_vl53l0x.h"
+    
+    Seeed_vl53l0x VL53L0X;
+    ```
+
+1. Adicione o seguinte ao final da função `setup` para inicializar o sensor:
+
+    ```cpp
+    VL53L0X.VL53L0X_common_init();
+    VL53L0X.VL53L0X_high_accuracy_ranging_init();
+    ```
+
+1. Na função `loop`, leia um valor do sensor:
+
+    ```cpp
+    VL53L0X_RangingMeasurementData_t RangingMeasurementData;
+    memset(&RangingMeasurementData, 0, sizeof(VL53L0X_RangingMeasurementData_t));
+
+    VL53L0X.PerformSingleRangingMeasurement(&RangingMeasurementData);
+    ```
+
+    Este código inicializa uma estrutura de dados para armazenar os dados lidos e, em seguida, passa essa estrutura para o método `PerformSingleRangingMeasurement`, onde será preenchida com a medição da distância.
+
+1. Abaixo disso, escreva a medição da distância e, em seguida, adicione um atraso de 1 segundo:
+
+    ```cpp
+    Serial.print("Distance = ");
+    Serial.print(RangingMeasurementData.RangeMilliMeter);
+    Serial.println(" mm");
+
+    delay(1000);
+    ```
+
+1. Compile, carregue e execute este código. Você poderá ver as medições de distância no monitor serial. Posicione objetos próximos ao sensor e verá a medição da distância:
+
+    ```output
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    O medidor de distância está na parte traseira do sensor, então certifique-se de usar o lado correto ao medir a distância.
+
+    ![O medidor de distância na parte traseira do sensor time of flight apontando para uma banana](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.br.png)
+
+> 💁 Você pode encontrar este código na pasta [code-proximity/wio-terminal](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/wio-terminal).
+
+😀 Seu programa para o sensor de proximidade foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/5-retail/README.md b/translations/br/5-retail/README.md
new file mode 100644
index 00000000..4f386f4f
--- /dev/null
+++ b/translations/br/5-retail/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
+  "translation_date": "2025-08-28T03:46:15+00:00",
+  "source_file": "5-retail/README.md",
+  "language_code": "br"
+}
+-->
+# Varejo - usando IoT para gerenciar níveis de estoque
+
+A última etapa antes de os alimentos chegarem aos consumidores é o varejo - os mercados, hortifrutis, supermercados e lojas que vendem produtos diretamente aos consumidores. Essas lojas querem garantir que os produtos estejam disponíveis nas prateleiras para que os clientes possam vê-los e comprá-los.
+
+Uma das tarefas mais manuais e demoradas em lojas de alimentos, especialmente em grandes supermercados, é garantir que as prateleiras estejam abastecidas. Isso envolve verificar prateleiras individuais para garantir que quaisquer lacunas sejam preenchidas com produtos vindos dos estoques.
+
+O IoT pode ajudar com isso, utilizando modelos de IA que rodam em dispositivos IoT para contar o estoque, usando modelos de aprendizado de máquina que não apenas classificam imagens, mas também detectam objetos individuais e os contam.
+
+Nestes 2 módulos, você aprenderá como treinar modelos de IA baseados em imagens para contar estoque e executar esses modelos em dispositivos IoT.
+
+> 💁 Estes módulos utilizarão alguns recursos na nuvem. Se você não concluir todas as lições deste projeto, certifique-se de [limpar seu projeto](../clean-up.md).
+
+## Tópicos
+
+1. [Treinar um detector de estoque](./lessons/1-train-stock-detector/README.md)
+1. [Verificar estoque a partir de um dispositivo IoT](./lessons/2-check-stock-device/README.md)
+
+## Créditos
+
+Todas as lições foram escritas com ♥️ por [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/5-retail/lessons/1-train-stock-detector/README.md b/translations/br/5-retail/lessons/1-train-stock-detector/README.md
new file mode 100644
index 00000000..bfcf4e1d
--- /dev/null
+++ b/translations/br/5-retail/lessons/1-train-stock-detector/README.md
@@ -0,0 +1,206 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8df310a42f902139a01417dacb1ffbef",
+  "translation_date": "2025-08-28T03:46:30+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
+  "language_code": "br"
+}
+-->
+# Treine um detector de estoque
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Este vídeo oferece uma visão geral sobre Detecção de Objetos com o serviço Azure Custom Vision, um serviço que será abordado nesta lição.
+
+[![Custom Vision 2 - Detecção de Objetos Facilitada | The Xamarin Show](https://img.youtube.com/vi/wtTYSyBUpFc/0.jpg)](https://www.youtube.com/watch?v=wtTYSyBUpFc)
+
+> 🎥 Clique na imagem acima para assistir ao vídeo
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
+
+## Introdução
+
+No projeto anterior, você utilizou IA para treinar um classificador de imagens - um modelo que pode identificar se uma imagem contém algo, como frutas maduras ou não maduras. Outro tipo de modelo de IA que pode ser usado com imagens é a detecção de objetos. Esses modelos não classificam uma imagem por meio de tags; em vez disso, eles são treinados para reconhecer objetos e podem localizá-los em imagens, não apenas detectando que o objeto está presente, mas também onde ele está na imagem. Isso permite contar objetos em imagens.
+
+Nesta lição, você aprenderá sobre detecção de objetos, incluindo como ela pode ser usada no varejo. Você também aprenderá a treinar um detector de objetos na nuvem.
+
+Nesta lição, abordaremos:
+
+* [Detecção de objetos](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Uso da detecção de objetos no varejo](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Treinamento de um detector de objetos](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Teste do seu detector de objetos](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Re-treinamento do seu detector de objetos](../../../../../5-retail/lessons/1-train-stock-detector)
+
+## Detecção de objetos
+
+A detecção de objetos envolve identificar objetos em imagens usando IA. Diferentemente do classificador de imagens que você treinou no último projeto, a detecção de objetos não se trata de prever a melhor tag para uma imagem como um todo, mas de encontrar um ou mais objetos em uma imagem.
+
+### Detecção de objetos vs classificação de imagens
+
+A classificação de imagens consiste em classificar uma imagem como um todo - quais são as probabilidades de que a imagem inteira corresponda a cada tag. Você recebe de volta as probabilidades para cada tag usada para treinar o modelo.
+
+![Classificação de imagens de castanhas de caju e extrato de tomate](../../../../../translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.br.png)
+
+No exemplo acima, duas imagens são classificadas usando um modelo treinado para classificar potes de castanhas de caju ou latas de extrato de tomate. A primeira imagem é um pote de castanhas de caju e apresenta dois resultados do classificador de imagens:
+
+| Tag            | Probabilidade |
+| -------------- | ------------: |
+| `castanhas de caju` | 98,4%       |
+| `extrato de tomate` | 1,6%        |
+
+A segunda imagem é uma lata de extrato de tomate, e os resultados são:
+
+| Tag            | Probabilidade |
+| -------------- | ------------: |
+| `castanhas de caju` | 0,7%        |
+| `extrato de tomate` | 99,3%       |
+
+Você poderia usar esses valores com um limite de porcentagem para prever o que está na imagem. Mas e se uma imagem contivesse várias latas de extrato de tomate ou tanto castanhas de caju quanto extrato de tomate? Os resultados provavelmente não dariam o que você deseja. É aqui que entra a detecção de objetos.
+
+A detecção de objetos envolve treinar um modelo para reconhecer objetos. Em vez de fornecer imagens contendo o objeto e dizer que cada imagem é uma tag ou outra, você destaca a seção de uma imagem que contém o objeto específico e a marca. Você pode marcar um único objeto em uma imagem ou vários. Dessa forma, o modelo aprende como o objeto em si se parece, e não apenas como são as imagens que contêm o objeto.
+
+Quando você o utiliza para prever imagens, em vez de receber uma lista de tags e porcentagens, você recebe uma lista de objetos detectados, com suas caixas delimitadoras e a probabilidade de que o objeto corresponda à tag atribuída.
+
+> 🎓 *Caixas delimitadoras* são as caixas ao redor de um objeto.
+
+![Detecção de objetos de castanhas de caju e extrato de tomate](../../../../../translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.br.png)
+
+A imagem acima contém tanto um pote de castanhas de caju quanto três latas de extrato de tomate. O detector de objetos detectou as castanhas de caju, retornando a caixa delimitadora que contém as castanhas com a probabilidade de 97,6%. O detector de objetos também detectou três latas de extrato de tomate, fornecendo três caixas delimitadoras separadas, uma para cada lata detectada, e cada uma com uma probabilidade de que a caixa delimitadora contenha uma lata de extrato de tomate.
+
+✅ Pense em alguns cenários diferentes nos quais você poderia usar modelos de IA baseados em imagens. Quais deles precisariam de classificação e quais precisariam de detecção de objetos?
+
+### Como funciona a detecção de objetos
+
+A detecção de objetos utiliza modelos de aprendizado de máquina complexos. Esses modelos funcionam dividindo a imagem em várias células e verificando se o centro da caixa delimitadora corresponde ao centro de uma imagem que combina com uma das imagens usadas para treinar o modelo. Você pode pensar nisso como uma espécie de execução de um classificador de imagens em diferentes partes da imagem para procurar correspondências.
+
+> 💁 Esta é uma simplificação drástica. Existem muitas técnicas para detecção de objetos, e você pode ler mais sobre elas na [página de Detecção de Objetos na Wikipedia](https://wikipedia.org/wiki/Object_detection).
+
+Existem vários modelos diferentes que podem realizar detecção de objetos. Um modelo particularmente famoso é o [YOLO (You Only Look Once)](https://pjreddie.com/darknet/yolo/), que é incrivelmente rápido e pode detectar 20 classes diferentes de objetos, como pessoas, cães, garrafas e carros.
+
+✅ Leia mais sobre o modelo YOLO em [pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/)
+
+Os modelos de detecção de objetos podem ser re-treinados usando aprendizado por transferência para detectar objetos personalizados.
+
+## Uso da detecção de objetos no varejo
+
+A detecção de objetos tem múltiplos usos no varejo. Alguns incluem:
+
+* **Verificação e contagem de estoque** - reconhecer quando o estoque está baixo nas prateleiras. Se o estoque estiver muito baixo, notificações podem ser enviadas para funcionários ou robôs reabastecerem as prateleiras.
+* **Detecção de máscaras** - em lojas com políticas de uso de máscaras durante eventos de saúde pública, a detecção de objetos pode reconhecer pessoas com e sem máscaras.
+* **Cobrança automatizada** - detectar itens retirados das prateleiras em lojas automatizadas e cobrar os clientes de forma apropriada.
+* **Detecção de perigos** - reconhecer itens quebrados no chão ou líquidos derramados, alertando equipes de limpeza.
+
+✅ Faça uma pesquisa: Quais são outros casos de uso para detecção de objetos no varejo?
+
+## Treinamento de um detector de objetos
+
+Você pode treinar um detector de objetos usando o Custom Vision, de forma semelhante ao treinamento de um classificador de imagens.
+
+### Tarefa - criar um detector de objetos
+
+1. Crie um Grupo de Recursos para este projeto chamado `stock-detector`.
+
+1. Crie um recurso gratuito de treinamento do Custom Vision e um recurso gratuito de previsão do Custom Vision no grupo de recursos `stock-detector`. Nomeie-os como `stock-detector-training` e `stock-detector-prediction`.
+
+    > 💁 Você só pode ter um recurso gratuito de treinamento e previsão, então certifique-se de ter limpado seu projeto das lições anteriores.
+
+    > ⚠️ Você pode consultar [as instruções para criar recursos de treinamento e previsão do projeto 4, lição 1, se necessário](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource).
+
+1. Acesse o portal do Custom Vision em [CustomVision.ai](https://customvision.ai) e faça login com a conta Microsoft usada para sua conta Azure.
+
+1. Siga a [seção Criar um novo projeto do guia rápido de construção de um detector de objetos na documentação da 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) para criar um novo projeto no Custom Vision. A interface pode mudar, e esses documentos são sempre a referência mais atualizada.
+
+    Nomeie seu projeto como `stock-detector`.
+
+    Ao criar seu projeto, certifique-se de usar o recurso `stock-detector-training` que você criou anteriormente. Use o tipo de projeto *Detecção de Objetos* e o domínio *Produtos em Prateleiras*.
+
+    ![As configurações do projeto no Custom Vision com o nome definido como fruit-quality-detector, sem descrição, o recurso definido como fruit-quality-detector-training, o tipo de projeto definido como classificação, os tipos de classificação definidos como multi-classe e os domínios definidos como alimentos](../../../../../translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.br.png)
+
+    ✅ O domínio de produtos em prateleiras é especificamente direcionado para detectar estoque em prateleiras de lojas. Leia mais sobre os diferentes domínios na [documentação Selecionar um domínio na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection).
+
+✅ Reserve um tempo para explorar a interface do Custom Vision para o seu detector de objetos.
+
+### Tarefa - treinar seu detector de objetos
+
+Para treinar seu modelo, você precisará de um conjunto de imagens contendo os objetos que deseja detectar.
+
+1. Reúna imagens que contenham o objeto a ser detectado. Você precisará de pelo menos 15 imagens contendo cada objeto a ser detectado, de uma variedade de ângulos diferentes e em diferentes condições de iluminação, mas quanto mais, melhor. Este detector de objetos usa o domínio *Produtos em prateleiras*, então tente organizar os objetos como se estivessem em uma prateleira de loja. Você também precisará de algumas imagens para testar o modelo. Se estiver detectando mais de um objeto, será necessário ter algumas imagens de teste que contenham todos os objetos.
+
+    > 💁 Imagens com vários objetos diferentes contam para o mínimo de 15 imagens para todos os objetos na imagem.
+
+    Suas imagens devem ser em formato png ou jpeg, com menos de 6MB. Se você as criar com um iPhone, por exemplo, elas podem ser imagens HEIC de alta resolução, então será necessário convertê-las e possivelmente reduzi-las. Quanto mais imagens, melhor, e você deve ter um número semelhante de objetos maduros e não maduros.
+
+    O modelo é projetado para produtos em prateleiras, então tente tirar as fotos dos objetos em prateleiras.
+
+    Você pode encontrar algumas imagens de exemplo que podem ser usadas na pasta [images](../../../../../5-retail/lessons/1-train-stock-detector/images) de castanhas de caju e extrato de tomate.
+
+1. Siga a [seção Fazer upload e marcar imagens do guia rápido de construção de um detector de objetos na documentação da 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) para fazer upload de suas imagens de treinamento. Crie tags relevantes dependendo dos tipos de objetos que deseja detectar.
+
+    ![Os diálogos de upload mostrando o upload de imagens de bananas maduras e não maduras](../../../../../translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.br.png)
+
+    Ao desenhar caixas delimitadoras para os objetos, mantenha-as bem ajustadas ao redor do objeto. Pode levar algum tempo para marcar todas as imagens, mas a ferramenta detectará o que acredita serem as caixas delimitadoras, tornando o processo mais rápido.
+
+    ![Marcando um extrato de tomate](../../../../../translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.br.png)
+
+    > 💁 Se você tiver mais de 15 imagens para cada objeto, pode treinar após 15 e usar o recurso **Tags sugeridas**. Isso usará o modelo treinado para detectar os objetos na imagem não marcada. Você pode então confirmar os objetos detectados ou rejeitar e redesenhar as caixas delimitadoras. Isso pode economizar *muito* tempo.
+
+1. Siga a [seção Treinar o detector do guia rápido de construção de um detector de objetos na documentação da Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector) para treinar o detector de objetos com suas imagens marcadas.
+
+    Você terá a opção de escolher o tipo de treinamento. Selecione **Treinamento Rápido**.
+
+O detector de objetos será treinado. O treinamento levará alguns minutos para ser concluído.
+
+## Teste do seu detector de objetos
+
+Depois que seu detector de objetos for treinado, você poderá testá-lo fornecendo novas imagens para detectar objetos.
+
+### Tarefa - testar seu detector de objetos
+
+1. Use o botão **Teste Rápido** para fazer upload de imagens de teste e verificar se os objetos são detectados. Use as imagens de teste que você criou anteriormente, não as imagens usadas para treinamento.
+
+    ![3 latas de extrato de tomate detectadas com probabilidades de 38%, 35,5% e 34,6%](../../../../../translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.br.png)
+
+1. Teste todas as imagens de teste que você tiver e observe as probabilidades.
+
+## Re-treinamento do seu detector de objetos
+
+Quando você testa seu detector de objetos, ele pode não fornecer os resultados esperados, assim como os classificadores de imagens no projeto anterior. Você pode melhorar seu detector de objetos re-treinando-o com imagens que ele errou.
+
+Sempre que você faz uma previsão usando a opção de teste rápido, a imagem e os resultados são armazenados. Você pode usar essas imagens para re-treinar seu modelo.
+
+1. Use a aba **Previsões** para localizar as imagens que você usou para teste.
+
+1. Confirme quaisquer detecções precisas, exclua as incorretas e adicione quaisquer objetos ausentes.
+
+1. Re-treine e re-teste o modelo.
+
+---
+
+## 🚀 Desafio
+
+O que aconteceria se você usasse o detector de objetos com itens de aparência semelhante, como latas da mesma marca de extrato de tomate e tomates picados?
+
+Se você tiver itens de aparência semelhante, teste adicionando imagens deles ao seu detector de objetos.
+
+## Questionário pós-aula
+[Quiz pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
+
+## Revisão e Autoestudo
+
+* Quando você treinou seu detector de objetos, deve ter visto valores como *Precisão*, *Recall* e *mAP* que avaliam o modelo criado. Leia sobre o que esses valores significam usando [a seção Avaliar o detector do guia rápido de Construir um detector de objetos nos documentos da Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector)
+* Leia mais sobre detecção de objetos na [página de Detecção de objetos na Wikipedia](https://wikipedia.org/wiki/Object_detection)
+
+## Tarefa
+
+[Comparar domínios](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/br/5-retail/lessons/1-train-stock-detector/assignment.md
new file mode 100644
index 00000000..4390e912
--- /dev/null
+++ b/translations/br/5-retail/lessons/1-train-stock-detector/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
+  "translation_date": "2025-08-28T03:47:55+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
+  "language_code": "br"
+}
+-->
+# Comparar domínios
+
+## Instruções
+
+Ao criar seu detector de objetos, você teve a opção de escolher entre vários domínios. Compare como eles funcionam para o seu detector e descreva qual oferece os melhores resultados.
+
+Para alterar o domínio, selecione o botão **Configurações** no menu superior, escolha um novo domínio, clique no botão **Salvar alterações** e, em seguida, re-treine o modelo. Certifique-se de testar com a nova iteração do modelo treinado com o novo domínio.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa de Melhorias |
+| -------- | --------- | -------- | -------------------- |
+| Treinar o modelo com um domínio diferente | Foi capaz de alterar o domínio e re-treinar o modelo | Foi capaz de alterar o domínio e re-treinar o modelo | Não foi capaz de alterar o domínio ou re-treinar o modelo |
+| Testar o modelo e comparar os resultados | Foi capaz de testar o modelo com diferentes domínios, comparar os resultados e descrever qual é melhor | Foi capaz de testar o modelo com diferentes domínios, mas não conseguiu comparar os resultados e descrever qual é melhor | Não foi capaz de testar o modelo com diferentes domínios |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/5-retail/lessons/2-check-stock-device/README.md b/translations/br/5-retail/lessons/2-check-stock-device/README.md
new file mode 100644
index 00000000..59f2787a
--- /dev/null
+++ b/translations/br/5-retail/lessons/2-check-stock-device/README.md
@@ -0,0 +1,191 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
+  "translation_date": "2025-08-28T03:48:13+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
+  "language_code": "br"
+}
+-->
+# Verificar estoque com um dispositivo IoT
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+## Quiz pré-aula
+
+[Quiz pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
+
+## Introdução
+
+Na lição anterior, você aprendeu sobre os diferentes usos da detecção de objetos no varejo. Também aprendeu a treinar um detector de objetos para identificar estoque. Nesta lição, você aprenderá como usar seu detector de objetos a partir de um dispositivo IoT para contar estoque.
+
+Nesta lição, abordaremos:
+
+* [Contagem de estoque](../../../../../5-retail/lessons/2-check-stock-device)
+* [Chamar seu detector de objetos a partir do seu dispositivo IoT](../../../../../5-retail/lessons/2-check-stock-device)
+* [Caixas delimitadoras](../../../../../5-retail/lessons/2-check-stock-device)
+* [Treinar novamente o modelo](../../../../../5-retail/lessons/2-check-stock-device)
+* [Contar estoque](../../../../../5-retail/lessons/2-check-stock-device)
+
+> 🗑 Esta é a última lição deste projeto, então, após concluir esta lição e a tarefa, não se esqueça de limpar seus serviços na nuvem. Você precisará dos serviços para concluir a tarefa, então certifique-se de fazer isso primeiro.
+>
+> Consulte [o guia de limpeza do projeto](../../../clean-up.md) se necessário para instruções sobre como fazer isso.
+
+## Contagem de estoque
+
+Detectores de objetos podem ser usados para verificar estoque, seja contando itens ou garantindo que eles estejam onde deveriam estar. Dispositivos IoT com câmeras podem ser implantados em toda a loja para monitorar o estoque, começando por áreas estratégicas onde é importante manter os itens reabastecidos, como locais onde há poucos itens de alto valor.
+
+Por exemplo, se uma câmera estiver apontada para uma prateleira que pode conter 8 latas de extrato de tomate, e um detector de objetos identificar apenas 7 latas, então uma está faltando e precisa ser reabastecida.
+
+![7 latas de extrato de tomate em uma prateleira, 4 na fileira superior, 3 na inferior](../../../../../translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.br.png)
+
+Na imagem acima, um detector de objetos identificou 7 latas de extrato de tomate em uma prateleira que pode conter 8 latas. O dispositivo IoT não apenas pode enviar uma notificação sobre a necessidade de reabastecimento, mas também pode indicar a localização do item faltante, um dado importante se você estiver usando robôs para reabastecer prateleiras.
+
+> 💁 Dependendo da loja e da popularidade do item, o reabastecimento provavelmente não aconteceria se apenas 1 lata estivesse faltando. Você precisaria construir um algoritmo que determine quando reabastecer com base no produto, nos clientes e em outros critérios.
+
+✅ Em quais outros cenários você poderia combinar detecção de objetos e robôs?
+
+Às vezes, o estoque errado pode estar nas prateleiras. Isso pode ocorrer devido a erro humano ao reabastecer ou clientes mudando de ideia sobre uma compra e colocando um item de volta no primeiro espaço disponível. Quando se trata de itens não perecíveis, como alimentos enlatados, isso é apenas um incômodo. Se for um item perecível, como produtos congelados ou refrigerados, isso pode significar que o produto não pode mais ser vendido, pois pode ser impossível determinar quanto tempo o item ficou fora do freezer.
+
+A detecção de objetos pode ser usada para identificar itens inesperados, alertando um humano ou robô para devolver o item assim que for detectado.
+
+![Uma lata de milho em conserva fora do lugar na prateleira de extrato de tomate](../../../../../translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.br.png)
+
+Na imagem acima, uma lata de milho em conserva foi colocada na prateleira ao lado do extrato de tomate. O detector de objetos identificou isso, permitindo que o dispositivo IoT notificasse um humano ou robô para devolver a lata ao local correto.
+
+## Chamar seu detector de objetos a partir do seu dispositivo IoT
+
+O detector de objetos que você treinou na última lição pode ser chamado a partir do seu dispositivo IoT.
+
+### Tarefa - publicar uma iteração do seu detector de objetos
+
+As iterações são publicadas no portal Custom Vision.
+
+1. Acesse o portal Custom Vision em [CustomVision.ai](https://customvision.ai) e faça login, caso ainda não tenha feito. Em seguida, abra seu projeto `stock-detector`.
+
+1. Selecione a aba **Performance** nas opções do topo.
+
+1. Escolha a última iteração na lista *Iterations* ao lado.
+
+1. Clique no botão **Publish** para a iteração.
+
+    ![O botão de publicação](../../../../../translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.br.png)
+
+1. No diálogo *Publish Model*, configure o *Prediction resource* para o recurso `stock-detector-prediction` que você criou na última lição. Mantenha o nome como `Iteration2` e clique no botão **Publish**.
+
+1. Após publicar, clique no botão **Prediction URL**. Isso mostrará os detalhes da API de previsão, que você precisará para chamar o modelo a partir do seu dispositivo IoT. A seção inferior está rotulada como *If you have an image file*, e esses são os detalhes que você quer. Copie o URL exibido, que será algo como:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
+    ```
+
+    Onde `<location>` será a localização usada ao criar seu recurso Custom Vision, e `<id>` será um longo ID composto por letras e números.
+
+    Também copie o valor de *Prediction-Key*. Esta é uma chave segura que você deve passar ao chamar o modelo. Apenas aplicativos que fornecem essa chave podem usar o modelo; qualquer outro será rejeitado.
+
+    ![O diálogo da API de previsão mostrando o URL e a chave](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.br.png)
+
+✅ Quando uma nova iteração é publicada, ela terá um nome diferente. Como você acha que poderia alterar a iteração que um dispositivo IoT está usando?
+
+### Tarefa - chamar seu detector de objetos a partir do seu dispositivo IoT
+
+Siga o guia relevante abaixo para usar o detector de objetos a partir do seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo virtual](single-board-computer-object-detector.md)
+
+## Caixas delimitadoras
+
+Ao usar o detector de objetos, você não apenas recebe os objetos detectados com suas tags e probabilidades, mas também as caixas delimitadoras dos objetos. Estas definem onde o detector identificou o objeto com a probabilidade dada.
+
+> 💁 Uma caixa delimitadora é uma área que define os limites do objeto detectado.
+
+Os resultados de uma previsão na aba **Predictions** do Custom Vision têm as caixas delimitadoras desenhadas na imagem enviada para previsão.
+
+![4 latas de extrato de tomate em uma prateleira com previsões para as 4 detecções de 35.8%, 33.5%, 25.7% e 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.br.png)
+
+Na imagem acima, 4 latas de extrato de tomate foram detectadas. Nos resultados, um quadrado vermelho é sobreposto para cada objeto detectado na imagem, indicando a caixa delimitadora.
+
+✅ Abra as previsões no Custom Vision e confira as caixas delimitadoras.
+
+As caixas delimitadoras são definidas com 4 valores - topo, esquerda, altura e largura. Esses valores estão em uma escala de 0-1, representando as posições como uma porcentagem do tamanho da imagem. A origem (posição 0,0) é o canto superior esquerdo da imagem, então o valor de topo é a distância do topo, e o fundo da caixa delimitadora é o topo mais a altura.
+
+![Uma caixa delimitadora ao redor de uma lata de extrato de tomate](../../../../../translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.br.png)
+
+A imagem acima tem 600 pixels de largura e 800 pixels de altura. A caixa delimitadora começa a 320 pixels abaixo, dando um valor de topo de 0.4 (800 x 0.4 = 320). Da esquerda, a caixa começa a 240 pixels, dando um valor de esquerda de 0.4 (600 x 0.4 = 240). A altura da caixa é de 240 pixels, dando um valor de altura de 0.3 (800 x 0.3 = 240). A largura da caixa é de 120 pixels, dando um valor de largura de 0.2 (600 x 0.2 = 120).
+
+| Coordenada | Valor |
+| ---------- | ----: |
+| Topo       | 0.4   |
+| Esquerda   | 0.4   |
+| Altura     | 0.3   |
+| Largura    | 0.2   |
+
+Usar valores percentuais de 0-1 significa que, independentemente do tamanho da imagem, a caixa delimitadora começa 0.4 do caminho ao longo e abaixo, e tem 0.3 da altura e 0.2 da largura.
+
+Você pode usar caixas delimitadoras combinadas com probabilidades para avaliar a precisão de uma detecção. Por exemplo, um detector de objetos pode identificar múltiplos objetos que se sobrepõem, como detectar uma lata dentro de outra. Seu código pode analisar as caixas delimitadoras, entender que isso é impossível e ignorar quaisquer objetos que tenham uma sobreposição significativa com outros.
+
+![Duas caixas delimitadoras sobrepondo uma lata de extrato de tomate](../../../../../translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.br.png)
+
+No exemplo acima, uma caixa delimitadora indicou uma lata de extrato de tomate com 78.3% de probabilidade. Uma segunda caixa delimitadora é ligeiramente menor e está dentro da primeira, com uma probabilidade de 64.3%. Seu código pode verificar as caixas delimitadoras, ver que elas se sobrepõem completamente e ignorar a probabilidade menor, já que não há como uma lata estar dentro de outra.
+
+✅ Você consegue pensar em uma situação onde seria válido detectar um objeto dentro de outro?
+
+## Treinar novamente o modelo
+
+Assim como no classificador de imagens, você pode treinar novamente seu modelo usando dados capturados pelo seu dispositivo IoT. Usar esses dados do mundo real garantirá que seu modelo funcione bem quando usado a partir do seu dispositivo IoT.
+
+Diferentemente do classificador de imagens, você não pode apenas marcar uma imagem. Em vez disso, é necessário revisar cada caixa delimitadora detectada pelo modelo. Se a caixa estiver ao redor do objeto errado, ela precisa ser excluída; se estiver na localização errada, precisa ser ajustada.
+
+### Tarefa - treinar novamente o modelo
+
+1. Certifique-se de ter capturado uma variedade de imagens usando seu dispositivo IoT.
+
+1. Na aba **Predictions**, selecione uma imagem. Você verá caixas vermelhas indicando as caixas delimitadoras dos objetos detectados.
+
+1. Trabalhe em cada caixa delimitadora. Selecione-a primeiro e verá um pop-up mostrando a tag. Use os manipuladores nos cantos da caixa para ajustar o tamanho, se necessário. Se a tag estiver errada, remova-a com o botão **X** e adicione a tag correta. Se a caixa delimitadora não contiver um objeto, exclua-a com o botão de lixeira.
+
+1. Feche o editor ao terminar, e a imagem será movida da aba **Predictions** para a aba **Training Images**. Repita o processo para todas as previsões.
+
+1. Use o botão **Train** para treinar novamente seu modelo. Após o treinamento, publique a iteração e atualize seu dispositivo IoT para usar o URL da nova iteração.
+
+1. Reimplante seu código e teste seu dispositivo IoT.
+
+## Contar estoque
+
+Usando uma combinação do número de objetos detectados e das caixas delimitadoras, você pode contar o estoque em uma prateleira.
+
+### Tarefa - contar estoque
+
+Siga o guia relevante abaixo para contar estoque usando os resultados do detector de objetos a partir do seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-count-stock.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo virtual](single-board-computer-count-stock.md)
+
+---
+
+## 🚀 Desafio
+
+Você consegue detectar estoque incorreto? Treine seu modelo com múltiplos objetos e atualize seu aplicativo para alertá-lo se o estoque errado for detectado.
+
+Talvez até leve isso adiante e detecte itens lado a lado na mesma prateleira, verificando se algo foi colocado no lugar errado ao definir limites nas caixas delimitadoras.
+
+## Quiz pós-aula
+
+[Quiz pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/40)
+
+## Revisão e Autoestudo
+
+* Saiba mais sobre como arquitetar um sistema completo de detecção de estoque no guia [Out of stock detection at the edge pattern guide on Microsoft Docs](https://docs.microsoft.com/hybrid/app-solutions/pattern-out-of-stock-at-edge?WT.mc_id=academic-17441-jabenn)
+* Descubra outras maneiras de construir soluções completas para o varejo combinando uma variedade de serviços IoT e na nuvem assistindo ao vídeo [Behind the scenes of a retail solution - Hands On! no YouTube](https://www.youtube.com/watch?v=m3Pc300x2Mw).
+
+## Tarefa
+
+[Use seu detector de objetos na borda](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/5-retail/lessons/2-check-stock-device/assignment.md b/translations/br/5-retail/lessons/2-check-stock-device/assignment.md
new file mode 100644
index 00000000..df6a0f33
--- /dev/null
+++ b/translations/br/5-retail/lessons/2-check-stock-device/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
+  "translation_date": "2025-08-28T03:51:07+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
+  "language_code": "br"
+}
+-->
+# Use seu detector de objetos na borda
+
+## Instruções
+
+No último projeto, você implantou seu classificador de imagens na borda. Faça o mesmo com seu detector de objetos, exportando-o como um modelo compacto e executando-o na borda, acessando a versão na borda a partir do seu dispositivo IoT.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Implantar seu detector de objetos na borda | Foi capaz de usar o domínio compacto correto, exportar o detector de objetos e executá-lo na borda | Foi capaz de usar o domínio compacto correto e exportar o detector de objetos, mas não conseguiu executá-lo na borda | Não foi capaz de usar o domínio compacto correto, exportar o detector de objetos e executá-lo na borda |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/br/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
new file mode 100644
index 00000000..80a6d1d7
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:49:49+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
+  "language_code": "br"
+}
+-->
+# Contar estoque a partir do seu dispositivo IoT - Hardware IoT Virtual e Raspberry Pi
+
+Uma combinação das previsões e suas caixas delimitadoras pode ser usada para contar o estoque em uma imagem.
+
+## Exibir caixas delimitadoras
+
+Como uma etapa útil de depuração, você pode não apenas imprimir as caixas delimitadoras, mas também desenhá-las na imagem que foi salva no disco quando uma imagem foi capturada.
+
+### Tarefa - imprimir as caixas delimitadoras
+
+1. Certifique-se de que o projeto `stock-counter` está aberto no VS Code e que o ambiente virtual está ativado, caso você esteja usando um dispositivo IoT virtual.
+
+1. Altere a instrução `print` no loop `for` para o seguinte, para imprimir as caixas delimitadoras no console:
+
+    ```python
+    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
+    ```
+
+1. Execute o aplicativo com a câmera apontada para algum estoque em uma prateleira. As caixas delimitadoras serão exibidas no console, com valores de esquerda, topo, largura e altura variando de 0 a 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}
+    ```
+
+### Tarefa - desenhar caixas delimitadoras na imagem
+
+1. O pacote Pip [Pillow](https://pypi.org/project/Pillow/) pode ser usado para desenhar em imagens. Instale-o com o seguinte comando:
+
+    ```sh
+    pip3 install pillow
+    ```
+
+    Se você estiver usando um dispositivo IoT virtual, certifique-se de executar este comando dentro do ambiente virtual ativado.
+
+1. Adicione a seguinte instrução de importação no início do arquivo `app.py`:
+
+    ```python
+    from PIL import Image, ImageDraw, ImageColor
+    ```
+
+    Isso importa o código necessário para editar a imagem.
+
+1. Adicione o seguinte código ao final do arquivo `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')
+    ```
+
+    Este código abre a imagem que foi salva anteriormente para edição. Em seguida, ele percorre as previsões, obtendo as caixas delimitadoras e calcula a coordenada inferior direita usando os valores da caixa delimitadora de 0 a 1. Esses valores são então convertidos para coordenadas da imagem, multiplicando pela dimensão relevante da imagem. Por exemplo, se o valor da esquerda for 0,5 em uma imagem de 600 pixels de largura, isso será convertido para 300 (0,5 x 600 = 300).
+
+    Cada caixa delimitadora é desenhada na imagem usando uma linha vermelha. Por fim, a imagem editada é salva, substituindo a imagem original.
+
+1. Execute o aplicativo com a câmera apontada para algum estoque em uma prateleira. Você verá o arquivo `image.jpg` no explorador do VS Code e poderá selecioná-lo para visualizar as caixas delimitadoras.
+
+    ![4 latas de extrato de tomate com caixas delimitadoras ao redor de cada lata](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.br.jpg)
+
+## Contar estoque
+
+Na imagem mostrada acima, as caixas delimitadoras têm uma pequena sobreposição. Se essa sobreposição fosse muito maior, as caixas delimitadoras poderiam indicar o mesmo objeto. Para contar os objetos corretamente, é necessário ignorar caixas com uma sobreposição significativa.
+
+### Tarefa - contar estoque ignorando sobreposição
+
+1. O pacote Pip [Shapely](https://pypi.org/project/Shapely/) pode ser usado para calcular a interseção. Se você estiver usando um Raspberry Pi, será necessário instalar uma dependência de biblioteca primeiro:
+
+    ```sh
+    sudo apt install libgeos-dev
+    ```
+
+1. Instale o pacote Pip Shapely:
+
+    ```sh
+    pip3 install shapely
+    ```
+
+    Se você estiver usando um dispositivo IoT virtual, certifique-se de executar este comando dentro do ambiente virtual ativado.
+
+1. Adicione a seguinte instrução de importação no início do arquivo `app.py`:
+
+    ```python
+    from shapely.geometry import Polygon
+    ```
+
+    Isso importa o código necessário para criar polígonos e calcular sobreposições.
+
+1. Acima do código que desenha as caixas delimitadoras, adicione o seguinte código:
+
+    ```python
+    overlap_threshold = 0.20
+    ```
+
+    Isso define a porcentagem de sobreposição permitida antes que as caixas delimitadoras sejam consideradas como representando o mesmo objeto. 0,20 define uma sobreposição de 20%.
+
+1. Para calcular a sobreposição usando o Shapely, as caixas delimitadoras precisam ser convertidas em polígonos Shapely. Adicione a seguinte função para fazer isso:
+
+    ```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)])
+    ```
+
+    Esta função cria um polígono usando a caixa delimitadora de uma previsão.
+
+1. A lógica para remover objetos sobrepostos envolve comparar todas as caixas delimitadoras e, se algum par de previsões tiver caixas delimitadoras que se sobreponham mais do que o limite, uma das previsões é excluída. Para comparar todas as previsões, você compara a previsão 1 com 2, 3, 4, etc., depois a 2 com 3, 4, etc. O seguinte código faz isso:
+
+    ```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')
+    ```
+
+    A sobreposição é calculada usando o método `Polygon.intersection` do Shapely, que retorna um polígono representando a área de sobreposição. A área é então calculada a partir desse polígono. Esse limite de sobreposição não é um valor absoluto, mas precisa ser uma porcentagem da caixa delimitadora, então a menor caixa delimitadora é encontrada, e o limite de sobreposição é usado para calcular qual área de sobreposição não excede a porcentagem permitida da menor caixa delimitadora. Se a sobreposição exceder isso, a previsão é marcada para exclusão.
+
+    Uma vez que uma previsão foi marcada para exclusão, ela não precisa ser verificada novamente, então o loop interno é interrompido para verificar a próxima previsão. Não é possível excluir itens de uma lista enquanto se itera sobre ela, então as caixas delimitadoras que se sobrepõem mais do que o limite são adicionadas à lista `to_delete` e, em seguida, excluídas no final.
+
+    Por fim, a contagem de estoque é exibida no console. Isso poderia ser enviado para um serviço IoT para alertar caso os níveis de estoque estejam baixos. Todo esse código é executado antes que as caixas delimitadoras sejam desenhadas, então você verá as previsões de estoque sem sobreposições nas imagens geradas.
+
+    > 💁 Esta é uma maneira muito simplista de remover sobreposições, apenas removendo a primeira em um par sobreposto. Para código de produção, você provavelmente gostaria de adicionar mais lógica aqui, como considerar as sobreposições entre múltiplos objetos ou se uma caixa delimitadora está contida dentro de outra.
+
+1. Execute o aplicativo com a câmera apontada para algum estoque em uma prateleira. A saída indicará o número de caixas delimitadoras sem sobreposições que excedem o limite. Experimente ajustar o valor de `overlap_threshold` para observar previsões sendo ignoradas.
+
+> 💁 Você pode encontrar este código na pasta [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) ou [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device).
+
+😀 Seu programa de contagem de estoque foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/br/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
new file mode 100644
index 00000000..f6c75aa6
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:51:19+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
+  "language_code": "br"
+}
+-->
+# Chame seu detector de objetos a partir do seu dispositivo IoT - Hardware Virtual de IoT e Raspberry Pi
+
+Depois que seu detector de objetos for publicado, ele poderá ser usado a partir do seu dispositivo IoT.
+
+## Copie o projeto do classificador de imagens
+
+A maior parte do seu detector de estoque é semelhante ao classificador de imagens que você criou em uma lição anterior.
+
+### Tarefa - copie o projeto do classificador de imagens
+
+1. Crie uma pasta chamada `stock-counter` no seu computador, caso esteja usando um dispositivo IoT virtual, ou no seu Raspberry Pi. Se estiver usando um dispositivo IoT virtual, certifique-se de configurar um ambiente virtual.
+
+1. Configure o hardware da câmera.
+
+    * Se estiver usando um Raspberry Pi, será necessário instalar a PiCamera. Você também pode querer fixar a câmera em uma posição única, por exemplo, pendurando o cabo sobre uma caixa ou lata, ou fixando a câmera em uma caixa com fita dupla face.
+    * Se estiver usando um dispositivo IoT virtual, será necessário instalar o CounterFit e o CounterFit PyCamera shim. Caso vá usar imagens estáticas, capture algumas imagens que seu detector de objetos ainda não tenha visto. Se for usar sua webcam, certifique-se de posicioná-la de forma que consiga ver o estoque que você está detectando.
+
+1. Replique os passos da [lição 2 do projeto de manufatura](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) para capturar imagens da câmera.
+
+1. Replique os passos da [lição 2 do projeto de manufatura](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) para chamar o classificador de imagens. A maior parte desse código será reutilizada para detectar objetos.
+
+## Altere o código de um classificador para um detector de imagens
+
+O código que você usou para classificar imagens é muito semelhante ao código para detectar objetos. A principal diferença está no método chamado no SDK do Custom Vision e nos resultados da chamada.
+
+### Tarefa - altere o código de um classificador para um detector de imagens
+
+1. Exclua as três linhas de código que classificam a imagem e processam as previsões:
+
+    ```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}%')
+    ```
+
+    Remova essas três linhas.
+
+1. Adicione o seguinte código para detectar objetos na imagem:
+
+    ```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}%')
+    ```
+
+    Este código chama o método `detect_image` no predictor para executar o detector de objetos. Em seguida, reúne todas as previsões com uma probabilidade acima de um limite, imprimindo-as no console.
+
+    Diferentemente de um classificador de imagens que retorna apenas um resultado por tag, o detector de objetos retornará múltiplos resultados, então qualquer um com baixa probabilidade precisa ser filtrado.
+
+1. Execute este código e ele capturará uma imagem, enviando-a para o detector de objetos, e imprimirá os objetos detectados. Se estiver usando um dispositivo IoT virtual, certifique-se de ter uma imagem apropriada configurada no CounterFit ou que sua webcam esteja selecionada. Se estiver usando um Raspberry Pi, certifique-se de que sua câmera esteja apontada para objetos em uma prateleira.
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   34.13%
+    tomato paste:   33.95%
+    tomato paste:   35.05%
+    tomato paste:   32.80%
+    ```
+
+    > 💁 Talvez seja necessário ajustar o `threshold` para um valor apropriado para suas imagens.
+
+    Você poderá ver a imagem que foi capturada e esses valores na aba **Predictions** no Custom Vision.
+
+    ![4 latas de extrato de tomate em uma prateleira com previsões para as 4 detecções de 35.8%, 33.5%, 25.7% e 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.br.png)
+
+> 💁 Você pode encontrar este código na pasta [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) ou [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device).
+
+😀 Seu programa de contador de estoque foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/br/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
new file mode 100644
index 00000000..5de888b8
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:50:36+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
+  "language_code": "br"
+}
+-->
+# Contar estoque com seu dispositivo IoT - Wio Terminal
+
+Uma combinação de previsões e suas caixas delimitadoras pode ser usada para contar o estoque em uma imagem.
+
+## Contar estoque
+
+![4 latas de extrato de tomate com caixas delimitadoras ao redor de cada lata](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.br.jpg)
+
+Na imagem mostrada acima, as caixas delimitadoras têm uma pequena sobreposição. Se essa sobreposição fosse muito maior, as caixas delimitadoras poderiam indicar o mesmo objeto. Para contar os objetos corretamente, você precisa ignorar caixas com uma sobreposição significativa.
+
+### Tarefa - contar estoque ignorando sobreposição
+
+1. Abra seu projeto `stock-counter` caso ele ainda não esteja aberto.
+
+1. Acima da função `processPredictions`, adicione o seguinte código:
+
+    ```cpp
+    const float overlap_threshold = 0.20f;
+    ```
+
+    Isso define a porcentagem de sobreposição permitida antes que as caixas delimitadoras sejam consideradas o mesmo objeto. 0.20 define uma sobreposição de 20%.
+
+1. Abaixo disso, e acima da função `processPredictions`, adicione o seguinte código para calcular a sobreposição entre dois retângulos:
+
+    ```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;
+    }
+    ```
+
+    Este código define uma estrutura `Point` para armazenar pontos na imagem e uma estrutura `Rect` para definir um retângulo usando uma coordenada superior esquerda e inferior direita. Em seguida, define uma função `area` que calcula a área de um retângulo a partir de uma coordenada superior esquerda e inferior direita.
+
+    Depois, define uma função `overlappingArea` que calcula a área de sobreposição de 2 retângulos. Se eles não se sobrepõem, retorna 0.
+
+1. Abaixo da função `overlappingArea`, declare uma função para converter uma caixa delimitadora em um `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};
+    }
+    ```
+
+    Isso pega uma previsão do detector de objetos, extrai a caixa delimitadora e usa os valores da caixa delimitadora para definir um retângulo. O lado direito é calculado a partir da esquerda mais a largura. A parte inferior é calculada como o topo mais a altura.
+
+1. As previsões precisam ser comparadas entre si, e se 2 previsões tiverem uma sobreposição maior que o limite, uma delas precisa ser excluída. O limite de sobreposição é uma porcentagem, então precisa ser multiplicado pelo tamanho da menor caixa delimitadora para verificar se a sobreposição excede a porcentagem dada da caixa delimitadora, e não a porcentagem dada da imagem inteira. Comece excluindo o conteúdo da função `processPredictions`.
+
+1. Adicione o seguinte à função `processPredictions` vazia:
+
+    ```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]);
+        }
+    }
+    ```
+
+    Este código declara um vetor para armazenar as previsões que não se sobrepõem. Em seguida, percorre todas as previsões, criando um `Rect` a partir da caixa delimitadora.
+
+    Depois, este código percorre as previsões restantes, começando pela que vem após a previsão atual. Isso impede que as previsões sejam comparadas mais de uma vez - uma vez que 1 e 2 foram comparadas, não há necessidade de comparar 2 com 1, apenas com 3, 4, etc.
+
+    Para cada par de previsões, a área de sobreposição é calculada. Isso é então comparado à área da menor caixa delimitadora - se a sobreposição exceder a porcentagem limite da menor caixa delimitadora, a previsão é marcada como não aprovada. Se, após comparar todas as sobreposições, a previsão passar nos testes, ela é adicionada à coleção `passed_predictions`.
+
+    > 💁 Esta é uma maneira muito simplista de remover sobreposições, apenas removendo a primeira em um par sobreposto. Para código de produção, você gostaria de adicionar mais lógica aqui, como considerar as sobreposições entre múltiplos objetos ou se uma caixa delimitadora está contida por outra.
+
+1. Depois disso, adicione o seguinte código para enviar detalhes das previsões aprovadas ao monitor serial:
+
+    ```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);
+    }
+    ```
+
+    Este código percorre as previsões aprovadas e imprime seus detalhes no monitor serial.
+
+1. Abaixo disso, adicione código para imprimir o número de itens contados no monitor serial:
+
+    ```cpp
+    Serial.print("Counted ");
+    Serial.print(passed_predictions.size());
+    Serial.println(" stock items.");
+    ```
+
+    Isso poderia então ser enviado para um serviço IoT para alertar se os níveis de estoque estiverem baixos.
+
+1. Faça o upload e execute seu código. Aponte a câmera para objetos em uma prateleira e pressione o botão C. Tente ajustar o valor de `overlap_threshold` para ver previsões sendo ignoradas.
+
+    ```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.
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal).
+
+😀 Seu programa de contador de estoque foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/br/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
new file mode 100644
index 00000000..60f0e61a
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:49:26+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
+  "language_code": "br"
+}
+-->
+# Chame seu detector de objetos a partir do seu dispositivo IoT - Wio Terminal
+
+Depois que seu detector de objetos for publicado, ele poderá ser usado a partir do seu dispositivo IoT.
+
+## Copie o projeto do classificador de imagens
+
+A maior parte do seu detector de estoque é semelhante ao classificador de imagens que você criou em uma lição anterior.
+
+### Tarefa - copie o projeto do classificador de imagens
+
+1. Conecte sua ArduCam ao Wio Terminal, seguindo os passos da [lição 2 do projeto de fabricação](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera).
+
+    Você também pode querer fixar a câmera em uma posição única, por exemplo, pendurando o cabo sobre uma caixa ou lata, ou fixando a câmera em uma caixa com fita dupla face.
+
+1. Crie um novo projeto para o Wio Terminal usando o PlatformIO. Chame este projeto de `stock-counter`.
+
+1. Replique os passos da [lição 2 do projeto de fabricação](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) para capturar imagens da câmera.
+
+1. Replique os passos da [lição 2 do projeto de fabricação](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) para chamar o classificador de imagens. A maior parte deste código será reutilizada para detectar objetos.
+
+## Alterar o código de um classificador para um detector de imagens
+
+O código que você usou para classificar imagens é muito semelhante ao código para detectar objetos. A principal diferença é a URL que é chamada, obtida do Custom Vision, e os resultados da chamada.
+
+### Tarefa - alterar o código de um classificador para um detector de imagens
+
+1. Adicione a seguinte diretiva de inclusão no topo do arquivo `main.cpp`:
+
+    ```cpp
+    #include <vector>
+    ```
+
+1. Renomeie a função `classifyImage` para `detectStock`, tanto o nome da função quanto a chamada na função `buttonPressed`.
+
+1. Acima da função `detectStock`, declare um limite para filtrar quaisquer detecções com baixa probabilidade:
+
+    ```cpp
+    const float threshold = 0.3f;
+    ```
+
+    Diferentemente de um classificador de imagens que retorna apenas um resultado por tag, o detector de objetos retornará múltiplos resultados, então qualquer um com baixa probabilidade precisa ser filtrado.
+
+1. Acima da função `detectStock`, declare uma função para processar as previsões:
+
+    ```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);
+        }
+    }
+    ```
+
+    Esta função recebe uma lista de previsões e as imprime no monitor serial.
+
+1. Na função `detectStock`, substitua o conteúdo do `for` loop que percorre as previsões pelo seguinte:
+
+    ```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);
+    ```
+
+    Este loop percorre as previsões, comparando a probabilidade com o limite. Todas as previsões que têm uma probabilidade maior que o limite são adicionadas a uma `list` e passadas para a função `processPredictions`.
+
+1. Faça o upload e execute seu código. Aponte a câmera para objetos em uma prateleira e pressione o botão C. Você verá a saída no monitor serial:
+
+    ```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%
+    ```
+
+    > 💁 Pode ser necessário ajustar o `threshold` para um valor apropriado para suas imagens.
+
+    Você poderá ver a imagem que foi capturada e esses valores na aba **Predictions** no Custom Vision.
+
+    ![4 latas de extrato de tomate em uma prateleira com previsões para as 4 detecções de 35.8%, 33.5%, 25.7% e 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.br.png)
+
+> 💁 Você pode encontrar este código na pasta [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal).
+
+😀 Seu programa de contador de estoque foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/README.md b/translations/br/6-consumer/README.md
new file mode 100644
index 00000000..33e12408
--- /dev/null
+++ b/translations/br/6-consumer/README.md
@@ -0,0 +1,36 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
+  "translation_date": "2025-08-28T02:52:00+00:00",
+  "source_file": "6-consumer/README.md",
+  "language_code": "br"
+}
+-->
+# IoT para Consumidores - construa um assistente de voz inteligente
+
+Os alimentos foram cultivados, levados para uma fábrica de processamento, classificados pela qualidade, vendidos na loja e agora é hora de cozinhar! Um dos itens essenciais em qualquer cozinha é um timer. Inicialmente, eles começaram como ampulhetas - sua comida estava pronta quando toda a areia escorria para o bulbo inferior. Depois vieram os timers mecânicos, e então os elétricos.
+
+As versões mais recentes agora fazem parte dos nossos dispositivos inteligentes. Em cozinhas ao redor do mundo, você ouvirá cozinheiros gritando "Ei Siri - configure um timer de 10 minutos" ou "Alexa - cancele meu timer do pão". Não é mais necessário voltar à cozinha para verificar um timer; você pode fazer isso pelo celular ou apenas falando à distância.
+
+Nestes 4 módulos, você aprenderá a construir um timer inteligente, usando IA para reconhecer sua voz, entender o que você está pedindo e responder com informações sobre o timer. Você também adicionará suporte para múltiplos idiomas.
+
+> ⚠️ Trabalhar com dados de voz e microfone consome muita memória, o que significa que é fácil atingir os limites em microcontroladores. O projeto aqui contorna esses problemas, mas esteja ciente de que os laboratórios com o Wio Terminal são complexos e podem levar mais tempo do que outros laboratórios deste currículo.
+
+> 💁 Estas lições utilizarão alguns recursos na nuvem. Se você não concluir todas as lições deste projeto, certifique-se de [limpar seu projeto](../clean-up.md).
+
+## Tópicos
+
+1. [Reconhecer fala com um dispositivo IoT](./lessons/1-speech-recognition/README.md)
+1. [Entender linguagem](./lessons/2-language-understanding/README.md)
+1. [Configurar um timer e fornecer feedback falado](./lessons/3-spoken-feedback/README.md)
+1. [Suportar múltiplos idiomas](./lessons/4-multiple-language-support/README.md)
+
+## Créditos
+
+Todas as lições foram escritas com ♥️ por [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/README.md b/translations/br/6-consumer/lessons/1-speech-recognition/README.md
new file mode 100644
index 00000000..642bc377
--- /dev/null
+++ b/translations/br/6-consumer/lessons/1-speech-recognition/README.md
@@ -0,0 +1,235 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
+  "translation_date": "2025-08-28T03:00:15+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
+  "language_code": "br"
+}
+-->
+# Reconheça fala com um dispositivo IoT
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Este vídeo oferece uma visão geral do serviço de fala do Azure, um tópico que será abordado nesta lição:
+
+[![Como começar a usar seu recurso de fala do Cognitive Services no canal do YouTube da Microsoft Azure](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
+
+> 🎥 Clique na imagem acima para assistir ao vídeo
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
+
+## Introdução
+
+'Alexa, configure um cronômetro de 12 minutos'
+
+'Alexa, qual o status do cronômetro?'
+
+'Alexa, configure um cronômetro de 8 minutos chamado cozinhar brócolis no vapor'
+
+Dispositivos inteligentes estão se tornando cada vez mais comuns. Não apenas como alto-falantes inteligentes, como HomePods, Echos e Google Homes, mas também integrados em nossos telefones, relógios e até mesmo em luminárias e termostatos.
+
+> 💁 Eu tenho pelo menos 19 dispositivos na minha casa que possuem assistentes de voz, e isso é só o que eu sei!
+
+O controle por voz aumenta a acessibilidade, permitindo que pessoas com mobilidade limitada interajam com dispositivos. Seja uma deficiência permanente, como nascer sem braços, uma deficiência temporária, como um braço quebrado, ou simplesmente ter as mãos ocupadas com compras ou crianças pequenas, poder controlar nossas casas com a voz em vez das mãos abre um mundo de possibilidades. Gritar 'Ei Siri, feche a porta da garagem' enquanto lida com uma troca de fralda e uma criança agitada pode ser uma pequena, mas significativa, melhoria na vida.
+
+Um dos usos mais populares para assistentes de voz é configurar cronômetros, especialmente na cozinha. Poder configurar múltiplos cronômetros apenas com a voz é uma grande ajuda - não é necessário parar de sovar a massa, mexer a sopa ou limpar as mãos para usar um cronômetro físico.
+
+Nesta lição, você aprenderá a incorporar reconhecimento de voz em dispositivos IoT. Você aprenderá sobre microfones como sensores, como capturar áudio de um microfone conectado a um dispositivo IoT e como usar IA para converter o que é ouvido em texto. Ao longo deste projeto, você construirá um cronômetro de cozinha inteligente, capaz de configurar cronômetros usando sua voz em vários idiomas.
+
+Nesta lição, abordaremos:
+
+* [Microfones](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Capturar áudio do seu dispositivo IoT](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Fala para texto](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Converter fala em texto](../../../../../6-consumer/lessons/1-speech-recognition)
+
+## Microfones
+
+Microfones são sensores analógicos que convertem ondas sonoras em sinais elétricos. Vibrações no ar fazem com que componentes no microfone se movam em pequenas quantidades, causando pequenas alterações nos sinais elétricos. Essas alterações são então amplificadas para gerar uma saída elétrica.
+
+### Tipos de microfones
+
+Microfones vêm em uma variedade de tipos:
+
+* Dinâmico - Microfones dinâmicos possuem um ímã preso a um diafragma móvel que se move em uma bobina de fio, criando uma corrente elétrica. Isso é o oposto da maioria dos alto-falantes, que usam uma corrente elétrica para mover um ímã em uma bobina de fio, movendo um diafragma para criar som. Isso significa que alto-falantes podem ser usados como microfones dinâmicos, e microfones dinâmicos podem ser usados como alto-falantes. Em dispositivos como interfones, onde o usuário está ouvindo ou falando, mas não ambos ao mesmo tempo, um único dispositivo pode atuar como alto-falante e microfone.
+
+    Microfones dinâmicos não precisam de energia para funcionar, o sinal elétrico é gerado inteiramente pelo microfone.
+
+    ![Patti Smith cantando em um microfone Shure SM58 (tipo dinâmico cardioide)](../../../../../translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.br.jpg)
+
+* Fita - Microfones de fita são semelhantes aos microfones dinâmicos, exceto que possuem uma fita de metal em vez de um diafragma. Essa fita se move em um campo magnético, gerando uma corrente elétrica. Assim como os microfones dinâmicos, os microfones de fita não precisam de energia para funcionar.
+
+    ![Edmund Lowe, ator americano, em pé ao lado de um microfone de rádio (etiquetado para a rede Blue da NBC), segurando um roteiro, 1942](../../../../../translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.br.jpg)
+
+* Condensador - Microfones condensadores possuem um diafragma de metal fino e uma placa traseira de metal fixa. Eletricidade é aplicada a ambos, e à medida que o diafragma vibra, a carga estática entre as placas muda, gerando um sinal. Microfones condensadores precisam de energia para funcionar - chamada de *Phantom power*.
+
+    ![Microfone condensador de pequeno diafragma C451B da AKG Acoustics](../../../../../translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.br.jpg)
+
+* MEMS - Microfones de sistemas microeletromecânicos, ou MEMS, são microfones em um chip. Eles possuem um diafragma sensível à pressão gravado em um chip de silício e funcionam de maneira semelhante a um microfone condensador. Esses microfones podem ser minúsculos e integrados em circuitos.
+
+    ![Um microfone MEMS em uma placa de circuito](../../../../../translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.br.png)
+
+    Na imagem acima, o chip rotulado como **LEFT** é um microfone MEMS, com um diafragma minúsculo de menos de um milímetro de largura.
+
+✅ Faça uma pesquisa: Quais microfones você tem ao seu redor - seja no seu computador, telefone, headset ou em outros dispositivos? Que tipo de microfones são eles?
+
+### Áudio digital
+
+O áudio é um sinal analógico que carrega informações muito detalhadas. Para converter esse sinal em digital, o áudio precisa ser amostrado milhares de vezes por segundo.
+
+> 🎓 Amostragem é o processo de converter o sinal de áudio em um valor digital que representa o sinal naquele momento específico.
+
+![Um gráfico de linha mostrando um sinal, com pontos discretos em intervalos fixos](../../../../../translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.br.png)
+
+O áudio digital é amostrado usando Modulação por Código de Pulso, ou PCM. PCM envolve a leitura da voltagem do sinal e a seleção do valor discreto mais próximo dessa voltagem usando um tamanho definido.
+
+> 💁 Você pode pensar no PCM como a versão sensorial da modulação por largura de pulso, ou PWM (PWM foi abordado na [lição 3 do projeto introdutório](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation)). PCM envolve converter um sinal analógico em digital, enquanto PWM envolve converter um sinal digital em analógico.
+
+Por exemplo, a maioria dos serviços de streaming de música oferece áudio de 16 bits ou 24 bits. Isso significa que eles convertem a voltagem em um valor que cabe em um número inteiro de 16 bits ou 24 bits. O áudio de 16 bits cabe em um número que varia de -32.768 a 32.767, enquanto o de 24 bits varia de -8.388.608 a 8.388.607. Quanto mais bits, mais próximo o som amostrado estará do que nossos ouvidos realmente ouvem.
+
+> 💁 Você já deve ter ouvido falar de áudio de 8 bits, frequentemente chamado de LoFi. Este é o áudio amostrado usando apenas 8 bits, ou seja, de -128 a 127. O primeiro áudio de computador era limitado a 8 bits devido a restrições de hardware, por isso é frequentemente associado a jogos retrô.
+
+Essas amostras são feitas milhares de vezes por segundo, usando taxas de amostragem bem definidas, medidas em KHz (milhares de leituras por segundo). Serviços de streaming de música usam 48KHz para a maioria dos áudios, mas alguns áudios 'sem perdas' usam até 96KHz ou mesmo 192KHz. Quanto maior a taxa de amostragem, mais próximo o áudio estará do original, até certo ponto. Há debates sobre se os humanos conseguem perceber a diferença acima de 48KHz.
+
+✅ Faça uma pesquisa: Se você usa um serviço de streaming de música, qual é a taxa de amostragem e o tamanho que ele utiliza? Se você usa CDs, qual é a taxa de amostragem e o tamanho do áudio em CD?
+
+Existem vários formatos diferentes para dados de áudio. Você provavelmente já ouviu falar de arquivos mp3 - dados de áudio comprimidos para torná-los menores sem perder qualidade. Áudio não comprimido geralmente é armazenado como um arquivo WAV - este é um arquivo com 44 bytes de informações de cabeçalho, seguido pelos dados de áudio brutos. O cabeçalho contém informações como a taxa de amostragem (por exemplo, 16000 para 16KHz), o tamanho da amostra (16 para 16 bits) e o número de canais. Após o cabeçalho, o arquivo WAV contém os dados de áudio brutos.
+
+> 🎓 Canais referem-se a quantos fluxos de áudio diferentes compõem o áudio. Por exemplo, para áudio estéreo com canais esquerdo e direito, haveria 2 canais. Para som surround 7.1 em um sistema de home theater, seriam 8 canais.
+
+### Tamanho dos dados de áudio
+
+Os dados de áudio são relativamente grandes. Por exemplo, capturar áudio não comprimido de 16 bits a 16KHz (uma taxa boa o suficiente para uso com modelos de fala para texto) consome 32KB de dados para cada segundo de áudio:
+
+* 16 bits significam 2 bytes por amostra (1 byte equivale a 8 bits).
+* 16KHz são 16.000 amostras por segundo.
+* 16.000 x 2 bytes = 32.000 bytes por segundo.
+
+Isso pode parecer uma quantidade pequena de dados, mas se você estiver usando um microcontrolador com memória limitada, isso pode ser muito. Por exemplo, o Wio Terminal possui 192KB de memória, e essa memória precisa armazenar o código do programa e as variáveis. Mesmo que seu código seja pequeno, você não poderia capturar mais de 5 segundos de áudio.
+
+Microcontroladores podem acessar armazenamento adicional, como cartões SD ou memória flash. Ao construir um dispositivo IoT que captura áudio, você precisará garantir não apenas que possui armazenamento adicional, mas que seu código grava o áudio capturado do microfone diretamente nesse armazenamento. Além disso, ao enviar o áudio para a nuvem, você deve transmitir diretamente do armazenamento para a solicitação web. Dessa forma, você evita esgotar a memória tentando armazenar todo o bloco de dados de áudio na memória de uma só vez.
+
+## Capturar áudio do seu dispositivo IoT
+
+Seu dispositivo IoT pode ser conectado a um microfone para capturar áudio, pronto para conversão em texto. Ele também pode ser conectado a alto-falantes para saída de áudio. Em lições posteriores, isso será usado para fornecer feedback de áudio, mas é útil configurar os alto-falantes agora para testar o microfone.
+
+### Tarefa - configurar seu microfone e alto-falantes
+
+Siga o guia relevante para configurar o microfone e os alto-falantes para o seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-microphone.md)
+* [Computador de placa única - Raspberry Pi](pi-microphone.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-microphone.md)
+
+### Tarefa - capturar áudio
+
+Siga o guia relevante para capturar áudio no seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-audio.md)
+* [Computador de placa única - Raspberry Pi](pi-audio.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-audio.md)
+
+## Fala para texto
+
+Fala para texto, ou reconhecimento de fala, envolve o uso de IA para converter palavras em um sinal de áudio em texto.
+
+### Modelos de reconhecimento de fala
+
+Para converter fala em texto, amostras do sinal de áudio são agrupadas e alimentadas em um modelo de aprendizado de máquina baseado em uma Rede Neural Recorrente (RNN). Este é um tipo de modelo de aprendizado de máquina que pode usar dados anteriores para tomar decisões sobre os dados recebidos. Por exemplo, a RNN pode detectar um bloco de amostras de áudio como o som 'Hel', e quando recebe outro que parece ser o som 'lo', ela pode combinar isso com o som anterior, descobrir que 'Hello' é uma palavra válida e selecionar isso como o resultado.
+
+Modelos de aprendizado de máquina sempre aceitam dados do mesmo tamanho todas as vezes. O classificador de imagens que você construiu em uma lição anterior redimensiona imagens para um tamanho fixo antes de processá-las. O mesmo acontece com os modelos de fala, que precisam processar blocos de áudio de tamanho fixo. Os modelos de fala precisam ser capazes de combinar as saídas de várias previsões para obter a resposta, permitindo distinguir entre 'Oi' e 'Rodovia', ou 'rebanho' e 'floccinaucinihilipilificação'.
+
+Os modelos de fala também são avançados o suficiente para entender o contexto e podem corrigir as palavras detectadas à medida que mais sons são processados. Por exemplo, se você disser "Fui às lojas para comprar duas bananas e uma maçã também", você usaria três palavras que soam iguais, mas são escritas de forma diferente - para, duas e também. Os modelos de fala são capazes de entender o contexto e usar a grafia apropriada para a palavra.
+💁 Alguns serviços de fala permitem personalização para funcionar melhor em ambientes barulhentos, como fábricas, ou com palavras específicas de determinados setores, como nomes químicos. Essas personalizações são treinadas fornecendo áudio de exemplo e uma transcrição, e funcionam utilizando aprendizado por transferência, da mesma forma que você treinou um classificador de imagens usando apenas algumas imagens em uma lição anterior.
+### Privacidade
+
+Ao utilizar reconhecimento de fala em um dispositivo IoT de consumo, a privacidade é extremamente importante. Esses dispositivos escutam áudio continuamente, e como consumidor, você não quer que tudo o que você diz seja enviado para a nuvem e convertido em texto. Isso não apenas consome muita largura de banda da Internet, mas também tem grandes implicações para a privacidade, especialmente quando alguns fabricantes de dispositivos inteligentes selecionam aleatoriamente áudios para [humanos validarem em relação ao texto gerado para ajudar a melhorar seus modelos](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings).
+
+Você só quer que seu dispositivo inteligente envie áudio para a nuvem para processamento quando você estiver usando-o, e não quando ele ouvir sons em sua casa, que podem incluir reuniões privadas ou interações íntimas. A forma como a maioria dos dispositivos inteligentes funciona é com uma *palavra de ativação*, uma frase-chave como "Alexa", "Hey Siri" ou "OK Google", que faz com que o dispositivo 'acorde' e ouça o que você está dizendo até detectar uma pausa na sua fala, indicando que você terminou de falar com o dispositivo.
+
+> 🎓 A detecção de palavras de ativação também é conhecida como *Keyword spotting* ou *Keyword recognition*.
+
+Essas palavras de ativação são detectadas no próprio dispositivo, não na nuvem. Esses dispositivos inteligentes possuem pequenos modelos de IA que rodam no dispositivo e escutam a palavra de ativação. Quando ela é detectada, o dispositivo começa a transmitir o áudio para a nuvem para reconhecimento. Esses modelos são altamente especializados e só escutam a palavra de ativação.
+
+> 💁 Algumas empresas de tecnologia estão adicionando mais privacidade aos seus dispositivos e realizando parte da conversão de fala para texto no próprio dispositivo. A Apple anunciou que, como parte das atualizações do iOS e macOS de 2021, suportará a conversão de fala para texto no dispositivo, sendo capaz de lidar com muitas solicitações sem precisar usar a nuvem. Isso é possível graças aos processadores poderosos em seus dispositivos, que podem executar modelos de ML.
+
+✅ Quais você acha que são as implicações de privacidade e ética de armazenar o áudio enviado para a nuvem? Esse áudio deveria ser armazenado e, se sim, como? Você acha que o uso de gravações para aplicação da lei é uma boa troca pela perda de privacidade?
+
+A detecção de palavras de ativação geralmente utiliza uma técnica conhecida como TinyML, que consiste em converter modelos de ML para que possam ser executados em microcontroladores. Esses modelos são pequenos em tamanho e consomem muito pouca energia para funcionar.
+
+Para evitar a complexidade de treinar e usar um modelo de palavra de ativação, o cronômetro inteligente que você está construindo nesta lição usará um botão para ativar o reconhecimento de fala.
+
+> 💁 Se você quiser tentar criar um modelo de detecção de palavras de ativação para rodar no Wio Terminal ou Raspberry Pi, confira este [tutorial de resposta à sua voz da Edge Impulse](https://docs.edgeimpulse.com/docs/responding-to-your-voice). Se quiser usar seu computador para isso, você pode experimentar o [guia rápido de introdução ao Custom Keyword na documentação da Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn).
+
+## Converter fala em texto
+
+![Logotipo dos serviços de fala](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.br.png)
+
+Assim como na classificação de imagens em um projeto anterior, existem serviços de IA pré-construídos que podem pegar fala como um arquivo de áudio e convertê-la em texto. Um desses serviços é o Speech Service, parte dos Cognitive Services, serviços de IA pré-construídos que você pode usar em seus aplicativos.
+
+### Tarefa - configurar um recurso de IA de fala
+
+1. Crie um Grupo de Recursos para este projeto chamado `smart-timer`.
+
+1. Use o seguinte comando para criar um recurso de fala gratuito:
+
+    ```sh
+    az cognitiveservices account create --name smart-timer \
+                                        --resource-group smart-timer \
+                                        --kind SpeechServices \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Substitua `<location>` pela localização usada ao criar o Grupo de Recursos.
+
+1. Você precisará de uma chave de API para acessar o recurso de fala a partir do seu código. Execute o seguinte comando para obter a chave:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    Copie uma das chaves.
+
+### Tarefa - converter fala em texto
+
+Siga o guia relevante para converter fala em texto no seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
+* [Computador de placa única - Raspberry Pi](pi-speech-to-text.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-speech-to-text.md)
+
+---
+
+## 🚀 Desafio
+
+O reconhecimento de fala existe há muito tempo e está continuamente melhorando. Pesquise as capacidades atuais e compare como elas evoluíram ao longo do tempo, incluindo quão precisas são as transcrições feitas por máquinas em comparação com as feitas por humanos.
+
+O que você acha que o futuro reserva para o reconhecimento de fala?
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
+
+## Revisão e Autoestudo
+
+* Leia sobre os diferentes tipos de microfones e como eles funcionam no [artigo sobre a diferença entre microfones dinâmicos e condensadores no Musician's HQ](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/).
+* Leia mais sobre o serviço de fala dos Cognitive Services na [documentação do serviço de fala na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn).
+* Leia sobre detecção de palavras-chave na [documentação de reconhecimento de palavras-chave na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn).
+
+## Tarefa
+
+[](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/br/6-consumer/lessons/1-speech-recognition/assignment.md
new file mode 100644
index 00000000..31eaacc8
--- /dev/null
+++ b/translations/br/6-consumer/lessons/1-speech-recognition/assignment.md
@@ -0,0 +1,20 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5ae7654f519ae831179409dc8e528055",
+  "translation_date": "2025-08-28T03:05:17+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
+  "language_code": "br"
+}
+-->
+## Instruções
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/br/6-consumer/lessons/1-speech-recognition/pi-audio.md
new file mode 100644
index 00000000..d7a345f8
--- /dev/null
+++ b/translations/br/6-consumer/lessons/1-speech-recognition/pi-audio.md
@@ -0,0 +1,227 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
+  "translation_date": "2025-08-28T03:02:17+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
+  "language_code": "br"
+}
+-->
+# Capturar áudio - Raspberry Pi
+
+Nesta parte da lição, você escreverá um código para capturar áudio no seu Raspberry Pi. A captura de áudio será controlada por um botão.
+
+## Hardware
+
+O Raspberry Pi precisa de um botão para controlar a captura de áudio.
+
+O botão que você usará é um botão Grove. Este é um sensor digital que liga ou desliga um sinal. Esses botões podem ser configurados para enviar um sinal alto quando o botão é pressionado e baixo quando não é, ou baixo quando pressionado e alto quando não está.
+
+Se você estiver usando um ReSpeaker 2-Mics Pi HAT como microfone, não é necessário conectar um botão, pois este HAT já possui um embutido. Pule para a próxima seção.
+
+### Conectar o botão
+
+O botão pode ser conectado ao Grove Base Hat.
+
+#### Tarefa - conectar o botão
+
+![Um botão Grove](../../../../../translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.br.png)
+
+1. Insira uma extremidade de um cabo Grove no soquete do módulo do botão. Ele só encaixará de uma maneira.
+
+1. Com o Raspberry Pi desligado, conecte a outra extremidade do cabo Grove ao soquete digital marcado como **D5** no Grove Base Hat conectado ao Pi. Este soquete é o segundo da esquerda, na fileira de soquetes ao lado dos pinos GPIO.
+
+![O botão Grove conectado ao soquete D5](../../../../../translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.br.png)
+
+## Capturar áudio
+
+Você pode capturar áudio do microfone usando código em Python.
+
+### Tarefa - capturar áudio
+
+1. Ligue o Raspberry Pi e aguarde a inicialização.
+
+1. Abra o VS Code, diretamente no Pi ou conecte-se via extensão Remote SSH.
+
+1. O pacote PyAudio do Pip possui funções para gravar e reproduzir áudio. Este pacote depende de algumas bibliotecas de áudio que precisam ser instaladas primeiro. Execute os seguintes comandos no terminal para instalá-las:
+
+    ```sh
+    sudo apt update
+    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
+    ```
+
+1. Instale o pacote PyAudio do Pip.
+
+    ```sh
+    pip3 install pyaudio
+    ```
+
+1. Crie uma nova pasta chamada `smart-timer` e adicione um arquivo chamado `app.py` a esta pasta.
+
+1. Adicione as seguintes importações no início deste arquivo:
+
+    ```python
+    import io
+    import pyaudio
+    import time
+    import wave
+    
+    from grove.factory import Factory
+    ```
+
+    Isso importa o módulo `pyaudio`, alguns módulos padrão do Python para lidar com arquivos WAV e o módulo `grove.factory` para importar uma `Factory` e criar uma classe de botão.
+
+1. Abaixo disso, adicione o código para criar um botão Grove.
+
+    Se você estiver usando o ReSpeaker 2-Mics Pi HAT, use o seguinte código:
+
+    ```python
+    # The button on the ReSpeaker 2-Mics Pi HAT
+    button = Factory.getButton("GPIO-LOW", 17)
+    ```
+
+    Isso cria um botão na porta **D17**, a porta à qual o botão do ReSpeaker 2-Mics Pi HAT está conectado. Este botão é configurado para enviar um sinal baixo quando pressionado.
+
+    Se você não estiver usando o ReSpeaker 2-Mics Pi HAT e estiver usando um botão Grove conectado ao Base Hat, use este código:
+
+    ```python
+    button = Factory.getButton("GPIO-HIGH", 5)
+    ```
+
+    Isso cria um botão na porta **D5**, configurado para enviar um sinal alto quando pressionado.
+
+1. Abaixo disso, crie uma instância da classe PyAudio para lidar com o áudio:
+
+    ```python
+    audio = pyaudio.PyAudio()
+    ```
+
+1. Declare o número da placa de hardware para o microfone e o alto-falante. Este será o número da placa que você encontrou ao executar `arecord -l` e `aplay -l` anteriormente nesta lição.
+
+    ```python
+    microphone_card_number = <microphone card number>
+    speaker_card_number = <speaker card number>
+    ```
+
+    Substitua `<microphone card number>` pelo número da placa do seu microfone.
+
+    Substitua `<speaker card number>` pelo número da placa do seu alto-falante, o mesmo número que você configurou no arquivo `alsa.conf`.
+
+1. Abaixo disso, declare a taxa de amostragem a ser usada para a captura e reprodução de áudio. Você pode precisar alterar isso dependendo do hardware que está usando.
+
+    ```python
+    rate = 48000 #48KHz
+    ```
+
+    Se você receber erros de taxa de amostragem ao executar este código mais tarde, altere este valor para `44100` ou `16000`. Quanto maior o valor, melhor a qualidade do som.
+
+1. Abaixo disso, crie uma nova função chamada `capture_audio`. Esta será chamada para capturar áudio do microfone:
+
+    ```python
+    def capture_audio():
+    ```
+
+1. Dentro desta função, adicione o seguinte para capturar o áudio:
+
+    ```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()
+    ```
+
+    Este código abre um fluxo de entrada de áudio usando o objeto PyAudio. Este fluxo capturará áudio do microfone a 16KHz, capturando-o em buffers de 4096 bytes de tamanho.
+
+    O código então entra em um loop enquanto o botão Grove está pressionado, lendo esses buffers de 4096 bytes em um array a cada vez.
+
+    > 💁 Você pode ler mais sobre as opções passadas para o método `open` na [documentação do PyAudio](https://people.csail.mit.edu/hubert/pyaudio/docs/).
+
+    Assim que o botão for solto, o fluxo será parado e fechado.
+
+1. Adicione o seguinte ao final desta função:
+
+    ```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
+    ```
+
+    Este código cria um buffer binário e grava todo o áudio capturado nele como um [arquivo WAV](https://wikipedia.org/wiki/WAV). Este é um formato padrão para gravar áudio não compactado em um arquivo. Este buffer é então retornado.
+
+1. Adicione a seguinte função `play_audio` para reproduzir o buffer de áudio:
+
+    ```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()
+    ```
+
+    Esta função abre outro fluxo de áudio, desta vez para saída - para reproduzir o áudio. Ela usa as mesmas configurações do fluxo de entrada. O buffer é então aberto como um arquivo WAV e gravado no fluxo de saída em blocos de 4096 bytes, reproduzindo o áudio. O fluxo é então fechado.
+
+1. Adicione o seguinte código abaixo da função `capture_audio` para entrar em um loop até que o botão seja pressionado. Assim que o botão for pressionado, o áudio será capturado e reproduzido.
+
+    ```python
+    while True:
+        while not button.is_pressed():
+            time.sleep(.1)
+        
+        buffer = capture_audio()
+        play_audio(buffer)
+    ```
+
+1. Execute o código. Pressione o botão e fale no microfone. Solte o botão quando terminar, e você ouvirá a gravação.
+
+    Você pode receber alguns erros ALSA quando a instância do PyAudio for criada. Isso ocorre devido à configuração no Pi para dispositivos de áudio que você não possui. Você pode ignorar esses erros.
+
+    ```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
+    ```
+
+    Se você receber o seguinte erro:
+
+    ```output
+    OSError: [Errno -9997] Invalid sample rate
+    ```
+
+    então altere o `rate` para 44100 ou 16000.
+
+> 💁 Você pode encontrar este código na pasta [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi).
+
+😀 Seu programa de gravação de áudio foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/br/6-consumer/lessons/1-speech-recognition/pi-microphone.md
new file mode 100644
index 00000000..ca1226a4
--- /dev/null
+++ b/translations/br/6-consumer/lessons/1-speech-recognition/pi-microphone.md
@@ -0,0 +1,157 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
+  "translation_date": "2025-08-28T03:04:04+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
+  "language_code": "br"
+}
+-->
+# Configure seu microfone e alto-falantes - Raspberry Pi
+
+Nesta parte da lição, você adicionará um microfone e alto-falantes ao seu Raspberry Pi.
+
+## Hardware
+
+O Raspberry Pi precisa de um microfone.
+
+O Pi não possui um microfone embutido, então você precisará adicionar um microfone externo. Existem várias maneiras de fazer isso:
+
+* Microfone USB  
+* Headset USB  
+* Speakerphone USB tudo-em-um  
+* Adaptador de áudio USB e microfone com conector de 3,5mm  
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)  
+
+> 💁 Microfones Bluetooth nem sempre são compatíveis com o Raspberry Pi, então, se você tiver um microfone ou headset Bluetooth, pode enfrentar problemas ao emparelhar ou capturar áudio.
+
+Os Raspberry Pis possuem um conector de fone de ouvido de 3,5mm. Você pode usá-lo para conectar fones de ouvido, um headset ou um alto-falante. Também é possível adicionar alto-falantes usando:
+
+* Áudio HDMI através de um monitor ou TV  
+* Alto-falantes USB  
+* Headset USB  
+* Speakerphone USB tudo-em-um  
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) com um alto-falante conectado, seja ao conector de 3,5mm ou à porta JST  
+
+## Conectar e configurar o microfone e os alto-falantes
+
+O microfone e os alto-falantes precisam ser conectados e configurados.
+
+### Tarefa - conectar e configurar o microfone
+
+1. Conecte o microfone usando o método apropriado. Por exemplo, conecte-o a uma das portas USB.
+
+1. Se você estiver usando o ReSpeaker 2-Mics Pi HAT, pode remover o Grove base hat e encaixar o ReSpeaker hat no lugar.
+
+    ![Um Raspberry Pi com um ReSpeaker hat](../../../../../translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.br.png)
+
+    Você precisará de um botão Grove mais tarde nesta lição, mas um já está embutido neste hat, então o Grove base hat não é necessário.
+
+    Depois de encaixar o hat, será necessário instalar alguns drivers. Consulte as [instruções de introdução da Seeed](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) para obter instruções sobre a instalação dos drivers.
+
+    > ⚠️ As instruções utilizam `git` para clonar um repositório. Se você não tiver o `git` instalado no seu Pi, pode instalá-lo executando o seguinte comando:
+    >
+    > ```sh
+    > sudo apt install git --yes
+    > ```
+
+1. Execute o seguinte comando no Terminal, seja no Pi ou conectado via VS Code e uma sessão SSH remota, para ver informações sobre o microfone conectado:
+
+    ```sh
+    arecord -l
+    ```
+
+    Você verá uma lista de microfones conectados. Será algo como o seguinte:
+
+    ```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
+    ```
+
+    Assumindo que você tenha apenas um microfone, deverá ver apenas uma entrada. A configuração de microfones pode ser complicada no Linux, então é mais fácil usar apenas um microfone e desconectar quaisquer outros.
+
+    Anote o número da placa, pois você precisará dele mais tarde. No exemplo acima, o número da placa é 1.
+
+### Tarefa - conectar e configurar o alto-falante
+
+1. Conecte os alto-falantes usando o método apropriado.
+
+1. Execute o seguinte comando no Terminal, seja no Pi ou conectado via VS Code e uma sessão SSH remota, para ver informações sobre os alto-falantes conectados:
+
+    ```sh
+    aplay -l
+    ```
+
+    Você verá uma lista de alto-falantes conectados. Será algo como o seguinte:
+
+    ```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
+    ```
+
+    Você sempre verá `card 0: Headphones`, pois este é o conector de fone de ouvido embutido. Se você adicionou alto-falantes adicionais, como um alto-falante USB, verá isso listado também.
+
+1. Se você estiver usando um alto-falante adicional, e não um alto-falante ou fones de ouvido conectados ao conector de fone de ouvido embutido, será necessário configurá-lo como padrão. Para fazer isso, execute o seguinte comando:
+
+    ```sh
+    sudo nano /usr/share/alsa/alsa.conf
+    ```
+
+    Isso abrirá um arquivo de configuração no `nano`, um editor de texto baseado em terminal. Role para baixo usando as teclas de seta do teclado até encontrar a seguinte linha:
+
+    ```output
+    defaults.pcm.card 0
+    ```
+
+    Altere o valor de `0` para o número da placa que você deseja usar da lista retornada pela chamada ao `aplay -l`. Por exemplo, no exemplo acima há uma segunda placa de som chamada `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]`, usando a placa 1. Para usar esta, eu atualizaria a linha para:
+
+    ```output
+    defaults.pcm.card 1
+    ```
+
+    Defina este valor para o número da placa apropriado. Você pode navegar até o número usando as teclas de seta do teclado, depois excluir e digitar o novo número normalmente ao editar arquivos de texto.
+
+1. Salve as alterações e feche o arquivo pressionando `Ctrl+x`. Pressione `y` para salvar o arquivo e, em seguida, `return` para selecionar o nome do arquivo.
+
+### Tarefa - testar o microfone e o alto-falante
+
+1. Execute o seguinte comando para gravar 5 segundos de áudio através do microfone:
+
+    ```sh
+    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
+    ```
+
+    Enquanto este comando estiver sendo executado, faça algum ruído no microfone, como falar, cantar, fazer beatbox, tocar um instrumento ou o que preferir.
+
+1. Após 5 segundos, a gravação será interrompida. Execute o seguinte comando para reproduzir o áudio:
+
+    ```sh
+    aplay --format=S16_LE --rate=16000 out.wav
+    ```
+
+    Você ouvirá o áudio sendo reproduzido pelos alto-falantes. Ajuste o volume de saída no alto-falante conforme necessário.
+
+1. Se precisar ajustar o volume da porta de microfone embutida ou o ganho do microfone, você pode usar o utilitário `alsamixer`. Você pode ler mais sobre este utilitário na [página de manual do alsamixer no Linux](https://linux.die.net/man/1/alsamixer).
+
+1. Se você encontrar erros ao reproduzir o áudio, verifique a placa que configurou como `defaults.pcm.card` no arquivo `alsa.conf`.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/br/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
new file mode 100644
index 00000000..702b8232
--- /dev/null
+++ b/translations/br/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
+  "translation_date": "2025-08-28T03:04:38+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
+  "language_code": "br"
+}
+-->
+# Fala para texto - Raspberry Pi
+
+Nesta parte da lição, você escreverá um código para converter a fala capturada no áudio em texto usando o serviço de fala.
+
+## Enviar o áudio para o serviço de fala
+
+O áudio pode ser enviado para o serviço de fala usando a API REST. Para usar o serviço de fala, primeiro você precisa solicitar um token de acesso e, em seguida, usar esse token para acessar a API REST. Esses tokens de acesso expiram após 10 minutos, então seu código deve solicitá-los regularmente para garantir que estejam sempre atualizados.
+
+### Tarefa - obter um token de acesso
+
+1. Abra o projeto `smart-timer` no seu Raspberry Pi.
+
+1. Remova a função `play_audio`. Ela não é mais necessária, já que você não quer que o temporizador inteligente repita o que você disse.
+
+1. Adicione a seguinte importação no topo do arquivo `app.py`:
+
+    ```python
+    import requests
+    ```
+
+1. Adicione o seguinte código acima do loop `while True` para declarar algumas configurações para o serviço de fala:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+    ```
+
+    Substitua `<key>` pela chave da API do recurso do serviço de fala. Substitua `<location>` pela localização que você usou ao criar o recurso do serviço de fala.
+
+    Substitua `<language>` pelo nome do local para o idioma que você estará falando, por exemplo, `en-GB` para inglês ou `zn-HK` para cantonês. Você pode encontrar uma lista dos idiomas suportados e seus nomes de local na [documentação de suporte a idiomas e vozes nos docs da Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+1. Abaixo disso, adicione a seguinte função para obter um token de acesso:
+
+    ```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)
+    ```
+
+    Isso chama um endpoint de emissão de token, passando a chave da API como um cabeçalho. Essa chamada retorna um token de acesso que pode ser usado para chamar os serviços de fala.
+
+1. Abaixo disso, declare uma função para converter a fala capturada no áudio em texto usando a API REST:
+
+    ```python
+    def convert_speech_to_text(buffer):
+    ```
+
+1. Dentro dessa função, configure a URL da API REST e os cabeçalhos:
+
+    ```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
+    }
+    ```
+
+    Isso constrói uma URL usando a localização do recurso dos serviços de fala. Em seguida, preenche os cabeçalhos com o token de acesso da função `get_access_token`, bem como a taxa de amostragem usada para capturar o áudio. Por fim, define alguns parâmetros a serem passados com a URL contendo o idioma do áudio.
+
+1. Abaixo disso, adicione o seguinte código para chamar a API REST e obter o texto de volta:
+
+    ```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 ''
+    ```
+
+    Isso chama a URL e decodifica o valor JSON que vem na resposta. O valor `RecognitionStatus` na resposta indica se a chamada conseguiu extrair a fala em texto com sucesso, e se for `Success`, o texto é retornado da função; caso contrário, uma string vazia é retornada.
+
+1. Acima do loop `while True:`, defina uma função para processar o texto retornado pelo serviço de fala para texto. Por enquanto, essa função apenas imprimirá o texto no console.
+
+    ```python
+    def process_text(text):
+        print(text)
+    ```
+
+1. Finalmente, substitua a chamada para `play_audio` no loop `while True` por uma chamada para a função `convert_speech_to_text`, passando o texto para a função `process_text`:
+
+    ```python
+    text = convert_speech_to_text(buffer)
+    process_text(text)
+    ```
+
+1. Execute o código. Pressione o botão e fale no microfone. Solte o botão quando terminar, e o áudio será convertido em texto e impresso no console.
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    Experimente diferentes tipos de frases, junto com frases onde palavras soam iguais, mas têm significados diferentes. Por exemplo, se você estiver falando em inglês, diga "I want to buy two bananas and an apple too" e perceba como ele usará o "to", "two" e "too" corretos com base no contexto da palavra, e não apenas no som.
+
+> 💁 Você pode encontrar este código na pasta [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi).
+
+😀 Seu programa de fala para texto foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/br/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
new file mode 100644
index 00000000..91d078e8
--- /dev/null
+++ b/translations/br/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
+  "translation_date": "2025-08-28T03:05:08+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
+  "language_code": "br"
+}
+-->
+# Capturar áudio - Dispositivo IoT Virtual
+
+As bibliotecas Python que você usará mais tarde nesta lição para converter fala em texto possuem captura de áudio integrada no Windows, macOS e Linux. Você não precisa fazer nada aqui.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/br/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
new file mode 100644
index 00000000..b59002c4
--- /dev/null
+++ b/translations/br/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
+  "translation_date": "2025-08-28T03:02:05+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
+  "language_code": "br"
+}
+-->
+# Configure seu microfone e alto-falantes - Hardware Virtual de IoT
+
+O hardware virtual de IoT usará um microfone e alto-falantes conectados ao seu computador.
+
+Se o seu computador não tiver um microfone e alto-falantes integrados, será necessário conectar esses dispositivos usando o hardware de sua escolha, como:
+
+* Microfone USB  
+* Alto-falantes USB  
+* Alto-falantes embutidos no monitor e conectados via HDMI  
+* Fone de ouvido Bluetooth  
+
+Consulte as instruções do fabricante do hardware para instalar e configurar esses dispositivos.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/br/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
new file mode 100644
index 00000000..f6d3b0f1
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:02:59+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
+  "language_code": "br"
+}
+-->
+# Fala para texto - Dispositivo IoT Virtual
+
+Nesta parte da lição, você escreverá um código para converter fala capturada do seu microfone em texto usando o serviço de fala.
+
+## Converter fala em texto
+
+No Windows, Linux e macOS, o SDK Python dos serviços de fala pode ser usado para ouvir o microfone e converter qualquer fala detectada em texto. Ele escuta continuamente, detectando os níveis de áudio e enviando a fala para conversão em texto quando o nível de áudio cai, como no final de um bloco de fala.
+
+### Tarefa - converter fala em texto
+
+1. Crie um novo aplicativo Python no seu computador em uma pasta chamada `smart-timer` com um único arquivo chamado `app.py` e um ambiente virtual Python.
+
+1. Instale o pacote Pip para os serviços de fala. Certifique-se de instalar isso a partir de um terminal com o ambiente virtual ativado.
+
+    ```sh
+    pip install azure-cognitiveservices-speech
+    ```
+
+    > ⚠️ Se você receber o seguinte erro:
+    >
+    > ```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
+    > ```
+    >
+    > Será necessário atualizar o Pip. Faça isso com o seguinte comando e tente instalar o pacote novamente:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. Adicione os seguintes imports ao arquivo `app.py`:
+
+    ```python
+    import requests
+    import time
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
+    ```
+
+    Isso importa algumas classes usadas para reconhecer fala.
+
+1. Adicione o seguinte código para declarar algumas configurações:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+
+    recognizer_config = SpeechConfig(subscription=speech_api_key,
+                                     region=location,
+                                     speech_recognition_language=language)
+    ```
+
+    Substitua `<key>` pela chave de API do seu serviço de fala. Substitua `<location>` pela localização que você usou ao criar o recurso do serviço de fala.
+
+    Substitua `<language>` pelo nome do local para o idioma que você estará falando, por exemplo, `en-GB` para inglês ou `zn-HK` para cantonês. Você pode encontrar uma lista dos idiomas suportados e seus nomes de local na [documentação de suporte a idiomas e vozes nos docs da Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    Essa configuração é então usada para criar um objeto `SpeechConfig` que será usado para configurar os serviços de fala.
+
+1. Adicione o seguinte código para criar um reconhecedor de fala:
+
+    ```python
+    recognizer = SpeechRecognizer(speech_config=recognizer_config)
+    ```
+
+1. O reconhecedor de fala é executado em uma thread em segundo plano, ouvindo o áudio e convertendo qualquer fala nele em texto. Você pode obter o texto usando uma função de callback - uma função que você define e passa para o reconhecedor. Toda vez que uma fala é detectada, o callback é chamado. Adicione o seguinte código para definir um callback e passar esse callback para o reconhecedor, além de definir uma função para processar o texto, escrevendo-o no console:
+
+    ```python
+    def process_text(text):
+        print(text)
+
+    def recognized(args):
+        process_text(args.result.text)
+    
+    recognizer.recognized.connect(recognized)
+    ```
+
+1. O reconhecedor só começa a escutar quando você explicitamente o inicia. Adicione o seguinte código para iniciar o reconhecimento. Isso é executado em segundo plano, então seu aplicativo também precisará de um loop infinito que dorme para manter o aplicativo em execução.
+
+    ```python
+    recognizer.start_continuous_recognition()
+
+    while True:
+        time.sleep(1)
+    ```
+
+1. Execute este aplicativo. Fale no seu microfone e o áudio convertido em texto será exibido no console.
+
+    ```output
+    (.venv) ➜  smart-timer python3 app.py
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    Experimente diferentes tipos de frases, junto com frases onde palavras soam iguais, mas têm significados diferentes. Por exemplo, se você estiver falando em inglês, diga "I want to buy two bananas and an apple too" e perceba como ele usará o "to", "two" e "too" corretos com base no contexto da palavra, não apenas no som.
+
+> 💁 Você pode encontrar este código na pasta [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device).
+
+😀 Seu programa de fala para texto foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/br/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
new file mode 100644
index 00000000..3502d2dc
--- /dev/null
+++ b/translations/br/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
@@ -0,0 +1,548 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
+  "translation_date": "2025-08-28T03:05:27+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
+  "language_code": "br"
+}
+-->
+# Capturar áudio - Wio Terminal
+
+Nesta parte da lição, você escreverá código para capturar áudio no seu Wio Terminal. A captura de áudio será controlada por um dos botões na parte superior do Wio Terminal.
+
+## Programar o dispositivo para capturar áudio
+
+Você pode capturar áudio do microfone usando código em C++. O Wio Terminal possui apenas 192KB de RAM, o que não é suficiente para capturar mais do que alguns segundos de áudio. Ele também possui 4MB de memória flash, que pode ser usada para salvar o áudio capturado.
+
+O microfone embutido captura um sinal analógico, que é convertido em um sinal digital que o Wio Terminal pode usar. Ao capturar áudio, os dados precisam ser capturados no momento correto - por exemplo, para capturar áudio a 16KHz, o áudio precisa ser capturado exatamente 16.000 vezes por segundo, com intervalos iguais entre cada amostra. Em vez de usar seu código para fazer isso, você pode usar o controlador de acesso direto à memória (DMAC). Este é um circuito que pode capturar um sinal de algum lugar e gravá-lo na memória, sem interromper o código que está sendo executado no processador.
+
+✅ Leia mais sobre DMA na [página de acesso direto à memória na Wikipedia](https://wikipedia.org/wiki/Direct_memory_access).
+
+![O áudio do microfone vai para um ADC e depois para o DMAC. Este escreve em um buffer. Quando este buffer está cheio, ele é processado e o DMAC escreve em um segundo buffer](../../../../../translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.br.png)
+
+O DMAC pode capturar áudio do ADC em intervalos fixos, como 16.000 vezes por segundo para áudio de 16KHz. Ele pode gravar esses dados capturados em um buffer de memória pré-alocado e, quando este estiver cheio, torná-lo disponível para o seu código processar. Usar essa memória pode atrasar a captura de áudio, mas você pode configurar múltiplos buffers. O DMAC escreve no buffer 1 e, quando este está cheio, notifica seu código para processar o buffer 1, enquanto o DMAC escreve no buffer 2. Quando o buffer 2 está cheio, ele notifica seu código e volta a escrever no buffer 1. Dessa forma, desde que você processe cada buffer em menos tempo do que leva para preencher um, você não perderá nenhum dado.
+
+Uma vez que cada buffer tenha sido capturado, ele pode ser gravado na memória flash. A memória flash precisa ser gravada usando endereços definidos, especificando onde gravar e o tamanho da gravação, semelhante à atualização de um array de bytes na memória. A memória flash possui granularidade, o que significa que as operações de apagar e gravar dependem não apenas de serem de um tamanho fixo, mas de estarem alinhadas a esse tamanho. Por exemplo, se a granularidade for de 4096 bytes e você solicitar um apagamento no endereço 4200, isso pode apagar todos os dados do endereço 4096 ao 8192. Isso significa que, ao gravar os dados de áudio na memória flash, eles precisam estar em blocos do tamanho correto.
+
+### Tarefa - configurar a memória flash
+
+1. Crie um novo projeto Wio Terminal usando o PlatformIO. Chame este projeto de `smart-timer`. Adicione código na função `setup` para configurar a porta serial.
+
+1. Adicione as seguintes dependências de biblioteca ao arquivo `platformio.ini` para fornecer acesso à memória flash:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+    ```
+
+1. Abra o arquivo `main.cpp` e adicione a seguinte diretiva de inclusão para a biblioteca de memória flash no topo do arquivo:
+
+    ```cpp
+    #include <sfud.h>
+    #include <SPI.h>
+    ```
+
+    > 🎓 SFUD significa Serial Flash Universal Driver, e é uma biblioteca projetada para funcionar com todos os chips de memória flash.
+
+1. Na função `setup`, adicione o seguinte código para configurar a biblioteca de armazenamento flash:
+
+    ```cpp
+    while (!(sfud_init() == SFUD_SUCCESS))
+        ;
+
+    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
+    ```
+
+    Este código faz um loop até que a biblioteca SFUD seja inicializada e, em seguida, ativa leituras rápidas. A memória flash embutida pode ser acessada usando uma Interface Serial Periférica em Fila (QSPI), um tipo de controlador SPI que permite acesso contínuo via fila com uso mínimo do processador. Isso torna mais rápido ler e gravar na memória flash.
+
+1. Crie um novo arquivo na pasta `src` chamado `flash_writer.h`.
+
+1. Adicione o seguinte ao topo deste arquivo:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <sfud.h>
+    ```
+
+    Isso inclui alguns arquivos de cabeçalho necessários, incluindo o arquivo de cabeçalho da biblioteca SFUD para interagir com a memória flash.
+
+1. Defina uma classe neste novo arquivo de cabeçalho chamada `FlashWriter`:
+
+    ```cpp
+    class FlashWriter
+    {
+    public:
+    
+    private:
+    };
+    ```
+
+1. Na seção `private`, adicione o seguinte código:
+
+    ```cpp
+    byte *_sfudBuffer;
+    size_t _sfudBufferSize;
+    size_t _sfudBufferPos;
+    size_t _sfudBufferWritePos;
+
+    const sfud_flash *_flash;
+    ```
+
+    Isso define alguns campos para o buffer usado para armazenar dados antes de gravá-los na memória flash. Há um array de bytes, `_sfudBuffer`, para gravar dados, e quando este está cheio, os dados são gravados na memória flash. O campo `_sfudBufferPos` armazena a posição atual para gravar neste buffer, e `_sfudBufferWritePos` armazena a posição na memória flash para gravar. `_flash` é um ponteiro para a memória flash onde os dados serão gravados - alguns microcontroladores possuem múltiplos chips de memória flash.
+
+1. Adicione o seguinte método à seção `public` para inicializar esta classe:
+
+    ```cpp
+    void init()
+    {
+        _flash = sfud_get_device_table() + 0;
+        _sfudBufferSize = _flash->chip.erase_gran;
+        _sfudBuffer = new byte[_sfudBufferSize];
+        _sfudBufferPos = 0;
+        _sfudBufferWritePos = 0;
+    }
+    ```
+
+    Isso configura a memória flash no Wio Terminal para gravar e define os buffers com base no tamanho de granularidade da memória flash. Isso está em um método `init`, em vez de um construtor, pois precisa ser chamado após a memória flash ter sido configurada na função `setup`.
+
+1. Adicione o seguinte código à seção `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;
+        }
+    }
+    ```
+
+    Este código define métodos para gravar bytes no sistema de armazenamento flash. Ele funciona gravando em um buffer na memória que tem o tamanho correto para a memória flash e, quando este está cheio, é gravado na memória flash, apagando quaisquer dados existentes naquele local. Há também um método `flushSfudBuffer` para gravar um buffer incompleto, já que os dados capturados não serão múltiplos exatos do tamanho de granularidade, então a parte final dos dados precisa ser gravada.
+
+    > 💁 A parte final dos dados gravará dados adicionais indesejados, mas isso não é um problema, pois apenas os dados necessários serão lidos.
+
+### Tarefa - configurar a captura de áudio
+
+1. Crie um novo arquivo na pasta `src` chamado `config.h`.
+
+1. Adicione o seguinte ao topo deste arquivo:
+
+    ```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
+    ```
+
+    Este código configura algumas constantes para a captura de áudio.
+
+    | Constante             | Valor  | Descrição |
+    | --------------------- | -----: | - |
+    | RATE                  | 16000  | A taxa de amostragem do áudio. 16.000 é 16KHz |
+    | SAMPLE_LENGTH_SECONDS | 4      | A duração do áudio a ser capturado. Está configurado para 4 segundos. Para gravar áudio mais longo, aumente este valor. |
+    | SAMPLES               | 64000  | O número total de amostras de áudio que serão capturadas. Configurado para a taxa de amostragem * o número de segundos |
+    | BUFFER_SIZE           | 128044 | O tamanho do buffer de áudio a ser capturado. O áudio será capturado como um arquivo WAV, que possui 44 bytes de cabeçalho e 128.000 bytes de dados de áudio (cada amostra tem 2 bytes) |
+    | ADC_BUF_LEN           | 1600   | O tamanho dos buffers usados para capturar áudio do DMAC |
+
+    > 💁 Se você achar que 4 segundos é muito curto para solicitar um temporizador, pode aumentar o valor de `SAMPLE_LENGTH_SECONDS`, e todos os outros valores serão recalculados.
+
+1. Crie um novo arquivo na pasta `src` chamado `mic.h`.
+
+1. Adicione o seguinte ao topo deste arquivo:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+
+    #include "config.h"
+    #include "flash_writer.h"
+    ```
+
+    Isso inclui alguns arquivos de cabeçalho necessários, incluindo os arquivos `config.h` e `FlashWriter`.
+
+1. Adicione o seguinte para definir uma classe `Mic` que pode capturar do microfone:
+
+    ```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;
+    ```
+
+    Esta classe atualmente possui apenas alguns campos para rastrear se a gravação foi iniciada e se uma gravação está pronta para ser usada. Quando o DMAC é configurado, ele escreve continuamente em buffers de memória, então o sinalizador `_isRecording` determina se esses devem ser processados ou ignorados. O sinalizador `_isRecordingReady` será definido quando os 4 segundos necessários de áudio tiverem sido capturados. O campo `_writer` é usado para salvar os dados de áudio na memória flash.
+
+    Uma variável global é então declarada para uma instância da classe `Mic`.
+
+1. Adicione o seguinte código à seção `private` da classe `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];
+    ```
+
+    Este código define um método `configureDmaAdc` que configura o DMAC, conectando-o ao ADC e configurando-o para preencher dois buffers alternados, `_adc_buf_0` e `_adc_buf_1`.
+
+    > 💁 Uma das desvantagens do desenvolvimento para microcontroladores é a complexidade do código necessário para interagir com o hardware, já que seu código opera em um nível muito baixo, interagindo diretamente com o hardware. Este código é mais complexo do que o que você escreveria para um computador de placa única ou desktop, pois não há sistema operacional para ajudar. Existem algumas bibliotecas disponíveis que podem simplificar isso, mas ainda há muita complexidade.
+
+1. Abaixo disso, adicione o seguinte código:
+
+    ```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);
+    }
+    ```
+
+    Este código define o cabeçalho WAV como uma estrutura que ocupa 44 bytes de memória. Ele escreve detalhes sobre a taxa, tamanho e número de canais do arquivo de áudio. Este cabeçalho é então gravado na memória flash.
+
+1. Abaixo deste código, adicione o seguinte para declarar um método a ser chamado quando os buffers de áudio estiverem prontos para serem processados:
+
+    ```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;
+            }
+        }
+    }
+    ```
+
+    Os buffers de áudio são arrays de inteiros de 16 bits contendo o áudio do ADC. O ADC retorna valores sem sinal de 12 bits (0-1023), então estes precisam ser convertidos em valores de 16 bits com sinal e, em seguida, convertidos em 2 bytes para serem armazenados como dados binários brutos.
+
+    Esses bytes são gravados nos buffers de memória flash. A gravação começa no índice 44 - este é o deslocamento dos 44 bytes gravados como o cabeçalho do arquivo WAV. Uma vez que todos os bytes necessários para a duração do áudio tenham sido capturados, os dados restantes são gravados na memória flash.
+
+1. Na seção `public` da classe `Mic`, adicione o seguinte código:
+
+    ```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;
+        }
+    }
+    ```
+
+    Este código será chamado pelo DMAC para informar ao seu código que os buffers estão prontos para serem processados. Ele verifica se há dados para processar e chama o método `audioCallback` com o buffer relevante.
+
+1. Fora da classe, após a declaração `Mic mic;`, adicione o seguinte código:
+
+    ```cpp
+    void DMAC_1_Handler()
+    {
+        mic.dmaHandler();
+    }
+    ```
+
+    O `DMAC_1_Handler` será chamado pelo DMAC quando os buffers estiverem prontos para serem processados. Esta função é encontrada pelo nome, então só precisa existir para ser chamada.
+
+1. Adicione os seguintes dois métodos à seção `public` da classe `Mic`:
+
+    ```cpp
+    void init()
+    {
+        analogReference(AR_INTERNAL2V23);
+
+        _writer.init();
+
+        initBufferHeader();
+        configureDmaAdc();
+    }
+
+    void reset()
+    {
+        _isRecordingReady = false;
+        _isRecording = false;
+
+        _writer.reset();
+
+        initBufferHeader();
+    }
+    ```
+
+    O método `init` contém código para inicializar a classe `Mic`. Este método define a voltagem correta para o pino do microfone, configura o gravador de memória flash, escreve o cabeçalho do arquivo WAV e configura o DMAC. O método `reset` redefine a memória flash e reescreve o cabeçalho após o áudio ter sido capturado e usado.
+
+### Tarefa - capturar áudio
+
+1. No arquivo `main.cpp`, adicione uma diretiva de inclusão para o arquivo de cabeçalho `mic.h`:
+
+    ```cpp
+    #include "mic.h"
+    ```
+
+1. Na função `setup`, inicialize o botão C. A captura de áudio começará quando este botão for pressionado e continuará por 4 segundos:
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+1. Abaixo disso, inicialize o microfone e, em seguida, imprima no console que o áudio está pronto para ser capturado:
+
+    ```cpp
+    mic.init();
+
+    Serial.println("Ready.");
+    ```
+
+1. Acima da função `loop`, defina uma função para processar o áudio capturado. Por enquanto, esta função não faz nada, mas mais tarde nesta lição ela enviará o áudio para ser convertido em texto:
+
+    ```cpp
+    void processAudio()
+    {
+    
+    }
+    ```
+
+1. Adicione o seguinte à função `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();
+        }
+    }
+    ```
+
+    Este código verifica o botão C e, se este for pressionado e a gravação não tiver começado, o campo `_isRecording` da classe `Mic` é definido como verdadeiro. Isso fará com que o método `audioCallback` da classe `Mic` armazene o áudio até que 4 segundos tenham sido capturados. Uma vez que 4 segundos de áudio tenham sido capturados, o campo `_isRecording` é definido como falso e o campo `_isRecordingReady` é definido como verdadeiro. Isso é então verificado na função `loop` e, quando verdadeiro, a função `processAudio` é chamada e a classe `Mic` é redefinida.
+
+1. Compile este código, carregue-o no seu Wio Terminal e teste-o através do monitor serial. Pressione o botão C (o botão do lado esquerdo, mais próximo do interruptor de energia) e fale. 4 segundos de áudio serão capturados.
+
+    ```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
+    ```
+💁 Você pode encontrar este código na pasta [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal).
+😀 Seu programa de gravação de áudio foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/br/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
new file mode 100644
index 00000000..49c79109
--- /dev/null
+++ b/translations/br/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
@@ -0,0 +1,89 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "93d352de36526b8990e41dd538100324",
+  "translation_date": "2025-08-28T03:03:27+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
+  "language_code": "br"
+}
+-->
+# Configure seu microfone e alto-falantes - Wio Terminal
+
+Nesta parte da lição, você adicionará alto-falantes ao seu Wio Terminal. O Wio Terminal já possui um microfone embutido, que pode ser usado para capturar fala.
+
+## Hardware
+
+O Wio Terminal já vem com um microfone embutido, que pode ser usado para capturar áudio para reconhecimento de fala.
+
+![O microfone no Wio Terminal](../../../../../translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.br.png)
+
+Para adicionar um alto-falante, você pode usar o [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html). Esta é uma placa externa que contém 2 microfones MEMS, além de um conector para alto-falante e uma entrada para fones de ouvido.
+
+![O ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.br.png)
+
+Você precisará adicionar fones de ouvido, um alto-falante com conector de 3,5 mm ou um alto-falante com conexão JST, como o [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html).
+
+Para conectar o ReSpeaker 2-Mics Pi Hat, você precisará de cabos jumper de 40 pinos (também chamados de macho-macho).
+
+> 💁 Se você estiver confortável com soldagem, pode usar o [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) para conectar o ReSpeaker.
+
+Você também precisará de um cartão SD para baixar e reproduzir áudio. O Wio Terminal suporta apenas cartões SD de até 16GB, que precisam estar formatados como FAT32 ou exFAT.
+
+### Tarefa - conectar o ReSpeaker Pi Hat
+
+1. Com o Wio Terminal desligado, conecte o ReSpeaker 2-Mics Pi Hat ao Wio Terminal usando os cabos jumper e os soquetes GPIO na parte traseira do Wio Terminal:
+
+    Os pinos precisam ser conectados desta forma:
+
+    ![Um diagrama de pinos](../../../../../translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.br.png)
+
+1. Posicione o ReSpeaker e o Wio Terminal com os soquetes GPIO voltados para cima e no lado esquerdo.
+
+1. Comece pelo soquete no canto superior esquerdo do soquete GPIO no ReSpeaker. Conecte um cabo jumper do soquete superior esquerdo do ReSpeaker ao soquete superior esquerdo do Wio Terminal.
+
+1. Repita isso até o final dos soquetes GPIO no lado esquerdo. Certifique-se de que os pinos estejam bem encaixados.
+
+    ![Um ReSpeaker com os pinos do lado esquerdo conectados aos pinos do lado esquerdo do Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.br.png)
+
+    ![Um ReSpeaker com os pinos do lado esquerdo conectados aos pinos do lado esquerdo do Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.br.png)
+
+    > 💁 Se seus cabos jumper estiverem conectados em fitas, mantenha-os juntos - isso facilita garantir que todos os cabos estejam conectados na ordem correta.
+
+1. Repita o processo usando os soquetes GPIO do lado direito no ReSpeaker e no Wio Terminal. Esses cabos precisam passar ao redor dos cabos que já estão conectados.
+
+    ![Um ReSpeaker com os pinos do lado direito conectados aos pinos do lado direito do Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.br.png)
+
+    ![Um ReSpeaker com os pinos do lado direito conectados aos pinos do lado direito do Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.br.png)
+
+    > 💁 Se seus cabos jumper estiverem conectados em fitas, divida-os em duas fitas. Passe uma de cada lado dos cabos já existentes.
+
+    > 💁 Você pode usar fita adesiva para manter os pinos em um bloco, ajudando a evitar que eles se soltem enquanto você os conecta.
+    >
+    > ![Os pinos fixados com fita adesiva](../../../../../translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.br.png)
+
+1. Você precisará adicionar um alto-falante.
+
+    * Se estiver usando um alto-falante com cabo JST, conecte-o à porta JST no ReSpeaker.
+
+      ![Um alto-falante conectado ao ReSpeaker com um cabo JST](../../../../../translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.br.png)
+
+    * Se estiver usando um alto-falante com conector de 3,5 mm ou fones de ouvido, insira-o na entrada de 3,5 mm.
+
+      ![Um alto-falante conectado ao ReSpeaker via entrada de 3,5 mm](../../../../../translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.br.png)
+
+### Tarefa - configurar o cartão SD
+
+1. Conecte o cartão SD ao seu computador, usando um leitor externo se o computador não tiver um slot para cartão SD.
+
+1. Formate o cartão SD usando a ferramenta apropriada no seu computador, certificando-se de usar o sistema de arquivos FAT32 ou exFAT.
+
+1. Insira o cartão SD no slot do Wio Terminal, localizado no lado esquerdo, logo abaixo do botão de energia. Certifique-se de que o cartão esteja completamente inserido e faça um clique - você pode precisar de uma ferramenta fina ou outro cartão SD para ajudar a empurrá-lo completamente.
+
+    ![Inserindo o cartão SD no slot abaixo do botão de energia](../../../../../translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.br.png)
+
+    > 💁 Para ejetar o cartão SD, você precisa empurrá-lo levemente para dentro, e ele será ejetado. Você precisará de uma ferramenta fina, como uma chave de fenda de cabeça chata ou outro cartão SD, para fazer isso.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/br/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
new file mode 100644
index 00000000..2222d67d
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:06:48+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
+  "language_code": "br"
+}
+-->
+# Fala para texto - Wio Terminal
+
+Nesta parte da lição, você escreverá código para converter fala em áudio capturado para texto usando o serviço de fala.
+
+## Enviar o áudio para o serviço de fala
+
+O áudio pode ser enviado para o serviço de fala usando a API REST. Para usar o serviço de fala, primeiro você precisa solicitar um token de acesso e, em seguida, usar esse token para acessar a API REST. Esses tokens de acesso expiram após 10 minutos, então seu código deve solicitá-los regularmente para garantir que estejam sempre atualizados.
+
+### Tarefa - obter um token de acesso
+
+1. Abra o projeto `smart-timer` caso ainda não esteja aberto.
+
+1. Adicione as seguintes dependências de biblioteca ao arquivo `platformio.ini` para acessar WiFi e manipular 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. Adicione o seguinte código ao arquivo de cabeçalho `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";
+    ```
+
+    Substitua `<SSID>` e `<PASSWORD>` pelos valores relevantes para sua rede WiFi.
+
+    Substitua `<API_KEY>` pela chave de API do recurso do serviço de fala. Substitua `<LOCATION>` pela localização que você usou ao criar o recurso do serviço de fala.
+
+    Substitua `<LANGUAGE>` pelo nome do local do idioma em que você falará, por exemplo, `en-GB` para inglês ou `zn-HK` para cantonês. Você pode encontrar uma lista dos idiomas suportados e seus nomes de local na [documentação de suporte de idioma e voz nos documentos da Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    A constante `TOKEN_URL` é o URL do emissor de token sem a localização. Isso será combinado com a localização posteriormente para obter o URL completo.
+
+1. Assim como ao conectar ao Custom Vision, você precisará usar uma conexão HTTPS para conectar ao serviço emissor de token. No final de `config.h`, adicione o seguinte código:
+
+    ```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";
+    ```
+
+    Este é o mesmo certificado que você usou ao conectar ao Custom Vision.
+
+1. Adicione um include para o arquivo de cabeçalho WiFi e o arquivo de cabeçalho de configuração no topo do arquivo `main.cpp`:
+
+    ```cpp
+    #include <rpcWiFi.h>
+
+    #include "config.h"
+    ```
+
+1. Adicione código para conectar ao WiFi em `main.cpp` acima da função `setup`:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+1. Chame esta função na função `setup` após a conexão serial ter sido estabelecida:
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. Crie um novo arquivo de cabeçalho na pasta `src` chamado `speech_to_text.h`. Neste arquivo de cabeçalho, adicione o seguinte código:
+
+    ```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;
+    ```
+
+    Isso inclui alguns arquivos de cabeçalho necessários para uma conexão HTTP, configuração e o arquivo de cabeçalho `mic.h`, e define uma classe chamada `SpeechToText`, antes de declarar uma instância dessa classe que pode ser usada posteriormente.
+
+1. Adicione os seguintes 2 campos à seção `private` desta classe:
+
+    ```cpp
+    WiFiClientSecure _token_client;
+    String _access_token;
+    ```
+
+    O `_token_client` é um cliente WiFi que usa HTTPS e será usado para obter o token de acesso. Este token será então armazenado em `_access_token`.
+
+1. Adicione o seguinte método à seção `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;
+    }
+    ```
+
+    Este código constrói o URL para a API do emissor de token usando a localização do recurso de fala. Em seguida, cria um `HTTPClient` para fazer a solicitação web, configurando-o para usar o cliente WiFi configurado com o certificado dos endpoints de token. Ele define a chave de API como um cabeçalho para a chamada. Em seguida, faz uma solicitação POST para obter o certificado, tentando novamente se ocorrerem erros. Finalmente, o token de acesso é retornado.
+
+1. Na seção `public`, adicione um método para obter o token de acesso. Isso será necessário em lições posteriores para converter texto em fala.
+
+    ```cpp
+    String AccessToken()
+    {
+        return _access_token;
+    }
+    ```
+
+1. Na seção `public`, adicione um método `init` que configura o cliente de token:
+
+    ```cpp
+    void init()
+    {
+        _token_client.setCACert(TOKEN_CERTIFICATE);
+        _access_token = getAccessToken();
+    }
+    ```
+
+    Isso define o certificado no cliente WiFi e, em seguida, obtém o token de acesso.
+
+1. Em `main.cpp`, adicione este novo arquivo de cabeçalho às diretivas de inclusão:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. Inicialize a classe `SpeechToText` no final da função `setup`, após a chamada `mic.init`, mas antes de `Ready` ser escrito no monitor serial:
+
+    ```cpp
+    speechToText.init();
+    ```
+
+### Tarefa - ler áudio da memória flash
+
+1. Em uma parte anterior desta lição, o áudio foi gravado na memória flash. Este áudio precisará ser enviado para a API REST do Speech Services, então ele precisa ser lido da memória flash. Ele não pode ser carregado em um buffer na memória, pois seria muito grande. A classe `HTTPClient` que faz chamadas REST pode transmitir dados usando um Arduino Stream - uma classe que pode carregar dados em pequenos blocos, enviando os blocos um de cada vez como parte da solicitação. Toda vez que você chama `read` em um stream, ele retorna o próximo bloco de dados. Um stream Arduino pode ser criado para ler da memória flash. Crie um novo arquivo chamado `flash_stream.h` na pasta `src` e adicione o seguinte código a ele:
+
+    ```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:
+    
+    };
+    ```
+
+    Isso declara a classe `FlashStream`, derivada da classe `Stream` do Arduino. Esta é uma classe abstrata - classes derivadas precisam implementar alguns métodos antes que a classe possa ser instanciada, e esses métodos são definidos nesta classe.
+
+    ✅ Leia mais sobre Streams do Arduino na [documentação de Stream do Arduino](https://www.arduino.cc/reference/en/language/functions/communication/stream/)
+
+1. Adicione os seguintes campos à seção `private`:
+
+    ```cpp
+    size_t _pos;
+    size_t _flash_address;
+    const sfud_flash *_flash;
+
+    byte _buffer[HTTP_TCP_BUFFER_SIZE];
+    ```
+
+    Isso define um buffer temporário para armazenar dados lidos da memória flash, junto com campos para armazenar a posição atual ao ler do buffer, o endereço atual para ler da memória flash e o dispositivo de memória flash.
+
+1. Na seção `private`, adicione o seguinte método:
+
+    ```cpp
+    void populateBuffer()
+    {
+        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
+        _flash_address += HTTP_TCP_BUFFER_SIZE;
+        _pos = 0;
+    }
+    ```
+
+    Este código lê da memória flash no endereço atual e armazena os dados em um buffer. Em seguida, incrementa o endereço, para que a próxima chamada leia o próximo bloco de memória. O buffer é dimensionado com base no maior bloco que o `HTTPClient` enviará para a API REST de uma vez.
+
+    > 💁 Apagar a memória flash precisa ser feito usando o tamanho do grão, mas a leitura não.
+
+1. Na seção `public` desta classe, adicione um construtor:
+
+    ```cpp
+    FlashStream()
+    {
+        _pos = 0;
+        _flash_address = 0;
+        _flash = sfud_get_device_table() + 0;
+        
+        populateBuffer();
+    }
+    ```
+
+    Este construtor configura todos os campos para começar a ler do início do bloco de memória flash e carrega o primeiro bloco de dados no buffer.
+
+1. Implemente o método `write`. Este stream apenas lerá dados, então este método pode não fazer nada e retornar 0:
+
+    ```cpp
+    virtual size_t write(uint8_t val)
+    {
+        return 0;
+    }
+    ```
+
+1. Implemente o método `peek`. Este retorna os dados na posição atual sem mover o stream. Chamar `peek` várias vezes sempre retornará os mesmos dados, desde que nenhum dado seja lido do stream.
+
+    ```cpp
+    virtual int peek()
+    {
+        return _buffer[_pos];
+    }
+    ```
+
+1. Implemente a função `available`. Esta retorna quantos bytes podem ser lidos do stream ou -1 se o stream estiver completo. Para esta classe, o máximo disponível será no máximo o tamanho do bloco do HTTPClient. Quando este stream é usado no cliente HTTP, ele chama esta função para ver quantos dados estão disponíveis e, em seguida, solicita essa quantidade de dados para enviar para a API REST. Não queremos que cada bloco seja maior que o tamanho do bloco do cliente HTTP, então, se mais do que isso estiver disponível, o tamanho do bloco é retornado. Se menos, então o que está disponível é retornado. Uma vez que todos os dados foram transmitidos, -1 é retornado.
+
+    ```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. Implemente o método `read` para retornar o próximo byte do buffer, incrementando a posição. Se a posição exceder o tamanho do buffer, ele preenche o buffer com o próximo bloco da memória flash e redefine a posição.
+
+    ```cpp
+    virtual int read()
+    {
+        int retVal = _buffer[_pos++];
+
+        if (_pos == HTTP_TCP_BUFFER_SIZE)
+        {
+            populateBuffer();
+        }
+
+        return retVal;
+    }
+    ```
+
+1. No arquivo de cabeçalho `speech_to_text.h`, adicione uma diretiva de inclusão para este novo arquivo de cabeçalho:
+
+    ```cpp
+    #include "flash_stream.h"
+    ```
+
+### Tarefa - converter a fala em texto
+
+1. A fala pode ser convertida em texto enviando o áudio para o serviço de fala via uma API REST. Esta API REST tem um certificado diferente do emissor de token, então adicione o seguinte código ao arquivo de cabeçalho `config.h` para definir este certificado:
+
+    ```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. Adicione uma constante a este arquivo para o URL de fala sem a localização. Isso será combinado com a localização e o idioma posteriormente para obter o URL completo.
+
+    ```cpp
+    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
+    ```
+
+1. No arquivo de cabeçalho `speech_to_text.h`, na seção `private` da classe `SpeechToText`, defina um campo para um cliente WiFi usando o certificado de fala:
+
+    ```cpp
+    WiFiClientSecure _speech_client;
+    ```
+
+1. No método `init`, defina o certificado neste cliente WiFi:
+
+    ```cpp
+    _speech_client.setCACert(SPEECH_CERTIFICATE);
+    ```
+
+1. Adicione o seguinte código à seção `public` da classe `SpeechToText` para definir um método para converter fala em texto:
+
+    ```cpp
+    String convertSpeechToText()
+    {
+        
+    }
+    ```
+
+1. Adicione o seguinte código a este método para criar um cliente HTTP usando o cliente WiFi configurado com o certificado de fala e usando o URL de fala configurado com a localização e o idioma:
+
+    ```cpp
+    char url[128];
+    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
+
+    HTTPClient httpClient;
+    httpClient.begin(_speech_client, url);
+    ```
+
+1. Alguns cabeçalhos precisam ser definidos na conexão:
+
+    ```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");
+    ```
+
+    Isso define cabeçalhos para a autorização usando o token de acesso, o formato de áudio usando a taxa de amostragem e define que o cliente espera o resultado como JSON.
+
+1. Após isso, adicione o seguinte código para fazer a chamada à API REST:
+
+    ```cpp
+    Serial.println("Sending speech...");
+
+    FlashStream stream;
+    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
+
+    Serial.println("Speech sent!");
+    ```
+
+    Isso cria um `FlashStream` e o usa para transmitir dados para a API REST.
+
+1. Abaixo disso, adicione o seguinte código:
+
+    ```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);
+    }
+    ```
+
+    Este código verifica o código de resposta.
+
+    Se for 200, o código para sucesso, então o resultado é recuperado, decodificado de JSON, e a propriedade `DisplayText` é definida na variável `text`. Esta é a propriedade onde a versão em texto da fala é retornada.
+
+    Se o código de resposta for 401, então o token de acesso expirou (esses tokens duram apenas 10 minutos). Um novo token de acesso é solicitado e a chamada é feita novamente.
+
+    Caso contrário, um erro é enviado ao monitor serial e o `text` permanece vazio.
+
+1. Adicione o seguinte código ao final deste método para fechar o cliente HTTP e retornar o texto:
+
+    ```cpp
+    httpClient.end();
+
+    return text;
+    ```
+
+1. Em `main.cpp`, chame este novo método `convertSpeechToText` na função `processAudio`, e então registre a fala no monitor serial:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    Serial.println(text);
+    ```
+
+1. Compile este código, carregue-o no seu Wio Terminal e teste-o através do monitor serial. Assim que você vir `Ready` no monitor serial, pressione o botão C (o botão do lado esquerdo, mais próximo do interruptor de energia) e fale. 4 segundos de áudio serão capturados e então convertidos em texto.
+
+    ```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.
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal).
+
+😀 Seu programa de fala para texto foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/2-language-understanding/README.md b/translations/br/6-consumer/lessons/2-language-understanding/README.md
new file mode 100644
index 00000000..db3e29d1
--- /dev/null
+++ b/translations/br/6-consumer/lessons/2-language-understanding/README.md
@@ -0,0 +1,574 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
+  "translation_date": "2025-08-28T02:52:21+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
+  "language_code": "br"
+}
+-->
+# Entenda a linguagem
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+## Quiz pré-aula
+
+[Quiz pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
+
+## Introdução
+
+Na última lição, você converteu fala em texto. Para que isso seja usado para programar um cronômetro inteligente, seu código precisará entender o que foi dito. Você poderia assumir que o usuário dirá uma frase fixa, como "Defina um cronômetro de 3 minutos", e analisar essa expressão para determinar quanto tempo o cronômetro deve durar, mas isso não é muito amigável. Se um usuário disser "Defina um cronômetro para 3 minutos", você ou eu entenderíamos o que ele quer dizer, mas seu código não entenderia, pois estaria esperando uma frase fixa.
+
+É aqui que entra o entendimento de linguagem, usando modelos de IA para interpretar texto e retornar os detalhes necessários, por exemplo, sendo capaz de entender tanto "Defina um cronômetro de 3 minutos" quanto "Defina um cronômetro para 3 minutos", e compreender que é necessário um cronômetro de 3 minutos.
+
+Nesta lição, você aprenderá sobre modelos de entendimento de linguagem, como criá-los, treiná-los e usá-los em seu código.
+
+Nesta lição, abordaremos:
+
+* [Entendimento de linguagem](../../../../../6-consumer/lessons/2-language-understanding)
+* [Criar um modelo de entendimento de linguagem](../../../../../6-consumer/lessons/2-language-understanding)
+* [Intenções e entidades](../../../../../6-consumer/lessons/2-language-understanding)
+* [Usar o modelo de entendimento de linguagem](../../../../../6-consumer/lessons/2-language-understanding)
+
+## Entendimento de linguagem
+
+Os humanos têm usado a linguagem para se comunicar por centenas de milhares de anos. Nós nos comunicamos com palavras, sons ou ações e entendemos o que é dito, tanto o significado das palavras, sons ou ações, quanto o contexto. Nós entendemos sinceridade e sarcasmo, permitindo que as mesmas palavras signifiquem coisas diferentes dependendo do tom de voz.
+
+✅ Pense em algumas conversas que você teve recentemente. Quanto dessa conversa seria difícil para um computador entender porque precisa de contexto?
+
+O entendimento de linguagem, também chamado de entendimento de linguagem natural, faz parte de um campo da inteligência artificial chamado processamento de linguagem natural (ou NLP), e lida com compreensão de leitura, tentando entender os detalhes das palavras ou frases. Se você usa um assistente de voz como Alexa ou Siri, você já utilizou serviços de entendimento de linguagem. Esses são os serviços de IA nos bastidores que convertem "Alexa, toque o último álbum da Taylor Swift" na minha filha dançando pela sala ao som de suas músicas favoritas.
+
+> 💁 Computadores, apesar de todos os avanços, ainda têm um longo caminho a percorrer para realmente entender texto. Quando nos referimos ao entendimento de linguagem com computadores, não estamos falando de algo nem remotamente tão avançado quanto a comunicação humana, mas sim de pegar algumas palavras e extrair detalhes importantes.
+
+Como humanos, entendemos a linguagem sem realmente pensar sobre isso. Se eu pedisse a outro humano para "tocar o último álbum da Taylor Swift", ele saberia instintivamente o que eu quis dizer. Para um computador, isso é mais difícil. Ele teria que pegar as palavras, convertidas de fala para texto, e determinar as seguintes informações:
+
+* Música precisa ser tocada
+* A música é da artista Taylor Swift
+* A música específica é um álbum inteiro com várias faixas em ordem
+* Taylor Swift tem muitos álbuns, então eles precisam ser ordenados cronologicamente e o mais recentemente publicado é o necessário
+
+✅ Pense em outras frases que você já disse ao fazer pedidos, como pedir café ou pedir a um membro da família para passar algo. Tente dividi-las nas informações que um computador precisaria extrair para entender a frase.
+
+Modelos de entendimento de linguagem são modelos de IA que são treinados para extrair certos detalhes da linguagem e, em seguida, são treinados para tarefas específicas usando aprendizado por transferência, da mesma forma que você treinou um modelo de Visão Personalizada usando um pequeno conjunto de imagens. Você pode pegar um modelo e treiná-lo usando o texto que deseja que ele entenda.
+
+## Criar um modelo de entendimento de linguagem
+
+![O logotipo do LUIS](../../../../../translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.br.png)
+
+Você pode criar modelos de entendimento de linguagem usando o LUIS, um serviço de entendimento de linguagem da Microsoft que faz parte dos Serviços Cognitivos.
+
+### Tarefa - criar um recurso de autoria
+
+Para usar o LUIS, você precisa criar um recurso de autoria.
+
+1. Use o seguinte comando para criar um recurso de autoria no seu grupo de recursos `smart-timer`:
+
+    ```python
+    az cognitiveservices account create --name smart-timer-luis-authoring \
+                                        --resource-group smart-timer \
+                                        --kind LUIS.Authoring \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Substitua `<location>` pela localização que você usou ao criar o Grupo de Recursos.
+
+    > ⚠️ O LUIS não está disponível em todas as regiões, então se você receber o seguinte erro:
+    >
+    > ```output
+    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
+    > ```
+    >
+    > escolha uma região diferente.
+
+    Isso criará um recurso de autoria do LUIS no nível gratuito.
+
+### Tarefa - criar um aplicativo de entendimento de linguagem
+
+1. Abra o portal do LUIS em [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn) no seu navegador e faça login com a mesma conta que você tem usado para o Azure.
+
+1. Siga as instruções no diálogo para selecionar sua assinatura do Azure e, em seguida, selecione o recurso `smart-timer-luis-authoring` que você acabou de criar.
+
+1. Na lista *Aplicativos de Conversação*, selecione o botão **Novo aplicativo** para criar um novo aplicativo. Nomeie o novo aplicativo como `smart-timer` e defina a *Cultura* para sua linguagem.
+
+    > 💁 Há um campo para um recurso de previsão. Você pode criar um segundo recurso apenas para previsão, mas o recurso de autoria gratuito permite 1.000 previsões por mês, o que deve ser suficiente para desenvolvimento, então você pode deixar este campo em branco.
+
+1. Leia o guia que aparece ao criar o aplicativo para entender os passos necessários para treinar o modelo de entendimento de linguagem. Feche este guia quando terminar.
+
+## Intenções e entidades
+
+O entendimento de linguagem é baseado em *intenções* e *entidades*. Intenções são o objetivo das palavras, por exemplo, tocar música, configurar um cronômetro ou pedir comida. Entidades são o que a intenção está se referindo, como o álbum, a duração do cronômetro ou o tipo de comida. Cada frase que o modelo interpreta deve ter pelo menos uma intenção e, opcionalmente, uma ou mais entidades.
+
+Alguns exemplos:
+
+| Frase                                              | Intenção         | Entidades                                   |
+| -------------------------------------------------- | ---------------- | ------------------------------------------ |
+| "Toque o último álbum da Taylor Swift"             | *tocar música*   | *o último álbum da Taylor Swift*           |
+| "Defina um cronômetro de 3 minutos"                | *definir cronômetro* | *3 minutos*                                |
+| "Cancele meu cronômetro"                           | *cancelar cronômetro* | Nenhuma                                    |
+| "Peça 3 pizzas grandes de abacaxi e uma salada caesar" | *pedir comida*  | *3 pizzas grandes de abacaxi*, *salada caesar* |
+
+✅ Com as frases que você pensou anteriormente, qual seria a intenção e as entidades dessa frase?
+
+Para treinar o LUIS, primeiro você define as entidades. Estas podem ser uma lista fixa de termos ou aprendidas a partir do texto. Por exemplo, você poderia fornecer uma lista fixa de alimentos disponíveis no seu menu, com variações (ou sinônimos) de cada palavra, como *berinjela* e *aubergine* como variações de *berinjela*. O LUIS também possui entidades pré-construídas que podem ser usadas, como números e localizações.
+
+Para configurar um cronômetro, você poderia ter uma entidade usando as entidades numéricas pré-construídas para o tempo e outra para as unidades, como minutos e segundos. Cada unidade teria múltiplas variações para cobrir as formas singular e plural - como minuto e minutos.
+
+Depois de definir as entidades, você cria intenções. Estas são aprendidas pelo modelo com base em frases de exemplo que você fornece (conhecidas como enunciados). Por exemplo, para uma intenção *definir cronômetro*, você poderia fornecer as seguintes frases:
+
+* `defina um cronômetro de 1 segundo`
+* `defina um cronômetro para 1 minuto e 12 segundos`
+* `defina um cronômetro para 3 minutos`
+* `defina um cronômetro de 9 minutos e 30 segundos`
+
+Você então informa ao LUIS quais partes dessas frases correspondem às entidades:
+
+![A frase "defina um cronômetro para 1 minuto e 12 segundos" dividida em entidades](../../../../../translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.br.png)
+
+A frase `defina um cronômetro para 1 minuto e 12 segundos` tem a intenção de `definir cronômetro`. Ela também possui 2 entidades com 2 valores cada:
+
+|            | tempo | unidade   |
+| ---------- | ---: | --------- |
+| 1 minuto   | 1    | minuto    |
+| 12 segundos | 12   | segundo   |
+
+Para treinar um bom modelo, você precisa de uma variedade de frases de exemplo diferentes para cobrir as muitas formas que alguém pode usar para pedir a mesma coisa.
+
+> 💁 Como em qualquer modelo de IA, quanto mais dados e mais precisos forem os dados usados para treinar, melhor será o modelo.
+
+✅ Pense nas diferentes formas que você poderia pedir a mesma coisa e esperar que um humano entendesse.
+
+### Tarefa - adicionar entidades aos modelos de entendimento de linguagem
+
+Para o cronômetro, você precisa adicionar 2 entidades - uma para a unidade de tempo (minutos ou segundos) e outra para o número de minutos ou segundos.
+
+Você pode encontrar instruções para usar o portal do LUIS na [Documentação de Introdução: Crie seu aplicativo no portal do LUIS no Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn).
+
+1. No portal do LUIS, selecione a aba *Entidades* e adicione a entidade pré-construída *número* selecionando o botão **Adicionar entidade pré-construída** e, em seguida, selecionando *número* na lista.
+
+1. Crie uma nova entidade para a unidade de tempo usando o botão **Criar**. Nomeie a entidade como `unidade de tempo` e defina o tipo como *Lista*. Adicione valores para `minuto` e `segundo` à lista de *Valores normalizados*, adicionando as formas singular e plural à lista de *sinônimos*. Pressione `enter` após adicionar cada sinônimo para adicioná-lo à lista.
+
+    | Valor normalizado | Sinônimos        |
+    | ----------------- | ---------------- |
+    | minuto            | minuto, minutos  |
+    | segundo           | segundo, segundos|
+
+### Tarefa - adicionar intenções aos modelos de entendimento de linguagem
+
+1. Na aba *Intenções*, selecione o botão **Criar** para criar uma nova intenção. Nomeie esta intenção como `definir cronômetro`.
+
+1. Nos exemplos, insira diferentes formas de configurar um cronômetro usando minutos, segundos e combinações de minutos e segundos. Exemplos podem ser:
+
+    * `defina um cronômetro de 1 segundo`
+    * `defina um cronômetro de 4 minutos`
+    * `defina um cronômetro de quatro minutos e seis segundos`
+    * `defina um cronômetro de 9 minutos e 30 segundos`
+    * `defina um cronômetro para 1 minuto e 12 segundos`
+    * `defina um cronômetro para 3 minutos`
+    * `defina um cronômetro para 3 minutos e 1 segundo`
+    * `defina um cronômetro para três minutos e um segundo`
+    * `defina um cronômetro para 1 minuto e 1 segundo`
+    * `defina um cronômetro para 30 segundos`
+    * `defina um cronômetro para 1 segundo`
+
+    Misture números como palavras e números para que o modelo aprenda a lidar com ambos.
+
+1. Conforme você insere cada exemplo, o LUIS começará a detectar entidades e sublinhará e rotulará qualquer uma que encontrar.
+
+    ![Os exemplos com os números e unidades de tempo sublinhados pelo LUIS](../../../../../translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.br.png)
+
+### Tarefa - treinar e testar o modelo
+
+1. Depois que as entidades e intenções estiverem configuradas, você pode treinar o modelo usando o botão **Treinar** no menu superior. Selecione este botão, e o modelo deve ser treinado em alguns segundos. O botão ficará desativado enquanto o treinamento estiver em andamento e será reativado quando concluído.
+
+1. Selecione o botão **Testar** no menu superior para testar o modelo de entendimento de linguagem. Insira um texto como `defina um cronômetro para 5 minutos e 4 segundos` e pressione enter. A frase aparecerá em uma caixa abaixo da caixa de texto onde você a digitou, e abaixo disso estará a *intenção principal*, ou a intenção detectada com maior probabilidade. Isso deve ser `definir cronômetro`. O nome da intenção será seguido pela probabilidade de que a intenção detectada seja a correta.
+
+1. Selecione a opção **Inspecionar** para ver uma análise detalhada dos resultados. Você verá a intenção com maior pontuação e sua probabilidade percentual, juntamente com listas das entidades detectadas.
+
+1. Feche o painel *Testar* quando terminar de testar.
+
+### Tarefa - publicar o modelo
+
+Para usar este modelo no código, você precisa publicá-lo. Ao publicar no LUIS, você pode publicar em um ambiente de teste ou em um ambiente de produção para um lançamento completo. Nesta lição, um ambiente de teste é suficiente.
+
+1. No portal do LUIS, selecione o botão **Publicar** no menu superior.
+
+1. Certifique-se de que o *Slot de teste* está selecionado e, em seguida, selecione **Concluído**. Você verá uma notificação quando o aplicativo for publicado.
+
+1. Você pode testar isso usando o curl. Para construir o comando curl, você precisa de três valores - o endpoint, o ID do aplicativo (App ID) e uma chave de API. Esses valores podem ser acessados na aba **GERENCIAR**, que pode ser selecionada no menu superior.
+
+    1. Na seção *Configurações*, copie o App ID
+1. Na seção *Azure Resources*, selecione *Authoring Resource* e copie a *Primary Key* e a *Endpoint URL*.
+
+1. Execute o seguinte comando curl no seu prompt de comando ou terminal:
+
+    ```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>"
+    ```
+
+    Substitua `<endpoint url>` pela Endpoint URL da seção *Azure Resources*.
+
+    Substitua `<app id>` pelo App ID da seção *Settings*.
+
+    Substitua `<primary key>` pela Primary Key da seção *Azure Resources*.
+
+    Substitua `<sentence>` pela frase que você deseja testar.
+
+1. A saída dessa chamada será um documento JSON que detalha a consulta, a intenção principal (*top intent*) e uma lista de entidades classificadas por tipo.
+
+    ```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"
+                    ]
+                ]
+            }
+        }
+    }
+    ```
+
+    O JSON acima foi gerado ao consultar com `set a timer for 45 minutes and 12 seconds`:
+
+    * `set timer` foi a intenção principal com uma probabilidade de 97%.
+    * Duas entidades do tipo *number* foram detectadas: `45` e `12`.
+    * Duas entidades do tipo *time-unit* foram detectadas: `minute` e `second`.
+
+## Usar o modelo de compreensão de linguagem
+
+Depois de publicado, o modelo LUIS pode ser chamado a partir do código. Em lições anteriores, você utilizou um IoT Hub para lidar com a comunicação com serviços na nuvem, enviando telemetria e ouvindo comandos. Esse processo é muito assíncrono - uma vez que a telemetria é enviada, seu código não espera por uma resposta, e se o serviço na nuvem estiver indisponível, você não saberá.
+
+Para um cronômetro inteligente, queremos uma resposta imediata, para que possamos informar ao usuário que o cronômetro foi configurado ou alertá-lo de que os serviços na nuvem estão indisponíveis. Para isso, nosso dispositivo IoT chamará diretamente um endpoint web, em vez de depender de um IoT Hub.
+
+Em vez de chamar o LUIS diretamente do dispositivo IoT, você pode usar código serverless com um tipo diferente de gatilho - um gatilho HTTP. Isso permite que seu aplicativo de função escute requisições REST e responda a elas. Essa função será um endpoint REST que seu dispositivo poderá chamar.
+
+> 💁 Embora seja possível chamar o LUIS diretamente do seu dispositivo IoT, é melhor usar algo como código serverless. Dessa forma, quando você quiser alterar o aplicativo LUIS que está sendo chamado, por exemplo, ao treinar um modelo melhor ou em outro idioma, você só precisará atualizar o código na nuvem, sem precisar reimplantar o código em milhares ou milhões de dispositivos IoT.
+
+### Tarefa - criar um aplicativo de funções serverless
+
+1. Crie um aplicativo de funções do Azure chamado `smart-timer-trigger` e abra-o no VS Code.
+
+1. Adicione um gatilho HTTP a este aplicativo chamado `speech-trigger` usando o seguinte comando no terminal do VS Code:
+
+    ```sh
+    func new --name text-to-timer --template "HTTP trigger"
+    ```
+
+    Isso criará um gatilho HTTP chamado `text-to-timer`.
+
+1. Teste o gatilho HTTP executando o aplicativo de funções. Quando ele for executado, você verá o endpoint listado na saída:
+
+    ```output
+    Functions:
+    
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    ```
+
+    Teste isso carregando a URL [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) no seu navegador.
+
+    ```output
+    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
+    ```
+
+### Tarefa - usar o modelo de compreensão de linguagem
+
+1. O SDK para LUIS está disponível via um pacote Pip. Adicione a seguinte linha ao arquivo `requirements.txt` para incluir a dependência deste pacote:
+
+    ```sh
+    azure-cognitiveservices-language-luis
+    ```
+
+1. Certifique-se de que o terminal do VS Code tenha o ambiente virtual ativado e execute o seguinte comando para instalar os pacotes Pip:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 Se você encontrar erros, pode ser necessário atualizar o pip com o seguinte comando:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. Adicione novas entradas ao arquivo `local.settings.json` para sua LUIS API Key, Endpoint URL e App ID da aba **MANAGE** do portal LUIS:
+
+    ```JSON
+    "LUIS_KEY": "<primary key>",
+    "LUIS_ENDPOINT_URL": "<endpoint url>",
+    "LUIS_APP_ID": "<app id>"
+    ```
+
+    Substitua `<endpoint url>` pela Endpoint URL da seção *Azure Resources* da aba **MANAGE**. Isso será `https://<location>.api.cognitive.microsoft.com/`.
+
+    Substitua `<app id>` pelo App ID da seção *Settings* da aba **MANAGE**.
+
+    Substitua `<primary key>` pela Primary Key da seção *Azure Resources* da aba **MANAGE**.
+
+1. Adicione os seguintes imports ao arquivo `__init__.py`:
+
+    ```python
+    import json
+    import os
+    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
+    from msrest.authentication import CognitiveServicesCredentials
+    ```
+
+    Isso importa algumas bibliotecas do sistema, bem como as bibliotecas para interagir com o LUIS.
+
+1. Apague o conteúdo do método `main` e adicione o seguinte código:
+
+    ```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)
+    ```
+
+    Isso carrega os valores que você adicionou ao arquivo `local.settings.json` para seu aplicativo LUIS, cria um objeto de credenciais com sua API key e, em seguida, cria um objeto cliente LUIS para interagir com seu aplicativo LUIS.
+
+1. Este gatilho HTTP será chamado passando o texto a ser compreendido como JSON, com o texto em uma propriedade chamada `text`. O seguinte código extrai o valor do corpo da requisição HTTP e o registra no console. Adicione este código à função `main`:
+
+    ```python
+    req_body = req.get_json()
+    text = req_body['text']
+    logging.info(f'Request - {text}')
+    ```
+
+1. As previsões são solicitadas ao LUIS enviando uma requisição de previsão - um documento JSON contendo o texto a ser previsto. Crie isso com o seguinte código:
+
+    ```python
+    prediction_request = { 'query' : text }
+    ```
+
+1. Essa requisição pode então ser enviada ao LUIS, usando o slot de staging para o qual seu aplicativo foi publicado:
+
+    ```python
+    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
+    ```
+
+1. A resposta da previsão contém a intenção principal - a intenção com a maior pontuação de previsão, junto com as entidades. Se a intenção principal for `set timer`, as entidades podem ser lidas para obter o tempo necessário para o cronômetro:
+
+    ```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
+    ```
+
+    As entidades do tipo `number` serão um array de números. Por exemplo, se você disser *"Set a four minute 17 second timer."*, o array `number` conterá 2 inteiros - 4 e 17.
+
+    As entidades do tipo `time unit` serão um array de arrays de strings, com cada unidade de tempo como um array de strings dentro do array. Por exemplo, se você disser *"Set a four minute 17 second timer."*, o array `time unit` conterá 2 arrays com valores únicos - `['minute']` e `['second']`.
+
+    A versão JSON dessas entidades para *"Set a four minute 17 second timer."* é:
+
+    ```json
+    {
+        "number": [4, 17],
+        "time unit": [
+            ["minute"],
+            ["second"]
+        ]
+    }
+    ```
+
+    Este código também define uma contagem para o tempo total do cronômetro em segundos. Isso será preenchido pelos valores das entidades.
+
+1. As entidades não estão vinculadas, mas podemos fazer algumas suposições sobre elas. Elas estarão na ordem falada, então a posição no array pode ser usada para determinar qual número corresponde a qual unidade de tempo. Por exemplo:
+
+    * *"Set a 30 second timer"* - terá um número, `30`, e uma unidade de tempo, `second`, então o único número corresponderá à única unidade de tempo.
+    * *"Set a 2 minute and 30 second timer"* - terá dois números, `2` e `30`, e duas unidades de tempo, `minute` e `second`, então o primeiro número será para a primeira unidade de tempo (2 minutos) e o segundo número para a segunda unidade de tempo (30 segundos).
+
+    O seguinte código obtém a contagem de itens nas entidades do tipo número e usa isso para extrair o primeiro item de cada array, depois o segundo e assim por diante. Adicione isso dentro do bloco `if`.
+
+    ```python
+    for i in range(0, len(numbers)):
+        number = numbers[i]
+        time_unit = time_units[i][0]
+    ```
+
+    Para *"Set a four minute 17 second timer."*, isso fará um loop duas vezes, fornecendo os seguintes valores:
+
+    | contagem do loop | `number` | `time_unit` |
+    | ----------------: | -------: | ----------- |
+    | 0                 | 4        | minute      |
+    | 1                 | 17       | second      |
+
+1. Dentro desse loop, use o número e a unidade de tempo para calcular o tempo total do cronômetro, adicionando 60 segundos para cada minuto e o número de segundos para quaisquer segundos.
+
+    ```python
+    if time_unit == 'minute':
+        total_seconds += number * 60
+    else:
+        total_seconds += number
+    ```
+
+1. Fora desse loop pelas entidades, registre o tempo total do cronômetro:
+
+    ```python
+    logging.info(f'Timer required for {total_seconds} seconds')
+    ```
+
+1. O número de segundos precisa ser retornado da função como uma resposta HTTP. No final do bloco `if`, adicione o seguinte:
+
+    ```python
+    payload = {
+        'seconds': total_seconds
+    }
+    return func.HttpResponse(json.dumps(payload), status_code=200)
+    ```
+
+    Este código cria um payload contendo o número total de segundos para o cronômetro, converte-o em uma string JSON e o retorna como um resultado HTTP com um código de status 200, o que significa que a chamada foi bem-sucedida.
+
+1. Finalmente, fora do bloco `if`, trate o caso em que a intenção não foi reconhecida retornando um código de erro:
+
+    ```python
+    return func.HttpResponse(status_code=404)
+    ```
+
+    404 é o código de status para *não encontrado*.
+
+1. Execute o aplicativo de funções e teste-o usando o curl.
+
+    ```sh
+    curl --request POST 'http://localhost:7071/api/text-to-timer' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data '{"text":"<text>"}'
+    ```
+
+    Substitua `<text>` pelo texto da sua solicitação, por exemplo, `set a 2 minutes 27 second timer`.
+
+    Você verá a seguinte saída do aplicativo de funções:
+
+    ```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)
+    ```
+
+    A chamada ao curl retornará o seguinte:
+
+    ```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}
+    ```
+
+    O número de segundos para o cronômetro está no valor `"seconds"`.
+
+> 💁 Você pode encontrar este código na pasta [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions).
+
+### Tarefa - tornar sua função acessível ao seu dispositivo IoT
+
+1. Para que seu dispositivo IoT chame seu endpoint REST, ele precisará saber a URL. Quando você o acessou anteriormente, utilizou `localhost`, que é um atalho para acessar endpoints REST na sua máquina local. Para permitir que seu dispositivo IoT tenha acesso, você precisará publicar na nuvem ou obter o endereço IP para acessá-lo localmente.
+
+    > ⚠️ Se você estiver usando um Wio Terminal, é mais fácil executar o aplicativo de funções localmente, pois haverá uma dependência de bibliotecas que impedirá a implantação do aplicativo de funções da mesma forma que você fez antes. Execute o aplicativo de funções localmente e acesse-o pelo endereço IP do seu computador. Se você quiser implantá-lo na nuvem, informações serão fornecidas em uma lição posterior sobre como fazer isso.
+
+    * Publique o aplicativo de funções - siga as instruções das lições anteriores para publicar seu aplicativo de funções na nuvem. Uma vez publicado, a URL será `https://<APP_NAME>.azurewebsites.net/api/text-to-timer`, onde `<APP_NAME>` será o nome do seu aplicativo de funções. Certifique-se também de publicar suas configurações locais.
+
+      Ao trabalhar com gatilhos HTTP, eles são protegidos por padrão com uma chave do aplicativo de funções. Para obter essa chave, execute o seguinte comando:
+
+      ```sh
+      az functionapp keys list --resource-group smart-timer \
+                               --name <APP_NAME>                               
+      ```
+
+      Copie o valor da entrada `default` da seção `functionKeys`.
+
+      ```output
+      {
+        "functionKeys": {
+          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
+        },
+        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
+        "systemKeys": {}
+      }
+      ```
+
+      Essa chave precisará ser adicionada como um parâmetro de consulta na URL, então a URL final será `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>`, onde `<APP_NAME>` será o nome do seu aplicativo de funções e `<FUNCTION_KEY>` será sua chave de função padrão.
+
+      > 💁 Você pode alterar o tipo de autorização do gatilho HTTP usando a configuração `authlevel` no arquivo `function.json`. Você pode ler mais sobre isso na [seção de configuração da documentação do gatilho HTTP do Azure Functions na Microsoft Docs](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python#configuration).
+
+    * Execute o aplicativo de funções localmente e acesse-o usando o endereço IP - você pode obter o endereço IP do seu computador na rede local e usá-lo para construir a URL.
+
+      Encontre seu endereço IP:
+
+      * No Windows 10, siga o [guia para encontrar seu endereço IP](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn).
+      * No macOS, siga o [guia para encontrar o endereço IP no Mac](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac).
+      * No Linux, siga a seção sobre encontrar o endereço IP privado no [guia para encontrar o endereço IP no Linux](https://opensource.com/article/18/5/how-find-ip-address-linux).
+
+      Uma vez que você tenha seu endereço IP, você poderá acessar a função em `http://`.
+
+:7071/api/text-to-timer`, onde `<IP_ADDRESS>` será o endereço IP, por exemplo, `http://192.168.1.10:7071/api/text-to-timer`.
+
+      > 💁 Note que isso utiliza a porta 7071, então, após o endereço IP, você precisará incluir `:7071`.
+
+      > 💁 Isso só funcionará se o seu dispositivo IoT estiver na mesma rede que o seu computador.
+
+1. Teste o endpoint acessando-o usando o curl.
+
+---
+
+## 🚀 Desafio
+
+Existem várias maneiras de solicitar a mesma coisa, como configurar um temporizador. Pense em diferentes formas de fazer isso e use-as como exemplos no seu aplicativo LUIS. Teste essas formas para ver como o seu modelo lida com múltiplas maneiras de solicitar um temporizador.
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
+
+## Revisão e Autoestudo
+
+* Leia mais sobre o LUIS e suas capacidades na [página de documentação do Language Understanding (LUIS) nos docs da Microsoft](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn)
+* Leia mais sobre compreensão de linguagem na [página sobre compreensão de linguagem natural na Wikipedia](https://wikipedia.org/wiki/Natural-language_understanding)
+* Leia mais sobre gatilhos HTTP na [documentação do gatilho HTTP do Azure Functions nos docs da Microsoft](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## Tarefa
+
+[Cancelar o temporizador](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/2-language-understanding/assignment.md b/translations/br/6-consumer/lessons/2-language-understanding/assignment.md
new file mode 100644
index 00000000..6d0c79e4
--- /dev/null
+++ b/translations/br/6-consumer/lessons/2-language-understanding/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
+  "translation_date": "2025-08-28T02:55:04+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
+  "language_code": "br"
+}
+-->
+# Cancelar o temporizador
+
+## Instruções
+
+Até agora nesta lição, você treinou um modelo para entender como configurar um temporizador. Outra funcionalidade útil é cancelar um temporizador - talvez o pão já esteja pronto e possa ser retirado do forno antes que o tempo termine.
+
+Adicione uma nova intenção ao seu aplicativo LUIS para cancelar o temporizador. Não será necessário usar entidades, mas será necessário fornecer algumas frases de exemplo. Lide com isso no seu código serverless se essa for a intenção principal, registrando que a intenção foi reconhecida e retornando uma resposta apropriada.
+
+## Rubrica
+
+| Critério | Exemplar | Adequado | Precisa de Melhorias |
+| -------- | --------- | -------- | -------------------- |
+| Adicionar a intenção de cancelar o temporizador ao aplicativo LUIS | Foi capaz de adicionar a intenção e treinar o modelo | Foi capaz de adicionar a intenção, mas não de treinar o modelo | Não foi capaz de adicionar a intenção nem de treinar o modelo |
+| Lidar com a intenção no aplicativo serverless | Foi capaz de detectar a intenção como a principal e registrá-la | Foi capaz de detectar a intenção como a principal | Não foi capaz de detectar a intenção como a principal |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/3-spoken-feedback/README.md b/translations/br/6-consumer/lessons/3-spoken-feedback/README.md
new file mode 100644
index 00000000..acf13132
--- /dev/null
+++ b/translations/br/6-consumer/lessons/3-spoken-feedback/README.md
@@ -0,0 +1,142 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
+  "translation_date": "2025-08-28T02:55:46+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
+  "language_code": "br"
+}
+-->
+# Configure um temporizador e forneça feedback falado
+
+![Uma visão geral em sketchnote desta lição](../../../../../translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.br.jpg)
+
+> Sketchnote por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+## Questionário pré-aula
+
+[Questionário pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
+
+## Introdução
+
+Assistentes inteligentes não são dispositivos de comunicação unidirecional. Você fala com eles, e eles respondem:
+
+"Alexa, configure um temporizador de 3 minutos"
+
+"Ok, seu temporizador foi configurado para 3 minutos"
+
+Nas últimas 2 lições, você aprendeu como transformar fala em texto e, em seguida, extrair um comando de configuração de temporizador desse texto. Nesta lição, você aprenderá como configurar o temporizador no dispositivo IoT, respondendo ao usuário com palavras faladas confirmando o temporizador e alertando-o quando o temporizador terminar.
+
+Nesta lição, abordaremos:
+
+* [Texto para fala](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [Configurar o temporizador](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [Converter texto em fala](../../../../../6-consumer/lessons/3-spoken-feedback)
+
+## Texto para fala
+
+Texto para fala, como o nome sugere, é o processo de converter texto em áudio que contém as palavras faladas. O princípio básico é decompor as palavras do texto em seus sons constituintes (conhecidos como fonemas) e juntar áudios desses sons, seja usando gravações pré-existentes ou áudios gerados por modelos de IA.
+
+![As três etapas dos sistemas típicos de texto para fala](../../../../../translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.br.png)
+
+Os sistemas de texto para fala geralmente têm 3 etapas:
+
+* Análise de texto
+* Análise linguística
+* Geração de forma de onda
+
+### Análise de texto
+
+A análise de texto envolve pegar o texto fornecido e convertê-lo em palavras que podem ser usadas para gerar fala. Por exemplo, se você converter "Olá mundo", não há necessidade de análise de texto, as duas palavras podem ser convertidas diretamente em fala. No entanto, se você tiver "1234", isso pode precisar ser convertido em "Mil duzentos e trinta e quatro" ou "Um, dois, três, quatro", dependendo do contexto. Para "Eu tenho 1234 maçãs", seria "Mil duzentos e trinta e quatro", mas para "A criança contou 1234", seria "Um, dois, três, quatro".
+
+As palavras criadas variam não apenas para o idioma, mas também para o local desse idioma. Por exemplo, em inglês americano, 120 seria "One hundred twenty", enquanto em inglês britânico seria "One hundred and twenty", com o uso de "and" após os centenas.
+
+✅ Alguns outros exemplos que requerem análise de texto incluem "in" como abreviação de polegada (inch) e "st" como abreviação de santo (saint) ou rua (street). Você consegue pensar em outros exemplos no seu idioma de palavras que são ambíguas sem contexto?
+
+Depois que as palavras são definidas, elas são enviadas para análise linguística.
+
+### Análise linguística
+
+A análise linguística decompõe as palavras em fonemas. Os fonemas são baseados não apenas nas letras usadas, mas também nas outras letras da palavra. Por exemplo, em inglês, o som da letra 'a' em 'car' e 'care' é diferente. O idioma inglês possui 44 fonemas diferentes para as 26 letras do alfabeto, alguns compartilhados por letras diferentes, como o mesmo fonema usado no início de 'circle' e 'serpent'.
+
+✅ Faça uma pesquisa: Quais são os fonemas do seu idioma?
+
+Depois que as palavras são convertidas em fonemas, esses fonemas precisam de dados adicionais para suportar a entonação, ajustando o tom ou a duração dependendo do contexto. Um exemplo é que, em inglês, o aumento de tom pode ser usado para transformar uma frase em uma pergunta, elevando o tom da última palavra para implicar uma pergunta.
+
+Por exemplo - a frase "You have an apple" é uma afirmação dizendo que você tem uma maçã. Se o tom subir no final, aumentando na palavra "apple", ela se torna a pergunta "You have an apple?", perguntando se você tem uma maçã. A análise linguística precisa usar o ponto de interrogação no final para decidir aumentar o tom.
+
+Depois que os fonemas são gerados, eles podem ser enviados para a geração de forma de onda para produzir a saída de áudio.
+
+### Geração de forma de onda
+
+Os primeiros sistemas eletrônicos de texto para fala usavam gravações únicas de áudio para cada fonema, resultando em vozes muito monótonas e robóticas. A análise linguística produzia fonemas, que eram carregados de um banco de dados de sons e unidos para formar o áudio.
+
+✅ Faça uma pesquisa: Encontre algumas gravações de áudio de sistemas antigos de síntese de fala. Compare com a síntese de fala moderna, como a usada em assistentes inteligentes.
+
+A geração de forma de onda mais moderna usa modelos de aprendizado de máquina (ML) construídos com aprendizado profundo (redes neurais muito grandes que funcionam de maneira semelhante aos neurônios no cérebro) para produzir vozes mais naturais que podem ser indistinguíveis de vozes humanas.
+
+> 💁 Alguns desses modelos de ML podem ser re-treinados usando aprendizado por transferência para soar como pessoas reais. Isso significa que usar a voz como um sistema de segurança, algo que os bancos estão tentando cada vez mais, não é mais uma boa ideia, pois qualquer pessoa com uma gravação de alguns minutos da sua voz pode se passar por você.
+
+Esses grandes modelos de ML estão sendo treinados para combinar todas as três etapas em sintetizadores de fala de ponta a ponta.
+
+## Configurar o temporizador
+
+Para configurar o temporizador, seu dispositivo IoT precisa chamar o endpoint REST que você criou usando código serverless e, em seguida, usar o número de segundos resultante para configurar um temporizador.
+
+### Tarefa - chamar a função serverless para obter o tempo do temporizador
+
+Siga o guia relevante para chamar o endpoint REST do seu dispositivo IoT e configurar um temporizador para o tempo necessário:
+
+* [Arduino - Wio Terminal](wio-terminal-set-timer.md)
+* [Computador de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-set-timer.md)
+
+## Converter texto em fala
+
+O mesmo serviço de fala que você usou para converter fala em texto pode ser usado para converter texto de volta em fala, e isso pode ser reproduzido por um alto-falante no seu dispositivo IoT. O texto a ser convertido é enviado para o serviço de fala, junto com o tipo de áudio necessário (como a taxa de amostragem), e os dados binários contendo o áudio são retornados.
+
+Quando você envia essa solicitação, ela é feita usando a *Speech Synthesis Markup Language* (SSML), uma linguagem de marcação baseada em XML para aplicações de síntese de fala. Isso define não apenas o texto a ser convertido, mas o idioma do texto, a voz a ser usada e pode até ser usado para definir velocidade, volume e tom para algumas ou todas as palavras no texto.
+
+Por exemplo, este SSML define uma solicitação para converter o texto "Seu temporizador de 3 minutos e 5 segundos foi configurado" em fala usando uma voz em inglês britânico chamada `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>
+```
+
+> 💁 A maioria dos sistemas de texto para fala possui várias vozes para diferentes idiomas, com sotaques relevantes, como uma voz em inglês britânico com sotaque inglês e uma voz em inglês da Nova Zelândia com sotaque neozelandês.
+
+### Tarefa - converter texto em fala
+
+Siga o guia relevante para converter texto em fala usando seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-text-to-speech.md)
+* [Computador de placa única - Raspberry Pi](pi-text-to-speech.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-text-to-speech.md)
+
+---
+
+## 🚀 Desafio
+
+O SSML possui maneiras de alterar como as palavras são faladas, como adicionar ênfase a certas palavras, adicionar pausas ou alterar o tom. Experimente algumas dessas opções, enviando diferentes SSML do seu dispositivo IoT e comparando os resultados. Você pode ler mais sobre SSML, incluindo como alterar a forma como as palavras são faladas, na [especificação Speech Synthesis Markup Language (SSML) Version 1.1 do World Wide Web Consortium](https://www.w3.org/TR/speech-synthesis11/).
+
+## Questionário pós-aula
+
+[Questionário pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
+
+## Revisão e autoestudo
+
+* Leia mais sobre síntese de fala na [página sobre síntese de fala na Wikipedia](https://wikipedia.org/wiki/Speech_synthesis)
+* Leia mais sobre como criminosos estão usando síntese de fala para roubar na [matéria "Vozes falsas ajudam cibercriminosos a roubar dinheiro" na BBC News](https://www.bbc.com/news/technology-48908736)
+* Saiba mais sobre os riscos para dubladores devido a versões sintetizadas de suas vozes no [artigo "Este processo do TikTok está destacando como a IA está prejudicando dubladores" no Vice](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)
+
+## Tarefa
+
+[Cancelar o temporizador](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/br/6-consumer/lessons/3-spoken-feedback/assignment.md
new file mode 100644
index 00000000..667eb25f
--- /dev/null
+++ b/translations/br/6-consumer/lessons/3-spoken-feedback/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
+  "translation_date": "2025-08-28T03:00:02+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
+  "language_code": "br"
+}
+-->
+# Cancelar o temporizador
+
+## Instruções
+
+Na tarefa da última aula, você adicionou uma intenção de cancelar temporizador ao LUIS. Para esta tarefa, você precisa lidar com essa intenção no código serverless, enviar um comando para o dispositivo IoT e, em seguida, cancelar o temporizador.
+
+## Critérios de Avaliação
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Lidar com a intenção no código serverless e enviar um comando | Foi capaz de lidar com a intenção e enviar um comando para o dispositivo | Foi capaz de lidar com a intenção, mas não conseguiu enviar o comando para o dispositivo | Não foi capaz de lidar com a intenção |
+| Cancelar o temporizador no dispositivo | Foi capaz de receber o comando e cancelar o temporizador | Foi capaz de receber o comando, mas não cancelar o temporizador | Não foi capaz de receber o comando |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/br/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
new file mode 100644
index 00000000..99ed53e6
--- /dev/null
+++ b/translations/br/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
@@ -0,0 +1,156 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
+  "translation_date": "2025-08-28T02:58:16+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
+  "language_code": "br"
+}
+-->
+# Texto para fala - Raspberry Pi
+
+Nesta parte da lição, você escreverá código para converter texto em fala usando o serviço de fala.
+
+## Converter texto em fala usando o serviço de fala
+
+O texto pode ser enviado ao serviço de fala usando a API REST para obter a fala como um arquivo de áudio que pode ser reproduzido no seu dispositivo IoT. Ao solicitar a fala, você precisa fornecer a voz a ser usada, pois a fala pode ser gerada usando uma variedade de vozes diferentes.
+
+Cada idioma suporta uma gama de vozes diferentes, e você pode fazer uma solicitação REST ao serviço de fala para obter a lista de vozes suportadas para cada idioma.
+
+### Tarefa - obter uma voz
+
+1. Abra o projeto `smart-timer` no VS Code.
+
+1. Adicione o seguinte código acima da função `say` para solicitar a lista de vozes para um idioma:
+
+    ```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}')
+    ```
+
+    Este código define uma função chamada `get_voice` que usa o serviço de fala para obter uma lista de vozes. Em seguida, encontra a primeira voz que corresponde ao idioma que está sendo usado.
+
+    Esta função é chamada para armazenar a primeira voz, e o nome da voz é impresso no console. Essa voz pode ser solicitada uma vez e o valor usado para cada chamada para converter texto em fala.
+
+    > 💁 Você pode obter a lista completa de vozes suportadas na [documentação de suporte de idiomas e vozes no Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech). Se você quiser usar uma voz específica, pode remover esta função e definir a voz diretamente com o nome da voz da documentação. Por exemplo:
+    >
+    > ```python
+    > voice = 'hi-IN-SwaraNeural'
+    > ```
+
+### Tarefa - converter texto em fala
+
+1. Abaixo disso, defina uma constante para o formato de áudio a ser recuperado dos serviços de fala. Ao solicitar áudio, você pode fazê-lo em uma variedade de formatos diferentes.
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+    ```
+
+    O formato que você pode usar depende do seu hardware. Se você receber erros de `Invalid sample rate` ao reproduzir o áudio, altere isso para outro valor. Você pode encontrar a lista de valores suportados na [documentação da API REST de texto para fala no Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs). Você precisará usar áudio no formato `riff`, e os valores para tentar são `riff-16khz-16bit-mono-pcm`, `riff-24khz-16bit-mono-pcm` e `riff-48khz-16bit-mono-pcm`.
+
+1. Abaixo disso, declare uma função chamada `get_speech` que converterá o texto em fala usando a API REST do serviço de fala:
+
+    ```python
+    def get_speech(text):
+    ```
+
+1. Na função `get_speech`, defina a URL a ser chamada e os cabeçalhos a serem passados:
+
+    ```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
+        }
+    ```
+
+    Isso define os cabeçalhos para usar um token de acesso gerado, define o conteúdo como SSML e especifica o formato de áudio necessário.
+
+1. Abaixo disso, defina o SSML a ser enviado para a API REST:
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+    Este SSML define o idioma e a voz a serem usados, juntamente com o texto a ser convertido.
+
+1. Por fim, adicione código nesta função para fazer a solicitação REST e retornar os dados binários de áudio:
+
+    ```python
+    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    return io.BytesIO(response.content)
+    ```
+
+### Tarefa - reproduzir o áudio
+
+1. Abaixo da função `get_speech`, defina uma nova função para reproduzir o áudio retornado pela chamada da API REST:
+
+    ```python
+    def play_speech(speech):
+    ```
+
+1. O `speech` passado para esta função será os dados binários de áudio retornados pela API REST. Use o seguinte código para abrir isso como um arquivo wave e passá-lo para o PyAudio para reproduzir o áudio:
+
+    ```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()
+    ```
+
+    Este código usa um stream do PyAudio, o mesmo que capturar áudio. A diferença aqui é que o stream é configurado como um stream de saída, e os dados são lidos dos dados de áudio e enviados para o stream.
+
+    Em vez de definir os detalhes do stream, como a taxa de amostragem, eles são lidos dos dados de áudio.
+
+1. Substitua o conteúdo da função `say` pelo seguinte:
+
+    ```python
+    speech = get_speech(text)
+    play_speech(speech)
+    ```
+
+    Este código converte o texto em fala como dados binários de áudio e reproduz o áudio.
+
+1. Execute o aplicativo e certifique-se de que o aplicativo de função também esteja em execução. Configure alguns temporizadores e você ouvirá uma resposta falada dizendo que seu temporizador foi configurado, e outra resposta falada quando o temporizador for concluído.
+
+    Se você receber erros de `Invalid sample rate`, altere o `playback_format` conforme descrito acima.
+
+> 💁 Você pode encontrar este código na pasta [code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi).
+
+😀 Seu programa de temporizador foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/br/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
new file mode 100644
index 00000000..8913160c
--- /dev/null
+++ b/translations/br/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": "2025-08-28T02:59:29+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
+  "language_code": "br"
+}
+-->
+# Configurar um cronômetro - Hardware Virtual de IoT e Raspberry Pi
+
+Nesta parte da lição, você chamará seu código serverless para entender a fala e configurar um cronômetro no seu dispositivo IoT virtual ou Raspberry Pi com base nos resultados.
+
+## Configurar um cronômetro
+
+O texto que retorna da chamada de conversão de fala para texto precisa ser enviado ao seu código serverless para ser processado pelo LUIS, retornando o número de segundos para o cronômetro. Esse número de segundos pode ser usado para configurar um cronômetro.
+
+Cronômetros podem ser configurados usando a classe `threading.Timer` do Python. Essa classe recebe um tempo de atraso e uma função, e após o tempo de atraso, a função é executada.
+
+### Tarefa - enviar o texto para a função serverless
+
+1. Abra o projeto `smart-timer` no VS Code e certifique-se de que o ambiente virtual está carregado no terminal, caso esteja usando um dispositivo IoT virtual.
+
+1. Acima da função `process_text`, declare uma função chamada `get_timer_time` para chamar o endpoint REST que você criou:
+
+    ```python
+    def get_timer_time(text):
+    ```
+
+1. Adicione o seguinte código a essa função para definir a URL a ser chamada:
+
+    ```python
+    url = '<URL>'
+    ```
+
+    Substitua `<URL>` pela URL do seu endpoint REST que você construiu na última lição, seja no seu computador ou na nuvem.
+
+1. Adicione o seguinte código para definir o texto como uma propriedade passada como JSON na chamada:
+
+    ```python
+    body = {
+        'text': text
+    }
+    
+    response = requests.post(url, json=body)
+    ```
+
+1. Abaixo disso, recupere os `seconds` do payload da resposta, retornando 0 se a chamada falhar:
+
+    ```python
+    if response.status_code != 200:
+        return 0
+    
+    payload = response.json()
+    return payload['seconds']
+    ```
+
+    Chamadas HTTP bem-sucedidas retornam um código de status na faixa de 200, e seu código serverless retorna 200 se o texto foi processado e reconhecido como a intenção de configurar o cronômetro.
+
+### Tarefa - configurar um cronômetro em uma thread de segundo plano
+
+1. Adicione a seguinte declaração de importação no topo do arquivo para importar a biblioteca threading do Python:
+
+    ```python
+    import threading
+    ```
+
+1. Acima da função `process_text`, adicione uma função para falar uma resposta. Por enquanto, isso apenas escreverá no console, mas mais tarde nesta lição, isso falará o texto.
+
+    ```python
+    def say(text):
+        print(text)
+    ```
+
+1. Abaixo disso, adicione uma função que será chamada por um cronômetro para anunciar que o cronômetro foi concluído:
+
+    ```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)
+    ```
+
+    Essa função recebe o número de minutos e segundos do cronômetro e constrói uma frase para dizer que o cronômetro foi concluído. Ela verificará o número de minutos e segundos e incluirá cada unidade de tempo apenas se tiver um número. Por exemplo, se o número de minutos for 0, apenas os segundos serão incluídos na mensagem. Essa frase é então enviada para a função `say`.
+
+1. Abaixo disso, adicione a seguinte função `create_timer` para criar um cronômetro:
+
+    ```python
+    def create_timer(total_seconds):
+        minutes, seconds = divmod(total_seconds, 60)
+        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
+    ```
+
+    Essa função recebe o número total de segundos para o cronômetro que será enviado no comando e converte isso em minutos e segundos. Em seguida, cria e inicia um objeto de cronômetro usando o número total de segundos, passando a função `announce_timer` e uma lista contendo os minutos e segundos. Quando o cronômetro expirar, ele chamará a função `announce_timer` e passará o conteúdo dessa lista como os parâmetros - então o primeiro item da lista será passado como o parâmetro `minutes` e o segundo item como o parâmetro `seconds`.
+
+1. No final da função `create_timer`, adicione algum código para construir uma mensagem que será falada ao usuário para anunciar que o cronômetro está começando:
+
+    ```python
+    announcement = ''
+    if minutes > 0:
+        announcement += f'{minutes} minute '
+    if seconds > 0:
+        announcement += f'{seconds} second '    
+    announcement += 'timer started.'
+    say(announcement)
+    ```
+
+    Novamente, isso inclui apenas a unidade de tempo que tem um valor. Essa frase é então enviada para a função `say`.
+
+1. Adicione o seguinte ao final da função `process_text` para obter o tempo do cronômetro a partir do texto e, em seguida, criar o cronômetro:
+
+    ```python
+    seconds = get_timer_time(text)
+    if seconds > 0:
+        create_timer(seconds)
+    ```
+
+    O cronômetro só é criado se o número de segundos for maior que 0.
+
+1. Execute o aplicativo e certifique-se de que o aplicativo de função também está em execução. Configure alguns cronômetros e a saída mostrará o cronômetro sendo configurado e, em seguida, mostrará quando ele expirar:
+
+    ```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.
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) ou [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device).
+
+😀 Seu programa de cronômetro foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/br/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
new file mode 100644
index 00000000..eb175026
--- /dev/null
+++ b/translations/br/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": "2025-08-28T02:55:20+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
+  "language_code": "br"
+}
+-->
+# Texto para fala - Dispositivo IoT Virtual
+
+Nesta parte da lição, você escreverá código para converter texto em fala usando o serviço de fala.
+
+## Converter texto em fala
+
+O SDK dos serviços de fala que você utilizou na última lição para converter fala em texto também pode ser usado para converter texto de volta em fala. Ao solicitar a fala, é necessário fornecer a voz a ser usada, já que a fala pode ser gerada utilizando uma variedade de vozes diferentes.
+
+Cada idioma suporta uma gama de vozes diferentes, e você pode obter a lista de vozes suportadas para cada idioma a partir do SDK dos serviços de fala.
+
+### Tarefa - converter texto em fala
+
+1. Abra o projeto `smart-timer` no VS Code e certifique-se de que o ambiente virtual está carregado no terminal.
+
+1. Importe o `SpeechSynthesizer` do pacote `azure.cognitiveservices.speech` adicionando-o aos imports existentes:
+
+    ```python
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
+    ```
+
+1. Acima da função `say`, crie uma configuração de fala para usar com o sintetizador de fala:
+
+    ```python
+    speech_config = SpeechConfig(subscription=speech_api_key,
+                                 region=location)
+    speech_config.speech_synthesis_language = language
+    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
+    ```
+
+    Isso utiliza a mesma chave de API, localização e idioma que foram usados pelo reconhecedor.
+
+1. Abaixo disso, adicione o seguinte código para obter uma voz e configurá-la na configuração de fala:
+
+    ```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
+    ```
+
+    Isso recupera uma lista de todas as vozes disponíveis e, em seguida, encontra a primeira voz que corresponde ao idioma que está sendo usado.
+
+    > 💁 Você pode obter a lista completa de vozes suportadas na [documentação de suporte a idiomas e vozes no Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech). Se você quiser usar uma voz específica, pode remover essa função e definir a voz diretamente pelo nome da voz na documentação. Por exemplo:
+    >
+    > ```python
+    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
+    > ```
+
+1. Atualize o conteúdo da função `say` para gerar SSML para a resposta:
+
+    ```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. Abaixo disso, pare o reconhecimento de fala, fale o SSML e, em seguida, reinicie o reconhecimento:
+
+    ```python
+    recognizer.stop_continuous_recognition()
+    speech_synthesizer.speak_ssml(ssml)
+    recognizer.start_continuous_recognition()
+    ```
+
+    O reconhecimento é interrompido enquanto o texto é falado para evitar que o anúncio do início do temporizador seja detectado, enviado ao LUIS e possivelmente interpretado como uma solicitação para configurar um novo temporizador.
+
+    > 💁 Você pode testar isso comentando as linhas para parar e reiniciar o reconhecimento. Configure um temporizador e talvez perceba que o anúncio configura um novo temporizador, o que causa um novo anúncio, levando a um novo temporizador, e assim por diante, indefinidamente!
+
+1. Execute o aplicativo e certifique-se de que o aplicativo de função também está em execução. Configure alguns temporizadores e você ouvirá uma resposta falada dizendo que seu temporizador foi configurado, seguida de outra resposta falada quando o temporizador for concluído.
+
+> 💁 Você pode encontrar este código na pasta [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device).
+
+😀 Seu programa de temporizador foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/br/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
new file mode 100644
index 00000000..b2a44ac8
--- /dev/null
+++ b/translations/br/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
@@ -0,0 +1,301 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012b69d57d898d670adf61304f42a137",
+  "translation_date": "2025-08-28T02:58:47+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
+  "language_code": "br"
+}
+-->
+# Configurar um cronômetro - Wio Terminal
+
+Nesta parte da lição, você chamará seu código serverless para interpretar o discurso e configurar um cronômetro no seu Wio Terminal com base nos resultados.
+
+## Configurar um cronômetro
+
+O texto retornado da chamada de reconhecimento de fala precisa ser enviado para o seu código serverless para ser processado pelo LUIS, que retornará o número de segundos para o cronômetro. Esse número de segundos pode ser usado para configurar o cronômetro.
+
+Microcontroladores não possuem suporte nativo para múltiplas threads no Arduino, então não há classes padrão de cronômetro como você encontraria ao programar em Python ou outras linguagens de alto nível. Em vez disso, você pode usar bibliotecas de cronômetro que funcionam medindo o tempo decorrido na função `loop` e chamando funções quando o tempo termina.
+
+### Tarefa - enviar o texto para a função serverless
+
+1. Abra o projeto `smart-timer` no VS Code, caso ainda não esteja aberto.
+
+1. Abra o arquivo de cabeçalho `config.h` e adicione a URL para o seu aplicativo de função:
+
+    ```cpp
+    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
+    ```
+
+    Substitua `<URL>` pela URL do seu aplicativo de função que você obteve na última etapa da lição anterior, apontando para o endereço IP da sua máquina local que está executando o aplicativo de função.
+
+1. Crie um novo arquivo na pasta `src` chamado `language_understanding.h`. Este arquivo será usado para definir uma classe que enviará o discurso reconhecido para o seu aplicativo de função, convertendo-o em segundos usando o LUIS.
+
+1. Adicione o seguinte ao início deste arquivo:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    ```
+
+    Isso inclui alguns arquivos de cabeçalho necessários.
+
+1. Defina uma classe chamada `LanguageUnderstanding` e declare uma instância dessa classe:
+
+    ```cpp
+    class LanguageUnderstanding
+    {
+    public:
+    private:
+    };
+
+    LanguageUnderstanding languageUnderstanding;
+    ```
+
+1. Para chamar seu aplicativo de função, você precisa declarar um cliente WiFi. Adicione o seguinte à seção `private` da classe:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. Na seção `public`, declare um método chamado `GetTimerDuration` para chamar o aplicativo de função:
+
+    ```cpp
+    int GetTimerDuration(String text)
+    {
+    }
+    ```
+
+1. No método `GetTimerDuration`, adicione o seguinte código para construir o JSON a ser enviado ao aplicativo de função:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    Isso converte o texto passado para o método `GetTimerDuration` no seguinte JSON:
+
+    ```json
+    {
+        "text" : "<text>"
+    }
+    ```
+
+    onde `<text>` é o texto passado para a função.
+
+1. Abaixo disso, adicione o seguinte código para fazer a chamada ao aplicativo de função:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    Isso faz uma solicitação POST ao aplicativo de função, passando o corpo JSON e obtendo o código de resposta.
+
+1. Adicione o seguinte código abaixo disso:
+
+    ```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);
+    }
+    ```
+
+    Este código verifica o código de resposta. Se for 200 (sucesso), o número de segundos para o cronômetro é recuperado do corpo da resposta. Caso contrário, um erro é enviado ao monitor serial e o número de segundos é definido como 0.
+
+1. Adicione o seguinte código ao final deste método para fechar a conexão HTTP e retornar o número de segundos:
+
+    ```cpp
+    httpClient.end();
+
+    return seconds;
+    ```
+
+1. No arquivo `main.cpp`, inclua este novo cabeçalho:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. No final da função `processAudio`, chame o método `GetTimerDuration` para obter a duração do cronômetro:
+
+    ```cpp
+    int total_seconds = languageUnderstanding.GetTimerDuration(text);
+    ```
+
+    Isso converte o texto da chamada para a classe `SpeechToText` no número de segundos para o cronômetro.
+
+### Tarefa - configurar um cronômetro
+
+O número de segundos pode ser usado para configurar um cronômetro.
+
+1. Adicione a seguinte dependência de biblioteca ao arquivo `platformio.ini` para adicionar uma biblioteca para configurar um cronômetro:
+
+    ```ini
+    contrem/arduino-timer @ 2.3.0
+    ```
+
+1. Adicione uma diretiva de inclusão para esta biblioteca no arquivo `main.cpp`:
+
+    ```cpp
+    #include <arduino-timer.h>
+    ```
+
+1. Acima da função `processAudio`, adicione o seguinte código:
+
+    ```cpp
+    auto timer = timer_create_default();
+    ```
+
+    Este código declara um cronômetro chamado `timer`.
+
+1. Abaixo disso, adicione o seguinte código:
+
+    ```cpp
+    void say(String text)
+    {
+        Serial.print("Saying ");
+        Serial.println(text);
+    }
+    ```
+
+    Esta função `say` eventualmente converterá texto em fala, mas por enquanto apenas escreverá o texto passado no monitor serial.
+
+1. Abaixo da função `say`, adicione o seguinte código:
+
+    ```cpp
+    bool timerExpired(void *announcement)
+    {
+        say((char *)announcement);
+        return false;
+    }
+    ```
+
+    Esta é uma função de callback que será chamada quando um cronômetro expirar. Ela recebe uma mensagem para ser dita quando o cronômetro expirar. Cronômetros podem se repetir, e isso pode ser controlado pelo valor de retorno deste callback - aqui retorna `false`, indicando que o cronômetro não deve ser executado novamente.
+
+1. Adicione o seguinte código ao final da função `processAudio`:
+
+    ```cpp
+    if (total_seconds == 0)
+    {
+        return;
+    }
+
+    int minutes = total_seconds / 60;
+    int seconds = total_seconds % 60;
+    ```
+
+    Este código verifica o número total de segundos e, se for 0, retorna da chamada da função para que nenhum cronômetro seja configurado. Ele então converte o número total de segundos em minutos e segundos.
+
+1. Abaixo deste código, adicione o seguinte para criar uma mensagem a ser dita quando o cronômetro for iniciado:
+
+    ```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. Abaixo disso, adicione um código semelhante para criar uma mensagem a ser dita quando o cronômetro expirar:
+
+    ```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. Após isso, diga a mensagem de início do cronômetro:
+
+    ```cpp
+    say(begin_message);
+    ```
+
+1. No final desta função, inicie o cronômetro:
+
+    ```cpp
+    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
+    ```
+
+    Isso aciona o cronômetro. O cronômetro é configurado usando milissegundos, então o número total de segundos é multiplicado por 1.000 para converter em milissegundos. A função `timerExpired` é passada como callback, e a `end_message` é passada como argumento para o callback. Este callback aceita apenas argumentos `void *`, então a string é convertida adequadamente.
+
+1. Finalmente, o cronômetro precisa "contar", e isso é feito na função `loop`. Adicione o seguinte código ao final da função `loop`:
+
+    ```cpp
+    timer.tick();
+    ```
+
+1. Compile este código, carregue-o no seu Wio Terminal e teste-o através do monitor serial. Assim que você vir `Ready` no monitor serial, pressione o botão C (o da esquerda, mais próximo do interruptor de energia) e fale. 4 segundos de áudio serão capturados, convertidos em texto, enviados para o seu aplicativo de função e um cronômetro será configurado. Certifique-se de que seu aplicativo de função esteja sendo executado localmente.
+
+    Você verá quando o cronômetro começar e quando ele terminar.
+
+    ```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.
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal).
+
+😀 Seu programa de cronômetro foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/br/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
new file mode 100644
index 00000000..c5545c64
--- /dev/null
+++ b/translations/br/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": "2025-08-28T02:56:40+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
+  "language_code": "br"
+}
+-->
+# Texto para fala - Wio Terminal
+
+Nesta parte da lição, você irá converter texto em fala para fornecer feedback falado.
+
+## Texto para fala
+
+O SDK de serviços de fala que você utilizou na última lição para converter fala em texto também pode ser usado para converter texto de volta em fala.
+
+## Obter uma lista de vozes
+
+Ao solicitar fala, é necessário fornecer a voz a ser usada, já que a fala pode ser gerada utilizando uma variedade de vozes diferentes. Cada idioma suporta uma gama de vozes distintas, e você pode obter a lista de vozes suportadas para cada idioma a partir do SDK de serviços de fala. Aqui entram as limitações dos microcontroladores - a chamada para obter a lista de vozes suportadas pelos serviços de texto para fala resulta em um documento JSON com mais de 77KB de tamanho, muito grande para ser processado pelo Wio Terminal. No momento da escrita, a lista completa contém 215 vozes, cada uma definida por um documento JSON como o seguinte:
+
+```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"
+}
+```
+
+Este JSON é para a voz **Aria**, que possui múltiplos estilos de voz. Tudo o que é necessário ao converter texto em fala é o nome curto, `en-US-AriaNeural`.
+
+Em vez de baixar e decodificar toda essa lista no seu microcontrolador, você precisará escrever mais código serverless para recuperar a lista de vozes para o idioma que está utilizando e chamar isso a partir do seu Wio Terminal. Seu código pode então escolher uma voz apropriada da lista, como a primeira que encontrar.
+
+### Tarefa - criar uma função serverless para obter uma lista de vozes
+
+1. Abra seu projeto `smart-timer-trigger` no VS Code e abra o terminal, garantindo que o ambiente virtual esteja ativado. Caso contrário, encerre e recrie o terminal.
+
+1. Abra o arquivo `local.settings.json` e adicione as configurações para a chave da API de fala e a localização:
+
+    ```json
+    "SPEECH_KEY": "<key>",
+    "SPEECH_LOCATION": "<location>"
+    ```
+
+    Substitua `<key>` pela chave da API do recurso de serviço de fala. Substitua `<location>` pela localização que você utilizou ao criar o recurso de serviço de fala.
+
+1. Adicione um novo gatilho HTTP a este aplicativo chamado `get-voices` usando o seguinte comando no terminal do VS Code na pasta raiz do projeto de funções:
+
+    ```sh
+    func new --name get-voices --template "HTTP trigger"
+    ```
+
+    Isso criará um gatilho HTTP chamado `get-voices`.
+
+1. Substitua o conteúdo do arquivo `__init__.py` na pasta `get-voices` pelo seguinte:
+
+    ```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)
+    ```
+
+    Este código faz uma requisição HTTP ao endpoint para obter as vozes. A lista de vozes é um grande bloco de JSON com vozes para todos os idiomas, então as vozes para o idioma passado no corpo da requisição são filtradas, e o nome curto é extraído e retornado como uma lista JSON. O nome curto é o valor necessário para converter texto em fala, então apenas este valor é retornado.
+
+    > 💁 Você pode alterar o filtro conforme necessário para selecionar apenas as vozes que deseja.
+
+    Isso reduz o tamanho dos dados de 77KB (no momento da escrita) para um documento JSON muito menor. Por exemplo, para vozes dos EUA, isso é 408 bytes.
+
+1. Execute seu aplicativo de funções localmente. Você pode então chamá-lo usando uma ferramenta como curl da mesma forma que testou o gatilho HTTP `text-to-timer`. Certifique-se de passar seu idioma como um corpo JSON:
+
+    ```json
+    {
+        "language":"<language>"
+    }
+    ```
+
+    Substitua `<language>` pelo seu idioma, como `en-GB` ou `zh-CN`.
+
+> 💁 Você pode encontrar este código na pasta [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions).
+
+### Tarefa - recuperar a voz do seu Wio Terminal
+
+1. Abra o projeto `smart-timer` no VS Code, caso ainda não esteja aberto.
+
+1. Abra o arquivo de cabeçalho `config.h` e adicione a URL do seu aplicativo de funções:
+
+    ```cpp
+    const char *GET_VOICES_FUNCTION_URL = "<URL>";
+    ```
+
+    Substitua `<URL>` pela URL do gatilho HTTP `get-voices` no seu aplicativo de funções. Este será o mesmo valor de `TEXT_TO_TIMER_FUNCTION_URL`, exceto com o nome da função `get-voices` em vez de `text-to-timer`.
+
+1. Crie um novo arquivo na pasta `src` chamado `text_to_speech.h`. Este será usado para definir uma classe para converter texto em fala.
+
+1. Adicione as seguintes diretivas de inclusão ao topo do novo arquivo `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. Adicione o seguinte código abaixo para declarar a classe `TextToSpeech`, junto com uma instância que pode ser usada no restante do aplicativo:
+
+    ```cpp
+    class TextToSpeech
+    {
+    public:
+    private:
+    };
+    
+    TextToSpeech textToSpeech;
+    ```
+
+1. Para chamar seu aplicativo de funções, você precisa declarar um cliente WiFi. Adicione o seguinte à seção `private` da classe:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. Na seção `private`, adicione um campo para a voz selecionada:
+
+    ```cpp
+    String _voice;
+    ```
+
+1. Na seção `public`, adicione uma função `init` que obterá a primeira voz:
+
+    ```cpp
+    void init()
+    {
+    }
+    ```
+
+1. Para obter as vozes, um documento JSON precisa ser enviado ao aplicativo de funções com o idioma. Adicione o seguinte código à função `init` para criar este documento JSON:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+1. Em seguida, crie um `HTTPClient` e use-o para chamar o aplicativo de funções para obter as vozes, enviando o documento JSON:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. Abaixo disso, adicione código para verificar o código de resposta e, se for 200 (sucesso), então extraia a lista de vozes, recuperando a primeira da lista:
+
+    ```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. Após isso, encerre a conexão do cliente HTTP:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. Abra o arquivo `main.cpp` e adicione a seguinte diretiva de inclusão no topo para incluir este novo arquivo de cabeçalho:
+
+    ```cpp
+    #include "text_to_speech.h"
+    ```
+
+1. Na função `setup`, abaixo da chamada para `speechToText.init();`, adicione o seguinte para inicializar a classe `TextToSpeech`:
+
+    ```cpp
+    textToSpeech.init();
+    ```
+
+1. Compile este código, carregue-o no seu Wio Terminal e teste-o através do monitor serial. Certifique-se de que seu aplicativo de funções esteja em execução.
+
+    Você verá a lista de vozes disponíveis retornada pelo aplicativo de funções, junto com a voz selecionada.
+
+    ```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.
+    ```
+
+## Converter texto em fala
+
+Uma vez que você tenha uma voz para usar, ela pode ser utilizada para converter texto em fala. As mesmas limitações de memória com vozes também se aplicam ao converter fala em texto, então você precisará gravar a fala em um cartão SD para ser reproduzida pelo ReSpeaker.
+
+> 💁 Em lições anteriores deste projeto, você utilizou memória flash para armazenar fala capturada do microfone. Esta lição utiliza um cartão SD, pois é mais fácil reproduzir áudio a partir dele usando as bibliotecas de áudio da Seeed.
+
+Há também outra limitação a considerar: os dados de áudio disponíveis no serviço de fala e os formatos que o Wio Terminal suporta. Diferentemente de computadores completos, as bibliotecas de áudio para microcontroladores podem ser muito limitadas nos formatos de áudio que suportam. Por exemplo, a biblioteca Seeed Arduino Audio que pode reproduzir som pelo ReSpeaker suporta apenas áudio com taxa de amostragem de 44.1KHz. Os serviços de fala do Azure podem fornecer áudio em vários formatos, mas nenhum deles utiliza essa taxa de amostragem, fornecendo apenas 8KHz, 16KHz, 24KHz e 48KHz. Isso significa que o áudio precisa ser reamostrado para 44.1KHz, algo que exigiria mais recursos do que o Wio Terminal possui, especialmente memória.
+
+Quando é necessário manipular dados como este, muitas vezes é melhor usar código serverless, especialmente se os dados forem obtidos por meio de uma chamada web. O Wio Terminal pode chamar uma função serverless, passando o texto a ser convertido, e a função serverless pode tanto chamar o serviço de fala para converter texto em fala quanto reamostrar o áudio para a taxa de amostragem necessária. Ela pode então retornar o áudio no formato que o Wio Terminal precisa para ser armazenado no cartão SD e reproduzido pelo ReSpeaker.
+
+### Tarefa - criar uma função serverless para converter texto em fala
+
+1. Abra seu projeto `smart-timer-trigger` no VS Code e abra o terminal, garantindo que o ambiente virtual esteja ativado. Caso contrário, encerre e recrie o terminal.
+
+1. Adicione um novo gatilho HTTP a este aplicativo chamado `text-to-speech` usando o seguinte comando no terminal do VS Code na pasta raiz do projeto de funções:
+
+    ```sh
+    func new --name text-to-speech --template "HTTP trigger"
+    ```
+
+    Isso criará um gatilho HTTP chamado `text-to-speech`.
+
+1. O pacote Pip [librosa](https://librosa.org) possui funções para reamostrar áudio, então adicione-o ao arquivo `requirements.txt`:
+
+    ```sh
+    librosa
+    ```
+
+    Uma vez que isso tenha sido adicionado, instale os pacotes Pip usando o seguinte comando no terminal do VS Code:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > ⚠️ Se você estiver usando Linux, incluindo Raspberry Pi OS, pode ser necessário instalar `libsndfile` com o seguinte comando:
+    >
+    > ```sh
+    > sudo apt update
+    > sudo apt install libsndfile1-dev
+    > ```
+
+1. Para converter texto em fala, você não pode usar diretamente a chave da API de fala; em vez disso, é necessário solicitar um token de acesso, utilizando a chave da API para autenticar a solicitação do token de acesso. Abra o arquivo `__init__.py` na pasta `text-to-speech` e substitua todo o código nele pelo seguinte:
+
+    ```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)
+    ```
+
+    Isso define constantes para a localização e chave de fala que serão lidas das configurações. Em seguida, define a função `get_access_token` que irá recuperar um token de acesso para o serviço de fala.
+
+1. Abaixo deste código, adicione o seguinte:
+
+    ```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)
+    ```
+
+    Isso define o gatilho HTTP que converte texto em fala. Ele extrai o texto a ser convertido, o idioma e a voz do corpo JSON enviado na requisição, constrói um SSML para solicitar a fala e então chama a API REST relevante, autenticando usando o token de acesso. Esta chamada à API REST retorna o áudio codificado como um arquivo WAV mono de 16 bits e 48KHz, definido pelo valor de `playback_format`, que é enviado na chamada à API REST.
+
+    Este áudio é então reamostrado por `librosa` de uma taxa de amostragem de 48KHz para uma taxa de amostragem de 44.1KHz, e este áudio é salvo em um buffer binário que é então retornado.
+
+1. Execute seu aplicativo de funções localmente ou implante-o na nuvem. Você pode então chamá-lo usando uma ferramenta como curl da mesma forma que testou o gatilho HTTP `text-to-timer`. Certifique-se de passar o idioma, a voz e o texto como corpo JSON:
+
+    ```json
+    {
+        "language": "<language>",
+        "voice": "<voice>",
+        "text": "<text>"
+    }
+    ```
+
+    Substitua `<language>` pelo seu idioma, como `en-GB` ou `zh-CN`. Substitua `<voice>` pela voz que deseja usar. Substitua `<text>` pelo texto que deseja converter em fala. Você pode salvar a saída em um arquivo e reproduzi-lo com qualquer player de áudio que suporte arquivos WAV.
+
+    Por exemplo, para converter "Hello" em fala usando inglês dos EUA com a voz Jenny Neural, com o aplicativo de funções rodando localmente, você pode usar o seguinte comando 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"
+         }'
+    ```
+
+    Isso salvará o áudio em `hello.wav` no diretório atual.
+
+> 💁 Você pode encontrar este código na pasta [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions).
+
+### Tarefa - recuperar a fala do seu Wio Terminal
+
+1. Abra o projeto `smart-timer` no VS Code, caso ainda não esteja aberto.
+
+1. Abra o arquivo de cabeçalho `config.h` e adicione a URL do seu aplicativo de funções:
+
+    ```cpp
+    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
+    ```
+
+    Substitua `<URL>` pela URL do gatilho HTTP `text-to-speech` no seu aplicativo de funções. Este será o mesmo valor de `TEXT_TO_TIMER_FUNCTION_URL`, exceto com o nome da função `text-to-speech` em vez de `text-to-timer`.
+
+1. Abra o arquivo de cabeçalho `text_to_speech.h` e adicione o seguinte método à seção `public` da classe `TextToSpeech`:
+
+    ```cpp
+    void convertTextToSpeech(String text)
+    {
+    }
+    ```
+
+1. No método `convertTextToSpeech`, adicione o seguinte código para criar o JSON a ser enviado ao aplicativo de funções:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+    doc["voice"] = _voice;
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    Isso escreve o idioma, a voz e o texto no documento JSON e o serializa em uma string.
+
+1. Abaixo disso, adicione o seguinte código para chamar o aplicativo de funções:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    Isso cria um `HTTPClient` e faz uma requisição POST usando o documento JSON ao gatilho HTTP `text-to-speech`.
+
+1. Se a chamada funcionar, os dados binários brutos retornados pela chamada ao aplicativo de funções podem ser transmitidos para um arquivo no cartão SD. Adicione o seguinte código para fazer isso:
+
+    ```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);
+    }
+    ```
+
+    Este código verifica a resposta e, se for 200 (sucesso), os dados binários são transmitidos para um arquivo na raiz do cartão SD chamado `SPEECH.WAV`.
+
+1. No final deste método, feche a conexão HTTP:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. O texto a ser falado agora pode ser convertido em áudio. No arquivo `main.cpp`, adicione a seguinte linha ao final da função `say` para converter o texto a ser falado em áudio:
+```cpp
+    textToSpeech.convertTextToSpeech(text);
+    ```
+
+### Tarefa - reproduzir áudio no seu Wio Terminal
+
+**Em breve**
+
+## Implantando seu aplicativo de funções na nuvem
+
+O motivo para executar o aplicativo de funções localmente é que o pacote Pip `librosa` no Linux tem uma dependência de uma biblioteca que não está instalada por padrão e precisará ser instalada antes que o aplicativo de funções possa ser executado. Aplicativos de funções são sem servidor - não há servidores que você possa gerenciar diretamente, então não há como instalar essa biblioteca antecipadamente.
+
+A maneira de resolver isso é implantar seu aplicativo de funções usando um contêiner Docker. Esse contêiner é implantado pela nuvem sempre que é necessário iniciar uma nova instância do seu aplicativo de funções (como quando a demanda excede os recursos disponíveis ou se o aplicativo de funções não foi usado por um tempo e foi encerrado).
+
+Você pode encontrar as instruções para configurar um aplicativo de funções e implantar via Docker na [documentação sobre como criar uma função no Linux usando um contêiner personalizado no 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).
+
+Depois que isso for implantado, você pode portar o código do seu Wio Terminal para acessar essa função:
+
+1. Adicione o certificado do Azure Functions ao `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. Altere todas as inclusões de `<WiFiClient.h>` para `<WiFiClientSecure.h>`.
+
+1. Altere todos os campos `WiFiClient` para `WiFiClientSecure`.
+
+1. Em todas as classes que possuem um campo `WiFiClientSecure`, adicione um construtor e configure o certificado nesse construtor:
+
+    ```cpp
+    _client.setCACert(FUNCTIONS_CERTIFICATE);
+    ```
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/4-multiple-language-support/README.md b/translations/br/6-consumer/lessons/4-multiple-language-support/README.md
new file mode 100644
index 00000000..35c9e9d2
--- /dev/null
+++ b/translations/br/6-consumer/lessons/4-multiple-language-support/README.md
@@ -0,0 +1,188 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
+  "translation_date": "2025-08-28T03:07:56+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
+  "language_code": "br"
+}
+-->
+# Suporte a múltiplos idiomas
+
+![Uma visão geral ilustrada desta lição](../../../../../translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.br.jpg)
+
+> Ilustração por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.
+
+Este vídeo oferece uma visão geral dos serviços de fala do Azure, abordando conversão de fala para texto e texto para fala das lições anteriores, além de tradução de fala, um tópico abordado nesta lição:
+
+[![Reconhecendo fala com algumas linhas de Python no Microsoft Build 2020](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
+
+> 🎥 Clique na imagem acima para assistir ao vídeo
+
+## Quiz pré-aula
+
+[Quiz pré-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
+
+## Introdução
+
+Nas últimas 3 lições, você aprendeu sobre conversão de fala para texto, compreensão de linguagem e conversão de texto para fala, tudo impulsionado por IA. Outra área da comunicação humana em que a IA pode ajudar é a tradução de idiomas - convertendo de um idioma para outro, como de inglês para francês.
+
+Nesta lição, você aprenderá a usar IA para traduzir texto, permitindo que seu cronômetro inteligente interaja com usuários em vários idiomas.
+
+Nesta lição, abordaremos:
+
+* [Traduzir texto](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Serviços de tradução](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Criar um recurso de tradutor](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Suporte a múltiplos idiomas em aplicativos com traduções](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Traduzir texto usando um serviço de IA](../../../../../6-consumer/lessons/4-multiple-language-support)
+
+> 🗑 Esta é a última lição deste projeto, então, após concluir esta lição e a tarefa, não se esqueça de limpar seus serviços na nuvem. Você precisará dos serviços para concluir a tarefa, então certifique-se de completá-la primeiro.
+>
+> Consulte [o guia de limpeza do projeto](../../../clean-up.md) se necessário para instruções sobre como fazer isso.
+
+## Traduzir texto
+
+A tradução de texto tem sido um problema de ciência da computação pesquisado por mais de 70 anos, e só agora, graças aos avanços em IA e poder computacional, está perto de ser resolvido a ponto de ser quase tão bom quanto tradutores humanos.
+
+> 💁 As origens podem ser rastreadas ainda mais longe, até [Al-Kindi](https://wikipedia.org/wiki/Al-Kindi), um criptógrafo árabe do século IX que desenvolveu técnicas para tradução de idiomas.
+
+### Traduções automáticas
+
+A tradução de texto começou como uma tecnologia conhecida como Tradução Automática (MT), que pode traduzir entre diferentes pares de idiomas. A MT funciona substituindo palavras em um idioma por outro, adicionando técnicas para selecionar as formas corretas de traduzir frases ou partes de sentenças quando uma tradução palavra por palavra não faz sentido.
+
+> 🎓 Quando tradutores suportam a tradução entre um idioma e outro, isso é conhecido como *pares de idiomas*. Diferentes ferramentas suportam diferentes pares de idiomas, e esses podem não ser completos. Por exemplo, um tradutor pode suportar inglês para espanhol como um par de idiomas, e espanhol para italiano como outro par, mas não inglês para italiano.
+
+Por exemplo, traduzir "Hello world" do inglês para o francês pode ser feito com uma substituição - "Bonjour" para "Hello" e "le monde" para "world", levando à tradução correta de "Bonjour le monde".
+
+Substituições não funcionam quando diferentes idiomas usam formas diferentes de dizer a mesma coisa. Por exemplo, a frase em inglês "My name is Jim" traduz-se para "Je m'appelle Jim" em francês - literalmente "Eu me chamo Jim". "Je" é francês para "Eu", "moi" é "me", mas é concatenado com o verbo porque começa com uma vogal, tornando-se "m'", "appelle" é "chamar", e "Jim" não é traduzido porque é um nome e não uma palavra que pode ser traduzida. A ordem das palavras também se torna um problema - uma simples substituição de "Je m'appelle Jim" torna-se "Eu me chamo Jim", com uma ordem de palavras diferente do inglês.
+
+> 💁 Algumas palavras nunca são traduzidas - meu nome é Jim, independentemente do idioma usado para me apresentar. Ao traduzir para idiomas que usam alfabetos diferentes ou letras diferentes para sons diferentes, as palavras podem ser *transliteradas*, ou seja, selecionando letras ou caracteres que reproduzam o som apropriado para soar como a palavra original.
+
+Expressões idiomáticas também são um problema para tradução. Essas são frases que têm um significado entendido diferente de uma interpretação direta das palavras. Por exemplo, em inglês, a expressão "I've got ants in my pants" não se refere literalmente a ter formigas na roupa, mas a estar inquieto. Se você traduzir isso para o alemão, acabará confundindo o ouvinte, já que a versão alemã é "Eu tenho abelhas no fundo".
+
+> 💁 Diferentes locais adicionam complexidades diferentes. Com a expressão "ants in your pants", no inglês americano "pants" refere-se a roupas externas, enquanto no inglês britânico, "pants" é roupa íntima.
+
+✅ Se você fala vários idiomas, pense em algumas frases que não traduzem diretamente.
+
+Sistemas de tradução automática dependem de grandes bancos de dados de regras que descrevem como traduzir certas frases e expressões idiomáticas, juntamente com métodos estatísticos para escolher as traduções apropriadas entre as opções possíveis. Esses métodos estatísticos usam enormes bancos de dados de obras traduzidas por humanos em vários idiomas para escolher a tradução mais provável, uma técnica chamada *tradução automática estatística*. Muitos desses sistemas usam representações intermediárias do idioma, permitindo que um idioma seja traduzido para o intermediário e, em seguida, do intermediário para outro idioma. Dessa forma, adicionar mais idiomas envolve traduções para e do intermediário, e não para e de todos os outros idiomas.
+
+### Traduções neurais
+
+Traduções neurais envolvem o uso do poder da IA para traduzir, geralmente traduzindo frases inteiras usando um único modelo. Esses modelos são treinados em grandes conjuntos de dados que foram traduzidos por humanos, como páginas da web, livros e documentação das Nações Unidas.
+
+Modelos de tradução neural geralmente são menores do que modelos de tradução automática, pois não precisam de enormes bancos de dados de frases e expressões idiomáticas. Serviços modernos de IA que fornecem traduções frequentemente misturam várias técnicas, combinando tradução automática estatística e tradução neural.
+
+Não existe uma tradução 1:1 para nenhum par de idiomas. Diferentes modelos de tradução produzirão resultados ligeiramente diferentes, dependendo dos dados usados para treinar o modelo. Traduções nem sempre são simétricas - ou seja, se você traduzir uma frase de um idioma para outro e depois voltar para o primeiro idioma, pode ver uma frase ligeiramente diferente como resultado.
+
+✅ Experimente diferentes tradutores online, como [Bing Translate](https://www.bing.com/translator), [Google Translate](https://translate.google.com) ou o aplicativo de tradução da Apple. Compare as versões traduzidas de algumas frases. Também tente traduzir em um e depois traduzir de volta em outro.
+
+## Serviços de tradução
+
+Existem vários serviços de IA que podem ser usados em seus aplicativos para traduzir fala e texto.
+
+### Serviço de fala dos serviços cognitivos
+
+![O logotipo do serviço de fala](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.br.png)
+
+O serviço de fala que você tem usado nas últimas lições possui capacidades de tradução para reconhecimento de fala. Quando você reconhece fala, pode solicitar não apenas o texto da fala no mesmo idioma, mas também em outros idiomas.
+
+> 💁 Isso está disponível apenas no SDK de fala; a API REST não possui traduções integradas.
+
+### Serviço de tradutor dos serviços cognitivos
+
+![O logotipo do serviço de tradutor](../../../../../translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.br.png)
+
+O serviço de tradutor é um serviço dedicado de tradução que pode traduzir texto de um idioma para um ou mais idiomas de destino. Além de traduzir, ele suporta uma ampla gama de recursos extras, incluindo mascaramento de palavrões. Ele também permite que você forneça uma tradução específica para uma palavra ou frase, para trabalhar com termos que você não deseja traduzir ou que possuem uma tradução bem conhecida.
+
+Por exemplo, ao traduzir a frase "I have a Raspberry Pi", referindo-se ao computador de placa única, para outro idioma como francês, você gostaria de manter o nome "Raspberry Pi" como está e não traduzi-lo, dando "J’ai un Raspberry Pi" em vez de "J’ai une pi aux framboises".
+
+## Criar um recurso de tradutor
+
+Para esta lição, você precisará de um recurso de tradutor. Você usará a API REST para traduzir texto.
+
+### Tarefa - criar um recurso de tradutor
+
+1. No seu terminal ou prompt de comando, execute o seguinte comando para criar um recurso de tradutor no seu grupo de recursos `smart-timer`.
+
+    ```sh
+    az cognitiveservices account create --name smart-timer-translator \
+                                        --resource-group smart-timer \
+                                        --kind TextTranslation \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Substitua `<location>` pelo local que você usou ao criar o grupo de recursos.
+
+1. Obtenha a chave para o serviço de tradutor:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer-translator \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    Copie uma das chaves.
+
+## Suporte a múltiplos idiomas em aplicativos com traduções
+
+Em um mundo ideal, todo o seu aplicativo deveria entender o maior número possível de idiomas diferentes, desde ouvir a fala até compreender a linguagem e responder com fala. Isso dá muito trabalho, então os serviços de tradução podem acelerar o tempo de entrega do seu aplicativo.
+
+![Uma arquitetura de cronômetro inteligente traduzindo japonês para inglês, processando em inglês e depois traduzindo de volta para japonês](../../../../../translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.br.png)
+
+Imagine que você está construindo um cronômetro inteligente que usa inglês de ponta a ponta, entendendo inglês falado e convertendo isso em texto, executando a compreensão de linguagem em inglês, criando respostas em inglês e respondendo com fala em inglês. Se você quisesse adicionar suporte ao japonês, poderia começar traduzindo japonês falado para texto em inglês, mantendo o núcleo do aplicativo o mesmo, e depois traduzir o texto da resposta para japonês antes de falar a resposta. Isso permitiria adicionar suporte ao japonês rapidamente, e você poderia expandir para fornecer suporte completo de ponta a ponta em japonês mais tarde.
+
+> 💁 A desvantagem de depender de tradução automática é que diferentes idiomas e culturas têm formas diferentes de dizer as mesmas coisas, então a tradução pode não corresponder à expressão que você está esperando.
+
+Traduções automáticas também abrem possibilidades para aplicativos e dispositivos que podem traduzir conteúdo criado pelo usuário enquanto ele é criado. A ficção científica frequentemente apresenta "tradutores universais", dispositivos que podem traduzir de idiomas alienígenas para (tipicamente) inglês americano. Esses dispositivos são menos ficção científica e mais fato científico, se ignorarmos a parte alienígena. Já existem aplicativos e dispositivos que fornecem tradução em tempo real de fala e texto escrito, usando combinações de serviços de fala e tradução.
+
+Um exemplo é o aplicativo para celular [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn), demonstrado neste vídeo:
+
+[![Recurso ao vivo do Microsoft Translator em ação](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
+
+> 🎥 Clique na imagem acima para assistir ao vídeo
+
+Imagine ter um dispositivo como este disponível para você, especialmente ao viajar ou interagir com pessoas cujo idioma você não conhece. Ter dispositivos de tradução automáticos em aeroportos ou hospitais proporcionaria melhorias muito necessárias em acessibilidade.
+
+✅ Faça uma pesquisa: Existem dispositivos IoT de tradução disponíveis comercialmente? E quanto a capacidades de tradução integradas em dispositivos inteligentes?
+
+> 👽 Embora não existam verdadeiros tradutores universais que nos permitam conversar com alienígenas, o [Microsoft Translator suporta Klingon](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn). Qapla’!
+
+## Traduzir texto usando um serviço de IA
+
+Você pode usar um serviço de IA para adicionar essa capacidade de tradução ao seu cronômetro inteligente.
+
+### Tarefa - traduzir texto usando um serviço de IA
+
+Siga o guia relevante para converter texto em seu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
+* [Computador de placa única - Raspberry Pi](pi-translate-speech.md)
+* [Computador de placa única - Dispositivo virtual](virtual-device-translate-speech.md)
+
+---
+
+## 🚀 Desafio
+
+Como as traduções automáticas podem beneficiar outros aplicativos IoT além de dispositivos inteligentes? Pense em diferentes maneiras pelas quais as traduções podem ajudar, não apenas com palavras faladas, mas também com texto.
+
+## Quiz pós-aula
+
+[Quiz pós-aula](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
+
+## Revisão e autoestudo
+
+* Leia mais sobre tradução automática na [página de tradução automática na Wikipedia](https://wikipedia.org/wiki/Machine_translation)
+* Leia mais sobre tradução automática neural na [página de tradução automática neural na Wikipedia](https://wikipedia.org/wiki/Neural_machine_translation)
+* Confira a lista de idiomas suportados pelos serviços de fala da Microsoft na [documentação de suporte a idiomas e vozes para o serviço de fala no Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn)
+
+## Tarefa
+
+[Construa um tradutor universal](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/br/6-consumer/lessons/4-multiple-language-support/assignment.md
new file mode 100644
index 00000000..bafceb39
--- /dev/null
+++ b/translations/br/6-consumer/lessons/4-multiple-language-support/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
+  "translation_date": "2025-08-28T03:11:25+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
+  "language_code": "br"
+}
+-->
+# Construir um tradutor universal
+
+## Instruções
+
+Um tradutor universal é um dispositivo que pode traduzir entre vários idiomas, permitindo que pessoas que falam línguas diferentes possam se comunicar. Use o que você aprendeu nas últimas aulas para construir um tradutor universal usando 2 dispositivos IoT.
+
+> Se você não tiver 2 dispositivos, siga os passos das últimas aulas para configurar um dispositivo IoT virtual como um dos dispositivos IoT.
+
+Você deve configurar um dispositivo para um idioma e outro para outro idioma. Cada dispositivo deve aceitar fala, convertê-la em texto, enviá-la para o outro dispositivo via IoT Hub e um aplicativo Functions, traduzi-la e reproduzir a fala traduzida.
+
+> 💁 Dica: Ao enviar a fala de um dispositivo para outro, envie também o idioma em que ela está, facilitando a tradução. Você pode até fazer com que cada dispositivo se registre usando o IoT Hub e um aplicativo Functions primeiro, passando o idioma que suportam para ser armazenado no Azure Storage. Depois, você pode usar um aplicativo Functions para realizar as traduções, enviando o texto traduzido para o dispositivo IoT.
+
+## Critérios de Avaliação
+
+| Critério | Exemplar | Adequado | Precisa Melhorar |
+| -------- | --------- | -------- | ---------------- |
+| Criar um tradutor universal | Foi capaz de construir um tradutor universal, convertendo a fala detectada por um dispositivo em fala reproduzida por outro dispositivo em um idioma diferente | Foi capaz de fazer algumas partes funcionarem, como capturar fala ou traduzir, mas não conseguiu construir a solução completa de ponta a ponta | Não conseguiu construir nenhuma parte de um tradutor universal funcional |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/br/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
new file mode 100644
index 00000000..0c6cbefc
--- /dev/null
+++ b/translations/br/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
@@ -0,0 +1,164 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
+  "translation_date": "2025-08-28T03:10:04+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
+  "language_code": "br"
+}
+-->
+# Traduzir fala - Raspberry Pi
+
+Nesta parte da lição, você escreverá código para traduzir texto usando o serviço de tradução.
+
+## Converter texto em fala usando o serviço de tradução
+
+A API REST do serviço de fala não suporta traduções diretas. Em vez disso, você pode usar o serviço Translator para traduzir o texto gerado pelo serviço de fala para texto e o texto da resposta falada. Este serviço possui uma API REST que você pode usar para traduzir o texto.
+
+### Tarefa - usar o recurso de tradução para traduzir texto
+
+1. Seu cronômetro inteligente terá 2 idiomas configurados - o idioma do servidor que foi usado para treinar o LUIS (o mesmo idioma também é usado para construir as mensagens para falar com o usuário) e o idioma falado pelo usuário. Atualize a variável `language` para ser o idioma que será falado pelo usuário e adicione uma nova variável chamada `server_language` para o idioma usado para treinar o LUIS:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    Substitua `<user language>` pelo nome do local do idioma que você usará para falar, por exemplo, `fr-FR` para francês ou `zn-HK` para cantonês.
+
+    Substitua `<server language>` pelo nome do local do idioma usado para treinar o LUIS.
+
+    Você pode encontrar uma lista dos idiomas suportados e seus nomes de local na [documentação de suporte a idiomas e vozes nos documentos da Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Se você não fala vários idiomas, pode usar um serviço como [Bing Translate](https://www.bing.com/translator) ou [Google Translate](https://translate.google.com) para traduzir do seu idioma preferido para um idioma de sua escolha. Esses serviços podem reproduzir áudio do texto traduzido.
+    >
+    > Por exemplo, se você treinar o LUIS em inglês, mas quiser usar francês como idioma do usuário, pode traduzir frases como "set a 2 minute and 27 second timer" do inglês para o francês usando o Bing Translate e, em seguida, usar o botão **Ouvir tradução** para falar a tradução no seu microfone.
+    >
+    > ![O botão ouvir tradução no Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.br.png)
+
+1. Adicione a chave da API do tradutor abaixo da `speech_api_key`:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    Substitua `<key>` pela chave da API do recurso do serviço de tradução.
+
+1. Acima da função `say`, defina uma função `translate_text` que traduzirá texto do idioma do servidor para o idioma do usuário:
+
+    ```python
+    def translate_text(text, from_language, to_language):
+    ```
+
+    Os idiomas de origem e destino são passados para esta função - seu aplicativo precisa converter do idioma do usuário para o idioma do servidor ao reconhecer fala e do idioma do servidor para o idioma do usuário ao fornecer feedback falado.
+
+1. Dentro desta função, defina a URL e os cabeçalhos para a chamada da API 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'
+    }
+    ```
+
+    A URL para esta API não é específica de localização; em vez disso, a localização é passada como um cabeçalho. A chave da API é usada diretamente, então, ao contrário do serviço de fala, não há necessidade de obter um token de acesso da API emissora de tokens.
+
+1. Abaixo disso, defina os parâmetros e o corpo para a chamada:
+
+    ```python
+    params = {
+        'from': from_language,
+        'to': to_language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    Os `params` definem os parâmetros a serem passados para a chamada da API, passando os idiomas de origem e destino. Esta chamada traduzirá texto no idioma `from` para o idioma `to`.
+
+    O `body` contém o texto a ser traduzido. Este é um array, pois vários blocos de texto podem ser traduzidos na mesma chamada.
+
+1. Faça a chamada para a API REST e obtenha a resposta:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    A resposta que retorna é um array JSON, com um item que contém as traduções. Este item possui um array para traduções de todos os itens passados no corpo.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Set a 2 minute 27 second timer.",
+                    "to": "en"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. Retorne a propriedade `text` da primeira tradução do primeiro item no array:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. Atualize o loop `while True` para traduzir o texto da chamada para `convert_speech_to_text` do idioma do usuário para o idioma do servidor:
+
+    ```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)
+    ```
+
+    Este código também imprime as versões original e traduzida do texto no console.
+
+1. Atualize a função `say` para traduzir o texto a ser falado do idioma do servidor para o idioma do usuário:
+
+    ```python
+    def say(text):
+        print('Original:', text)
+        text = translate_text(text, server_language, language)
+        print('Translated:', text)
+        speech = get_speech(text)
+        play_speech(speech)
+    ```
+
+    Este código também imprime as versões original e traduzida do texto no console.
+
+1. Execute seu código. Certifique-se de que seu aplicativo de função esteja em execução e solicite um cronômetro no idioma do usuário, seja falando esse idioma você mesmo ou usando um aplicativo de tradução.
+
+    ```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.
+    ```
+
+    > 💁 Devido às diferentes formas de dizer algo em diferentes idiomas, você pode obter traduções que são ligeiramente diferentes dos exemplos que você deu ao LUIS. Se for o caso, adicione mais exemplos ao LUIS, treine novamente e publique o modelo novamente.
+
+> 💁 Você pode encontrar este código na pasta [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi).
+
+😀 Seu programa de cronômetro multilíngue foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/br/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
new file mode 100644
index 00000000..97e4dae7
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:10:40+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
+  "language_code": "br"
+}
+-->
+# Traduzir fala - Dispositivo IoT Virtual
+
+Nesta parte da lição, você escreverá código para traduzir fala ao convertê-la em texto usando o serviço de fala, e depois traduzir o texto usando o serviço Translator antes de gerar uma resposta falada.
+
+## Usar o serviço de fala para traduzir fala
+
+O serviço de fala pode pegar uma fala e não apenas convertê-la em texto no mesmo idioma, mas também traduzir a saída para outros idiomas.
+
+### Tarefa - usar o serviço de fala para traduzir fala
+
+1. Abra o projeto `smart-timer` no VS Code e certifique-se de que o ambiente virtual está carregado no terminal.
+
+1. Adicione as seguintes declarações de importação abaixo das importações existentes:
+
+    ```python
+    from azure.cognitiveservices import speech
+    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
+    import requests
+    ```
+
+    Isso importa classes usadas para traduzir fala e uma biblioteca `requests` que será usada para fazer uma chamada ao serviço Translator mais adiante nesta lição.
+
+1. Seu cronômetro inteligente terá 2 idiomas configurados - o idioma do servidor que foi usado para treinar o LUIS (o mesmo idioma também é usado para construir as mensagens faladas para o usuário) e o idioma falado pelo usuário. Atualize a variável `language` para ser o idioma que será falado pelo usuário e adicione uma nova variável chamada `server_language` para o idioma usado para treinar o LUIS:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    Substitua `<user language>` pelo nome do local do idioma que você falará, por exemplo, `fr-FR` para francês ou `zn-HK` para cantonês.
+
+    Substitua `<server language>` pelo nome do local do idioma usado para treinar o LUIS.
+
+    Você pode encontrar uma lista dos idiomas suportados e seus nomes de local na [documentação de suporte a idiomas e vozes nos documentos da Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Se você não fala vários idiomas, pode usar um serviço como [Bing Translate](https://www.bing.com/translator) ou [Google Translate](https://translate.google.com) para traduzir do seu idioma preferido para um idioma de sua escolha. Esses serviços podem então reproduzir o áudio do texto traduzido. Esteja ciente de que o reconhecedor de fala ignorará algumas saídas de áudio do seu dispositivo, então você pode precisar usar um dispositivo adicional para reproduzir o texto traduzido.
+    >
+    > Por exemplo, se você treinar o LUIS em inglês, mas quiser usar francês como idioma do usuário, pode traduzir frases como "set a 2 minute and 27 second timer" de inglês para francês usando o Bing Translate, e depois usar o botão **Ouvir tradução** para falar a tradução no seu microfone.
+    >
+    > ![O botão ouvir tradução no Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.br.png)
+
+1. Substitua as declarações `recognizer_config` e `recognizer` pelo seguinte:
+
+    ```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)
+    ```
+
+    Isso cria uma configuração de tradução para reconhecer fala no idioma do usuário e criar traduções no idioma do usuário e no idioma do servidor. Em seguida, usa essa configuração para criar um reconhecedor de tradução - um reconhecedor de fala que pode traduzir a saída do reconhecimento de fala para vários idiomas.
+
+    > 💁 O idioma original precisa ser especificado em `target_languages`, caso contrário, você não obterá nenhuma tradução.
+
+1. Atualize a função `recognized`, substituindo todo o conteúdo da função pelo seguinte:
+
+    ```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)
+    ```
+
+    Este código verifica se o evento reconhecido foi acionado porque a fala foi traduzida (este evento pode ser acionado em outros momentos, como quando a fala é reconhecida, mas não traduzida). Se a fala foi traduzida, encontra a tradução no dicionário `args.result.translations` que corresponde ao idioma do servidor.
+
+    O dicionário `args.result.translations` é indexado pela parte do idioma da configuração de local, não pela configuração completa. Por exemplo, se você solicitar uma tradução para `fr-FR` para francês, o dicionário conterá uma entrada para `fr`, não para `fr-FR`.
+
+    O texto traduzido é então enviado para o IoT Hub.
+
+1. Execute este código para testar as traduções. Certifique-se de que seu aplicativo de função está em execução e solicite um cronômetro no idioma do usuário, seja falando nesse idioma você mesmo ou usando um aplicativo de tradução.
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    ```
+
+## Traduzir texto usando o serviço Translator
+
+O serviço de fala não suporta a tradução de texto de volta para fala, em vez disso, você pode usar o serviço Translator para traduzir o texto. Este serviço possui uma API REST que você pode usar para traduzir o texto.
+
+### Tarefa - usar o recurso Translator para traduzir texto
+
+1. Adicione a chave da API do Translator abaixo da `speech_api_key`:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    Substitua `<key>` pela chave da API do recurso do serviço Translator.
+
+1. Acima da função `say`, defina uma função `translate_text` que traduzirá texto do idioma do servidor para o idioma do usuário:
+
+    ```python
+    def translate_text(text):
+    ```
+
+1. Dentro dessa função, defina a URL e os cabeçalhos para a chamada da API 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'
+    }
+    ```
+
+    A URL para esta API não é específica de localização, em vez disso, a localização é passada como um cabeçalho. A chave da API é usada diretamente, então, ao contrário do serviço de fala, não há necessidade de obter um token de acesso da API emissora de tokens.
+
+1. Abaixo disso, defina os parâmetros e o corpo para a chamada:
+
+    ```python
+    params = {
+        'from': server_language,
+        'to': language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    Os `params` definem os parâmetros a serem passados para a chamada da API, especificando os idiomas de origem e destino. Esta chamada traduzirá texto no idioma `from` para o idioma `to`.
+
+    O `body` contém o texto a ser traduzido. Este é um array, pois vários blocos de texto podem ser traduzidos na mesma chamada.
+
+1. Faça a chamada para a API REST e obtenha a resposta:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    A resposta que retorna é um array JSON, com um item que contém as traduções. Este item possui um array para traduções de todos os itens passados no corpo.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
+                    "to": "fr"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. Retorne a propriedade `text` da primeira tradução do primeiro item no array:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. Atualize a função `say` para traduzir o texto a ser dito antes que o SSML seja gerado:
+
+    ```python
+    print('Original:', text)
+    text = translate_text(text)
+    print('Translated:', text)
+    ```
+
+    Este código também imprime as versões original e traduzida do texto no console.
+
+1. Execute seu código. Certifique-se de que seu aplicativo de função está em execução e solicite um cronômetro no idioma do usuário, seja falando nesse idioma você mesmo ou usando um aplicativo de tradução.
+
+    ```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.
+    ```
+
+    > 💁 Devido às diferentes formas de dizer algo em diferentes idiomas, você pode obter traduções que são ligeiramente diferentes dos exemplos que você forneceu ao LUIS. Se for o caso, adicione mais exemplos ao LUIS, re-treine e publique novamente o modelo.
+
+> 💁 Você pode encontrar este código na pasta [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device).
+
+😀 Seu programa de cronômetro multilíngue foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/br/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
new file mode 100644
index 00000000..93df0f55
--- /dev/null
+++ b/translations/br/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": "2025-08-28T03:09:17+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
+  "language_code": "br"
+}
+-->
+# Traduzir fala - Wio Terminal
+
+Nesta parte da lição, você escreverá código para traduzir texto usando o serviço de tradução.
+
+## Converter texto em fala usando o serviço de tradução
+
+A API REST do serviço de fala não suporta traduções diretas. Em vez disso, você pode usar o serviço Translator para traduzir o texto gerado pelo serviço de fala para texto e o texto da resposta falada. Este serviço possui uma API REST que você pode usar para traduzir o texto, mas para facilitar o uso, ele será encapsulado em outro gatilho HTTP no seu aplicativo de funções.
+
+### Tarefa - criar uma função serverless para traduzir texto
+
+1. Abra seu projeto `smart-timer-trigger` no VS Code e abra o terminal, garantindo que o ambiente virtual esteja ativado. Caso contrário, encerre e recrie o terminal.
+
+1. Abra o arquivo `local.settings.json` e adicione as configurações para a chave da API do Translator e a localização:
+
+    ```json
+    "TRANSLATOR_KEY": "<key>",
+    "TRANSLATOR_LOCATION": "<location>"
+    ```
+
+    Substitua `<key>` pela chave da API do recurso do serviço de tradução. Substitua `<location>` pela localização usada ao criar o recurso do serviço de tradução.
+
+1. Adicione um novo gatilho HTTP a este aplicativo chamado `translate-text` usando o seguinte comando no terminal do VS Code, na pasta raiz do projeto do aplicativo de funções:
+
+    ```sh
+    func new --name translate-text --template "HTTP trigger"
+    ```
+
+    Isso criará um gatilho HTTP chamado `translate-text`.
+
+1. Substitua o conteúdo do arquivo `__init__.py` na pasta `translate-text` pelo seguinte:
+
+    ```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'])
+    ```
+
+    Este código extrai o texto e os idiomas da solicitação HTTP. Em seguida, faz uma solicitação à API REST do Translator, passando os idiomas como parâmetros para a URL e o texto a ser traduzido como corpo. Por fim, a tradução é retornada.
+
+1. Execute seu aplicativo de funções localmente. Você pode então chamá-lo usando uma ferramenta como curl da mesma forma que testou seu gatilho HTTP `text-to-timer`. Certifique-se de passar o texto a ser traduzido e os idiomas como um corpo JSON:
+
+    ```json
+    {
+        "text": "Définir une minuterie de 30 secondes",
+        "from_language": "fr-FR",
+        "to_language": "en-US"
+    }
+    ```
+
+    Este exemplo traduz *Définir une minuterie de 30 secondes* do francês para o inglês dos EUA. Ele retornará *Set a 30-second timer*.
+
+> 💁 Você pode encontrar este código na pasta [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions).
+
+### Tarefa - usar a função de tradução para traduzir texto
+
+1. Abra o projeto `smart-timer` no VS Code, caso ainda não esteja aberto.
+
+1. Seu temporizador inteligente terá 2 idiomas configurados - o idioma do servidor usado para treinar o LUIS (o mesmo idioma também é usado para construir as mensagens para falar com o usuário) e o idioma falado pelo usuário. Atualize a constante `LANGUAGE` no arquivo de cabeçalho `config.h` para ser o idioma que será falado pelo usuário e adicione uma nova constante chamada `SERVER_LANGUAGE` para o idioma usado para treinar o LUIS:
+
+    ```cpp
+    const char *LANGUAGE = "<user language>";
+    const char *SERVER_LANGUAGE = "<server language>";
+    ```
+
+    Substitua `<user language>` pelo nome do local do idioma que você falará, por exemplo, `fr-FR` para francês ou `zn-HK` para cantonês.
+
+    Substitua `<server language>` pelo nome do local do idioma usado para treinar o LUIS.
+
+    Você pode encontrar uma lista dos idiomas suportados e seus nomes de local na [documentação de suporte de idioma e voz nos documentos da Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Se você não fala vários idiomas, pode usar um serviço como [Bing Translate](https://www.bing.com/translator) ou [Google Translate](https://translate.google.com) para traduzir do seu idioma preferido para um idioma de sua escolha. Esses serviços podem reproduzir áudio do texto traduzido.
+    >
+    > Por exemplo, se você treinar o LUIS em inglês, mas quiser usar francês como idioma do usuário, pode traduzir frases como "set a 2 minute and 27 second timer" do inglês para o francês usando o Bing Translate e, em seguida, usar o botão **Ouvir tradução** para falar a tradução no seu microfone.
+    >
+    > ![O botão ouvir tradução no Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.br.png)
+
+1. Adicione a chave da API do Translator e a localização abaixo de `SPEECH_LOCATION`:
+
+    ```cpp
+    const char *TRANSLATOR_API_KEY = "<KEY>";
+    const char *TRANSLATOR_LOCATION = "<LOCATION>";
+    ```
+
+    Substitua `<KEY>` pela chave da API do recurso do serviço de tradução. Substitua `<LOCATION>` pela localização usada ao criar o recurso do serviço de tradução.
+
+1. Adicione a URL do gatilho do Translator abaixo de `VOICE_URL`:
+
+    ```cpp
+    const char *TRANSLATE_FUNCTION_URL = "<URL>";
+    ```
+
+    Substitua `<URL>` pela URL do gatilho HTTP `translate-text` no seu aplicativo de funções. Este será o mesmo valor de `TEXT_TO_TIMER_FUNCTION_URL`, exceto com um nome de função de `translate-text` em vez de `text-to-timer`.
+
+1. Adicione um novo arquivo à pasta `src` chamado `text_translator.h`.
+
+1. Este novo arquivo de cabeçalho `text_translator.h` conterá uma classe para traduzir texto. Adicione o seguinte a este arquivo para declarar esta classe:
+
+    ```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;
+    ```
+
+    Isso declara a classe `TextTranslator`, junto com uma instância desta classe. A classe possui um único campo para o cliente WiFi.
+
+1. Na seção `public` desta classe, adicione um método para traduzir texto:
+
+    ```cpp
+    String translateText(String text, String from_language, String to_language)
+    {
+    }
+    ```
+
+    Este método recebe o idioma de origem e o idioma de destino. Ao lidar com fala, a fala será traduzida do idioma do usuário para o idioma do servidor LUIS, e ao fornecer respostas, será traduzida do idioma do servidor LUIS para o idioma do usuário.
+
+1. Neste método, adicione código para construir um corpo JSON contendo o texto a ser traduzido e os idiomas:
+
+    ```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. Abaixo disso, adicione o seguinte código para enviar o corpo ao aplicativo de funções serverless:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. Em seguida, adicione código para obter a resposta:
+
+    ```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. Por fim, adicione código para fechar a conexão e retornar o texto traduzido:
+
+    ```cpp
+    httpClient.end();
+
+    return translated_text;
+    ```
+
+### Tarefa - traduzir a fala reconhecida e as respostas
+
+1. Abra o arquivo `main.cpp`.
+
+1. Adicione uma diretiva de inclusão no topo do arquivo para o arquivo de cabeçalho da classe `TextTranslator`:
+
+    ```cpp
+    #include "text_translator.h"
+    ```
+
+1. O texto que é dito quando um temporizador é configurado ou expira precisa ser traduzido. Para fazer isso, adicione o seguinte como a primeira linha da função `say`:
+
+    ```cpp
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    Isso traduzirá o texto para o idioma do usuário.
+
+1. Na função `processAudio`, o texto é recuperado do áudio capturado com a chamada `String text = speechToText.convertSpeechToText();`. Após esta chamada, traduza o texto:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    Isso traduzirá o texto do idioma do usuário para o idioma usado no servidor.
+
+1. Compile este código, carregue-o no seu Wio Terminal e teste-o através do monitor serial. Assim que você vir `Ready` no monitor serial, pressione o botão C (o da esquerda, mais próximo ao interruptor de energia) e fale. Certifique-se de que seu aplicativo de funções esteja em execução e solicite um temporizador no idioma do usuário, seja falando esse idioma você mesmo ou usando um aplicativo de tradução.
+
+    ```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.
+    ```
+
+> 💁 Você pode encontrar este código na pasta [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal).
+
+😀 Seu programa de temporizador multilíngue foi um sucesso!
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/CODE_OF_CONDUCT.md b/translations/br/CODE_OF_CONDUCT.md
new file mode 100644
index 00000000..2e6b76b0
--- /dev/null
+++ b/translations/br/CODE_OF_CONDUCT.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
+  "translation_date": "2025-08-28T02:35:29+00:00",
+  "source_file": "CODE_OF_CONDUCT.md",
+  "language_code": "br"
+}
+-->
+# Código de Conduta de Código Aberto da Microsoft
+
+Este projeto adotou o [Código de Conduta de Código Aberto da Microsoft](https://opensource.microsoft.com/codeofconduct/).
+
+Recursos:
+
+- [Código de Conduta de Código Aberto da Microsoft](https://opensource.microsoft.com/codeofconduct/)
+- [Perguntas Frequentes sobre o Código de Conduta da Microsoft](https://opensource.microsoft.com/codeofconduct/faq/)
+- Entre em contato com [opencode@microsoft.com](mailto:opencode@microsoft.com) para dúvidas ou preocupações
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/CONTRIBUTING.md b/translations/br/CONTRIBUTING.md
new file mode 100644
index 00000000..eba5c2bc
--- /dev/null
+++ b/translations/br/CONTRIBUTING.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6f80293fa9c213283eac7e79b078671",
+  "translation_date": "2025-08-28T02:33:40+00:00",
+  "source_file": "CONTRIBUTING.md",
+  "language_code": "br"
+}
+-->
+# Contribuindo
+
+Este projeto aceita contribuições e sugestões. A maioria das contribuições exige que você concorde com um Acordo de Licença de Contribuidor (CLA), declarando que você tem o direito de, e realmente concede a nós, os direitos de usar sua contribuição. Para mais detalhes, visite https://cla.microsoft.com.
+
+> Importante: ao traduzir textos neste repositório, certifique-se de não usar tradução automática. Verificaremos as traduções por meio da comunidade, então, por favor, só se ofereça para traduzir em idiomas nos quais você seja proficiente.
+
+Quando você enviar um pull request, um CLA-bot determinará automaticamente se você precisa fornecer um CLA e decorará o PR de forma apropriada (por exemplo, com rótulos ou comentários). Basta seguir as instruções fornecidas pelo bot. Você só precisará fazer isso uma vez em todos os repositórios que utilizam nosso CLA.
+
+Este projeto adotou o [Código de Conduta de Código Aberto da Microsoft](https://opensource.microsoft.com/codeofconduct/).  
+Para mais informações, leia as [Perguntas Frequentes sobre o Código de Conduta](https://opensource.microsoft.com/codeofconduct/faq/)  
+ou entre em contato pelo e-mail [opencode@microsoft.com](mailto:opencode@microsoft.com) para quaisquer dúvidas ou comentários adicionais.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/README.md b/translations/br/README.md
new file mode 100644
index 00000000..e55cef05
--- /dev/null
+++ b/translations/br/README.md
@@ -0,0 +1,168 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "840d60a05e58cf590dedefe42e9f2a29",
+  "translation_date": "2025-08-28T02:30:09+00:00",
+  "source_file": "README.md",
+  "language_code": "br"
+}
+-->
+[![Licença do GitHub](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE)  
+[![Contribuidores do GitHub](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/)  
+[![Problemas no GitHub](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/)  
+[![Pull Requests no GitHub](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/)  
+[![PRs Bem-vindos](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)  
+
+[![Observadores no GitHub](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/)  
+[![Forks no GitHub](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/)  
+[![Estrelas no GitHub](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)  
+[![Chinês](https://img.shields.io/badge/-Chinese-yellow)](translations/README.zh-cn.md)  
+[![Turco](https://img.shields.io/badge/-Turkish-darkgreen)](translations/README.tr.md)  
+[![Francês](https://img.shields.io/badge/-French-purple)](translations/README.fr.md)  
+[![Coreano](https://img.shields.io/badge/-Korean-white)](translations/README.ko.md)  
+[![Japonês](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 para Iniciantes - Um Currículo  
+
+Os Azure Cloud Advocates da Microsoft têm o prazer de oferecer um currículo de 12 semanas e 24 aulas sobre os fundamentos de IoT. Cada aula inclui questionários antes e depois da aula, instruções escritas para completar a lição, uma solução, um exercício e muito mais. Nossa abordagem baseada em projetos permite que você aprenda enquanto constrói, uma maneira comprovada de fixar novas habilidades.  
+
+Os projetos cobrem a jornada dos alimentos desde a fazenda até a mesa. Isso inclui agricultura, logística, manufatura, varejo e consumidor - todas áreas populares da indústria para dispositivos IoT.  
+
+![Um mapa do curso mostrando 24 aulas cobrindo introdução, agricultura, transporte, processamento, varejo e culinária](../../translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.br.jpg)  
+
+> Sketchnote por [Nitya Narasimhan](https://github.com/nitya). Clique na imagem para uma versão maior.  
+
+**Agradecimentos especiais aos nossos autores [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett), e à nossa artista de sketchnotes [Nitya Narasimhan](https://github.com/nitya).**  
+
+**Também agradecemos à nossa equipe de [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) que revisaram e traduziram este currículo - [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), e [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).**  
+
+Conheça a equipe!  
+
+[![Vídeo promocional](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)  
+
+**Gif por** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)  
+
+> 🎥 Clique na imagem acima para assistir a um vídeo sobre o projeto!  
+
+> **Professores**, incluímos [algumas sugestões](for-teachers.md) sobre como usar este currículo. Se você quiser criar suas próprias aulas, também incluímos um [modelo de aula](lesson-template/README.md).  
+
+> **[Estudantes](https://aka.ms/student-page)**, para usar este currículo por conta própria, faça um fork do repositório inteiro e complete os exercícios por conta própria, começando com um questionário antes da aula, depois lendo a aula e completando o restante das atividades. Tente criar os projetos compreendendo as lições em vez de copiar o código da solução; no entanto, esse código está disponível nas pastas /solutions em cada aula baseada em projetos. Outra ideia seria formar um grupo de estudo com amigos e passar pelo conteúdo juntos. Para estudos adicionais, recomendamos [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn).  
+
+Para uma visão geral em vídeo deste curso, confira este vídeo:  
+
+[![Vídeo promocional](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Vídeo promocional")  
+
+> 🎥 Clique na imagem acima para assistir a um vídeo sobre o projeto!  
+
+## Pedagogia  
+
+Escolhemos dois princípios pedagógicos ao construir este currículo: garantir que ele seja baseado em projetos e que inclua questionários frequentes. Ao final desta série, os estudantes terão construído um sistema de monitoramento e irrigação de plantas, um rastreador de veículos, uma configuração de fábrica inteligente para rastrear e verificar alimentos, e um temporizador de cozinha controlado por voz, além de terem aprendido os fundamentos da Internet das Coisas, incluindo como escrever código para dispositivos, conectar-se à nuvem, analisar telemetria e executar IA na borda.  
+
+Ao garantir que o conteúdo esteja alinhado com projetos, o processo se torna mais envolvente para os estudantes e a retenção dos conceitos será aumentada.  
+
+Além disso, um questionário de baixa pressão antes da aula define a intenção do estudante em aprender um tópico, enquanto um segundo questionário após a aula garante maior retenção. Este currículo foi projetado para ser flexível e divertido e pode ser realizado em sua totalidade ou em partes. Os projetos começam pequenos e se tornam cada vez mais complexos ao final do ciclo de 12 semanas.  
+
+Cada projeto é baseado em hardware real disponível para estudantes e entusiastas. Cada projeto explora o domínio específico do projeto, fornecendo conhecimento relevante de base. Para ser um desenvolvedor bem-sucedido, é útil entender o domínio em que você está resolvendo problemas; fornecer esse conhecimento de base permite que os estudantes pensem sobre suas soluções de IoT e aprendizados no contexto do tipo de problema real que podem ser solicitados a resolver como desenvolvedores de IoT. Os estudantes aprendem o 'porquê' das soluções que estão construindo e ganham uma apreciação pelo usuário final.  
+
+## Hardware  
+
+Temos duas opções de hardware IoT para usar nos projetos, dependendo da preferência pessoal, conhecimento ou preferências de linguagem de programação, objetivos de aprendizado e disponibilidade. Também fornecemos uma versão de 'hardware virtual' para aqueles que não têm acesso ao hardware ou querem aprender mais antes de decidir por uma compra. Você pode ler mais e encontrar uma 'lista de compras' na [página de hardware](./hardware.md), incluindo links para comprar kits completos de nossos amigos na Seeed Studio.  
+
+> 💁 Encontre nosso [Código de Conduta](CODE_OF_CONDUCT.md), [Contribuição](CONTRIBUTING.md) e diretrizes de [Tradução](TRANSLATIONS.md). Agradecemos seu feedback construtivo!  
+
+## Cada aula inclui:  
+
+- sketchnote  
+- vídeo suplementar opcional  
+- questionário de aquecimento antes da aula  
+- aula escrita  
+- para aulas baseadas em projetos, guias passo a passo sobre como construir o projeto  
+- verificações de conhecimento  
+- um desafio  
+- leitura suplementar  
+- tarefa  
+- questionário após a aula  
+
+> **Uma nota sobre os questionários**: Todos os questionários estão contidos na pasta quiz-app, totalizando 48 questionários de três perguntas cada. Eles estão vinculados dentro das aulas, mas o aplicativo de questionários pode ser executado localmente ou implantado no Azure; siga as instruções na pasta `quiz-app`. Eles estão sendo gradualmente localizados.  
+
+## Aulas  
+
+|       |              Nome do Projeto              |                       Conceitos Ensinados                       | Objetivos de Aprendizado                                                                                                                                                 |                                                        Aula Vinculada                                                         |  
+| :---: | :---------------------------------------: | :-------------------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------: |  
+|  01   | [Introdução](./1-getting-started/README.md) |                     Introdução ao IoT                          | Aprenda os princípios básicos de IoT e os blocos de construção básicos de soluções IoT, como sensores e serviços em nuvem, enquanto configura seu primeiro dispositivo IoT |                      [Introdução ao IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md)                         |  
+|  02   | [Introdução](./1-getting-started/README.md) |                   Um mergulho mais profundo no IoT              | Aprenda mais sobre os componentes de um sistema IoT, bem como microcontroladores e computadores de placa única                                                           |                        [Um mergulho mais profundo no IoT](./1-getting-started/lessons/2-deeper-dive/README.md)                |  
+|  03   | [Introdução](./1-getting-started/README.md) | Interagir com o mundo físico com sensores e atuadores           | Aprenda sobre sensores para coletar dados do mundo físico e atuadores para enviar feedback, enquanto constrói uma luz noturna                                           | [Interagir com o mundo físico com sensores e atuadores](./1-getting-started/lessons/3-sensors-and-actuators/README.md)        |  
+|  04   | [Introdução](./1-getting-started/README.md) |             Conecte seu dispositivo à Internet                  | Aprenda como conectar um dispositivo IoT à Internet para enviar e receber mensagens conectando sua luz noturna a um broker MQTT                                         |               [Conecte seu dispositivo à Internet](./1-getting-started/lessons/4-connect-internet/README.md)                  |  
+|  05   |            [Fazenda](./2-farm/README.md)            |                    Prever o crescimento das plantas             | Aprenda como prever o crescimento das plantas usando dados de temperatura capturados por um dispositivo IoT                                                             |                          [Prever o crescimento das plantas](./2-farm/lessons/1-predict-plant-growth/README.md)                |  
+|  06   |            [Fazenda](./2-farm/README.md)            |                    Detectar umidade do solo                     | Aprenda como detectar a umidade do solo e calibrar um sensor de umidade do solo                                                                                         |                          [Detectar umidade do solo](./2-farm/lessons/2-detect-soil-moisture/README.md)                        |  
+|  07   |            [Fazenda](./2-farm/README.md)            |                  Irrigação automatizada de plantas              | Aprenda como automatizar e programar a irrigação usando um relé e MQTT                                                                                                  |                      [Irrigação automatizada de plantas](./2-farm/lessons/3-automated-plant-watering/README.md)                |  
+|  08   |            [Fazenda](./2-farm/README.md)            |               Migrar sua planta para a nuvem                    | Aprenda sobre a nuvem e serviços IoT hospedados na nuvem e como conectar sua planta a um desses serviços em vez de um broker MQTT público                               |               [Migrar sua planta para a nuvem](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                  |  
+|  09   |            [Fazenda](./2-farm/README.md)            |         Migrar a lógica do aplicativo para a nuvem              | Aprenda como escrever lógica de aplicativo na nuvem que responde a mensagens IoT                                                                                       |         [Migrar a lógica do aplicativo para a nuvem](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)           |  
+|  10   |            [Farm](./2-farm/README.md)            |                   Mantenha sua planta segura                | Aprenda sobre segurança com IoT e como proteger sua planta com chaves e certificados                                                                               |                        [Mantenha sua planta segura](./2-farm/lessons/6-keep-your-plant-secure/README.md)                     |
+|  11   |       [Transport](./3-transport/README.md)       |                  Rastreamento de localização                | Aprenda sobre rastreamento de localização GPS para dispositivos IoT                                                                                                |                           [Rastreamento de localização](./3-transport/lessons/1-location-tracking/README.md)                 |
+|  12   |       [Transport](./3-transport/README.md)       |                 Armazenar dados de localização              | Aprenda como armazenar dados de IoT para visualização ou análise posterior                                                                                        |                         [Armazenar dados de localização](./3-transport/lessons/2-store-location-data/README.md)              |
+|  13   |       [Transport](./3-transport/README.md)       |               Visualizar dados de localização               | Aprenda a visualizar dados de localização em um mapa e como os mapas representam o mundo 3D real em duas dimensões                                                |                     [Visualizar dados de localização](./3-transport/lessons/3-visualize-location-data/README.md)             |
+|  14   |       [Transport](./3-transport/README.md)       |                          Geocercas                          | Aprenda sobre geocercas e como elas podem ser usadas para alertar quando veículos na cadeia de suprimentos estão próximos ao destino                              |                                   [Geocercas](./3-transport/lessons/4-geofences/README.md)                                   |
+|  15   |   [Manufacturing](./4-manufacturing/README.md)   |           Treinar um detector de qualidade de frutas        | Aprenda a treinar um classificador de imagens na nuvem para detectar a qualidade das frutas                                                                        |                 [Treinar um detector de qualidade de frutas](./4-manufacturing/lessons/1-train-fruit-detector/README.md)     |
+|  16   |   [Manufacturing](./4-manufacturing/README.md)   |       Verificar a qualidade das frutas em um dispositivo IoT| Aprenda a usar seu detector de qualidade de frutas em um dispositivo IoT                                                                                           |           [Verificar a qualidade das frutas em um dispositivo IoT](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) |
+|  17   |   [Manufacturing](./4-manufacturing/README.md)   |         Executar seu detector de frutas na borda            | Aprenda a executar seu detector de frutas em um dispositivo IoT na borda                                                                                           |             [Executar seu detector de frutas na borda](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)        |
+|  18   |   [Manufacturing](./4-manufacturing/README.md)   |   Acionar a detecção de qualidade de frutas a partir de um sensor| Aprenda a acionar a detecção de qualidade de frutas a partir de um sensor                                                                                          |        [Acionar a detecção de qualidade de frutas a partir de um sensor](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) |
+|  19   |          [Retail](./5-retail/README.md)          |               Treinar um detector de estoque                | Aprenda a usar detecção de objetos para treinar um detector de estoque para contar itens em uma loja                                                               |                        [Treinar um detector de estoque](./5-retail/lessons/1-train-stock-detector/README.md)                 |
+|  20   |          [Retail](./5-retail/README.md)          |       Verificar estoque em um dispositivo IoT               | Aprenda a verificar o estoque em um dispositivo IoT usando um modelo de detecção de objetos                                                                        |                     [Verificar estoque em um dispositivo IoT](./5-retail/lessons/2-check-stock-device/README.md)             |
+|  21   |        [Consumer](./6-consumer/README.md)        |         Reconhecer fala com um dispositivo IoT              | Aprenda a reconhecer fala em um dispositivo IoT para criar um cronômetro inteligente                                                                               |                  [Reconhecer fala com um dispositivo IoT](./6-consumer/lessons/1-speech-recognition/README.md)               |
+|  22   |        [Consumer](./6-consumer/README.md)        |                 Compreender linguagem                       | Aprenda a compreender frases faladas para um dispositivo IoT                                                                                                       |                        [Compreender linguagem](./6-consumer/lessons/2-language-understanding/README.md)                      |
+|  23   |        [Consumer](./6-consumer/README.md)        |   Configurar um cronômetro e fornecer feedback por voz      | Aprenda a configurar um cronômetro em um dispositivo IoT e fornecer feedback por voz sobre quando o cronômetro é configurado e quando termina                     |                 [Configurar um cronômetro e fornecer feedback por voz](./6-consumer/lessons/3-spoken-feedback/README.md)     |
+|  24   |        [Consumer](./6-consumer/README.md)        |             Suportar múltiplos idiomas                      | Aprenda a suportar múltiplos idiomas, tanto para entrada quanto para as respostas do seu cronômetro inteligente                                                    |                   [Suportar múltiplos idiomas](./6-consumer/lessons/4-multiple-language-support/README.md)                   |
+
+## Acesso offline
+
+Você pode executar esta documentação offline usando o [Docsify](https://docsify.js.org/#/). Faça um fork deste repositório, [instale o Docsify](https://docsify.js.org/#/quickstart) na sua máquina local e, na pasta raiz deste repositório, digite `docsify serve`. O site será servido na porta 3000 do seu localhost: `localhost:3000`.
+
+### PDF
+
+Você pode gerar um PDF deste conteúdo para acesso offline, se necessário. Para isso, certifique-se de ter o [npm instalado](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) e execute os seguintes comandos na pasta raiz deste repositório:
+
+```sh
+npm i
+npm run convert
+```
+
+### Apresentações
+
+Existem apresentações para algumas das lições na pasta [slides](../../slides).
+
+## Ajuda necessária!
+
+Gostaria de contribuir com uma tradução? Leia nossas [diretrizes de tradução](TRANSLATIONS.md) e adicione sua contribuição [em uma das issues de tradução](https://github.com/microsoft/IoT-For-Beginners/issues?q=is%3Aissue+is%3Aopen+label%3Atranslation). Se quiser traduzir para um novo idioma, por favor, abra uma nova issue para acompanhamento.
+
+## Outros Currículos
+
+Nossa equipe produz outros currículos! Confira:
+
+- [IA Generativa para Iniciantes](https://aka.ms/genai-beginners)
+- [IA Generativa para Iniciantes .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
+- [IA Generativa com JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
+- [IA Generativa com Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
+- [IA para Iniciantes](https://aka.ms/ai-beginners)
+- [Ciência de Dados para Iniciantes](https://aka.ms/datascience-beginners)
+- [ML para Iniciantes](https://aka.ms/ml-beginners)
+- [Cibersegurança para Iniciantes](https://github.com/microsoft/Security-101) 
+- [Desenvolvimento Web para Iniciantes](https://aka.ms/webdev-beginners)
+- [IoT para Iniciantes](https://aka.ms/iot-beginners)
+- [Desenvolvimento XR para Iniciantes](https://github.com/microsoft/xr-development-for-beginners)
+- [Dominando o GitHub Copilot para Uso Agente](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
+- [Dominando o GitHub Copilot para Desenvolvedores C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
+- [Escolha Sua Própria Aventura com o Copilot](https://github.com/microsoft/CopilotAdventures)
+
+## Atribuições de imagens
+
+Você pode encontrar todas as atribuições para as imagens usadas neste currículo, quando necessário, em [Atribuições](./attributions.md).
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/SECURITY.md b/translations/br/SECURITY.md
new file mode 100644
index 00000000..1b38dab0
--- /dev/null
+++ b/translations/br/SECURITY.md
@@ -0,0 +1,51 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
+  "translation_date": "2025-08-28T02:34:25+00:00",
+  "source_file": "SECURITY.md",
+  "language_code": "br"
+}
+-->
+# Segurança
+
+A Microsoft leva a segurança de seus produtos e serviços de software muito a sério, o que inclui todos os repositórios de código-fonte gerenciados por meio de nossas organizações no GitHub, que incluem [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) e [nossas organizações no GitHub](https://opensource.microsoft.com/).
+
+Se você acredita ter encontrado uma vulnerabilidade de segurança em qualquer repositório pertencente à Microsoft que atenda à [definição de vulnerabilidade de segurança da Microsoft](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10)), por favor, relate-a conforme descrito abaixo.
+
+## Relatando Problemas de Segurança
+
+**Por favor, não relate vulnerabilidades de segurança por meio de issues públicas no GitHub.**
+
+Em vez disso, relate-as ao Microsoft Security Response Center (MSRC) em [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report).
+
+Se preferir enviar sem fazer login, envie um e-mail para [secure@microsoft.com](mailto:secure@microsoft.com). Se possível, criptografe sua mensagem com nossa chave PGP; faça o download na [página da Chave PGP do Microsoft Security Response Center](https://www.microsoft.com/en-us/msrc/pgp-key-msrc).
+
+Você deve receber uma resposta dentro de 24 horas. Se, por algum motivo, não receber, envie um e-mail de acompanhamento para garantir que recebemos sua mensagem original. Informações adicionais podem ser encontradas em [microsoft.com/msrc](https://www.microsoft.com/msrc).  
+
+Inclua as informações solicitadas abaixo (tanto quanto possível) para nos ajudar a entender melhor a natureza e o escopo do possível problema:
+
+  * Tipo de problema (por exemplo, buffer overflow, injeção de SQL, cross-site scripting, etc.)
+  * Caminhos completos dos arquivos de código-fonte relacionados à manifestação do problema
+  * A localização do código-fonte afetado (tag/branch/commit ou URL direta)
+  * Qualquer configuração especial necessária para reproduzir o problema
+  * Instruções passo a passo para reproduzir o problema
+  * Código de prova de conceito ou de exploração (se possível)
+  * Impacto do problema, incluindo como um invasor poderia explorar o problema
+
+Essas informações nos ajudarão a priorizar seu relatório mais rapidamente.
+
+Se você estiver relatando para um programa de recompensa por bugs, relatórios mais completos podem contribuir para uma recompensa maior. Visite a página do [Programa de Recompensas por Bugs da Microsoft](https://microsoft.com/msrc/bounty) para mais detalhes sobre nossos programas ativos.
+
+## Idiomas Preferidos
+
+Preferimos que todas as comunicações sejam feitas em inglês.
+
+## Política
+
+A Microsoft segue o princípio de [Divulgação Coordenada de Vulnerabilidades](https://www.microsoft.com/en-us/msrc/cvd).
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/SUPPORT.md b/translations/br/SUPPORT.md
new file mode 100644
index 00000000..efd6c211
--- /dev/null
+++ b/translations/br/SUPPORT.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cd89329575372232e59605f7a08ae0df",
+  "translation_date": "2025-08-28T02:32:21+00:00",
+  "source_file": "SUPPORT.md",
+  "language_code": "br"
+}
+-->
+# Suporte
+
+## Como registrar problemas e obter ajuda  
+
+Este projeto utiliza o GitHub Issues para rastrear bugs e solicitações de recursos. Por favor, pesquise os problemas existentes antes de registrar novos para evitar duplicações. Para novos problemas, registre seu bug ou solicitação de recurso como um novo Issue.
+
+Para obter ajuda e esclarecer dúvidas sobre o uso deste projeto, entre em contato conosco abrindo um Issue neste repositório.
+
+## Política de Suporte da Microsoft  
+
+O suporte para este **PROJETO ou PRODUTO** é limitado aos recursos listados acima.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/attributions.md b/translations/br/attributions.md
new file mode 100644
index 00000000..8e3e2bf2
--- /dev/null
+++ b/translations/br/attributions.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4506d33bbda7acc0ab20980172687090",
+  "translation_date": "2025-08-28T02:33:54+00:00",
+  "source_file": "attributions.md",
+  "language_code": "br"
+}
+-->
+# Atribuições de imagens
+
+* Bananas por abderraouf omara do [Noun Project](https://thenounproject.com)
+* Cérebro por Icon Market do [Noun Project](https://thenounproject.com)
+* Transmissão por RomStu do [Noun Project](https://thenounproject.com)
+* Botão por Dan Hetteix do [Noun Project](https://thenounproject.com)
+* Microfone condensador de diafragma pequeno C451B por AKG Acoustics. [Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) em [en.wikipedia](https://en.wikipedia.org/) / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* Calendário por Alice-vector do [Noun Project](https://thenounproject.com)
+* Certificado por alimasykurm do [Noun Project](https://thenounproject.com)
+* Chip por Astatine Lab do [Noun Project](https://thenounproject.com)
+* Nuvem por Debi Alpa Nugraha do [Noun Project](https://thenounproject.com)
+* Container por ProSymbols do [Noun Project](https://thenounproject.com)
+* CPU por Icon Lauk do [Noun Project](https://thenounproject.com)
+* Banco de dados por Icons Bazaar do [Noun Project](https://thenounproject.com)
+* Dial por Jamie Dickinson do [Noun Project](https://thenounproject.com)
+* GPS por mim studio do [Noun Project](https://thenounproject.com)
+* Aquecedor por Pascal Heß do [Noun Project](https://thenounproject.com)
+* Ideia por Pause08 do [Noun Project](https://thenounproject.com)
+* IoT por Adrien Coquet do [Noun Project](https://thenounproject.com)
+* LED por abderraouf omara do [Noun Project](https://thenounproject.com)
+* LDR por Eucalyp do [Noun Project](https://thenounproject.com)
+* Lâmpada por Maxim Kulikov do [Noun Project](https://thenounproject.com)
+* Microcontrolador por Template do [Noun Project](https://thenounproject.com)
+* Celular por Alice-vector do [Noun Project](https://thenounproject.com)
+* Motor por Bakunetsu Kaito do [Noun Project](https://thenounproject.com)
+* Patti Smith cantando em um microfone Shure SM58 (tipo cardioide dinâmico). Beni Köhler / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* Planta por Alex Muravev do [Noun Project](https://thenounproject.com)
+* Célula vegetal por Léa Lortal do [Noun Project](https://thenounproject.com)
+* Sonda por Adnen Kadri do [Noun Project](https://thenounproject.com)
+* RAM por Atif Arshad do [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/)
+* Gravação por Aybige Speaker do [Noun Project](https://thenounproject.com)
+* Satélite por Noura Mbarki do [Noun Project](https://thenounproject.com)
+* Sensor inteligente por Andrei Yushchenko do [Noun Project](https://thenounproject.com)
+* Alto-falante por Gregor Cresnar do [Noun Project](https://thenounproject.com)
+* Interruptor por Chattapat do [Noun Project](https://thenounproject.com)
+* Temperatura por Vectors Market do [Noun Project](https://thenounproject.com)
+* Tomate por parkjisun do [Noun Project](https://thenounproject.com)
+* Regador por Daria Moskvina do [Noun Project](https://thenounproject.com)
+* Clima por Adrien Coquet do [Noun Project](https://thenounproject.com)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/clean-up.md b/translations/br/clean-up.md
new file mode 100644
index 00000000..5197eaa8
--- /dev/null
+++ b/translations/br/clean-up.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
+  "translation_date": "2025-08-28T02:34:51+00:00",
+  "source_file": "clean-up.md",
+  "language_code": "br"
+}
+-->
+# Limpe seu projeto
+
+Após concluir cada projeto, é uma boa prática excluir seus recursos na nuvem.
+
+Nas lições de cada projeto, você pode ter criado alguns dos seguintes recursos:
+
+* Um Grupo de Recursos
+* Um IoT Hub
+* Registros de dispositivos IoT
+* Uma Conta de Armazenamento
+* Um App de Funções
+* Uma conta do Azure Maps
+* Um projeto de visão personalizada
+* Um Registro de Contêiner do Azure
+* Um recurso de serviços cognitivos
+
+A maioria desses recursos não terá custo - ou são completamente gratuitos, ou você está utilizando uma camada gratuita. Para serviços que exigem uma camada paga, você provavelmente os utilizou em um nível incluído na cota gratuita ou que custará apenas alguns centavos.
+
+Mesmo com os custos relativamente baixos, vale a pena excluir esses recursos quando terminar. Por exemplo, você só pode ter um IoT Hub utilizando a camada gratuita, então, se quiser criar outro, precisará usar uma camada paga.
+
+Todos os seus serviços foram criados dentro de Grupos de Recursos, o que facilita a gestão. Você pode excluir o Grupo de Recursos, e todos os serviços dentro desse Grupo de Recursos serão excluídos junto com ele.
+
+Para excluir o Grupo de Recursos, execute o seguinte comando no seu terminal ou prompt de comando:
+
+```sh
+az group delete --name <resource-group-name>
+```
+
+Substitua `<resource-group-name>` pelo nome do Grupo de Recursos que você deseja excluir.
+
+Uma confirmação aparecerá:
+
+```output
+Are you sure you want to perform this operation? (y/n): 
+```
+
+Digite `y` para confirmar e excluir o Grupo de Recursos.
+
+Levará algum tempo para excluir todos os serviços.
+
+> 💁 Você pode ler mais sobre como excluir grupos de recursos na [documentação sobre exclusão de grupos de recursos e recursos do Azure Resource Manager no Microsoft Docs](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/docs/_sidebar.md b/translations/br/docs/_sidebar.md
new file mode 100644
index 00000000..80ecc4b1
--- /dev/null
+++ b/translations/br/docs/_sidebar.md
@@ -0,0 +1,49 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
+  "translation_date": "2025-08-28T02:35:40+00:00",
+  "source_file": "docs/_sidebar.md",
+  "language_code": "br"
+}
+-->
+- Introdução
+  - [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)
+  
+- Fazenda
+  - [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)
+  
+- Transporte
+  - [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)
+  
+- Manufatura
+  - [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)
+  
+- Varejo
+  - [19](../5-retail/lessons/1-train-stock-detector/README.md)
+  - [20](../5-retail/lessons/2-check-stock-device/README.md)
+  
+- Consumidor
+  - [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)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/for-teachers.md b/translations/br/for-teachers.md
new file mode 100644
index 00000000..6c5e374a
--- /dev/null
+++ b/translations/br/for-teachers.md
@@ -0,0 +1,41 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
+  "translation_date": "2025-08-28T02:35:07+00:00",
+  "source_file": "for-teachers.md",
+  "language_code": "br"
+}
+-->
+# Para Educadores
+
+Gostaria de usar este currículo na sua sala de aula? Fique à vontade!
+
+Na verdade, você pode utilizá-lo diretamente no GitHub, usando o GitHub Classroom.
+
+Para isso, faça um fork deste repositório. Você precisará criar um repositório para cada lição, então será necessário extrair cada pasta em um repositório separado. Dessa forma, o [GitHub Classroom](https://classroom.github.com/classrooms) poderá identificar cada lição separadamente.
+
+Estas [instruções completas](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) vão te ajudar a configurar sua sala de aula.
+
+## Modelo de aprendizado recomendado
+
+Você pode ler mais sobre um modelo de aprendizado recomendado para ensinar este currículo em nosso [Guia de modelo de aprendizado recomendado](recommended-learning-model.md).
+
+## Usando o repositório como está
+
+Se você preferir usar este repositório no formato atual, sem utilizar o GitHub Classroom, isso também é possível. Você precisará comunicar aos seus alunos qual lição trabalhar juntos.
+
+Em um formato online (Zoom, Teams ou outro), você pode criar salas de grupo para os questionários e orientar os alunos para ajudá-los a se prepararem para aprender. Depois, convide os alunos para os questionários e peça que enviem suas respostas como 'issues' em um horário determinado. Você pode fazer o mesmo com as tarefas, caso queira que os alunos trabalhem colaborativamente de forma aberta.
+
+Se preferir um formato mais privado, peça aos seus alunos para fazerem o fork do currículo, lição por lição, para seus próprios repositórios privados no GitHub, e concederem acesso a você. Assim, eles podem completar os questionários e tarefas de forma privada e enviá-los para você como issues no repositório da sua sala de aula.
+
+Existem várias maneiras de fazer isso funcionar em um formato de sala de aula online. Por favor, nos informe o que funciona melhor para você!
+
+## Por favor, compartilhe sua opinião!
+
+Queremos que este currículo funcione para você e seus alunos. Por favor, nos envie seu [feedback](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u).
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/hardware.md b/translations/br/hardware.md
new file mode 100644
index 00000000..972d7b97
--- /dev/null
+++ b/translations/br/hardware.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
+  "translation_date": "2025-08-28T02:32:35+00:00",
+  "source_file": "hardware.md",
+  "language_code": "br"
+}
+-->
+# Hardware
+
+O **T** em IoT significa **Things** (Coisas) e se refere a dispositivos que interagem com o mundo ao nosso redor. Cada projeto é baseado em hardware real disponível para estudantes e entusiastas. Temos duas opções de hardware IoT para usar, dependendo da preferência pessoal, conhecimento ou preferência de linguagem de programação, objetivos de aprendizado e disponibilidade. Também fornecemos uma versão de 'hardware virtual' para aqueles que não têm acesso ao hardware ou queiram aprender mais antes de decidir pela compra.
+
+> 💁 Você não precisa comprar nenhum hardware IoT para concluir as tarefas. É possível fazer tudo usando hardware IoT virtual.
+
+As opções de hardware físico são Arduino ou Raspberry Pi. Cada plataforma tem suas vantagens e desvantagens, que são abordadas em uma das lições iniciais. Se você ainda não decidiu qual plataforma de hardware usar, pode revisar [a lição dois do primeiro projeto](./1-getting-started/lessons/2-deeper-dive/README.md) para decidir qual plataforma de hardware mais lhe interessa.
+
+O hardware específico foi escolhido para reduzir a complexidade das lições e tarefas. Embora outros hardwares possam funcionar, não podemos garantir que todas as tarefas serão compatíveis com seu dispositivo sem hardware adicional. Por exemplo, muitos dispositivos Arduino não possuem Wi-Fi, que é necessário para se conectar à nuvem - o terminal Wio foi escolhido porque já possui Wi-Fi integrado.
+
+Você também precisará de alguns itens não técnicos, como terra ou uma planta em vaso, e frutas ou vegetais.
+
+## Compre os kits
+
+![O logotipo da Seeed Studios](../../translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.br.png)
+
+A Seeed Studios gentilmente disponibilizou todo o hardware em kits fáceis de adquirir:
+
+### Arduino - Wio Terminal
+
+**[IoT para iniciantes com Seeed e Microsoft - Kit Inicial Wio Terminal](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
+
+[![O kit de hardware Wio Terminal](../../translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.br.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
+
+### Raspberry Pi
+
+**[IoT para iniciantes com Seeed e Microsoft - Kit Inicial Raspberry Pi 4](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
+
+[![O kit de hardware Raspberry Pi Terminal](../../translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.br.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
+
+## Arduino
+
+Todo o código para dispositivos Arduino é escrito em C++. Para concluir todas as tarefas, você precisará do seguinte:
+
+### Hardware Arduino
+
+* [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
+* *Opcional* - Cabo USB-C ou adaptador USB-A para USB-C. O terminal Wio possui uma porta USB-C e vem com um cabo USB-C para USB-A. Se o seu PC ou Mac tiver apenas portas USB-C, você precisará de um cabo USB-C ou de um adaptador USB-A para USB-C.
+
+### Sensores e atuadores específicos para Arduino
+
+Esses itens são específicos para o dispositivo Arduino Wio Terminal e não são relevantes para o uso com 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)
+* [Fios jumper para protoboard](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
+* Fones de ouvido ou outro alto-falante com conector de 3,5 mm, ou um alto-falante JST, como:
+  * [Alto-falante Mono Enclosed - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+* Cartão microSD de 16GB ou menos, junto com um adaptador para usar o cartão SD no computador, caso não tenha um leitor embutido. **NOTA** - O terminal Wio suporta apenas cartões SD de até 16GB, não suporta capacidades maiores.
+
+## Raspberry Pi
+
+Todo o código para dispositivos Raspberry Pi é escrito em Python. Para concluir todas as tarefas, você precisará do seguinte:
+
+### Hardware Raspberry Pi
+
+* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
+  > 💁 Versões a partir do Pi 2B devem funcionar com as tarefas destas lições. Se você planeja executar o VS Code diretamente no Pi, então um Pi 4 com 2GB ou mais de RAM é necessário. Se você for acessar o Pi remotamente, qualquer Pi 2B ou superior funcionará.
+* Cartão microSD (Você pode adquirir kits de Raspberry Pi que já vêm com um cartão microSD), junto com um adaptador para usar o cartão SD no computador, caso não tenha um leitor embutido.
+* Fonte de alimentação USB (Você pode adquirir kits de Raspberry Pi 4 que já vêm com uma fonte de alimentação). Se você estiver usando um Raspberry Pi 4, precisará de uma fonte de alimentação USB-C; dispositivos anteriores precisam de uma fonte de alimentação micro-USB.
+
+### Sensores e atuadores específicos para Raspberry Pi
+
+Esses itens são específicos para o uso com Raspberry Pi e não são relevantes para o dispositivo Arduino.
+
+* [Grove Pi base hat](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
+* [Módulo de câmera Raspberry Pi](https://www.raspberrypi.org/products/camera-module-v2/)
+* Microfone e alto-falante:
+
+  Use um dos seguintes (ou equivalente):
+  * Qualquer microfone USB com qualquer alto-falante USB, ou alto-falante com cabo de 3,5 mm, ou saída de áudio HDMI se o Raspberry Pi estiver conectado a um monitor ou TV com alto-falantes
+  * Qualquer headset USB com microfone embutido
+  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) com
+    * Fones de ouvido ou outro alto-falante com conector de 3,5 mm, ou um alto-falante JST, como:
+    * [Alto-falante Mono Enclosed - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+  * [Speakerphone USB](https://www.amazon.com/USB-Speakerphone-Conference-Business-Microphones/dp/B07Q3D7F8S/ref=sr_1_1?dchild=1&keywords=m0&qid=1614647389&sr=8-1)
+* [Sensor de luz Grove](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
+* [Botão Grove](https://www.seeedstudio.com/Grove-Button.html)
+
+## Sensores e atuadores
+
+A maioria dos sensores e atuadores necessários é usada tanto nos caminhos de aprendizado do Arduino quanto do Raspberry Pi:
+
+* [LED Grove](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
+* [Sensor de umidade e temperatura Grove](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
+* [Sensor capacitivo de umidade do solo Grove](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
+* [Relé Grove](https://www.seeedstudio.com/Grove-Relay.html)
+* [GPS Grove (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
+* [Sensor de distância Time of Flight Grove](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
+
+## Hardware opcional
+
+As lições sobre irrigação automatizada funcionam usando um relé. Como opção, você pode conectar este relé a uma bomba de água alimentada por USB usando o hardware listado abaixo.
+
+* [Bomba de água 6V](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
+* [Terminal USB](https://www.adafruit.com/product/3628)
+* Tubos de silicone
+* Fios vermelho e preto
+* Pequena chave de fenda de cabeça chata
+
+## Hardware virtual
+
+O caminho do hardware virtual fornecerá simuladores para os sensores e atuadores, implementados em Python. Dependendo da disponibilidade do seu hardware, você pode executar isso no seu dispositivo de desenvolvimento normal, como um Mac, PC, ou executá-lo em um Raspberry Pi e simular apenas o hardware que você não possui. Por exemplo, se você tiver a câmera Raspberry Pi, mas não os sensores Grove, será possível executar o código do dispositivo virtual no seu Pi e simular os sensores Grove, mas usar uma câmera física.
+
+O hardware virtual usará o [projeto CounterFit](https://github.com/CounterFit-IoT/CounterFit).
+
+Para concluir essas lições, você precisará de uma webcam, microfone e saída de áudio, como alto-falantes ou fones de ouvido. Esses dispositivos podem ser integrados ou externos e precisam estar configurados para funcionar com seu sistema operacional e disponíveis para uso em todos os aplicativos.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/images/README.md b/translations/br/images/README.md
new file mode 100644
index 00000000..03fc5ad2
--- /dev/null
+++ b/translations/br/images/README.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
+  "translation_date": "2025-08-28T03:45:36+00:00",
+  "source_file": "images/README.md",
+  "language_code": "br"
+}
+-->
+# Imagens
+
+As imagens na pasta [icons](../../../images/icons) são do [Noun Project](https://thenounproject.com) e requerem atribuição. Cada imagem lista a atribuição necessária. Essas imagens devem ser usadas em qualquer diagrama que precise delas para manter a consistência visual.
+
+O arquivo [Diagrams.sketch](../../../images/Diagrams.sketch) é um documento do [Sketch](https://www.sketch.com) contendo todos os diagramas usados nas lições e projetos. Se você estiver envolvido em uma tradução, por favor, também traduza esses diagramas, copiando e atualizando o documento ou fornecendo uma lista das palavras que precisam ser traduzidas como um problema no GitHub.
+
+O restante das imagens é usado ao longo das lições e projetos.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/lesson-template/README.md b/translations/br/lesson-template/README.md
new file mode 100644
index 00000000..9b35192a
--- /dev/null
+++ b/translations/br/lesson-template/README.md
@@ -0,0 +1,65 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
+  "translation_date": "2025-08-28T03:45:11+00:00",
+  "source_file": "lesson-template/README.md",
+  "language_code": "br"
+}
+-->
+# [Tópico da Aula]
+
+![Incorporar um vídeo aqui](../../../lesson-template/video-url)
+
+## [Quiz pré-aula](../../../lesson-template/quiz-url)
+
+[Descreva o que vamos aprender]
+
+### Introdução
+
+Descreva o que será abordado
+
+> Notas
+
+### Pré-requisitos
+
+Quais etapas devem ter sido concluídas antes desta aula?
+
+### Preparação
+
+Etapas preparatórias para iniciar esta aula
+
+---
+
+[Progrida pelo conteúdo em blocos]
+
+## [Tópico 1]
+
+### Tarefa:
+
+Trabalhem juntos para aprimorar progressivamente sua base de código e construir o projeto com código compartilhado:
+
+```html
+code blocks
+```
+
+✅ Verificação de Conhecimento - aproveite este momento para expandir o conhecimento dos alunos com perguntas abertas
+
+## [Tópico 2]
+
+## [Tópico 3]
+
+🚀 Desafio: Adicione um desafio para os alunos trabalharem colaborativamente em sala de aula para aprimorar o projeto
+
+Opcional: adicione uma captura de tela da interface do usuário da aula concluída, se apropriado
+
+## [Quiz pós-aula](../../../lesson-template/quiz-url)
+
+## Revisão & Estudo Individual
+
+**Entrega da Tarefa [MM/AA]**: [Nome da Tarefa](assignment.md)
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/lesson-template/assignment.md b/translations/br/lesson-template/assignment.md
new file mode 100644
index 00000000..1b64e244
--- /dev/null
+++ b/translations/br/lesson-template/assignment.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
+  "translation_date": "2025-08-28T03:45:27+00:00",
+  "source_file": "lesson-template/assignment.md",
+  "language_code": "br"
+}
+-->
+# [Nome da Tarefa]
+
+## Instruções
+
+## Rubrica
+
+| Critérios | Exemplar | Adequado | Precisa Melhorar |
+| --------- | -------- | -------- | ---------------- |
+|           |          |          |                  |
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/quiz-app/README.md b/translations/br/quiz-app/README.md
new file mode 100644
index 00000000..0aba42cd
--- /dev/null
+++ b/translations/br/quiz-app/README.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
+  "translation_date": "2025-08-28T03:45:48+00:00",
+  "source_file": "quiz-app/README.md",
+  "language_code": "br"
+}
+-->
+# Questionários
+
+Estes questionários são os testes antes e depois das aulas do currículo IoT para Iniciantes em https://aka.ms/iot-beginners
+
+## Configuração do projeto
+
+```
+npm install
+```
+
+### Compila e recarrega automaticamente para desenvolvimento
+
+```
+npm run serve
+```
+
+### Compila e minimiza para produção
+
+```
+npm run build
+```
+
+### Verifica e corrige arquivos
+
+```
+npm run lint
+```
+
+### Personalizar configuração
+
+Veja [Referência de Configuração](https://cli.vuejs.org/config/).
+
+Créditos: Agradecimentos à versão original deste aplicativo de questionário: https://github.com/arpan45/simple-quiz-vue
+
+## Implantando no Azure
+
+Aqui está um guia passo a passo para ajudá-lo a começar:
+
+1. Faça um fork de um repositório GitHub  
+Certifique-se de que o código do seu aplicativo web estático está no seu repositório GitHub. Faça um fork deste repositório.
+
+2. Crie um aplicativo web estático no Azure  
+- Crie uma [conta Azure](http://azure.microsoft.com)  
+- Acesse o [portal do Azure](https://portal.azure.com)  
+- Clique em “Criar um recurso” e procure por “Aplicativo Web Estático”.  
+- Clique em “Criar”.
+
+3. Configure o aplicativo web estático  
+- Básico: Assinatura: Selecione sua assinatura do Azure.  
+- Grupo de Recursos: Crie um novo grupo de recursos ou use um existente.  
+- Nome: Forneça um nome para seu aplicativo web estático.  
+- Região: Escolha a região mais próxima dos seus usuários.
+
+- #### Detalhes de Implantação:  
+- Fonte: Selecione “GitHub”.  
+- Conta GitHub: Autorize o Azure a acessar sua conta GitHub.  
+- Organização: Selecione sua organização no GitHub.  
+- Repositório: Escolha o repositório que contém seu aplicativo web estático.  
+- Branch: Selecione o branch do qual deseja implantar.
+
+- #### Detalhes de Build:  
+- Presets de Build: Escolha o framework com o qual seu aplicativo foi construído (ex.: React, Angular, Vue, etc.).  
+- Localização do Aplicativo: Especifique a pasta que contém o código do seu aplicativo (ex.: / se estiver na raiz).  
+- Localização da API: Caso tenha uma API, especifique sua localização (opcional).  
+- Localização de Saída: Especifique a pasta onde a saída do build é gerada (ex.: build ou dist).
+
+4. Revisar e Criar  
+Revise suas configurações e clique em “Criar”. O Azure configurará os recursos necessários e criará um workflow do GitHub Actions no seu repositório.
+
+5. Workflow do GitHub Actions  
+O Azure criará automaticamente um arquivo de workflow do GitHub Actions no seu repositório (.github/workflows/azure-static-web-apps-<nome>.yml). Este workflow lidará com o processo de build e implantação.
+
+6. Monitorar a Implantação  
+Acesse a aba “Actions” no seu repositório GitHub.  
+Você verá um workflow em execução. Este workflow irá construir e implantar seu aplicativo web estático no Azure.  
+Assim que o workflow for concluído, seu aplicativo estará ativo no URL fornecido pelo Azure.
+
+### Exemplo de Arquivo de Workflow
+
+Aqui está um exemplo de como o arquivo de workflow do GitHub Actions pode ser:  
+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
+```
+
+### Recursos Adicionais  
+- [Documentação de Aplicativos Web Estáticos do Azure](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
+- [Documentação do GitHub Actions](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/br/recommended-learning-model.md b/translations/br/recommended-learning-model.md
new file mode 100644
index 00000000..c1d0c8d4
--- /dev/null
+++ b/translations/br/recommended-learning-model.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
+  "translation_date": "2025-08-28T02:29:41+00:00",
+  "source_file": "recommended-learning-model.md",
+  "language_code": "br"
+}
+-->
+# Modelo de aprendizado recomendado
+
+Para resultados de aprendizado mais eficazes, **recomendamos uma abordagem de “Modelo Invertido"** semelhante a laboratórios de ciências: os alunos trabalham em projetos durante o horário de aula, com oportunidades para discussões, perguntas e respostas, e assistência nos projetos, enquanto os elementos de aula são realizados como leituras prévias no tempo deles.
+
+## Por que aprendizado invertido?
+
+1. Esse método de ensino envolve uma variedade de métodos de aprendizado – visual, auditivo, prático, resolução de problemas, etc.[[1]](../..)
+2. Salas de aula invertidas demonstraram aumentar o foco, engajamento, motivação, autossuficiência, retenção de conhecimento e comunicação (tanto entre professor e aluno quanto entre os próprios alunos).[[2,3]](../..)
+3. Como instrutores, vocês podem dedicar mais tempo aos alunos que estão com dificuldades, enquanto permitem que os alunos mais avançados tenham liberdade para progredir.[[4]](../..)
+
+Também recomendamos que os instrutores assumam o papel de **“Co-Facilitador"**, aprendendo junto e apoiando os alunos enquanto eles exploram e resolvem questões guiadas por seus próprios interesses e percepções.
+
+Não há uma “maneira certa" de fazer algo aqui. Em alguns momentos, você não terá todas as respostas. Alguns alunos podem não concluir todos os projetos. Seu objetivo é ajudar seus alunos a chegar organicamente a formas de resolver problemas que podem ser mais lúdicas, colaborativas ou autônomas do que eles originalmente esperavam.
+
+## Dicas úteis de facilitação:
+
+* Reflita sobre o que você observa, faça perguntas e comentários.
+* Use frases como “Eu percebo..." e “Eu me pergunto..."
+* Conecte alunos que estão com dificuldades àqueles que já encontraram soluções.
+* Aponte componentes e partes ou faça sugestões sobre diferentes coisas para tentar caso um aluno esteja travado. Peça ao aluno para mudar uma coisa de cada vez e observar o que acontece.
+* Reconheça a frustração e valorize o esforço.
+* Evite construir ou codificar para os alunos, exceto quando eles precisarem de assistência física.
+
+## Linguagem de facilitação de exemplo:
+
+* “Pergunte a duas outras pessoas antes de me perguntar."
+* “Tente mais dois minutos..."
+* “Vamos fazer uma pausa nisso. Talvez você possa ajudar outros alunos com suas conexões elétricas, já que você já resolveu isso?"
+* “Eu me pergunto se outro aluno teve o mesmo problema. Vamos verificar!"
+* "Você realmente se dedicou e resolveu isso! Posso enviar outros alunos para você ajudar com isso?"
+* “Isso é estranho, também não faz sentido para mim. Talvez possamos perguntar a outro aluno, ou se você descobrir, poderia compartilhar com a turma?"
+
+## Referências
+
+[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). Acessado em 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). Acessado em 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). Acessado em 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.). Acessado em 21/04/21.
+
+---
+
+**Aviso Legal**:  
+Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/README.md b/translations/tr/1-getting-started/README.md
new file mode 100644
index 00000000..af947b21
--- /dev/null
+++ b/translations/tr/1-getting-started/README.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
+  "translation_date": "2025-08-28T03:24:30+00:00",
+  "source_file": "1-getting-started/README.md",
+  "language_code": "tr"
+}
+-->
+# IoT ile Başlarken
+
+Bu müfredat bölümünde, Nesnelerin İnterneti (IoT) ile tanışacak ve temel kavramları öğreneceksiniz. Ayrıca, buluta bağlanan ilk 'Merhaba Dünya' IoT projenizi oluşturacaksınız. Bu proje, bir sensör tarafından ölçülen ışık seviyeleri düştüğünde yanan bir gece lambasıdır.
+
+![Işık seviyesi değiştikçe WIO'ya bağlı LED'in yanıp sönmesi](../../../images/wio-running-assignment-1-1.gif)
+
+## Konular
+
+1. [IoT'ye Giriş](lessons/1-introduction-to-iot/README.md)
+1. [IoT'yi Daha Derinlemesine İnceleme](lessons/2-deeper-dive/README.md)
+1. [Sensörler ve Aktüatörlerle Fiziksel Dünya ile Etkileşim](lessons/3-sensors-and-actuators/README.md)
+1. [Cihazınızı İnternete Bağlayın](lessons/4-connect-internet/README.md)
+
+## Katkıda Bulunanlar
+
+Tüm dersler [Jim Bennett](https://GitHub.com/JimBobBennett) tarafından ♥️ ile yazılmıştır.
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/tr/1-getting-started/lessons/1-introduction-to-iot/README.md
new file mode 100644
index 00000000..5ec52611
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/1-introduction-to-iot/README.md
@@ -0,0 +1,242 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
+  "translation_date": "2025-08-28T03:34:39+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
+  "language_code": "tr"
+}
+-->
+# IoT'ye Giriş
+
+![Bu dersin genel bir sketchnote özeti](../../../../../translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+Bu ders, [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) tarafından sunulan [Hello IoT serisi](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) kapsamında öğretilmiştir. Ders, 1 saatlik bir ders ve ardından dersin bazı bölümlerine daha derinlemesine dalan ve soruları yanıtlayan 1 saatlik bir ofis saati olmak üzere iki video olarak sunulmuştur.
+
+[![Ders 1: IoT'ye Giriş](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
+
+[![Ders 1: IoT'ye Giriş - Ofis Saatleri](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
+
+> 🎥 Videoları izlemek için yukarıdaki görsellere tıklayın
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
+
+## Giriş
+
+Bu ders, Nesnelerin İnterneti (IoT) ile ilgili bazı giriş konularını ele alır ve donanımınızı kurmaya başlamanızı sağlar.
+
+Bu derste şunları ele alacağız:
+
+* [Nesnelerin İnterneti nedir?](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [IoT cihazları](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Cihazınızı kurun](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [IoT'nin uygulamaları](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Çevrenizde bulunabilecek IoT cihazlarına örnekler](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+## Nesnelerin İnterneti nedir?
+
+'Nesnelerin İnterneti' terimi, 1999 yılında [Kevin Ashton](https://wikipedia.org/wiki/Kevin_Ashton) tarafından, sensörler aracılığıyla fiziksel dünyayı internete bağlamayı ifade etmek için ortaya atılmıştır. O zamandan beri, bu terim, sensörlerden veri toplayarak veya aktüatörler (örneğin bir anahtarı açmak veya bir LED'i yakmak gibi bir şey yapan cihazlar) aracılığıyla gerçek dünya etkileşimleri sağlayarak çevresindeki fiziksel dünya ile etkileşime giren herhangi bir cihazı tanımlamak için kullanılmıştır.
+
+> **Sensörler**, hız, sıcaklık veya konum gibi dünyadan bilgi toplar.
+>
+> **Aktüatörler**, elektrik sinyallerini bir anahtarı tetiklemek, ışıkları açmak, ses çıkarmak veya diğer donanımlara kontrol sinyalleri göndermek gibi gerçek dünya etkileşimlerine dönüştürür.
+
+IoT, yalnızca cihazlardan daha fazlasını içeren bir teknoloji alanıdır - sensör verilerini işleyebilen veya IoT cihazlarına bağlı aktüatörlere istek gönderebilen bulut tabanlı hizmetleri de içerir. Ayrıca, genellikle kenar cihazları olarak adlandırılan, internet bağlantısına sahip olmayan veya buna ihtiyaç duymayan cihazları da içerir. Bu cihazlar, genellikle bulutta eğitilmiş yapay zeka modellerini kullanarak sensör verilerini kendileri işleyebilir ve yanıt verebilir.
+
+IoT, hızla büyüyen bir teknoloji alanıdır. 2020 yılı sonuna kadar 30 milyar IoT cihazının internete bağlı olduğu tahmin edilmektedir. Geleceğe baktığımızda, 2025 yılına kadar IoT cihazlarının neredeyse 80 zettabayt (80 trilyon gigabayt) veri toplayacağı tahmin edilmektedir. Bu, çok büyük bir veri miktarıdır!
+
+![2015'te 5 milyarın altında başlayıp 2025'te 30 milyarın üzerine çıkan bir eğilimle zaman içinde aktif IoT cihazlarını gösteren bir grafik](../../../../../images/connected-iot-devices.svg)
+
+✅ Biraz araştırma yapın: IoT cihazları tarafından üretilen verilerin ne kadarı gerçekten kullanılıyor ve ne kadarı boşa gidiyor? Neden bu kadar çok veri göz ardı ediliyor?
+
+Bu veri, IoT'nin başarısının anahtarıdır. Başarılı bir IoT geliştiricisi olmak için, toplamanız gereken verileri, bu verileri nasıl toplayacağınızı, bu verilere dayanarak nasıl kararlar alacağınızı ve gerekirse bu kararları fiziksel dünyayla nasıl etkileşimde bulunmak için kullanacağınızı anlamanız gerekir.
+
+## IoT cihazları
+
+IoT'deki **T**, çevresindeki fiziksel dünya ile sensörlerden veri toplayarak veya aktüatörler aracılığıyla gerçek dünya etkileşimleri sağlayarak etkileşimde bulunan cihazlar anlamına gelen **Things** (Şeyler) anlamına gelir.
+
+Üretim veya ticari kullanım için tasarlanan cihazlar, örneğin tüketici fitness takipçileri veya endüstriyel makine kontrolörleri, genellikle özel olarak üretilir. Bu cihazlar, belirli bir görevin gereksinimlerini karşılamak için özel devre kartları, hatta belki de özel işlemciler kullanır; örneğin, bir bileğe sığacak kadar küçük veya yüksek sıcaklık, yüksek stres veya yüksek titreşimli bir fabrika ortamında çalışacak kadar dayanıklı olmak gibi.
+
+IoT hakkında öğrenim gören veya bir cihaz prototipi oluşturan bir geliştirici olarak, bir geliştirici kitiyle başlamanız gerekecektir. Bunlar, geliştiricilerin kullanması için tasarlanmış, genellikle üretim cihazlarında bulunmayan özelliklere sahip genel amaçlı IoT cihazlarıdır; örneğin, sensörleri veya aktüatörleri bağlamak için bir dizi harici pin, hata ayıklamayı destekleyen donanım veya büyük bir üretim serisinde gereksiz maliyet ekleyecek ek kaynaklar.
+
+Bu geliştirici kitleri genellikle iki kategoriye ayrılır - mikrodenetleyiciler ve tek kartlı bilgisayarlar. Bunlar burada tanıtılacak ve bir sonraki derste daha ayrıntılı olarak ele alınacaktır.
+
+> 💁 Telefonunuz da sensörler ve aktüatörler ile donatılmış, farklı uygulamaların sensörleri ve aktüatörleri farklı şekillerde ve farklı bulut hizmetleriyle kullandığı genel amaçlı bir IoT cihazı olarak düşünülebilir. Hatta bir telefon uygulamasını IoT cihazı olarak kullanan bazı IoT eğitimleri bile bulabilirsiniz.
+
+### Mikrodenetleyiciler
+
+Bir mikrodenetleyici (kısaca MCU olarak da adlandırılır, mikrodenetleyici biriminin kısaltması), aşağıdakilerden oluşan küçük bir bilgisayardır:
+
+🧠 Bir veya daha fazla merkezi işlem birimi (CPU) - mikrodenetleyicinin programınızı çalıştıran 'beyni'
+
+💾 Bellek (RAM ve program belleği) - programınızın, verilerinizin ve değişkenlerinizin saklandığı yer
+
+🔌 Programlanabilir giriş/çıkış (I/O) bağlantıları - sensörler ve aktüatörler gibi harici çevre birimleriyle iletişim kurmak için
+
+Mikrodenetleyiciler genellikle düşük maliyetli bilgi işlem cihazlarıdır ve özel donanımlarda kullanılanların ortalama fiyatları yaklaşık 0,50 ABD dolarına kadar düşmektedir ve bazı cihazlar 0,03 ABD doları kadar ucuzdur. Geliştirici kitleri 4 ABD dolarından başlayabilir ve daha fazla özellik ekledikçe maliyet artar. [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html), sensörler, aktüatörler, WiFi ve bir ekrana sahip bir mikrodenetleyici geliştirici kiti, yaklaşık 30 ABD dolarıdır.
+
+![Bir Wio Terminal](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.tr.png)
+
+> 💁 İnternette mikrodenetleyiciler ararken, **MCU** terimini aramaya dikkat edin, çünkü bu, mikrodenetleyiciler yerine Marvel Sinematik Evreni ile ilgili birçok sonuç getirebilir.
+
+Mikrodenetleyiciler, PC'ler veya Mac'ler gibi genel amaçlı bilgisayarlar yerine, çok sınırlı sayıda çok özel görevi yerine getirmek üzere programlanmak üzere tasarlanmıştır. Çok özel senaryolar dışında, bir monitör, klavye ve fare bağlayıp bunları genel amaçlı görevler için kullanamazsınız.
+
+Mikrodenetleyici geliştirici kitleri genellikle yerleşik sensörler ve aktüatörlerle birlikte gelir. Çoğu kartta programlayabileceğiniz bir veya daha fazla LED bulunur ve diğer cihazlar, çeşitli üreticilerin ekosistemlerini kullanarak daha fazla sensör veya aktüatör eklemek için standart fişler veya yerleşik sensörler (genellikle sıcaklık sensörleri gibi en popüler olanlar) içerir. Bazı mikrodenetleyiciler, Bluetooth veya WiFi gibi yerleşik kablosuz bağlantıya sahiptir veya bu bağlantıyı eklemek için kart üzerinde ek mikrodenetleyicilere sahiptir.
+
+> 💁 Mikrodenetleyiciler genellikle C/C++ ile programlanır.
+
+### Tek Kartlı Bilgisayarlar
+
+Tek kartlı bir bilgisayar, tüm bir bilgisayarın unsurlarını tek bir küçük kart üzerinde barındıran küçük bir bilgi işlem cihazıdır. Bunlar, bir masaüstü veya dizüstü bilgisayarın özelliklerine yakın, tam bir işletim sistemi çalıştıran, ancak daha küçük, daha az güç kullanan ve önemli ölçüde daha ucuz olan cihazlardır.
+
+![Bir Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.tr.jpg)
+
+Raspberry Pi, en popüler tek kartlı bilgisayarlardan biridir.
+
+Bir mikrodenetleyici gibi, tek kartlı bilgisayarlar bir CPU, bellek ve giriş/çıkış pinlerine sahiptir, ancak monitör bağlamanıza olanak tanıyan bir grafik çipi, ses çıkışları ve klavyeler, fareler ve diğer standart USB cihazları gibi cihazları bağlamak için USB bağlantı noktaları gibi ek özelliklere sahiptir. Programlar, kartın içine yerleştirilmiş bir bellek çipi yerine, bir işletim sistemiyle birlikte SD kartlara veya sabit disklere kaydedilir.
+
+> 🎓 Tek kartlı bir bilgisayarı, üzerinde okuduğunuz PC veya Mac'in daha küçük, daha ucuz bir versiyonu olarak düşünebilirsiniz, sensörler ve aktüatörlerle etkileşim kurmak için GPIO (genel amaçlı giriş/çıkış) pinleri eklenmiştir.
+
+Tek kartlı bilgisayarlar tam özellikli bilgisayarlardır, bu nedenle herhangi bir dilde programlanabilirler. IoT cihazları genellikle Python ile programlanır.
+
+### Kalan Dersler İçin Donanım Seçenekleri
+
+Sonraki tüm dersler, fiziksel dünya ile etkileşim kuran ve bulutla iletişim kuran bir IoT cihazı kullanarak ödevler içerir. Her ders, 3 cihaz seçeneğini destekler - Arduino (Seeed Studios Wio Terminal kullanarak) veya bir tek kartlı bilgisayar, fiziksel bir cihaz (Raspberry Pi 4) veya PC veya Mac'inizde çalışan sanal bir tek kartlı bilgisayar.
+
+Tüm ödevleri tamamlamak için gereken donanım hakkında [donanım kılavuzunda](../../../hardware.md) bilgi edinebilirsiniz.
+
+> 💁 Ödevleri tamamlamak için herhangi bir IoT donanımı satın almanıza gerek yoktur, her şeyi sanal bir tek kartlı bilgisayar kullanarak yapabilirsiniz.
+
+Hangi donanımı seçeceğiniz, evde veya okulda mevcut olanlara ve hangi programlama dilini bildiğinize veya öğrenmeyi planladığınıza bağlıdır. Her iki donanım varyantı da aynı sensör ekosistemini kullanacaktır, bu nedenle bir yoldan başlarsanız, kitin çoğunu değiştirmek zorunda kalmadan diğerine geçebilirsiniz. Sanal tek kartlı bilgisayar, bir Raspberry Pi üzerinde öğrenmeye eşdeğer olacak ve kodun çoğu, sonunda bir cihaz ve sensörler alırsanız Pi'ye aktarılabilir.
+
+### Arduino Geliştirici Kiti
+
+Mikrodenetleyici geliştirmeyi öğrenmekle ilgileniyorsanız, ödevleri bir Arduino cihazı kullanarak tamamlayabilirsiniz. Dersler yalnızca Arduino çerçevesi, kullanılan sensörler ve aktüatörler ve bulutla etkileşim kuran kütüphanelerle ilgili kodu öğreteceğinden, C/C++ programlama hakkında temel bir anlayışa sahip olmanız gerekecektir.
+
+Ödevlerde [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) ve mikrodenetleyici geliştirme için [PlatformIO uzantısı](https://platformio.org) kullanılacaktır. Bu araçla deneyiminiz varsa Arduino IDE'yi de kullanabilirsiniz, ancak talimatlar sağlanmayacaktır.
+
+### Tek Kartlı Bilgisayar Geliştirici Kiti
+
+Tek kartlı bilgisayarları kullanarak IoT geliştirmeyi öğrenmekle ilgileniyorsanız, ödevleri bir Raspberry Pi veya PC ya da Mac'inizde çalışan bir sanal cihaz kullanarak tamamlayabilirsiniz.
+
+Dersler yalnızca kullanılan sensörler ve aktüatörler ve bulutla etkileşim kuran kütüphanelerle ilgili kodu öğreteceğinden, Python programlama hakkında temel bir anlayışa sahip olmanız gerekecektir.
+
+> 💁 Python'da kod yazmayı öğrenmek istiyorsanız, aşağıdaki iki video serisine göz atın:
+>
+> * [Yeni Başlayanlar İçin Python](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
+> * [Yeni Başlayanlar İçin Daha Fazla Python](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
+
+Ödevlerde [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) kullanılacaktır.
+
+Bir Raspberry Pi kullanıyorsanız, Pi'nizi Raspberry Pi OS'nin tam masaüstü sürümünü kullanarak çalıştırabilir ve tüm kodlamayı doğrudan Pi üzerinde [Raspberry Pi OS için VS Code sürümünü](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn) kullanarak yapabilirsiniz veya Pi'nizi başsız bir cihaz olarak çalıştırabilir ve PC veya Mac'inizden [Remote SSH uzantısını](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) kullanarak Pi'ye bağlanabilir ve doğrudan üzerinde kod yazıyormuş gibi düzenleme, hata ayıklama ve kod çalıştırabilirsiniz.
+
+Sanal cihaz seçeneğini kullanırsanız, kodlamayı doğrudan bilgisayarınızda yaparsınız. Sensörlere ve aktüatörlere erişmek yerine, sensör değerlerini tanımlamanıza olanak tanıyan ve aktüatörlerin sonuçlarını ekranda gösteren bir araç kullanarak bu donanımı simüle edersiniz.
+
+## Cihazınızı Kurun
+
+IoT cihazınızı programlamaya başlamadan önce, küçük bir kurulum yapmanız gerekecek. Kullanacağınız cihaza bağlı olarak aşağıdaki ilgili talimatları izleyin.
+💁 Henüz bir cihazınız yoksa, hangi cihazı kullanacağınıza ve satın almanız gereken ek donanımlara karar vermenize yardımcı olması için [donanım rehberine](../../../hardware.md) göz atabilirsiniz. Donanım satın almanıza gerek yok, çünkü tüm projeler sanal donanım üzerinde çalıştırılabilir.
+Bu talimatlar, kullanacağınız donanım veya araçların üreticilerinden gelen üçüncü taraf web sitelerine bağlantılar içermektedir. Bu, çeşitli araçlar ve donanımlar için her zaman en güncel talimatları kullanmanızı sağlamak içindir.
+
+Cihazınızı kurmak ve bir 'Hello World' projesini tamamlamak için ilgili kılavuzu takip edin. Bu, bu başlangıç bölümündeki 4 ders boyunca bir IoT gece lambası oluşturmanın ilk adımı olacaktır.
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device.md)
+
+✅ Hem Arduino hem de tek kartlı bilgisayarlar için VS Code kullanacaksınız. Daha önce bunu kullanmadıysanız, [VS Code sitesi](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) üzerinden daha fazla bilgi edinebilirsiniz.
+
+## IoT'nin Uygulamaları
+
+IoT, birkaç geniş grup içinde çok çeşitli kullanım alanlarını kapsar:
+
+* Tüketici IoT
+* Ticari IoT
+* Endüstriyel IoT
+* Altyapı IoT
+
+✅ Küçük bir araştırma yapın: Aşağıda açıklanan alanların her biri için metinde verilmemiş somut bir örnek bulun.
+
+### Tüketici IoT
+
+Tüketici IoT, tüketicilerin evde satın alıp kullanacağı IoT cihazlarını ifade eder. Bu cihazlardan bazıları oldukça kullanışlıdır, örneğin akıllı hoparlörler, akıllı ısıtma sistemleri ve robotik süpürgeler. Diğerleri ise kullanışlılık açısından tartışmalıdır, örneğin sesle kontrol edilen musluklar, ki bu durumda akan suyun sesi nedeniyle ses kontrolü sizi duyamadığı için musluğu kapatamazsınız.
+
+Tüketici IoT cihazları, özellikle 1 milyar engelli birey için çevrelerinde daha fazlasını başarmalarını sağlıyor. Robotik süpürgeler, hareket kabiliyeti sınırlı olan ve kendileri süpüremeyen kişilere temiz zeminler sağlayabilir, sesle kontrol edilen fırınlar, görme veya motor kontrolü sınırlı olan kişilerin yalnızca sesleriyle fırınlarını ısıtmalarına olanak tanır, sağlık monitörleri ise hastaların kronik durumlarını daha düzenli ve daha ayrıntılı güncellemelerle kendilerinin takip etmelerine olanak tanır. Bu cihazlar o kadar yaygın hale geliyor ki, küçük çocuklar bile bunları günlük yaşamlarının bir parçası olarak kullanıyor, örneğin COVID pandemisi sırasında sanal eğitim alan öğrenciler, okul çalışmalarını takip etmek için akıllı ev cihazlarında zamanlayıcılar ayarlıyor veya yaklaşan ders toplantılarını hatırlatmak için alarmlar kuruyor.
+
+✅ Üzerinizde veya evinizde hangi tüketici IoT cihazları var?
+
+### Ticari IoT
+
+Ticari IoT, IoT'nin iş yerinde kullanımını kapsar. Bir ofis ortamında, aydınlatma ve ısıtmayı yalnızca gerektiğinde açık tutmak için işgal sensörleri ve hareket dedektörleri olabilir, bu da maliyetleri ve karbon emisyonlarını azaltır. Bir fabrikada, IoT cihazları işçilerin sert şapka takmaması veya tehlikeli seviyelere ulaşan gürültü gibi güvenlik tehlikelerini izleyebilir. Perakende sektöründe, IoT cihazları soğuk depoların sıcaklığını ölçebilir, bir buzdolabı veya dondurucu gereken sıcaklık aralığının dışındaysa mağaza sahibini uyarabilir veya raflardaki ürünleri izleyerek çalışanları satılan ürünleri yeniden doldurmaya yönlendirebilir. Ulaşım sektörü, araç konumlarını izlemek, yol kullanıcı ücretlendirmesi için yolda yapılan kilometreleri takip etmek, sürücü saatlerini ve mola uyumluluğunu izlemek veya bir araç bir depoya yaklaşırken personeli yükleme veya boşaltma için hazırlamak gibi konularda IoT'ye giderek daha fazla güveniyor.
+
+✅ Okulunuzda veya iş yerinizde hangi ticari IoT cihazları var?
+
+### Endüstriyel IoT (IIoT)
+
+Endüstriyel IoT veya IIoT, IoT cihazlarının büyük ölçekli makineleri kontrol etmek ve yönetmek için kullanılmasını ifade eder. Bu, fabrikalardan dijital tarıma kadar çok çeşitli kullanım alanlarını kapsar.
+
+Fabrikalar, IoT cihazlarını birçok farklı şekilde kullanır. Makineler, sıcaklık, titreşim ve dönüş hızı gibi şeyleri izlemek için birden fazla sensörle izlenebilir. Bu veriler, makinenin belirli toleransların dışına çıkması durumunda durdurulmasına olanak tanır - örneğin, çok ısınırsa kapatılır. Bu veriler ayrıca zaman içinde toplanabilir ve analiz edilebilir, böylece bir arıza öncesindeki verileri inceleyen ve bunu diğer arızaları önceden tahmin etmek için kullanan AI modelleri ile tahmine dayalı bakım yapılabilir.
+
+Dijital tarım, özellikle [geçimlik tarım](https://wikipedia.org/wiki/Subsistence_agriculture) ile geçinen 500 milyon hanedeki 2 milyar insan için, gezegeni büyüyen nüfusu beslemek için önemlidir. Dijital tarım, birkaç dolarlık sensörlerden büyük ticari kurulumlara kadar değişebilir. Bir çiftçi, sıcaklıkları izleyerek ve [büyüme derecesi günlerini](https://wikipedia.org/wiki/Growing_degree-day) kullanarak bir ürünün ne zaman hasat edileceğini tahmin etmeye başlayabilir. Toprak nemi izlemeyi otomatik sulama sistemlerine bağlayarak bitkilerine ihtiyaç duydukları kadar su verebilir, ancak daha fazlasını vermeyerek ürünlerinin kurumasını önlerken su israfını da önleyebilir. Çiftçiler, dronlar, uydu verileri ve AI kullanarak büyük tarım alanlarında ürün büyümesini, hastalıkları ve toprak kalitesini izleyerek bunu daha da ileriye taşıyor.
+
+✅ Çiftçilere hangi diğer IoT cihazları yardımcı olabilir?
+
+### Altyapı IoT
+
+Altyapı IoT, insanların her gün kullandığı yerel ve küresel altyapıyı izlemek ve kontrol etmekle ilgilidir.
+
+[Akıllı Şehirler](https://wikipedia.org/wiki/Smart_city), şehir hakkında veri toplamak ve bu verileri şehrin nasıl çalıştığını iyileştirmek için kullanan IoT cihazlarını kullanan kentsel alanlardır. Bu şehirler genellikle yerel hükümetler, akademi ve yerel işletmeler arasındaki işbirlikleriyle yönetilir ve ulaşım, park ve kirlilik gibi çeşitli şeyleri izler ve yönetir. Örneğin, Danimarka'nın Kopenhag şehrinde hava kirliliği yerel halk için önemlidir, bu nedenle ölçülür ve veriler en temiz bisiklet ve koşu yolları hakkında bilgi sağlamak için kullanılır.
+
+[Akıllı enerji şebekeleri](https://wikipedia.org/wiki/Smart_grid), bireysel evler düzeyinde kullanım verileri toplayarak enerji talebi hakkında daha iyi analizler sağlar. Bu veriler, ülke düzeyinde yeni enerji santrallerinin nerede inşa edileceği gibi kararları yönlendirebilir ve bireysel düzeyde kullanıcıların ne kadar enerji kullandıkları, ne zaman kullandıkları ve hatta maliyetleri nasıl azaltacakları konusunda öneriler sunabilir, örneğin elektrikli arabaları gece şarj etmek gibi.
+
+✅ Yaşadığınız yerde bir şeyleri ölçmek için IoT cihazları ekleyebilseydiniz, neyi ölçerdiniz?
+
+## Çevrenizde Bulunan IoT Cihazlarına Örnekler
+
+Çevrenizde ne kadar çok IoT cihazı olduğunu öğrenince şaşırabilirsiniz. Bu yazıyı evden yazıyorum ve aşağıdaki cihazlar internet bağlantılı ve uygulama kontrolü, ses kontrolü veya telefonum aracılığıyla bana veri gönderme gibi akıllı özelliklere sahip:
+
+* Birden fazla akıllı hoparlör
+* Buzdolabı, bulaşık makinesi, fırın ve mikrodalga
+* Güneş panelleri için elektrik monitörü
+* Akıllı prizler
+* Video kapı zili ve güvenlik kameraları
+* Birden fazla akıllı oda sensörüne sahip akıllı termostat
+* Garaj kapısı açıcı
+* Ev eğlence sistemleri ve sesle kontrol edilen televizyonlar
+* Işıklar
+* Fitness ve sağlık takip cihazları
+
+Bu tür cihazların hepsi sensörlere ve/veya aktüatörlere sahiptir ve internete bağlanır. Telefonumdan garaj kapımın açık olup olmadığını görebilir ve akıllı hoparlörüme kapatmasını söyleyebilirim. Hatta gece açık kalırsa otomatik olarak kapanacak şekilde bir zamanlayıcı ayarlayabilirim. Kapı zili çaldığında, dünyanın neresinde olursam olayım telefonumdan kimin orada olduğunu görebilir ve kapı ziline yerleştirilmiş bir hoparlör ve mikrofon aracılığıyla onlarla konuşabilirim. Kan şekeri, kalp atış hızı ve uyku düzenimi izleyerek sağlığımı iyileştirmek için verilerdeki kalıpları arayabilirim. Işıklarımı bulut üzerinden kontrol edebilirim ve internet bağlantım kesildiğinde karanlıkta oturabilirim.
+
+---
+
+## 🚀 Zorluk
+
+Evde, okulda veya iş yerinde bulunan IoT cihazlarını olabildiğince listeleyin - düşündüğünüzden daha fazla olabilir!
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+Tüketici IoT projelerinin faydaları ve başarısızlıkları hakkında bilgi edinin. Gizlilik sorunları, donanım problemleri veya bağlantı eksikliğinden kaynaklanan sorunlar gibi konularda yanlış giden durumlarla ilgili haber sitelerinde makaleler arayın.
+
+Bazı örnekler:
+
+* **[Internet of Sh*t](https://twitter.com/internetofshit)** *(küfür uyarısı)* Twitter hesabına göz atarak tüketici IoT ile ilgili başarısızlık örneklerini inceleyin.
+* [c|net - Apple Watch hayatımı kurtardı: 5 kişi hikayelerini paylaşıyor](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)
+* [c|net - ADT teknisyeni yıllarca müşteri kamera görüntülerini izlediği için suçunu kabul etti](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(tetikleyici uyarısı - rızasız gözetim)*
+
+## Ödev
+
+[Bir IoT projesini araştırın](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/tr/1-getting-started/lessons/1-introduction-to-iot/assignment.md
new file mode 100644
index 00000000..190b9cf4
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/1-introduction-to-iot/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
+  "translation_date": "2025-08-28T03:38:27+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Bir IoT Projesini İnceleyin
+
+## Talimatlar
+
+Akıllı çiftliklerden akıllı şehirlere, sağlık izleme, ulaşım ve kamusal alanların kullanımı gibi birçok büyük ve küçük ölçekli IoT projesi dünya genelinde hayata geçiriliyor.
+
+Sizi ilgilendiren, tercihen yaşadığınız yere yakın bir projeyle ilgili detayları web üzerinde araştırın. Projenin avantajlarını ve dezavantajlarını açıklayın; örneğin, ne gibi faydalar sağladığını, neden olduğu herhangi bir sorunu ve gizliliğin nasıl ele alındığını belirtin.
+
+## Değerlendirme Kriterleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| ------- | ----------------- | ------- | -------------------- |
+| Avantajları ve dezavantajları açıklama | Projenin avantajlarını ve dezavantajlarını net bir şekilde açıkladı | Projenin avantajlarını ve dezavantajlarını kısaca açıkladı | Avantajları veya dezavantajları açıklamadı |
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/tr/1-getting-started/lessons/1-introduction-to-iot/pi.md
new file mode 100644
index 00000000..a04f3f0d
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/1-introduction-to-iot/pi.md
@@ -0,0 +1,286 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
+  "translation_date": "2025-08-28T03:37:37+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
+  "language_code": "tr"
+}
+-->
+# Raspberry Pi
+
+[Raspberry Pi](https://raspberrypi.org), tek kartlı bir bilgisayardır. Sensörler ve aktüatörler eklemek için geniş bir cihaz ve ekosistem yelpazesi kullanabilirsiniz. Bu derslerde, [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) adlı bir donanım ekosistemini kullanarak sensörlere erişim sağlayacak ve Raspberry Pi'nizi Python ile kodlayacaksınız.
+
+![Bir Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.tr.jpg)
+
+## Kurulum
+
+Raspberry Pi'nizi IoT donanımı olarak kullanıyorsanız iki seçeneğiniz var: Bu derslerin tamamını Raspberry Pi üzerinde doğrudan kodlayarak çalışabilirsiniz veya 'headless' bir Pi'ye uzaktan bağlanarak bilgisayarınızdan kod yazabilirsiniz.
+
+Başlamadan önce, Grove Base Hat'i Pi'nize bağlamanız gerekiyor.
+
+### Görev - Kurulum
+
+Grove Base Hat'i Pi'nize takın ve Pi'yi yapılandırın.
+
+1. Grove Base Hat'i Pi'nize bağlayın. Hat üzerindeki soket, Pi'nin tüm GPIO pinlerine tam oturur ve tabana sıkıca oturacak şekilde pinlerin üzerine kayar. Hat, Pi'nin üzerine oturur ve onu kaplar.
+
+    ![Grove Hat'in takılması](../../../../../images/pi-grove-hat-fitting.gif)
+
+1. Pi'nizi nasıl programlamak istediğinize karar verin ve aşağıdaki ilgili bölüme gidin:
+
+    * [Pi'nizde doğrudan çalışın](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+    * [Pi'yi kodlamak için uzaktan erişim](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+### Pi'nizde doğrudan çalışın
+
+Pi'nizde doğrudan çalışmak istiyorsanız, Raspberry Pi OS'in masaüstü sürümünü kullanabilir ve ihtiyacınız olan tüm araçları kurabilirsiniz.
+
+#### Görev - Pi'nizde doğrudan çalışın
+
+Pi'nizi geliştirme için ayarlayın.
+
+1. Pi'nizi kurmak, klavye/fare/monitör bağlamak, WiFi veya ethernet ağına bağlanmak ve yazılımı güncellemek için [Raspberry Pi kurulum rehberi](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up) talimatlarını izleyin.
+
+Grove sensörlerini ve aktüatörlerini kullanarak Pi'yi programlamak için cihaz kodunu yazmanıza olanak tanıyan bir düzenleyici ve Grove donanımıyla etkileşim kuran çeşitli kütüphaneler ve araçlar kurmanız gerekecek.
+
+1. Pi yeniden başlatıldıktan sonra, **Terminal** simgesine tıklayarak veya *Menu -> Accessories -> Terminal* seçeneğini seçerek Terminal'i başlatın.
+
+1. İşletim sisteminin ve yüklü yazılımın güncel olduğundan emin olmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes
+    ```
+
+1. Grove donanımı için gerekli tüm kütüphaneleri kurmak için aşağıdaki komutları çalıştırın:
+
+    ```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
+    ```
+
+    Bu işlem, Git'i ve Python paketlerini yüklemek için Pip'i kurarak başlar.
+
+    Python'un güçlü özelliklerinden biri, [Pip paketlerini](https://pypi.org) yükleme yeteneğidir - bunlar, diğer kişiler tarafından yazılmış ve internete yayınlanmış kod paketleridir. Bir komutla bir Pip paketini bilgisayarınıza yükleyebilir ve ardından bu paketi kodunuzda kullanabilirsiniz.
+
+    Seeed Grove Python paketleri kaynaktan yüklenmelidir. Bu komutlar, bu paketin kaynak kodunu içeren depoyu klonlar ve ardından yerel olarak kurar.
+
+    > 💁 Varsayılan olarak bir paket yüklediğinizde, bu paket bilgisayarınızda her yerde kullanılabilir hale gelir ve bu durum paket sürümleriyle ilgili sorunlara yol açabilir - örneğin, bir uygulama bir paketin bir sürümüne bağlıyken, başka bir uygulama için yeni bir sürüm yüklediğinizde bu sürüm bozulabilir. Bu sorunu çözmek için [Python sanal ortamı](https://docs.python.org/3/library/venv.html) kullanabilirsiniz; bu, Python'un özel bir klasördeki bir kopyasıdır ve Pip paketlerini yüklediğinizde yalnızca o klasöre yüklenir. Pi'nizi kullanırken sanal ortamlar kullanmayacaksınız. Grove yükleme betiği, Grove Python paketlerini küresel olarak yükler, bu nedenle sanal bir ortam kurmanız ve ardından Grove paketlerini manuel olarak bu ortamda yeniden yüklemeniz gerekir. Her proje için temiz bir SD kartı yeniden flaşlayan birçok Pi geliştiricisi olduğu için küresel paketleri kullanmak daha kolaydır.
+
+    Son olarak, I<sup>2</sup>C arayüzünü etkinleştirir.
+
+1. Pi'yi menüyü kullanarak veya Terminal'de aşağıdaki komutu çalıştırarak yeniden başlatın:
+
+    ```sh
+    sudo reboot
+    ```
+
+1. Pi yeniden başlatıldıktan sonra, Terminal'i yeniden başlatın ve cihaz kodunuzu Python'da yazmak için kullanacağınız düzenleyici olan [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn)'u yüklemek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    sudo apt install code
+    ```
+
+    Bu yüklendikten sonra, VS Code üst menüden erişilebilir olacaktır.
+
+    > 💁 Bu derslerde talimatlar VS Code kullanılarak verilecektir, ancak tercih ettiğiniz bir Python IDE veya düzenleyiciyi kullanmakta özgürsünüz.
+
+1. Pylance'ı yükleyin. Bu, Python dil desteği sağlayan VS Code için bir uzantıdır. Bu uzantıyı VS Code'da yüklemek için [Pylance uzantı belgelerine](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) başvurun.
+
+### Pi'yi kodlamak için uzaktan erişim
+
+Pi üzerinde doğrudan kod yazmak yerine, Pi'yi bir klavye/fare/monitöre bağlı olmadan 'headless' çalıştırabilir ve bilgisayarınızdan Visual Studio Code kullanarak yapılandırabilir ve kodlayabilirsiniz.
+
+#### Pi OS'yi ayarlayın
+
+Uzaktan kod yazmak için, Pi OS'nin bir SD karta yüklenmesi gerekir.
+
+##### Görev - Pi OS'yi ayarlayın
+
+Headless Pi OS'yi ayarlayın.
+
+1. [Raspberry Pi OS yazılım sayfasından](https://www.raspberrypi.org/software/) **Raspberry Pi Imager**'ı indirin ve yükleyin.
+
+1. Gerekirse bir adaptör kullanarak bir SD kartı bilgisayarınıza takın.
+
+1. Raspberry Pi Imager'ı başlatın.
+
+1. Raspberry Pi Imager'dan **CHOOSE OS** düğmesini seçin, ardından *Raspberry Pi OS (Other)* ve ardından *Raspberry Pi OS Lite (32-bit)* seçeneğini seçin.
+
+    ![Raspberry Pi Imager ile Raspberry Pi OS Lite seçili](../../../../../translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.tr.png)
+
+    > 💁 Raspberry Pi OS Lite, Raspberry Pi OS'nin masaüstü kullanıcı arayüzü veya kullanıcı arayüzü tabanlı araçları içermeyen bir sürümüdür. Bunlar headless bir Pi için gerekli değildir ve kurulumun daha küçük ve açılış süresinin daha hızlı olmasını sağlar.
+
+1. **CHOOSE STORAGE** düğmesini seçin ve SD kartınızı seçin.
+
+1. **Advanced Options**'ı `Ctrl+Shift+X` tuşlarına basarak başlatın. Bu seçenekler, Raspberry Pi OS'nin SD karta yazılmadan önce bazı ön yapılandırmalarını sağlar.
+
+    1. **Enable SSH** kutusunu işaretleyin ve `pi` kullanıcısı için bir şifre belirleyin. Bu, Pi'ye daha sonra giriş yapmak için kullanacağınız şifre olacaktır.
+
+    1. Pi'ye WiFi üzerinden bağlanmayı planlıyorsanız, **Configure WiFi** kutusunu işaretleyin ve WiFi SSID ve şifrenizi girin, ayrıca WiFi ülkenizi seçin. Ethernet kablosu kullanacaksanız bunu yapmanıza gerek yoktur. Bağlandığınız ağın bilgisayarınızın bulunduğu ağla aynı olduğundan emin olun.
+
+    1. **Set locale settings** kutusunu işaretleyin ve ülkenizi ve zaman diliminizi ayarlayın.
+
+    1. **SAVE** düğmesini seçin.
+
+1. OS'yi SD karta yazmak için **WRITE** düğmesini seçin. macOS kullanıyorsanız, disk görüntülerini yazan temel araçların ayrıcalıklı erişime ihtiyacı olduğu için şifrenizi girmeniz istenecektir.
+
+OS SD karta yazılacak ve işlem tamamlandığında kart işletim sistemi tarafından çıkarılacak ve size bildirimde bulunulacaktır. SD kartı bilgisayarınızdan çıkarın, Pi'ye takın, Pi'yi açın ve düzgün bir şekilde başlatılması için yaklaşık 2 dakika bekleyin.
+
+#### Pi'ye bağlanın
+
+Bir sonraki adım, Pi'ye uzaktan erişmektir. Bunu, macOS, Linux ve Windows'un son sürümlerinde bulunan `ssh` kullanarak yapabilirsiniz.
+
+##### Görev - Pi'ye bağlanın
+
+Pi'ye uzaktan erişin.
+
+1. Bir Terminal veya Komut İstemi başlatın ve Pi'ye bağlanmak için aşağıdaki komutu girin:
+
+    ```sh
+    ssh pi@raspberrypi.local
+    ```
+
+    Windows'un eski bir sürümünü kullanıyorsanız ve `ssh` yüklü değilse, OpenSSH kullanabilirsiniz. Kurulum talimatlarını [OpenSSH kurulum belgelerinde](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn) bulabilirsiniz.
+
+1. Bu, Pi'ye bağlanmalı ve şifreyi sormalıdır.
+
+    Bilgisayarları `<hostname>.local` kullanarak ağınızda bulabilmek, Linux ve Windows'a oldukça yeni bir eklemedir. Linux veya Windows kullanıyorsanız ve Hostname bulunamadı hatası alıyorsanız, ZeroConf ağını (Apple tarafından Bonjour olarak da adlandırılır) etkinleştirmek için ek yazılım yüklemeniz gerekecektir:
+
+    1. Linux kullanıyorsanız, aşağıdaki komutla Avahi'yi yükleyin:
+
+        ```sh
+        sudo apt-get install avahi-daemon
+        ```
+
+    1. Windows kullanıyorsanız, ZeroConf'u etkinleştirmenin en kolay yolu [Windows için Bonjour Yazdırma Hizmetleri](http://support.apple.com/kb/DL999)'ni yüklemektir. Ayrıca [Windows için iTunes](https://www.apple.com/itunes/download/) yükleyerek daha yeni bir yardımcı program sürümünü (tek başına mevcut olmayan) edinebilirsiniz.
+
+    > 💁 `raspberrypi.local` kullanarak bağlanamıyorsanız, Pi'nizin IP adresini kullanabilirsiniz. IP adresini almanın birden fazla yolunu açıklayan [Raspberry Pi IP adresi belgelerine](https://www.raspberrypi.org/documentation/remote-access/ip-address.md) başvurun.
+
+1. Raspberry Pi Imager Advanced Options'da belirlediğiniz şifreyi girin.
+
+#### Pi'deki yazılımı yapılandırın
+
+Pi'ye bağlandıktan sonra, işletim sisteminin güncel olduğundan emin olmanız ve Grove donanımıyla etkileşim kuran çeşitli kütüphaneler ve araçları yüklemeniz gerekir.
+
+##### Görev - Pi'deki yazılımı yapılandırın
+
+Yüklü Pi yazılımını yapılandırın ve Grove kütüphanelerini yükleyin.
+
+1. `ssh` oturumunuzdan, Pi'yi güncellemek ve ardından yeniden başlatmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
+    ```
+
+    Pi güncellenecek ve yeniden başlatılacaktır. Pi yeniden başlatıldığında `ssh` oturumu sona erecek, bu yüzden yaklaşık 30 saniye bekleyin ve ardından yeniden bağlanın.
+
+1. Yeniden bağlanmış `ssh` oturumundan, Grove donanımı için gerekli tüm kütüphaneleri yüklemek için aşağıdaki komutları çalıştırın:
+
+    ```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
+    ```
+
+    Bu işlem, Git'i ve Python paketlerini yüklemek için Pip'i kurarak başlar.
+
+    Python'un güçlü özelliklerinden biri, [Pip paketlerini](https://pypi.org) yükleme yeteneğidir - bunlar, diğer kişiler tarafından yazılmış ve internete yayınlanmış kod paketleridir. Bir komutla bir Pip paketini bilgisayarınıza yükleyebilir ve ardından bu paketi kodunuzda kullanabilirsiniz.
+
+    Seeed Grove Python paketleri kaynaktan yüklenmelidir. Bu komutlar, bu paketin kaynak kodunu içeren depoyu klonlar ve ardından yerel olarak kurar.
+
+    > 💁 Varsayılan olarak bir paket yüklediğinizde, bu paket bilgisayarınızda her yerde kullanılabilir hale gelir ve bu durum paket sürümleriyle ilgili sorunlara yol açabilir - örneğin, bir uygulama bir paketin bir sürümüne bağlıyken, başka bir uygulama için yeni bir sürüm yüklediğinizde bu sürüm bozulabilir. Bu sorunu çözmek için [Python sanal ortamı](https://docs.python.org/3/library/venv.html) kullanabilirsiniz; bu, Python'un özel bir klasördeki bir kopyasıdır ve Pip paketlerini yüklediğinizde yalnızca o klasöre yüklenir. Pi'nizi kullanırken sanal ortamlar kullanmayacaksınız. Grove yükleme betiği, Grove Python paketlerini küresel olarak yükler, bu nedenle sanal bir ortam kurmanız ve ardından Grove paketlerini manuel olarak bu ortamda yeniden yüklemeniz gerekir. Her proje için temiz bir SD kartı yeniden flaşlayan birçok Pi geliştiricisi olduğu için küresel paketleri kullanmak daha kolaydır.
+
+    Son olarak, I<sup>2</sup>C arayüzünü etkinleştirir.
+
+1. Pi'yi aşağıdaki komutu çalıştırarak yeniden başlatın:
+
+    ```sh
+    sudo reboot
+    ```
+
+    Pi yeniden başlatıldığında `ssh` oturumu sona erecek. Yeniden bağlanmanıza gerek yoktur.
+
+#### Uzaktan erişim için VS Code'u yapılandırın
+
+Pi yapılandırıldıktan sonra, bilgisayarınızdan Visual Studio Code (VS Code) kullanarak Pi'ye bağlanabilirsiniz - bu, Python'da cihaz kodunuzu yazmak için kullanacağınız ücretsiz bir geliştirici metin editörüdür.
+
+##### Görev - Uzaktan erişim için VS Code'u yapılandırın
+
+Gerekli yazılımı yükleyin ve Pi'nize uzaktan bağlanın.
+
+1. [VS Code belgelerini](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) takip ederek bilgisayarınıza VS Code'u yükleyin.
+
+1. [VS Code SSH kullanarak Uzaktan Geliştirme belgelerindeki](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) talimatları izleyerek gerekli bileşenleri yükleyin.
+
+1. Aynı talimatları izleyerek VS Code'u Pi'ye bağlayın.
+
+1. Bağlandıktan sonra, [uzantıları yönetme](https://code.visualstudio.com/docs/remote/ssh#_managing-extensions?WT.mc_id=academic-17441-jabenn) talimatlarını izleyerek [Pylance uzantısını](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) Pi'ye uzaktan yükleyin.
+
+## Merhaba dünya
+Yeni bir programlama dili veya teknolojiyle çalışmaya başlarken, genellikle bir 'Merhaba Dünya' uygulaması oluşturulur - tüm araçların doğru şekilde yapılandırıldığını göstermek için `"Merhaba Dünya"` gibi bir metni çıktı olarak veren küçük bir uygulama.
+
+Pi için Merhaba Dünya uygulaması, Python ve Visual Studio Code'un doğru şekilde kurulduğundan emin olmanızı sağlayacaktır.
+
+Bu uygulama `nightlight` adlı bir klasörde bulunacak ve bu ödevin ilerleyen bölümlerinde gece lambası uygulamasını oluşturmak için farklı kodlarla yeniden kullanılacaktır.
+
+### Görev - merhaba dünya
+
+Merhaba Dünya uygulamasını oluşturun.
+
+1. VS Code'u başlatın, ya doğrudan Pi üzerinde ya da Remote SSH uzantısını kullanarak bilgisayarınızdan Pi'ye bağlanarak.
+
+1. *Terminal -> Yeni Terminal* seçeneğini seçerek veya `` CTRL+` `` tuşlarına basarak VS Code Terminalini başlatın. Terminal, `pi` kullanıcısının ana dizininde açılacaktır.
+
+1. Kodunuz için bir dizin oluşturmak ve bu dizin içinde `app.py` adlı bir Python dosyası oluşturmak için aşağıdaki komutları çalıştırın:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    touch app.py
+    ```
+
+1. Bu klasörü VS Code'da açmak için *Dosya -> Aç...* seçeneğini seçin ve *nightlight* klasörünü seçtikten sonra **Tamam**'ı tıklayın.
+
+    ![VS Code açma penceresi nightlight klasörünü gösteriyor](../../../../../translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.tr.png)
+
+1. VS Code gezgininden `app.py` dosyasını açın ve aşağıdaki kodu ekleyin:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    `print` fonksiyonu, kendisine iletilen her şeyi konsola yazdırır.
+
+1. Python uygulamanızı çalıştırmak için VS Code Terminalinden aşağıdaki komutu çalıştırın:
+
+    ```sh
+    python app.py
+    ```
+
+    > 💁 Eğer Python 2'nin yanı sıra Python 3 (en son sürüm) yüklüyse, bu kodu çalıştırmak için açıkça `python3` çağırmanız gerekebilir. Eğer Python 2 yüklüyse, `python` komutunu çağırmak Python 2'yi kullanacaktır. Varsayılan olarak, en son Raspberry Pi OS sürümleri yalnızca Python 3 içerir.
+
+    Terminalde aşağıdaki çıktı görünecektir:
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py
+    Hello World!
+    ```
+
+> 💁 Bu kodu [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi) klasöründe bulabilirsiniz.
+
+😀 'Merhaba Dünya' programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/tr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
new file mode 100644
index 00000000..f2c2489c
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52b4de6144b2efdced7797a5339d6035",
+  "translation_date": "2025-08-28T03:36:22+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
+  "language_code": "tr"
+}
+-->
+# Sanal tek kartlı bilgisayar
+
+Bir IoT cihazı, sensörler ve aktüatörler satın almak yerine, bilgisayarınızı IoT donanımını simüle etmek için kullanabilirsiniz. [CounterFit projesi](https://github.com/CounterFit-IoT/CounterFit), sensörler ve aktüatörler gibi IoT donanımını simüle eden bir uygulamayı yerel olarak çalıştırmanıza ve fiziksel donanım kullanarak Raspberry Pi üzerinde yazacağınız kodla aynı şekilde yazılmış yerel Python kodundan sensörlere ve aktüatörlere erişmenize olanak tanır.
+
+## Kurulum
+
+CounterFit'i kullanmak için bilgisayarınıza bazı ücretsiz yazılımlar yüklemeniz gerekecek.
+
+### Görev
+
+Gerekli yazılımları yükleyin.
+
+1. Python'u yükleyin. En son Python sürümünü yükleme talimatları için [Python indirme sayfasına](https://www.python.org/downloads/) bakın.
+
+1. Visual Studio Code (VS Code) yükleyin. Bu, Python'da sanal cihaz kodunuzu yazmak için kullanacağınız editördür. VS Code'u yükleme talimatları için [VS Code belgelerine](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) bakın.
+
+    > 💁 Bu derslerde tercih ettiğiniz bir Python IDE veya editörünü kullanmakta özgürsünüz, ancak dersler VS Code kullanımı temel alınarak talimatlar verecektir.
+
+1. VS Code Pylance uzantısını yükleyin. Bu, Python dil desteği sağlayan bir VS Code uzantısıdır. Bu uzantıyı VS Code'a yükleme talimatları için [Pylance uzantı belgelerine](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) bakın.
+
+CounterFit uygulamasını yükleme ve yapılandırma talimatları, ilgili zamanlarda ve proje bazında verilecektir.
+
+## Merhaba Dünya
+
+Yeni bir programlama dili veya teknolojiyle başlarken geleneksel olarak bir 'Merhaba Dünya' uygulaması oluşturulur - tüm araçların doğru şekilde yapılandırıldığını göstermek için `"Merhaba Dünya"` gibi bir metni çıktı olarak veren küçük bir uygulama.
+
+Sanal IoT donanımı için Merhaba Dünya uygulaması, Python ve Visual Studio Code'un doğru şekilde yüklendiğinden emin olmanızı sağlar. Ayrıca sanal IoT sensörleri ve aktüatörleri için CounterFit'e bağlanır. Herhangi bir donanım kullanmaz, sadece her şeyin çalıştığını kanıtlamak için bağlanır.
+
+Bu uygulama `nightlight` adlı bir klasörde bulunacak ve bu ödevin sonraki bölümlerinde gece lambası uygulamasını oluşturmak için farklı kodlarla yeniden kullanılacaktır.
+
+### Bir Python sanal ortamı yapılandırın
+
+Python'un güçlü özelliklerinden biri, [Pip paketlerini](https://pypi.org) yükleme yeteneğidir - bunlar, diğer kişiler tarafından yazılmış ve İnternet'e yayınlanmış kod paketleridir. Bir Pip paketini bilgisayarınıza tek bir komutla yükleyebilir ve ardından bu paketi kodunuzda kullanabilirsiniz. CounterFit ile iletişim kurmak için bir paket yüklemek için Pip kullanacaksınız.
+
+Varsayılan olarak bir paket yüklediğinizde, bu paket bilgisayarınızda her yerde kullanılabilir hale gelir ve bu, paket sürümleriyle ilgili sorunlara yol açabilir - örneğin, bir uygulamanın bir paketin bir sürümüne bağlı olması ve başka bir uygulama için yeni bir sürüm yüklediğinizde bozulması gibi. Bu sorunu çözmek için, [Python sanal ortamı](https://docs.python.org/3/library/venv.html) kullanabilirsiniz; bu, özel bir klasörde Python'un bir kopyasıdır ve Pip paketlerini yüklediğinizde yalnızca o klasöre yüklenir.
+
+> 💁 Eğer bir Raspberry Pi kullanıyorsanız, bu cihazda Pip paketlerini yönetmek için bir sanal ortam kurmadınız, bunun yerine küresel paketler kullanıyorsunuz çünkü Grove paketleri yükleyici betiği tarafından küresel olarak yüklenir.
+
+#### Görev - bir Python sanal ortamı yapılandırın
+
+Bir Python sanal ortamı yapılandırın ve CounterFit için Pip paketlerini yükleyin.
+
+1. Terminalinizden veya komut satırından, yeni bir dizin oluşturmak ve bu dizine gitmek için aşağıdaki komutları çalıştırın:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    ```
+
+1. Şimdi `.venv` klasöründe bir sanal ortam oluşturmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 Python 2'nin yanı sıra Python 3'ün (en son sürüm) yüklü olma ihtimaline karşı sanal ortamı oluşturmak için açıkça `python3` çağırmanız gerekir. Eğer Python 2 yüklüyse, `python` çağrısı Python 2'yi kullanacaktır.
+
+1. Sanal ortamı etkinleştirin:
+
+    * Windows'da:
+        * Komut İstemi veya Windows Terminal üzerinden Komut İstemi kullanıyorsanız, aşağıdaki komutu çalıştırın:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * PowerShell kullanıyorsanız, aşağıdaki komutu çalıştırın:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+            > Eğer bu sistemde betiklerin çalıştırılmasının devre dışı bırakıldığına dair bir hata alırsanız, uygun bir yürütme politikası ayarlayarak betiklerin çalıştırılmasını etkinleştirmeniz gerekecektir. Bunu, PowerShell'i yönetici olarak başlatarak ve ardından aşağıdaki komutu çalıştırarak yapabilirsiniz:
+
+            ```powershell
+            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
+            ```
+
+            Onay istendiğinde `Y` girin. Ardından PowerShell'i yeniden başlatın ve tekrar deneyin.
+
+            Gerekirse bu yürütme politikasını daha sonra sıfırlayabilirsiniz. Bununla ilgili daha fazla bilgiyi [Microsoft Docs'taki Yürütme Politikaları sayfasında](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn) bulabilirsiniz.
+
+    * macOS veya Linux'ta, aşağıdaki komutu çalıştırın:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Bu komutlar, sanal ortamı oluşturduğunuz konumdan çalıştırılmalıdır. `.venv` klasörüne asla gitmeniz gerekmez, her zaman etkinleştirme komutunu ve paketleri yüklemek veya kod çalıştırmak için komutları sanal ortamı oluşturduğunuz klasörden çalıştırmalısınız.
+
+1. Sanal ortam etkinleştirildikten sonra, varsayılan `python` komutu, sanal ortamı oluşturmak için kullanılan Python sürümünü çalıştıracaktır. Sürümü almak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    python --version
+    ```
+
+    Çıktı aşağıdakileri içermelidir:
+
+    ```output
+    (.venv) ➜  nightlight python --version
+    Python 3.9.1
+    ```
+
+    > 💁 Python sürümünüz farklı olabilir - sürüm 3.6 veya daha yüksek olduğu sürece sorun yok. Eğer değilse, bu klasörü silin, daha yeni bir Python sürümü yükleyin ve tekrar deneyin.
+
+1. CounterFit için Pip paketlerini yüklemek için aşağıdaki komutları çalıştırın. Bu paketler, Grove donanımı için ana CounterFit uygulamasının yanı sıra shims içerir. Bu shims, fiziksel sensörler ve Grove ekosisteminden aktüatörler kullanıyormuş gibi kod yazmanıza olanak tanır, ancak sanal IoT cihazlarına bağlanır.
+
+    ```sh
+    pip install CounterFit
+    pip install counterfit-connection
+    pip install counterfit-shims-grove
+    ```
+
+    Bu pip paketleri yalnızca sanal ortamda yüklenecek ve bu ortamın dışında kullanılamayacaktır.
+
+### Kodu yazın
+
+Python sanal ortamı hazır olduğunda, 'Merhaba Dünya' uygulaması için kodu yazabilirsiniz.
+
+#### Görev - kodu yazın
+
+Konsola `"Merhaba Dünya"` yazdıran bir Python uygulaması oluşturun.
+
+1. Sanal ortam içinde terminalinizden veya komut satırından aşağıdaki komutu çalıştırarak `app.py` adlı bir Python dosyası oluşturun:
+
+    * Windows'dan çalıştırın:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * macOS veya Linux'ta çalıştırın:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. Mevcut klasörü VS Code'da açın:
+
+    ```sh
+    code .
+    ```
+
+    > 💁 Eğer terminaliniz macOS'ta `command not found` döndürüyorsa, bu VS Code'un PATH'e eklenmediği anlamına gelir. PATH'e VS Code'u eklemek için [VS Code belgelerindeki Komut satırından başlatma bölümündeki](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) talimatları izleyin ve ardından komutu çalıştırın. VS Code, Windows ve Linux'ta varsayılan olarak PATH'e eklenir.
+
+1. VS Code başlatıldığında, Python sanal ortamını etkinleştirecektir. Seçilen sanal ortam alt durum çubuğunda görünecektir:
+
+    ![VS Code seçilen sanal ortamı gösteriyor](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.tr.png)
+
+1. VS Code Terminali, VS Code başlatıldığında zaten çalışıyorsa, sanal ortam terminalde etkinleştirilmemiş olacaktır. En kolay şey, **Aktif terminal örneğini kapat** düğmesini kullanarak terminali kapatmaktır:
+
+    ![VS Code Aktif terminal örneğini kapat düğmesi](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.tr.png)
+
+    Terminalin sanal ortamı etkinleştirdiğini, terminal isteminde sanal ortamın adının bir ön ek olarak görünmesiyle anlayabilirsiniz. Örneğin, şu şekilde olabilir:
+
+    ```sh
+    (.venv) ➜  nightlight
+    ```
+
+    Eğer istemde `.venv` ön eki yoksa, sanal ortam terminalde etkin değil demektir.
+
+1. *Terminal -> Yeni Terminal* seçeneğini seçerek veya `` CTRL+` `` tuşlarına basarak yeni bir VS Code Terminali başlatın. Yeni terminal sanal ortamı yükleyecek ve bunu etkinleştirme çağrısı terminalde görünecektir. İstem ayrıca sanal ortamın adını (`.venv`) içerecektir:
+
+    ```output
+    ➜  nightlight source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. VS Code gezgininden `app.py` dosyasını açın ve aşağıdaki kodu ekleyin:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    `print` fonksiyonu, kendisine iletilen her şeyi konsola yazdırır.
+
+1. VS Code terminalinden, Python uygulamanızı çalıştırmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    python app.py
+    ```
+
+    Çıktı aşağıdaki gibi olacaktır:
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    Hello World!
+    ```
+
+😀 'Merhaba Dünya' programınız başarılı oldu!
+
+### 'Donanımı' bağlayın
+
+İkinci bir 'Merhaba Dünya' adımı olarak, CounterFit uygulamasını çalıştıracak ve kodunuzu ona bağlayacaksınız. Bu, bir IoT donanımını bir geliştirme kitine bağlamanın sanal eşdeğeridir.
+
+#### Görev - 'Donanımı' bağlayın
+
+1. VS Code terminalinden, CounterFit uygulamasını aşağıdaki komutla başlatın:
+
+    ```sh
+    counterfit
+    ```
+
+    Uygulama çalışmaya başlayacak ve web tarayıcınızda açılacaktır:
+
+    ![Counter Fit uygulaması bir tarayıcıda çalışıyor](../../../../../translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.tr.png)
+
+    *Bağlantısız* olarak işaretlenecek ve sağ üst köşedeki LED kapalı olacaktır.
+
+1. `app.py` dosyasının üstüne aşağıdaki kodu ekleyin:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+    Bu kod, daha önce yüklediğiniz `counterfit-connection` pip paketinden gelen `counterfit_connection` modülünden `CounterFitConnection` sınıfını içe aktarır. Ardından, `127.0.0.1` üzerinde çalışan CounterFit uygulamasına bir bağlantı başlatır, bu IP adresi her zaman yerel bilgisayarınıza erişmek için kullanılabilir (genellikle *localhost* olarak adlandırılır), 5000 portunda.
+
+    > 💁 Eğer 5000 portunda çalışan başka uygulamalarınız varsa, bunu kodda portu güncelleyerek ve CounterFit'i `CounterFit --port <port_number>` komutuyla çalıştırarak değiştirebilirsiniz. `<port_number>` yerine kullanmak istediğiniz portu yazın.
+
+1. CounterFit uygulaması mevcut terminalde çalıştığı için yeni bir VS Code terminali başlatmanız gerekecek. **Yeni bir entegre terminal oluştur** düğmesini seçerek bunu yapabilirsiniz.
+
+    ![VS Code Yeni bir entegre terminal oluştur düğmesi](../../../../../translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.tr.png)
+
+1. Bu yeni terminalde, daha önce olduğu gibi `app.py` dosyasını çalıştırın. CounterFit'in durumu **Bağlı** olarak değişecek ve LED yanacaktır.
+
+    ![Counter Fit bağlı olarak gösteriliyor](../../../../../translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.tr.png)
+
+> 💁 Bu kodu [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) klasöründe bulabilirsiniz.
+
+😀 Donanıma bağlantınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/tr/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
new file mode 100644
index 00000000..fbc1d55e
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
@@ -0,0 +1,222 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
+  "translation_date": "2025-08-28T03:39:04+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
+  "language_code": "tr"
+}
+-->
+# Wio Terminal
+
+[Seeed Studios'un Wio Terminal'i](https://www.seeedstudio.com/Wio-Terminal-p-4509.html), WiFi, bazı sensörler ve aktüatörler ile donatılmış, Arduino uyumlu bir mikrodenetleyicidir. Ayrıca, [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) adlı bir donanım ekosistemi kullanarak daha fazla sensör ve aktüatör eklemek için portlara sahiptir.
+
+![Seeed Studios Wio Terminal](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.tr.png)
+
+## Kurulum
+
+Wio Terminal'inizi kullanmak için bilgisayarınıza bazı ücretsiz yazılımlar yüklemeniz gerekecek. Ayrıca, Wio Terminal'i WiFi'ye bağlamadan önce ürün yazılımını güncellemeniz gerekecek.
+
+### Görev - Kurulum
+
+Gerekli yazılımları yükleyin ve ürün yazılımını güncelleyin.
+
+1. Visual Studio Code (VS Code) yükleyin. Bu, cihaz kodunuzu C/C++ dilinde yazmak için kullanacağınız editördür. VS Code'u yükleme talimatları için [VS Code belgelerine](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) bakın.
+
+    > 💁 Arduino geliştirme için popüler bir diğer IDE, [Arduino IDE](https://www.arduino.cc/en/software)'dir. Bu araca zaten aşinaysanız, VS Code ve PlatformIO yerine bunu kullanabilirsiniz. Ancak derslerde verilen talimatlar VS Code kullanımı üzerine olacaktır.
+
+1. VS Code PlatformIO uzantısını yükleyin. Bu, C/C++ dilinde mikrodenetleyicileri programlamayı destekleyen bir VS Code uzantısıdır. Bu uzantıyı VS Code'a yükleme talimatları için [PlatformIO uzantı belgelerine](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide) bakın. Bu uzantı, C ve C++ kodlarıyla çalışmak için Microsoft C/C++ uzantısına bağlıdır ve PlatformIO'yu yüklediğinizde bu uzantı otomatik olarak yüklenir.
+
+1. Wio Terminal'inizi bilgisayarınıza bağlayın. Wio Terminal'in alt kısmında bir USB-C portu bulunur ve bu portun bilgisayarınızdaki bir USB portuna bağlanması gerekir. Wio Terminal, bir USB-C - USB-A kablosu ile gelir. Ancak bilgisayarınızda yalnızca USB-C portları varsa, bir USB-C kablosu veya USB-A - USB-C adaptörüne ihtiyacınız olacaktır.
+
+1. Wio Terminal'inizi kurmak ve ürün yazılımını güncellemek için [Wio Terminal Wiki WiFi Genel Bakış belgelerindeki](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/) talimatları izleyin.
+
+## Merhaba Dünya
+
+Yeni bir programlama dili veya teknolojiyle çalışmaya başlarken, genellikle bir 'Merhaba Dünya' uygulaması oluşturulur. Bu, tüm araçların doğru şekilde yapılandırıldığını göstermek için `"Merhaba Dünya"` gibi bir metni çıktı olarak veren küçük bir uygulamadır.
+
+Wio Terminal için 'Merhaba Dünya' uygulaması, Visual Studio Code'un PlatformIO ile birlikte mikrodenetleyici geliştirme için doğru şekilde kurulduğundan emin olmanızı sağlar.
+
+### PlatformIO projesi oluşturun
+
+İlk adım, Wio Terminal için yapılandırılmış bir PlatformIO projesi oluşturmaktır.
+
+#### Görev - PlatformIO projesi oluşturun
+
+PlatformIO projesini oluşturun.
+
+1. Wio Terminal'i bilgisayarınıza bağlayın.
+
+1. VS Code'u başlatın.
+
+1. PlatformIO simgesi yan menü çubuğunda görünecektir:
+
+    ![Platform IO menü seçeneği](../../../../../translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.tr.png)
+
+    Bu menü öğesini seçin, ardından *PIO Home -> Open* seçeneğini seçin.
+
+    ![Platform IO açma seçeneği](../../../../../translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.tr.png)
+
+1. Hoş geldiniz ekranından **+ New Project** düğmesini seçin.
+
+    ![Yeni proje düğmesi](../../../../../translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.tr.png)
+
+1. *Proje Sihirbazı*nda projeyi yapılandırın:
+
+    1. Projenize `nightlight` adını verin.
+
+    1. *Board* açılır menüsünden `WIO` yazın ve kartları filtreleyin, ardından *Seeeduino Wio Terminal* seçeneğini seçin.
+
+    1. *Framework* olarak *Arduino* seçeneğini bırakın.
+
+    1. *Use default location* kutusunu işaretli bırakın veya işaretini kaldırarak projeniz için bir konum seçin.
+
+    1. **Finish** düğmesini seçin.
+
+    ![Tamamlanmış proje sihirbazı](../../../../../translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.tr.png)
+
+    PlatformIO, Wio Terminal için kod derlemek için gereken bileşenleri indirir ve projenizi oluşturur. Bu işlem birkaç dakika sürebilir.
+
+### PlatformIO projesini inceleyin
+
+VS Code gezgini, PlatformIO sihirbazı tarafından oluşturulan bir dizi dosya ve klasörü gösterecektir.
+
+#### Klasörler
+
+* `.pio` - Bu klasör, PlatformIO tarafından kullanılan geçici verileri içerir, örneğin kütüphaneler veya derlenmiş kod. Silinirse otomatik olarak yeniden oluşturulur ve projenizi GitHub gibi sitelerde paylaşırken kaynak kod kontrolüne eklemeniz gerekmez.
+* `.vscode` - Bu klasör, PlatformIO ve VS Code tarafından kullanılan yapılandırmayı içerir. Silinirse otomatik olarak yeniden oluşturulur ve projenizi GitHub gibi sitelerde paylaşırken kaynak kod kontrolüne eklemeniz gerekmez.
+* `include` - Bu klasör, kodunuza ek kütüphaneler eklerken ihtiyaç duyulan harici başlık dosyaları içindir. Bu derslerde bu klasörü kullanmayacaksınız.
+* `lib` - Bu klasör, kodunuzdan çağırmak istediğiniz harici kütüphaneler içindir. Bu derslerde bu klasörü kullanmayacaksınız.
+* `src` - Bu klasör, uygulamanızın ana kaynak kodunu içerir. Başlangıçta yalnızca bir dosya - `main.cpp` - içerir.
+* `test` - Bu klasör, kodunuz için birim testlerini koyacağınız yerdir.
+
+#### Dosyalar
+
+* `main.cpp` - `src` klasöründeki bu dosya, uygulamanızın giriş noktasını içerir. Bu dosyayı açtığınızda aşağıdaki kodu içerir:
+
+    ```cpp
+    #include <Arduino.h>
+    
+    void setup() {
+      // put your setup code here, to run once:
+    }
+    
+    void loop() {
+      // put your main code here, to run repeatedly:
+    }
+    ```
+
+    Cihaz başlatıldığında, Arduino framework'ü `setup` fonksiyonunu bir kez çalıştırır, ardından cihaz kapatılana kadar `loop` fonksiyonunu tekrar tekrar çalıştırır.
+
+* `.gitignore` - Bu dosya, kodunuzu Git kaynak kod kontrolüne eklerken (örneğin, bir GitHub deposuna yüklerken) göz ardı edilecek dosya ve dizinleri listeler.
+
+* `platformio.ini` - Bu dosya, cihazınız ve uygulamanız için yapılandırmayı içerir. Bu dosyayı açtığınızda aşağıdaki kodu içerir:
+
+    ```ini
+    [env:seeed_wio_terminal]
+    platform = atmelsam
+    board = seeed_wio_terminal
+    framework = arduino
+    ```
+
+    `[env:seeed_wio_terminal]` bölümü, Wio Terminal için yapılandırmayı içerir. Kodunuzun birden fazla kart için derlenebilmesi için birden fazla `env` bölümü ekleyebilirsiniz.
+
+    Diğer değerler, proje sihirbazındaki yapılandırmayla eşleşir:
+
+  * `platform = atmelsam`, Wio Terminal'in kullandığı donanımı tanımlar (ATSAMD51 tabanlı bir mikrodenetleyici).
+  * `board = seeed_wio_terminal`, mikrodenetleyici kartının türünü tanımlar (Wio Terminal).
+  * `framework = arduino`, bu projenin Arduino framework'ünü kullandığını tanımlar.
+
+### Merhaba Dünya uygulamasını yazın
+
+Artık Merhaba Dünya uygulamasını yazmaya hazırsınız.
+
+#### Görev - Merhaba Dünya uygulamasını yazın
+
+Merhaba Dünya uygulamasını yazın.
+
+1. VS Code'da `main.cpp` dosyasını açın.
+
+1. Kodu aşağıdakiyle değiştirin:
+
+    ```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` fonksiyonu, seri porta (bu durumda, Wio Terminal'in bilgisayarınıza bağlanmak için kullandığı USB portu) bir bağlantı başlatır. Parametre `9600`, [baud hızı](https://wikipedia.org/wiki/Symbol_rate) (veya Sembol hızı) olarak bilinir ve seri port üzerinden saniyede gönderilecek veri hızını tanımlar. Bu ayar, saniyede 9.600 bit (0 ve 1) veri gönderileceği anlamına gelir. Ardından seri portun hazır olmasını bekler.
+
+    `loop` fonksiyonu, `Hello World!` satırını seri porta gönderir, böylece `Hello World!` karakterleri ve bir yeni satır karakteri gönderilir. Ardından 5.000 milisaniye veya 5 saniye uyur. `loop` sona erdikten sonra tekrar çalıştırılır ve cihaz açık olduğu sürece bu işlem tekrarlanır.
+
+1. Wio Terminal'inizi yükleme moduna alın. Cihaza her yeni kod yüklediğinizde bunu yapmanız gerekecek:
+
+    1. Güç anahtarını iki kez hızlıca aşağı çekin - her seferinde anahtar tekrar açık konuma dönecektir.
+
+    1. USB portunun sağ tarafındaki mavi durum LED'ini kontrol edin. LED'in yanıp sönmesi gerekir.
+    
+    [![Wio Terminal'i yükleme moduna alma videosu](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
+    
+    Bunu nasıl yapacağınızı gösteren bir video için yukarıdaki görsele tıklayın.
+
+1. Kodu derleyin ve Wio Terminal'e yükleyin.
+
+    1. VS Code komut paletini açın.
+
+    1. `PlatformIO Upload` yazın ve yükleme seçeneğini arayın, ardından *PlatformIO: Upload* seçeneğini seçin.
+
+        ![Komut paletinde PlatformIO yükleme seçeneği](../../../../../translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.tr.png)
+
+        PlatformIO, gerekirse kodu otomatik olarak derler ve ardından yükler.
+
+    1. Kod derlenir ve Wio Terminal'e yüklenir.
+
+        > 💁 macOS kullanıyorsanız, *DISK NOT EJECTED PROPERLY* (Disk Doğru Şekilde Çıkarılmadı) hakkında bir bildirim alabilirsiniz. Bunun nedeni, Wio Terminal'in flaşlama işleminin bir parçası olarak bir sürücü olarak bağlanması ve derlenmiş kod cihaza yazıldığında bağlantısının kesilmesidir. Bu bildirimi görmezden gelebilirsiniz.
+
+    ⚠️ Yükleme portunun kullanılamadığına dair hatalar alırsanız, önce Wio Terminal'inizin bilgisayarınıza bağlı olduğundan, ekranın sol tarafındaki anahtar kullanılarak açık olduğundan ve yükleme moduna alındığından emin olun. Alt kısımdaki yeşil ışık yanmalı ve mavi ışık yanıp sönmelidir. Hala hata alıyorsanız, Wio Terminal'i yükleme moduna zorlamak için açma/kapama anahtarını tekrar hızlıca iki kez aşağı çekin ve yüklemeyi tekrar deneyin.
+
+PlatformIO'nun, Wio Terminal'den USB kablosu üzerinden gönderilen verileri izleyebilen bir Seri Monitörü vardır. Bu, `Serial.println("Hello World");` komutuyla gönderilen verileri izlemenizi sağlar.
+
+1. VS Code komut paletini açın.
+
+1. `PlatformIO Serial` yazın ve Seri Monitör seçeneğini arayın, ardından *PlatformIO: Serial Monitor* seçeneğini seçin.
+
+    ![Komut paletinde PlatformIO Seri Monitör seçeneği](../../../../../translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.tr.png)
+
+    Yeni bir terminal açılacak ve seri port üzerinden gönderilen veriler bu terminale akacaktır:
+
+    ```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` her 5 saniyede bir seri monitöre yazdırılacaktır.
+
+> 💁 Bu kodu [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 'Merhaba Dünya' programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/2-deeper-dive/README.md b/translations/tr/1-getting-started/lessons/2-deeper-dive/README.md
new file mode 100644
index 00000000..307a57fb
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/2-deeper-dive/README.md
@@ -0,0 +1,277 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
+  "translation_date": "2025-08-28T03:26:00+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
+  "language_code": "tr"
+}
+-->
+# IoT'ye Daha Derin Bir Bakış
+
+![Bu dersin genel bir sketchnote görünümü](../../../../../translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için resme tıklayın.
+
+Bu ders, [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) tarafından sunulan [Hello IoT serisi](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) kapsamında öğretilmiştir. Ders, 1 saatlik bir ders ve ardından dersin bazı bölümlerine daha derinlemesine bakış ve soruların yanıtlandığı 1 saatlik bir ofis saati olmak üzere iki video olarak sunulmuştur.
+
+[![Ders 2: IoT'ye Daha Derin Bir Bakış](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
+
+[![Ders 2: IoT'ye Daha Derin Bir Bakış - Ofis Saatleri](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
+
+> 🎥 Videoları izlemek için yukarıdaki resimlere tıklayın
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
+
+## Giriş
+
+Bu ders, önceki derste ele alınan bazı kavramlara daha derinlemesine bir bakış sunar.
+
+Bu derste ele alacağımız konular:
+
+* [Bir IoT uygulamasının bileşenleri](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [Mikrokontrolcülere daha derinlemesine bakış](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [Tek kartlı bilgisayarlara daha derinlemesine bakış](../../../../../1-getting-started/lessons/2-deeper-dive)
+
+## Bir IoT Uygulamasının Bileşenleri
+
+Bir IoT uygulamasının iki bileşeni vardır: *İnternet* ve *şey*. Şimdi bu iki bileşene biraz daha detaylı bakalım.
+
+### Şey
+
+![Bir Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.tr.jpg)
+
+IoT'nin **Şey** kısmı, fiziksel dünyayla etkileşim kurabilen bir cihazı ifade eder. Bu cihazlar genellikle küçük, düşük fiyatlı bilgisayarlardır, düşük hızlarda çalışır ve düşük güç kullanır - örneğin, yalnızca birkaç yüz megahertz hızında çalışan ve bazen o kadar az güç tüketen basit mikrokontrolcüler (PC'deki gigabaytlar yerine kilobaytlar RAM ile) ki pillerle haftalar, aylar veya hatta yıllarca çalışabilirler.
+
+Bu cihazlar fiziksel dünyayla etkileşim kurar; ya sensörler kullanarak çevrelerinden veri toplar ya da çıkışlar veya aktüatörler aracılığıyla fiziksel değişiklikler yapar. Bunun tipik bir örneği akıllı bir termostattır - bir sıcaklık sensörüne, bir dokunmatik ekran veya bir düğme gibi istenen sıcaklığı ayarlama yöntemine ve algılanan sıcaklık istenen aralığın dışındaysa açılabilen bir ısıtma veya soğutma sistemine bağlanma yeteneğine sahip bir cihaz. Sıcaklık sensörü odanın çok soğuk olduğunu algılar ve bir aktüatör ısıtmayı açar.
+
+![Bir IoT cihazına giriş olarak sıcaklık ve bir düğme, çıkış olarak bir ısıtıcı kontrolünü gösteren bir diyagram](../../../../../translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.tr.png)
+
+IoT cihazı olarak hareket edebilecek çok çeşitli şeyler vardır; bir şeyi algılayan özel donanımdan genel amaçlı cihazlara kadar, hatta akıllı telefonunuz bile! Bir akıllı telefon, çevresindeki dünyayı algılamak için sensörler ve dünyayla etkileşim kurmak için aktüatörler kullanabilir - örneğin, bir GPS sensörü kullanarak konumunuzu algılayabilir ve bir hoparlör kullanarak bir hedefe navigasyon talimatları verebilir.
+
+✅ Çevrenizdeki sensörlerden veri okuyan ve bu verileri kullanarak kararlar alan diğer sistemleri düşünün. Bir örnek, bir fırının termostatı olabilir. Daha fazla örnek bulabilir misiniz?
+
+### İnternet
+
+IoT uygulamasının **İnternet** tarafı, IoT cihazının veri göndermek ve almak için bağlanabileceği uygulamaları, ayrıca IoT cihazından gelen verileri işleyebilecek ve IoT cihazının aktüatörlerine hangi taleplerin gönderileceğine karar vermeye yardımcı olabilecek diğer uygulamaları içerir.
+
+Tipik bir kurulum, IoT cihazının bağlandığı bir tür bulut hizmetine sahip olmak ve bu bulut hizmetinin güvenlik gibi şeyleri, IoT cihazından gelen mesajları almayı ve cihaza mesajlar göndermeyi yönetmesidir. Bu bulut hizmeti daha sonra sensör verilerini işleyebilecek veya depolayabilecek diğer uygulamalara bağlanır ya da diğer sistemlerden gelen verilerle sensör verilerini kullanarak kararlar alır.
+
+Cihazlar her zaman WiFi veya kablolu bağlantılar üzerinden doğrudan İnternet'e bağlanmaz. Bazı cihazlar, Bluetooth gibi teknolojiler üzerinden birbirleriyle konuşmak için ağ oluşturmayı kullanır ve bir İnternet bağlantısına sahip bir hub cihazı üzerinden bağlanır.
+
+Akıllı termostat örneğinde, termostat ev WiFi'sini kullanarak bulutta çalışan bir bulut hizmetine bağlanır. Bu bulut hizmetine sıcaklık verilerini gönderir ve buradan bir tür veritabanına yazılır, böylece ev sahibi bir telefon uygulaması kullanarak mevcut ve geçmiş sıcaklıkları kontrol edebilir. Buluttaki başka bir hizmet, ev sahibinin istediği sıcaklığı bilir ve bulut hizmeti aracılığıyla IoT cihazına mesajlar göndererek ısıtma sistemini açıp kapatmasını söyler.
+
+![Bir IoT cihazına giriş olarak sıcaklık ve bir düğme, IoT cihazının bulutla iki yönlü iletişimi, bulutun telefonla iki yönlü iletişimi ve IoT cihazından bir ısıtıcı kontrolü çıkışı gösteren bir diyagram](../../../../../translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.tr.png)
+
+Daha akıllı bir versiyon, buluttaki AI'yi diğer IoT cihazlarına bağlı diğer sensörlerden gelen verilerle, örneğin hangi odaların kullanıldığını algılayan doluluk sensörleriyle, hava durumu ve hatta takviminiz gibi verilerle birleştirerek sıcaklığı akıllı bir şekilde ayarlamak için kararlar alabilir. Örneğin, takviminizden tatilde olduğunuzu okursa ısıtmanızı kapatabilir veya hangi odaları kullandığınıza bağlı olarak oda bazında ısıtmayı kapatabilir, zamanla daha doğru olmak için verilerden öğrenebilir.
+
+![Bir IoT cihazına giriş olarak birden fazla sıcaklık sensörü ve bir düğme, IoT cihazının bulutla iki yönlü iletişimi, bulutun telefon, takvim ve hava durumu hizmetiyle iki yönlü iletişimi ve IoT cihazından bir ısıtıcı kontrolü çıkışı gösteren bir diyagram](../../../../../translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.tr.png)
+
+✅ İnternet bağlantılı bir termostatı daha akıllı hale getirebilecek başka hangi veriler olabilir?
+
+### Edge'de IoT
+
+IoT'deki "I" harfi İnternet'i temsil etse de, bu cihazların İnternet'e bağlanması gerekmez. Bazı durumlarda, cihazlar yerel ağınızda çalışan ve verileri İnternet üzerinden bir çağrı yapmadan işleyebilen 'edge' cihazlara bağlanabilir. Bu, çok fazla veri olduğunda veya İnternet bağlantısı yavaş olduğunda daha hızlı olabilir, İnternet bağlantısının mümkün olmadığı durumlarda (örneğin bir gemide veya insani bir kriz sırasında bir afet bölgesinde) çevrimdışı çalışmanıza olanak tanır ve verilerinizi özel tutmanızı sağlar. Bazı cihazlar, bulut araçları kullanılarak oluşturulan işleme kodunu içerir ve bir karar vermek için İnternet bağlantısı kullanmadan verileri toplamak ve yanıt vermek için bunu yerel olarak çalıştırır.
+
+Bunun bir örneği, Apple HomePod, Amazon Alexa veya Google Home gibi bir akıllı ev cihazıdır. Bu cihazlar, bulutta eğitilmiş AI modellerini kullanarak sesinizi dinler, ancak yerel olarak cihazda çalışır. Bu cihazlar, belirli bir kelime veya ifade söylendiğinde 'uyanır' ve yalnızca o zaman konuşmanızı işlemek için İnternet üzerinden gönderir. Cihaz, konuşmanızdaki bir duraklamayı algıladığında uygun bir noktada konuşmayı göndermeyi durdurur. Cihazı uyandıran kelimeyi söylemeden önce söyledikleriniz ve cihaz dinlemeyi durdurduktan sonra söyledikleriniz, cihaz sağlayıcısına İnternet üzerinden gönderilmez ve bu nedenle özel kalır.
+
+✅ Gizliliğin önemli olduğu ve verilerin işlenmesinin bulutta değil edge'de yapılmasının daha iyi olacağı diğer senaryoları düşünün. Bir ipucu: Kameralar veya diğer görüntüleme cihazları olan IoT cihazlarını düşünün.
+
+### IoT Güvenliği
+
+Herhangi bir İnternet bağlantısında, güvenlik önemli bir husustur. Eski bir şaka, 'IoT'deki S harfi Güvenlik için' der - IoT'de 'S' harfi yoktur, bu da güvenli olmadığını ima eder.
+
+IoT cihazları bir bulut hizmetine bağlanır ve bu nedenle yalnızca o bulut hizmeti kadar güvenlidir - eğer bulut hizmetiniz herhangi bir cihazın bağlanmasına izin veriyorsa, kötü niyetli veriler gönderilebilir veya virüs saldırıları gerçekleşebilir. Bu, IoT cihazlarının diğer cihazlarla etkileşim kurması ve kontrol etmesi nedeniyle çok gerçek dünya sonuçlarına yol açabilir. Örneğin, [Stuxnet solucanı](https://wikipedia.org/wiki/Stuxnet) santrifüjlerdeki vanaları manipüle ederek zarar vermiştir. Hackerlar ayrıca [zayıf güvenlikten yararlanarak bebek monitörlerine](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) ve diğer ev gözetim cihazlarına erişim sağlamıştır.
+
+> 💁 Bazen IoT cihazları ve edge cihazları, verileri özel ve güvenli tutmak için tamamen İnternet'ten izole edilmiş bir ağda çalışır. Bu, [air-gapping](https://wikipedia.org/wiki/Air_gap_(networking)) olarak bilinir.
+
+## Mikrokontrolcülere Daha Derinlemesine Bakış
+
+Son derste mikrokontrolcülerden bahsetmiştik. Şimdi onlara daha derinlemesine bakalım.
+
+### CPU
+
+CPU, mikrokontrolcünün 'beyni'dir. Kodunuzu çalıştıran ve bağlı cihazlardan veri alıp gönderebilen işlemcidir. CPU'lar bir veya daha fazla çekirdek içerebilir - temelde kodunuzu çalıştırmak için birlikte çalışabilen bir veya daha fazla CPU.
+
+CPU'lar, saniyede milyonlarca veya milyarlarca kez tikleyen bir saate dayanır. Her tik veya döngü, CPU'nun gerçekleştirebileceği eylemleri senkronize eder. Her tikte, CPU bir programdan bir talimatı çalıştırabilir, örneğin bir harici cihazdan veri almak veya matematiksel bir hesaplama yapmak. Bu düzenli döngü, bir sonraki talimat işlenmeden önce tüm eylemlerin tamamlanmasını sağlar.
+
+Saat döngüsü ne kadar hızlı olursa, saniyede o kadar fazla talimat işlenebilir ve dolayısıyla CPU o kadar hızlı olur. CPU hızları, saniyede bir döngü veya saat tikini ifade eden standart bir birim olan [Hertz (Hz)](https://wikipedia.org/wiki/Hertz) cinsinden ölçülür.
+
+> 🎓 CPU hızları genellikle MHz veya GHz olarak verilir. 1MHz, 1 milyon Hz, 1GHz, 1 milyar Hz'dir.
+
+> 💁 CPU'lar programları [fetch-decode-execute döngüsü](https://wikipedia.org/wiki/Instruction_cycle) kullanarak çalıştırır. Her saat tikinde, CPU bellekteki bir sonraki talimatı alır, kodunu çözer ve ardından iki sayıyı toplamak gibi bir aritmetik mantık birimi (ALU) kullanarak çalıştırır. Bazı işlemler birden fazla tik gerektirir, bu nedenle bir sonraki döngü, talimat tamamlandıktan sonraki tikte çalışır.
+
+![Fetch decode execute döngüleri, RAM'de depolanan programdan bir talimat almayı, ardından bunu CPU'da kod çözmeyi ve çalıştırmayı gösterir](../../../../../translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.tr.png)
+
+Mikrokontrolcüler, masaüstü veya dizüstü bilgisayarlar ya da çoğu akıllı telefonlardan çok daha düşük saat hızlarına sahiptir. Örneğin, Wio Terminal'in CPU'su 120MHz veya saniyede 120.000.000 döngü hızında çalışır.
+
+✅ Ortalama bir PC veya Mac, birden fazla çekirdeğe sahip ve birden fazla Gigahertz hızında çalışan bir CPU'ya sahiptir, yani saat tikleri saniyede milyarlarca kez gerçekleşir. Bilgisayarınızın saat hızını araştırın ve Wio Terminal'den kaç kat daha hızlı olduğunu karşılaştırın.
+
+Her saat döngüsü güç çeker ve ısı üretir. Tikler ne kadar hızlı olursa, o kadar fazla güç tüketilir ve o kadar fazla ısı üretilir. PC'ler, ısıyı uzaklaştırmak için ısı alıcıları ve fanlara sahiptir, aksi takdirde birkaç saniye içinde aşırı ısınır ve kapanır. Mikrokontrolcüler genellikle bunlara sahip değildir çünkü çok daha soğuk çalışır ve dolayısıyla çok daha yavaş çalışır. PC'ler ana güç veya birkaç saatlik büyük pillerle çalışır, mikrokontrolcüler küçük pillerle günler, aylar veya hatta yıllarca çalışabilir. Mikrokontrolcüler ayrıca farklı hızlarda çalışan çekirdeklere sahip olabilir, CPU üzerindeki talep düşük olduğunda daha düşük hızlı düşük güç çekirdeklerine geçerek güç tüketimini azaltabilir.
+
+> 💁 Bazı PC'ler ve Mac'ler, hızlı yüksek güçlü çekirdekler ve daha yavaş düşük güçlü çekirdeklerin aynı karışımını benimseyerek pil tasarrufu sağlamak için geçiş yapıyor. Örneğin, en son Apple dizüstü bilgisayarlardaki M1 çipi, pil ömrünü veya hızı optimize etmek için çalıştırılan göreve bağlı olarak 4 performans çekirdeği ve 4 verimlilik çekirdeği arasında geçiş yapabilir.
+
+✅ Küçük bir araştırma yapın: CPU'lar hakkında [Wikipedia CPU makalesini](https://wikipedia.org/wiki/Central_processing_unit) okuyun.
+
+#### Görev
+
+Wio Terminal'i inceleyin.
+
+Bu derslerde Wio Terminal kullanıyorsanız, CPU'yu bulmaya çalışın. [Wio Terminal ürün sayfasındaki](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) *Donanım Genel Bakış* bölümünü bulun, iç kısımların bir resmini görün ve CPU'yu arka taraftaki şeffaf plastik pencereden bulmaya çalışın.
+
+### Bellek
+
+Mikrokontrolcüler genellikle iki tür belleğe sahiptir - program belleği ve rastgele erişim belleği (RAM).
+
+Program belleği kalıcıdır, yani yazılan her şey cihazda güç olmadığında bile kalır. Bu bellek, program kodunuzu depolar.
+
+RAM, programın çalışması için kullanılan bellektir ve programınız tarafından tahsis edilen değişkenleri ve çevre birimlerinden toplanan verileri içerir. RAM geçicidir, güç kesildiğinde içerik kaybolur ve programınız etkili bir şekilde sıfırlanır.
+🎓 Program hafızası kodunuzu saklar ve güç olmadığında bile kalır.
+🎓 RAM, programınızı çalıştırmak için kullanılır ve güç olmadığında sıfırlanır.
+
+CPU gibi, bir mikrodenetleyicideki bellek, bir PC veya Mac'ten kat kat daha küçüktür. Tipik bir PC'de 8 Gigabayt (GB) RAM bulunabilir, yani 8.000.000.000 bayt, her bayt bir harf veya 0-255 arasında bir sayı depolayacak kadar alan sağlar. Bir mikrodenetleyicide ise yalnızca Kilobayt (KB) RAM bulunur; bir kilobayt 1.000 bayttır. Yukarıda bahsedilen Wio terminali 192KB RAM'e, yani 192.000 bayta sahiptir - bu, ortalama bir PC'den 40.000 kat daha azdır!
+
+Aşağıdaki diyagram, 192KB ile 8GB arasındaki boyut farkını göstermektedir - merkezdeki küçük nokta 192KB'yi temsil eder.
+
+![192KB ile 8GB karşılaştırması - 40.000 kat daha büyük](../../../../../translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.tr.png)
+
+Program depolama alanı da bir PC'den daha küçüktür. Tipik bir PC'de program depolama için 500GB'lık bir sabit disk bulunabilirken, bir mikrodenetleyicide yalnızca kilobayt veya birkaç megabayt (MB) depolama alanı bulunabilir (1MB, 1.000KB veya 1.000.000 bayttır). Wio terminali 4MB program depolama alanına sahiptir.
+
+✅ Küçük bir araştırma yapın: Bu yazıyı okumak için kullandığınız bilgisayarın ne kadar RAM ve depolama alanı var? Bu, bir mikrodenetleyiciyle nasıl karşılaştırılır?
+
+### Giriş/Çıkış
+
+Mikrodenetleyiciler, sensörlerden veri okumak ve aktüatörlere kontrol sinyalleri göndermek için giriş ve çıkış (I/O) bağlantılarına ihtiyaç duyar. Genellikle bir dizi genel amaçlı giriş/çıkış (GPIO) pinleri içerirler. Bu pinler, yazılımda giriş (yani bir sinyal alırlar) veya çıkış (bir sinyal gönderirler) olarak yapılandırılabilir.
+
+🧠⬅️ Giriş pinleri, sensörlerden değer okumak için kullanılır.
+
+🧠➡️ Çıkış pinleri, aktüatörlere talimat göndermek için kullanılır.
+
+✅ Bunu bir sonraki derste daha ayrıntılı öğreneceksiniz.
+
+#### Görev
+
+Wio Terminali araştırın.
+
+Bu derslerde Wio Terminali kullanıyorsanız, GPIO pinlerini bulun. [Wio Terminal ürün sayfasının](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) *Pinout diyagramı* bölümünü bulun ve hangi pinlerin ne olduğunu öğrenin. Wio Terminali, arkasına monte edebileceğiniz ve pin numaralarını gösteren bir çıkartma ile birlikte gelir, bunu henüz yapmadıysanız şimdi ekleyin.
+
+### Fiziksel boyut
+
+Mikrodenetleyiciler genellikle küçük boyutludur. En küçüklerinden biri olan [Freescale Kinetis KL03 MCU, bir golf topunun çukuruna sığacak kadar küçüktür](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/). Bir PC'deki CPU, 40mm x 40mm ölçülerinde olabilir ve bu, CPU'nun aşırı ısınmadan birkaç saniyeden fazla çalışabilmesini sağlamak için gereken soğutucular ve fanlar dahil değildir; bu, bir mikrodenetleyiciden çok daha büyüktür. Mikrodenetleyici, kasa, ekran ve bir dizi bağlantı ve bileşen içeren Wio terminali, çıplak bir Intel i9 CPU'dan çok daha büyük değildir ve soğutucu ve fan içeren CPU'dan çok daha küçüktür!
+
+| Cihaz                           | Boyut                 |
+| ------------------------------- | --------------------- |
+| Freescale Kinetis KL03          | 1.6mm x 2mm x 1mm     |
+| Wio terminali                   | 72mm x 57mm x 12mm    |
+| Intel i9 CPU, Soğutucu ve fan   | 136mm x 145mm x 103mm |
+
+### Çerçeveler ve işletim sistemleri
+
+Düşük hız ve bellek boyutları nedeniyle mikrodenetleyiciler, masaüstü anlamında bir işletim sistemi (OS) çalıştırmazlar. Bilgisayarınızı çalıştıran işletim sistemi (Windows, Linux veya macOS), mikrodenetleyici için tamamen gereksiz olan görevleri çalıştırmak için çok fazla bellek ve işlem gücüne ihtiyaç duyar. Mikrodenetleyicilerin genellikle bir veya daha fazla çok spesifik görevi yerine getirmek üzere programlandığını unutmayın; genel amaçlı bir bilgisayar olan PC veya Mac ise bir kullanıcı arayüzünü desteklemek, müzik veya film oynatmak, belgeler veya kod yazmak, oyun oynamak veya İnternet'te gezinmek gibi görevleri yerine getirmek zorundadır.
+
+Bir mikrodenetleyiciyi bir işletim sistemi olmadan programlamak için, mikrodenetleyicinin çalıştırabileceği şekilde kodunuzu oluşturmanıza olanak tanıyan ve çevre birimleriyle konuşabilen API'ler kullanan bazı araçlara ihtiyacınız vardır. Her mikrodenetleyici farklıdır, bu nedenle üreticiler genellikle standart çerçeveleri destekler, böylece kodunuzu oluşturmak ve bu çerçeveyi destekleyen herhangi bir mikrodenetleyicide çalıştırmak için standart bir 'tarif' izleyebilirsiniz.
+
+Mikrodenetleyicileri bir işletim sistemi kullanarak programlayabilirsiniz - genellikle gerçek zamanlı işletim sistemi (RTOS) olarak adlandırılır, çünkü bunlar çevre birimlerine veri gönderip almayı gerçek zamanlı olarak yönetmek için tasarlanmıştır. Bu işletim sistemleri çok hafiftir ve aşağıdaki gibi özellikler sunar:
+
+* Çoklu iş parçacığı, kodunuzun aynı anda birden fazla kod bloğunu çalıştırmasına olanak tanır; bu, birden fazla çekirdekte veya bir çekirdekte sırayla çalıştırılarak yapılabilir.
+* İnternet üzerinden güvenli bir şekilde iletişim kurmak için ağ oluşturma.
+* Ekranlı cihazlarda kullanıcı arayüzleri (UI) oluşturmak için grafiksel kullanıcı arayüzü (GUI) bileşenleri.
+
+✅ Farklı RTOS'lar hakkında bilgi edinin: [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 logosu](../../../../../images/arduino-logo.svg)
+
+[Arduino](https://www.arduino.cc), özellikle öğrenciler, hobi meraklıları ve üreticiler arasında en popüler mikrodenetleyici çerçevesidir. Arduino, yazılım ve donanımı birleştiren açık kaynaklı bir elektronik platformdur. Arduino uyumlu kartları Arduino'nun kendisinden veya diğer üreticilerden satın alabilir, ardından Arduino çerçevesini kullanarak kod yazabilirsiniz.
+
+Arduino kartları C veya C++ ile kodlanır. C/C++ kullanmak, kodunuzun çok küçük derlenmesini ve hızlı çalışmasını sağlar; bu, mikrodenetleyici gibi kısıtlı bir cihazda gereklidir. Bir Arduino uygulamasının çekirdeği, `setup` ve `loop` olmak üzere 2 işlev içeren bir taslak olarak adlandırılır. Kart başlatıldığında, Arduino çerçeve kodu önce `setup` işlevini bir kez çalıştırır, ardından `loop` işlevini tekrar tekrar çalıştırır ve güç kapatılana kadar sürekli olarak çalıştırır.
+
+`setup` işlevine WiFi ve bulut hizmetlerine bağlanma veya giriş ve çıkış için pinleri başlatma gibi kurulum kodunuzu yazarsınız. Ardından `loop` işlevine sensörden veri okuma ve bu değeri buluta gönderme gibi işlem kodunuzu yazarsınız. Genellikle her döngüye bir gecikme eklersiniz; örneğin, sensör verilerinin yalnızca her 10 saniyede bir gönderilmesini istiyorsanız, döngünün sonunda 10 saniyelik bir gecikme ekleyerek mikrodenetleyicinin uyumasını, güç tasarrufu yapmasını ve ardından 10 saniye sonra döngüyü yeniden çalıştırmasını sağlarsınız.
+
+![Bir Arduino taslağı önce setup'ı çalıştırır, ardından loop'u tekrar tekrar çalıştırır](../../../../../translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.tr.png)
+
+✅ Bu program mimarisi *olay döngüsü* veya *mesaj döngüsü* olarak bilinir. Birçok uygulama bunu temel alır ve Windows, macOS veya Linux gibi işletim sistemlerinde çalışan çoğu masaüstü uygulaması için standarttır. `loop`, düğmeler gibi kullanıcı arayüzü bileşenlerinden veya klavye gibi cihazlardan gelen mesajları dinler ve bunlara yanıt verir. [Olay döngüsü hakkında bu makalede](https://wikipedia.org/wiki/Event_loop) daha fazla bilgi edinebilirsiniz.
+
+Arduino, mikrodenetleyiciler ve I/O pinleriyle etkileşim için standart kütüphaneler sağlar ve farklı mikrodenetleyicilerde çalışmak için farklı uygulamalar sunar. Örneğin, [`delay` işlevi](https://www.arduino.cc/reference/en/language/functions/time/delay/) programı belirli bir süre duraklatır, [`digitalRead` işlevi](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) verilen pinden `HIGH` veya `LOW` değerini okur; bu, kodun çalıştırıldığı karttan bağımsızdır. Bu standart kütüphaneler, bir kart için yazılmış Arduino kodunun başka bir Arduino kartı için yeniden derlenip çalıştırılmasını sağlar; pinlerin aynı olması ve kartların aynı özellikleri desteklemesi koşuluyla.
+
+Arduino projelerinize sensörler ve aktüatörler kullanmak veya bulut IoT hizmetlerine bağlanmak gibi ekstra özellikler eklemenizi sağlayan geniş bir üçüncü taraf Arduino kütüphane ekosistemi bulunmaktadır.
+
+##### Görev
+
+Wio Terminali araştırın.
+
+Bu derslerde Wio Terminali kullanıyorsanız, önceki derste yazdığınız kodu yeniden okuyun. `setup` ve `loop` işlevlerini bulun. `loop` işlevinin tekrar tekrar çağrıldığını gözlemlemek için seri çıkışı izleyin. Seri porta yazmak için `setup` işlevine kod eklemeyi deneyin ve bu kodun her yeniden başlatıldığında yalnızca bir kez çağrıldığını gözlemleyin. Yan taraftaki güç anahtarıyla cihazınızı yeniden başlatmayı deneyin ve bu işlevin cihaz her yeniden başlatıldığında çağrıldığını gösterin.
+
+## Tek kartlı bilgisayarlara daha derin bir bakış
+
+Son derste tek kartlı bilgisayarları tanıttık. Şimdi bunlara daha derinlemesine bakalım.
+
+### Raspberry Pi
+
+![Raspberry Pi logosu](../../../../../translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.tr.png)
+
+[Raspberry Pi Vakfı](https://www.raspberrypi.org), özellikle okul düzeyinde bilgisayar bilimi eğitimini teşvik etmek amacıyla 2009 yılında Birleşik Krallık'ta kurulan bir hayır kurumudur. Bu misyonun bir parçası olarak Raspberry Pi adlı bir tek kartlı bilgisayar geliştirdiler. Raspberry Pi'ler şu anda 3 varyantta mevcuttur - tam boyutlu bir versiyon, daha küçük Pi Zero ve nihai IoT cihazınıza entegre edilebilecek bir hesaplama modülü.
+
+![Bir Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.tr.jpg)
+
+Tam boyutlu Raspberry Pi'nin en son versiyonu Raspberry Pi 4B'dir. Bu cihazda 1.5GHz hızında çalışan dört çekirdekli (quad-core) bir CPU, 2, 4 veya 8GB RAM, gigabit ethernet, WiFi, 4k ekranları destekleyen 2 HDMI portu, bir ses ve kompozit video çıkış portu, USB portları (2 USB 2.0, 2 USB 3.0), 40 GPIO pini, bir Raspberry Pi kamera modülü için bir kamera konektörü ve bir SD kart yuvası bulunur. Tüm bunlar 88mm x 58mm x 19.5mm boyutlarında bir kart üzerinde ve 3A USB-C güç kaynağı ile çalışır. Bunlar, bir PC veya Mac'ten çok daha ucuz olan 35 ABD dolarından başlar.
+
+> 💁 Ayrıca bir Pi400, klavyeye entegre edilmiş bir Pi4 içeren hepsi bir arada bir bilgisayar bulunmaktadır.
+
+![Bir Raspberry Pi Zero](../../../../../translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.tr.jpg)
+
+Pi Zero çok daha küçüktür ve daha az güç tüketir. Tek çekirdekli 1GHz CPU, 512MB RAM, WiFi (Zero W modelinde), tek bir HDMI portu, bir mikro-USB portu, 40 GPIO pini, bir Raspberry Pi kamera modülü için bir kamera konektörü ve bir SD kart yuvası bulunur. 65mm x 30mm x 5mm ölçülerindedir ve çok az güç tüketir. Zero 5 ABD dolarıdır, WiFi'li W versiyonu ise 10 ABD dolarıdır.
+
+> 🎓 Her iki cihazdaki CPU'lar ARM işlemcilerdir; bunlar, çoğu PC ve Mac'te bulunan Intel/AMD x86 veya x64 işlemcilerden farklıdır. Bu işlemciler, bazı mikrodenetleyicilerde, neredeyse tüm cep telefonlarında, Microsoft Surface X'te ve yeni Apple Silicon tabanlı Apple Mac'lerde bulunan işlemcilere benzerdir.
+
+Raspberry Pi'nin tüm varyantları, Raspberry Pi OS adlı Debian Linux'un bir versiyonunu çalıştırır. Bu, ekran gerektirmeyen 'headless' projeler için mükemmel olan bir masaüstü içermeyen lite versiyon veya web tarayıcı, ofis uygulamaları, kodlama araçları ve oyunlar içeren tam bir masaüstü ortamı içeren tam bir versiyon olarak mevcuttur. OS, Debian Linux'un bir versiyonu olduğundan, Debian'da çalışan ve Pi'nin içindeki ARM işlemci için oluşturulmuş herhangi bir uygulama veya aracı yükleyebilirsiniz.
+
+#### Görev
+
+Raspberry Pi'yi araştırın.
+
+Bu derslerde Raspberry Pi kullanıyorsanız, kart üzerindeki farklı donanım bileşenleri hakkında bilgi edinin.
+
+* Kullandığınız Pi'deki işlemci hakkında bilgi edinmek için [Raspberry Pi donanım belgeleri sayfasında](https://www.raspberrypi.org/documentation/hardware/raspberrypi/) işlemcilerle ilgili ayrıntıları bulabilirsiniz.
+* GPIO pinlerini bulun. [Raspberry Pi GPIO belgelerinde](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md) bunlar hakkında daha fazla bilgi edinin. Pi'nizdeki farklı pinleri tanımlamak için [GPIO Pin Kullanım kılavuzunu](https://www.raspberrypi.org/documentation/usage/gpio/README.md) kullanın.
+
+### Tek kartlı bilgisayarları programlama
+
+Tek kartlı bilgisayarlar, tam bir işletim sistemi çalıştıran tam bilgisayarlardır. Bu, mikrodenetleyicilerin Arduino gibi çerçevelerde kart desteğine bağlı olmasının aksine, bunları kodlamak için çok çeşitli programlama dilleri, çerçeveler ve araçlar kullanabileceğiniz anlamına gelir. Çoğu programlama dili, sensörlerden ve aktüatörlerden veri göndermek ve almak için GPIO pinlerine erişim sağlayan kütüphanelere sahiptir.
+
+✅ Hangi programlama dillerini biliyorsunuz? Linux'ta destekleniyorlar mı?
+
+Raspberry Pi'de IoT uygulamaları oluşturmak için en yaygın programlama dili Python'dur. Pi için tasarlanmış geniş bir donanım ekosistemi vardır ve bunların neredeyse tamamı, Python kütüphaneleri olarak kullanılabilecek ilgili kodu içerir. Bu ekosistemlerin bazıları 'şapka' olarak adlandırılır - çünkü Pi'nin üzerine bir şapka gibi oturur ve 40 GPIO pinine büyük bir soketle bağlanır. Bu şapkalar, ekranlar, sensörler, uzaktan kumandalı arabalar veya standartlaştırılmış kablolarla sensörleri bağlamanıza olanak tanıyan adaptörler gibi ek özellikler sağlar.
+### Profesyonel IoT Dağıtımlarında Tek Kartlı Bilgisayarların Kullanımı
+
+Tek kartlı bilgisayarlar, yalnızca geliştirici kitleri olarak değil, profesyonel IoT dağıtımları için de kullanılır. Donanımı kontrol etmek ve makine öğrenimi modellerini çalıştırmak gibi karmaşık görevleri yerine getirmek için güçlü bir yol sunabilirler. Örneğin, [Raspberry Pi 4 compute module](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/), bir Raspberry Pi 4'ün tüm gücünü daha kompakt ve daha ucuz bir form faktöründe, çoğu port olmadan sunar ve özel donanımlara entegre edilmek üzere tasarlanmıştır.
+
+---
+
+## 🚀 Zorluk
+
+Son dersteki zorluk, evinizde, okulunuzda veya iş yerinizde bulunan olabildiğince çok IoT cihazını listelemekti. Bu listedeki her cihaz için, bunların mikrodenetleyiciler, tek kartlı bilgisayarlar veya her ikisinin bir karışımı etrafında mı inşa edildiğini düşünüyor musunuz?
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* Arduino platformu hakkında daha fazla bilgi edinmek için [Arduino başlangıç kılavuzunu](https://www.arduino.cc/en/Guide/Introduction) okuyun.
+* Raspberry Pi'ler hakkında daha fazla bilgi edinmek için [Raspberry Pi 4'e giriş](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/) yazısını okuyun.
+* [Elektrik Mühendisliği Dergisi'ndeki "CPU'lar, MPU'lar, MCU'lar ve GPU'lar nedir?" makalesinde](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/) bazı kavramlar ve kısaltmalar hakkında daha fazla bilgi edinin.
+
+✅ Bu kılavuzları, [donanım kılavuzundaki](../../../hardware.md) bağlantıları takip ederek gösterilen maliyetlerle birlikte kullanarak hangi donanım platformunu kullanmak istediğinize veya sanal bir cihaz kullanmayı tercih edip etmeyeceğinize karar verin.
+
+## Ödev
+
+[Mikrodenetleyiciler ve tek kartlı bilgisayarları karşılaştırın](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/tr/1-getting-started/lessons/2-deeper-dive/assignment.md
new file mode 100644
index 00000000..72bb1dd8
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/2-deeper-dive/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "750bd75866471141f857240219084767",
+  "translation_date": "2025-08-28T03:27:44+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Mikrodenetleyiciler ve Tek Kartlı Bilgisayarları Karşılaştırın ve Kıyaslayın
+
+## Talimatlar
+
+Bu ders mikrodenetleyiciler ve tek kartlı bilgisayarları ele aldı. Onları karşılaştıran ve kıyaslayan bir tablo oluşturun ve mikrodenetleyiciyi tek kartlı bir bilgisayara tercih etmenizin en az 2 nedenini ve tek kartlı bir bilgisayarı mikrodenetleyiciye tercih etmenizin en az 2 nedenini not edin.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Mükemmel | Yeterli | Geliştirmeye Açık |
+| ------- | -------- | ------- | ----------------- |
+| Mikrodenetleyiciler ile tek kartlı bilgisayarları karşılaştıran bir tablo oluşturma | Mikrodenetleyiciler ve tek kartlı bilgisayarları doğru bir şekilde karşılaştıran ve kıyaslayan birden fazla madde içeren bir liste oluşturdu | Sadece birkaç madde içeren bir liste oluşturdu | Sadece bir madde veya hiç madde oluşturamadı |
+| Birini diğerine tercih etme nedenleri | Mikrodenetleyiciler için 2 veya daha fazla neden ve tek kartlı bilgisayarlar için 2 veya daha fazla neden sunabildi | Mikrodenetleyiciler için yalnızca 1-2 neden ve tek kartlı bilgisayarlar için yalnızca 1-2 neden sunabildi | Mikrodenetleyiciler veya tek kartlı bilgisayarlar için 1 veya daha fazla neden sunamadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/README.md
new file mode 100644
index 00000000..efa6fc37
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/README.md
@@ -0,0 +1,230 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
+  "translation_date": "2025-08-28T03:40:44+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
+  "language_code": "tr"
+}
+-->
+# Sensörler ve Aktüatörlerle Fiziksel Dünya ile Etkileşim
+
+![Bu dersin genel bir sketchnote özeti](../../../../../translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+Bu ders, [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) tarafından sunulan [Hello IoT serisinin](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) bir parçası olarak öğretildi. Ders, 1 saatlik bir ders ve ardından dersin bazı bölümlerine daha derinlemesine dalan ve soruları yanıtlayan 1 saatlik bir ofis saati olmak üzere iki video olarak sunuldu.
+
+[![Ders 3: Sensörler ve Aktüatörlerle Fiziksel Dünya ile Etkileşim](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
+
+[![Ders 3: Sensörler ve Aktüatörlerle Fiziksel Dünya ile Etkileşim - Ofis Saati](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
+
+> 🎥 Videoları izlemek için yukarıdaki görsellere tıklayın
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
+
+## Giriş
+
+Bu ders, IoT cihazınız için önemli iki kavramı tanıtıyor: sensörler ve aktüatörler. Ayrıca, her ikisiyle de pratik yaparak bir ışık sensörünü IoT projenize ekleyecek ve ardından ışık seviyeleriyle kontrol edilen bir LED ekleyerek etkili bir şekilde bir gece lambası oluşturacaksınız.
+
+Bu derste şunları ele alacağız:
+
+* [Sensörler nedir?](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Bir sensör kullanın](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Sensör türleri](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Aktüatörler nedir?](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Bir aktüatör kullanın](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Aktüatör türleri](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+
+## Sensörler nedir?
+
+Sensörler, fiziksel dünyayı algılayan donanım cihazlarıdır - yani çevrelerindeki bir veya daha fazla özelliği ölçer ve bilgiyi bir IoT cihazına gönderirler. Ölçülebilecek çok fazla şey olduğu için sensörler geniş bir cihaz yelpazesini kapsar; doğal özelliklerden (örneğin hava sıcaklığı) fiziksel etkileşimlere (örneğin hareket) kadar.
+
+Bazı yaygın sensörler şunlardır:
+
+* Sıcaklık sensörleri - hava sıcaklığını veya daldırıldıkları nesnenin sıcaklığını algılarlar. Hobi amaçlı ve geliştiriciler için, genellikle hava basıncı ve nem ile birleştirilirler.
+* Düğmeler - basıldıklarında algılarlar.
+* Işık sensörleri - ışık seviyelerini algılar ve belirli renkler, UV ışığı, IR ışığı veya genel görünür ışık için olabilirler.
+* Kameralar - bir fotoğraf çekerek veya video akışı yaparak dünyanın görsel bir temsilini algılarlar.
+* İvmeölçerler - birden fazla yöndeki hareketi algılarlar.
+* Mikrofonlar - genel ses seviyelerini veya yönlü sesi algılarlar.
+
+✅ Araştırma yapın. Telefonunuzda hangi sensörler var?
+
+Tüm sensörlerin ortak bir noktası vardır - algıladıkları şeyi bir IoT cihazı tarafından yorumlanabilecek bir elektrik sinyaline dönüştürürler. Bu elektrik sinyalinin nasıl yorumlandığı, sensöre ve IoT cihazıyla iletişim kurmak için kullanılan iletişim protokolüne bağlıdır.
+
+## Bir sensör kullanın
+
+IoT cihazınıza bir sensör eklemek için aşağıdaki ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-sensor.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-sensor.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-sensor.md)
+
+## Sensör türleri
+
+Sensörler analog veya dijital olabilir.
+
+### Analog sensörler
+
+En temel sensörlerden bazıları analog sensörlerdir. Bu sensörler, IoT cihazından bir voltaj alır, sensör bileşenleri bu voltajı ayarlar ve sensörden dönen voltaj ölçülerek sensör değeri elde edilir.
+
+> 🎓 Voltaj, elektriğin bir yerden başka bir yere hareket etmesi için ne kadar itme gücü olduğunu ölçer, örneğin bir pilin pozitif terminalinden negatif terminaline. Örneğin, standart bir AA pili 1.5V'dir (V, voltun sembolüdür) ve elektriği pozitif terminalinden negatif terminaline 1.5V'luk bir kuvvetle itebilir. Farklı elektrikli donanımların çalışması için farklı voltajlara ihtiyacı vardır; örneğin, bir LED 2-3V arasında bir voltajla yanabilir, ancak 100W'lık bir akkor ampul 240V gerektirir. Voltaj hakkında daha fazla bilgiyi [Wikipedia'daki Voltaj sayfasında](https://wikipedia.org/wiki/Voltage) okuyabilirsiniz.
+
+Bunun bir örneği bir potansiyometredir. Bu, iki pozisyon arasında döndürebileceğiniz bir kadrandır ve sensör dönüşü ölçer.
+
+![5 volt gönderilen ve 3.8 volt dönen orta noktaya ayarlanmış bir potansiyometre](../../../../../translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.tr.png)
+
+IoT cihazı, potansiyometreye bir voltajda (örneğin 5 volt) bir elektrik sinyali gönderir. Potansiyometre ayarlandıkça, diğer taraftan çıkan voltaj değişir. Örneğin, bir amplifikatör üzerindeki bir ses düğmesi gibi, 0'dan [11'e](https://wikipedia.org/wiki/Up_to_eleven) kadar bir kadran olarak etiketlenmiş bir potansiyometreniz olduğunu hayal edin. Potansiyometre tamamen kapalı konumda (0) olduğunda, 0V (0 volt) çıkacaktır. Tamamen açık konumda (11) olduğunda, 5V (5 volt) çıkacaktır.
+
+> 🎓 Bu bir basitleştirmedir ve potansiyometreler ve değişken dirençler hakkında daha fazla bilgiyi [Wikipedia'daki potansiyometre sayfasında](https://wikipedia.org/wiki/Potentiometer) okuyabilirsiniz.
+
+Sensörden çıkan voltaj daha sonra IoT cihazı tarafından okunur ve cihaz buna yanıt verebilir. Sensöre bağlı olarak, bu voltaj rastgele bir değer olabilir veya standart bir birime eşlenebilir. Örneğin, bir [termistör](https://wikipedia.org/wiki/Thermistor) tabanlı analog sıcaklık sensörü, sıcaklığa bağlı olarak direncini değiştirir. Çıkış voltajı daha sonra kodda yapılan hesaplamalarla Kelvin cinsinden bir sıcaklığa ve buna karşılık °C veya °F'ye dönüştürülebilir.
+
+✅ Sensör gönderilen voltajdan daha yüksek bir voltaj döndürürse (örneğin harici bir güç kaynağından geliyorsa) ne olacağını düşünüyorsunuz? ⛔️ Bunu test ETMEYİN.
+
+#### Analogdan dijitale dönüşüm
+
+IoT cihazları dijitaldir - analog değerlerle çalışamazlar, yalnızca 0 ve 1'lerle çalışırlar. Bu, analog sensör değerlerinin işlenmeden önce dijital bir sinyale dönüştürülmesi gerektiği anlamına gelir. Birçok IoT cihazında, analog girişleri dijital temsillere dönüştürmek için analogdan dijitale dönüştürücüler (ADC'ler) bulunur. Sensörler ayrıca bir bağlantı kartı aracılığıyla ADC'lerle çalışabilir. Örneğin, Raspberry Pi ile Seeed Grove ekosisteminde, analog sensörler Pi'nin GPIO pinlerine bağlı bir 'hat' üzerindeki belirli portlara bağlanır ve bu hat, voltajı dijital bir sinyale dönüştürmek için bir ADC'ye sahiptir.
+
+3.3V kullanan bir IoT cihazına bağlı bir analog ışık sensörünüz olduğunu ve 1V'luk bir değer döndürdüğünü hayal edin. Bu 1V dijital dünyada bir anlam ifade etmez, bu yüzden dönüştürülmesi gerekir. Voltaj, cihaz ve sensöre bağlı bir ölçek kullanılarak analog bir değere dönüştürülür. Örneğin, Seeed Grove ışık sensörü 0 ile 1.023 arasında değerler döndürür. Bu sensör 3.3V'da çalışırken, 1V'luk bir çıkış 300 değerine karşılık gelir. Bir IoT cihazı 300'ü analog bir değer olarak işleyemez, bu yüzden Grove hat tarafından 300'ün ikili temsili olan `0000000100101100` değerine dönüştürülür. Bu daha sonra IoT cihazı tarafından işlenir.
+
+✅ İkili sistemi bilmiyorsanız, 0 ve 1'lerle sayıların nasıl temsil edildiğini öğrenmek için biraz araştırma yapın. [BBC Bitesize'ın ikili sistem giriş dersi](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) başlamak için harika bir yerdir.
+
+Kodlama açısından, tüm bunlar genellikle sensörlerle birlikte gelen kütüphaneler tarafından halledilir, bu yüzden bu dönüşümle kendiniz ilgilenmeniz gerekmez. Grove ışık sensörü için Python kütüphanesini kullanarak `light` özelliğini çağırabilir veya Arduino kütüphanesini kullanarak `analogRead` fonksiyonunu çağırarak 300 değerini alabilirsiniz.
+
+### Dijital sensörler
+
+Dijital sensörler, analog sensörler gibi, çevrelerindeki dünyayı elektrik voltajındaki değişiklikleri kullanarak algılar. Fark, dijital bir sinyal üretmeleridir; ya yalnızca iki durumu ölçerek ya da yerleşik bir ADC kullanarak. Dijital sensörler, bir bağlantı kartında veya IoT cihazında bir ADC kullanma gereksinimini ortadan kaldırmak için giderek daha yaygın hale geliyor.
+
+En basit dijital sensör bir düğme veya anahtardır. Bu, iki durumu olan bir sensördür: açık veya kapalı.
+
+![Bir düğmeye 5 volt gönderilir. Basılmadığında 0 volt döner, basıldığında 5 volt döner](../../../../../translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.tr.png)
+
+IoT cihazlarındaki GPIO pinleri gibi pinler, bu sinyali doğrudan 0 veya 1 olarak ölçebilir. Gönderilen voltaj dönen voltajla aynıysa, okunan değer 1'dir; aksi takdirde okunan değer 0'dır. Sinyali dönüştürmeye gerek yoktur, yalnızca 1 veya 0 olabilir.
+
+> 💁 Voltajlar asla tam olarak doğru değildir, özellikle bir sensördeki bileşenlerin bir miktar direnci olacağından. Bu nedenle genellikle bir tolerans vardır. Örneğin, Raspberry Pi'nin GPIO pinleri 3.3V ile çalışır ve 1.8V'un üzerindeki bir dönüş sinyalini 1, 1.8V'un altındaki bir dönüş sinyalini 0 olarak okur.
+
+* 3.3V düğmeye gider. Düğme kapalıdır, bu yüzden 0V çıkar ve 0 değeri elde edilir.
+* 3.3V düğmeye gider. Düğme açıktır, bu yüzden 3.3V çıkar ve 1 değeri elde edilir.
+
+Daha gelişmiş dijital sensörler analog değerleri okur ve ardından yerleşik ADC'ler kullanarak bunları dijital sinyallere dönüştürür. Örneğin, dijital bir sıcaklık sensörü, analog bir sensörle aynı şekilde bir termokupl kullanır ve mevcut sıcaklıkta termokuplun direncinden kaynaklanan voltaj değişimini ölçer. Analog bir değer döndürmek ve cihazın veya bağlantı kartının dijital bir sinyale dönüştürmesine güvenmek yerine, sensöre yerleşik bir ADC değeri dönüştürür ve IoT cihazına 0 ve 1'lerden oluşan bir dizi olarak gönderir. Bu 0 ve 1'ler, bir düğme için dijital sinyalde olduğu gibi, 1 tam voltaj ve 0 0V olarak gönderilir.
+
+![Bir dijital sıcaklık sensörü, analog bir okumayı 0 volt için 0 ve 5 volt için 1 ile ikili verilere dönüştürerek IoT cihazına gönderiyor](../../../../../translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.tr.png)
+
+Dijital veri gönderimi, sensörlerin daha karmaşık hale gelmesine ve daha ayrıntılı veri, hatta güvenli sensörler için şifrelenmiş veri göndermesine olanak tanır. Bir örnek bir kameradır. Bu, bir görüntüyü yakalayan ve genellikle JPEG gibi sıkıştırılmış bir formatta IoT cihazı tarafından okunacak şekilde dijital veri olarak gönderen bir sensördür. Hatta görüntüleri yakalayıp ya kare kare tam görüntü ya da sıkıştırılmış bir video akışı göndererek video akışı yapabilir.
+
+## Aktüatörler nedir?
+
+Aktüatörler, sensörlerin tersidir - IoT cihazınızdan gelen bir elektrik sinyalini ışık veya ses yayma ya da bir motoru hareket ettirme gibi fiziksel dünyayla bir etkileşime dönüştürürler.
+
+Bazı yaygın aktüatörler şunlardır:
+
+* LED - açıldığında ışık yayar
+* Hoparlör - gönderilen sinyale bağlı olarak ses yayar, basit bir buzzer'dan müzik çalabilen bir ses hoparlörüne kadar
+* Adım motoru - bir sinyali belirli bir miktarda dönüşe dönüştürür, örneğin bir kadranı 90° döndürmek
+* Röle - bir elektrik sinyaliyle açılıp kapatılabilen anahtarlardır. IoT cihazından gelen küçük bir voltajın daha büyük voltajları açmasına izin verirler.
+* Ekranlar - daha karmaşık aktüatörlerdir ve çok segmentli bir ekranda bilgi gösterirler. Ekranlar basit LED ekranlardan yüksek çözünürlüklü video monitörlerine kadar değişir.
+
+✅ Araştırma yapın. Telefonunuzda hangi aktüatörler var?
+
+## Bir aktüatör kullanın
+
+IoT cihazınıza bir aktüatör eklemek için aşağıdaki ilgili kılavuzu takip edin. Bu aktüatör, sensör tarafından kontrol edilerek bir IoT gece lambası oluşturacaktır. Işık seviyelerini ışık sensöründen toplayacak ve algılanan ışık seviyesi çok düşük olduğunda ışık yaymak için bir LED formunda bir aktüatör kullanacaktır.
+
+![Görev akış diyagramı, ışık seviyelerinin okunmasını ve kontrol edilmesini, ardından LED'in kontrol edilmesini gösteriyor](../../../../../translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.tr.png)
+
+* [Arduino - Wio Terminal](wio-terminal-actuator.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-actuator.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-actuator.md)
+
+## Aktüatör türleri
+
+Sensörler gibi, aktüatörler de analog veya dijital olabilir.
+
+### Analog aktüatörler
+
+Analog aktüatörler, bir analog sinyali alır ve bunu bir tür etkileşime dönüştürür, bu etkileşim sağlanan voltaja bağlı olarak değişir.
+
+Bir örnek, evinizdeki gibi kısılabilir bir ışıktır. Işığa sağlanan voltaj miktarı, ışığın ne kadar parlak olduğunu belirler.
+![Düşük voltajda kısık, yüksek voltajda parlak bir ışık](../../../../../translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.tr.png)
+
+Sensörlerde olduğu gibi, gerçek IoT cihazları analog değil, dijital sinyallerle çalışır. Bu, bir analog sinyal göndermek için IoT cihazının bir dijitalden analoğa dönüştürücüye (DAC) ihtiyaç duyduğu anlamına gelir. Bu dönüştürücü ya doğrudan IoT cihazında bulunur ya da bir bağlantı kartında yer alır. Bu, IoT cihazından gelen 0 ve 1'leri aktüatörün kullanabileceği bir analog voltaja dönüştürür.
+
+✅ IoT cihazı, aktüatörün kaldırabileceğinden daha yüksek bir voltaj gönderirse ne olacağını düşünüyorsunuz?  
+⛔️ Bunu test ETMEYİN.
+
+#### Darbe Genişlik Modülasyonu
+
+IoT cihazından gelen dijital sinyalleri analog bir sinyale dönüştürmenin bir başka seçeneği de darbe genişlik modülasyonudur (PWM). Bu yöntem, analog bir sinyal gibi davranan birçok kısa dijital darbe göndermeyi içerir.
+
+Örneğin, bir motorun hızını kontrol etmek için PWM kullanabilirsiniz.
+
+Bir motoru 5V'luk bir güç kaynağıyla kontrol ettiğinizi hayal edin. Motorunuza kısa bir darbe göndererek voltajı iki saliselik (0.02s) bir süre için yüksek (5V) yaparsınız. Bu süre zarfında motorunuz bir dönüşün onda biri kadar, yani 36° dönebilir. Sinyal daha sonra iki saliselik (0.02s) bir süre için duraklar ve düşük bir sinyal (0V) gönderir. Açık ve kapalı her döngü 0.04s sürer. Döngü bu şekilde tekrar eder.
+
+![150 RPM'de bir motorun darbe genişlik modülasyonu ile dönüşü](../../../../../translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.tr.png)
+
+Bu, bir saniyede motoru döndüren 0.02s'lik 25 adet 5V darbesi ve ardından motoru döndürmeyen 0.02s'lik 0V duraklaması olduğu anlamına gelir. Her darbe motoru bir dönüşün onda biri kadar döndürür, bu da motorun saniyede 2.5 dönüş yapması anlamına gelir. Dijital bir sinyal kullanarak motoru saniyede 2.5 dönüş veya 150 [dakikada devir](https://wikipedia.org/wiki/Revolutions_per_minute) (RPM) hızında döndürmüş olursunuz.
+
+```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
+```
+
+> 🎓 Bir PWM sinyali yarı zaman açık, yarı zaman kapalı olduğunda buna [50% görev döngüsü](https://wikipedia.org/wiki/Duty_cycle) denir. Görev döngüleri, sinyalin açık durumda olduğu sürenin kapalı duruma göre yüzdesi olarak ölçülür.
+
+![75 RPM'de bir motorun darbe genişlik modülasyonu ile dönüşü](../../../../../translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.tr.png)
+
+Darbelerin boyutunu değiştirerek motor hızını değiştirebilirsiniz. Örneğin, aynı motorla 0.04s'lik aynı döngü süresini koruyabilir, açık darbe süresini yarıya indirerek 0.01s yapabilir ve kapalı darbe süresini 0.03s'ye çıkarabilirsiniz. Saniyede aynı sayıda darbe (25) olmasına rağmen, her açık darbe yarı uzunluktadır. Yarı uzunlukta bir darbe motoru yalnızca bir dönüşün yirmide biri kadar döndürür ve saniyede 25 darbe ile 1.25 dönüş veya 75 RPM tamamlar. Dijital bir sinyalin darbe hızını değiştirerek analog bir motorun hızını yarıya indirmiş olursunuz.
+
+```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
+```
+
+✅ Motorun dönüşünü özellikle düşük hızlarda nasıl düzgün tutarsınız? Uzun duraklamalarla az sayıda uzun darbe mi yoksa çok kısa duraklamalarla birçok kısa darbe mi kullanırsınız?
+
+> 💁 Bazı sensörler de analog sinyalleri dijital sinyallere dönüştürmek için PWM kullanır.
+
+> 🎓 Darbe genişlik modülasyonu hakkında daha fazla bilgi için [Wikipedia'daki darbe genişlik modülasyonu sayfasını](https://wikipedia.org/wiki/Pulse-width_modulation) okuyabilirsiniz.
+
+### Dijital Aktüatörler
+
+Dijital aktüatörler, dijital sensörler gibi, ya yüksek veya düşük voltajla kontrol edilen iki duruma sahiptir ya da bir DAC içerir ve böylece dijital bir sinyali analog bir sinyale dönüştürebilir.
+
+Basit bir dijital aktüatör bir LED'dir. Bir cihaz 1 dijital sinyali gönderdiğinde, LED'i aydınlatan yüksek bir voltaj gönderilir. 0 dijital sinyali gönderildiğinde, voltaj 0V'a düşer ve LED söner.
+
+![0 voltta kapalı ve 5V'da açık bir LED](../../../../../translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.tr.png)
+
+✅ Başka hangi basit 2 durumlu aktüatörleri düşünebilirsiniz? Bir örnek, bir kapı sürgüsünü hareket ettirerek bir kapıyı kilitleyip açmak gibi şeyler yapabilen bir elektromıknatıs olan solenoiddir.
+
+Daha gelişmiş dijital aktüatörler, örneğin ekranlar, dijital verilerin belirli formatlarda gönderilmesini gerektirir. Genellikle, doğru verileri göndermeyi kolaylaştıran kütüphanelerle birlikte gelirler.
+
+---
+
+## 🚀 Zorluk
+
+Son iki dersteki zorluk, evinizde, okulunuzda veya iş yerinizde bulunan olabildiğince çok IoT cihazını listelemek ve bunların mikrodenetleyiciler, tek kartlı bilgisayarlar veya her ikisinin bir karışımı etrafında mı inşa edildiğine karar vermekti.
+
+Listelediğiniz her cihaz için, hangi sensörlere ve aktüatörlere bağlı olduklarını belirleyin. Bu cihazlara bağlı her bir sensör ve aktüatörün amacı nedir?
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
+
+## İnceleme ve Kendi Kendine Çalışma
+
+* [ThingLearn](http://thinglearn.jenlooper.com/curriculum/) üzerinde elektrik ve devreler hakkında okuyun.  
+* [Seeed Studios Sıcaklık Sensörleri rehberi](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/) üzerinde farklı sıcaklık sensörleri hakkında bilgi edinin.  
+* [Wikipedia LED sayfası](https://wikipedia.org/wiki/Light-emitting_diode) üzerinde LED'ler hakkında bilgi edinin.  
+
+## Ödev
+
+[Sensörler ve aktüatörler üzerine araştırma yapın](assignment.md)  
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
new file mode 100644
index 00000000..b0059565
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c5a568320b1159394108544807895337",
+  "translation_date": "2025-08-28T03:44:40+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Araştırma: Sensörler ve Aktüatörler
+
+## Talimatlar
+
+Bu ders sensörler ve aktüatörleri kapsıyordu. Bir IoT geliştirme kiti ile kullanılabilecek bir sensör ve bir aktüatörü araştırın ve açıklayın. Şunları içermelidir:
+
+* Ne işe yarar
+* İçerisinde kullanılan elektronik/donanım
+* Analog mu yoksa dijital mi
+* Girişlerin veya ölçümlerin birimleri ve aralığı nedir
+
+## Değerlendirme Kriterleri
+
+| Kriter | Mükemmel | Yeterli | Geliştirme Gerekiyor |
+| ------- | -------- | ------- | -------------------- |
+| Bir sensörü açıklayın | Yukarıda listelenen 4 bölümün tümüyle ilgili detaylar dahil bir sensör açıklandı. | Bir sensör açıklandı, ancak yukarıdaki bölümlerden yalnızca 2-3'ü sağlandı. | Bir sensör açıklandı, ancak yukarıdaki bölümlerden yalnızca 1'i sağlandı. |
+| Bir aktüatörü açıklayın | Yukarıda listelenen 4 bölümün tümüyle ilgili detaylar dahil bir aktüatör açıklandı. | Bir aktüatör açıklandı, ancak yukarıdaki bölümlerden yalnızca 2-3'ü sağlandı. | Bir aktüatör açıklandı, ancak yukarıdaki bölümlerden yalnızca 1'i sağlandı. |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
new file mode 100644
index 00000000..0699b6f3
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4db8a3879a53490513571df2f6cf7641",
+  "translation_date": "2025-08-28T03:42:42+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
+  "language_code": "tr"
+}
+-->
+# Bir gece lambası yapın - Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi'nize bir LED ekleyecek ve bunu bir gece lambası oluşturmak için kullanacaksınız.
+
+## Donanım
+
+Gece lambası artık bir aktüatöre ihtiyaç duyuyor.
+
+Aktüatör bir **LED**, bir [ışık yayan diyot](https://wikipedia.org/wiki/Light-emitting_diode) olup, üzerinden akım geçtiğinde ışık yayar. Bu, iki durumu olan dijital bir aktüatördür: açık ve kapalı. 1 değeri gönderildiğinde LED açılır, 0 değeri gönderildiğinde ise kapanır. LED, harici bir Grove aktüatördür ve Raspberry Pi üzerindeki Grove Base hatına bağlanması gerekir.
+
+Gece lambası mantığı, sözde kod olarak:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### LED'i Bağlayın
+
+Grove LED, bir dizi LED içeren bir modül olarak gelir ve size renk seçme imkanı sunar.
+
+#### Görev - LED'i bağlayın
+
+LED'i bağlayın.
+
+![Bir Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.tr.png)
+
+1. En sevdiğiniz LED'i seçin ve ayaklarını LED modülündeki iki deliğe yerleştirin.
+
+    LED'ler ışık yayan diyotlardır ve diyotlar yalnızca bir yönde akım taşıyabilen elektronik cihazlardır. Bu, LED'in doğru şekilde bağlanması gerektiği anlamına gelir, aksi takdirde çalışmaz.
+
+    LED'in ayaklarından biri pozitif pin, diğeri negatif pindir. LED tamamen yuvarlak değildir ve bir tarafı biraz daha düzleşmiştir. Daha düz olan taraf negatif pindir. LED'i modüle bağlarken, yuvarlak tarafın yanındaki pinin modülün dışındaki **+** işaretiyle belirtilen sokete, daha düz olan tarafın ise modülün ortasına daha yakın olan sokete bağlandığından emin olun.
+
+1. LED modülünde parlaklığı kontrol etmenizi sağlayan bir döner düğme bulunur. Küçük bir Phillips başlı tornavida kullanarak bunu saat yönünün tersine sonuna kadar çevirerek başlangıçta tamamen açın.
+
+1. Grove kablosunun bir ucunu LED modülündeki sokete yerleştirin. Kablo yalnızca bir yönde takılabilir.
+
+1. Raspberry Pi kapalıyken, Grove kablosunun diğer ucunu Pi'ye bağlı Grove Base hatındaki **D5** işaretiyle belirtilen dijital sokete bağlayın. Bu soket, GPIO pinlerinin yanındaki soket sırasının soldan ikinci soketidir.
+
+![Grove LED'in D5 soketine bağlanması](../../../../../translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.tr.png)
+
+## Gece lambasını programlayın
+
+Gece lambası artık Grove ışık sensörü ve Grove LED kullanılarak programlanabilir.
+
+### Görev - gece lambasını programlayın
+
+Gece lambasını programlayın.
+
+1. Pi'yi açın ve başlatılmasını bekleyin.
+
+1. Bu ödevin önceki bölümünde oluşturduğunuz gece lambası projesini VS Code'da açın. Proje, doğrudan Pi üzerinde çalıştırılabilir veya Remote SSH uzantısı kullanılarak bağlanabilir.
+
+1. Gerekli bir kütüphaneyi içe aktarmak için `app.py` dosyasına aşağıdaki kodu ekleyin. Bu kod, diğer `import` satırlarının altına eklenmelidir.
+
+    ```python
+    from grove.grove_led import GroveLed
+    ```
+
+    `from grove.grove_led import GroveLed` ifadesi, Grove Python kütüphanelerinden `GroveLed`'i içe aktarır. Bu kütüphane, bir Grove LED ile etkileşim kurmak için kod içerir.
+
+1. LED'i yöneten sınıfın bir örneğini oluşturmak için `light_sensor` tanımından sonra aşağıdaki kodu ekleyin:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    `led = GroveLed(5)` satırı, LED'in bağlı olduğu dijital Grove pini olan **D5** pinine bağlanan `GroveLed` sınıfının bir örneğini oluşturur.
+
+    > 💁 Tüm soketlerin benzersiz pin numaraları vardır. Pinler 0, 2, 4 ve 6 analog pinlerdir; pinler 5, 16, 18, 22, 24 ve 26 dijital pinlerdir.
+
+1. `while` döngüsünün içine ve `time.sleep` satırından önce bir kontrol ekleyerek ışık seviyelerini kontrol edin ve LED'i açıp kapatın:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    Bu kod, `light` değerini kontrol eder. Eğer bu değer 300'den küçükse, LED'i açan ve LED'e dijital bir 1 değeri gönderen `GroveLed` sınıfının `on` metodunu çağırır. Eğer ışık değeri 300 veya daha büyükse, LED'i kapatan ve LED'e dijital bir 0 değeri gönderen `off` metodunu çağırır.
+
+    > 💁 Bu kod, `print('Light level:', light)` satırıyla aynı seviyede girintili olmalı ve while döngüsünün içinde yer almalıdır!
+
+    > 💁 Aktüatörlere dijital değerler gönderirken, 0 değeri 0V, 1 değeri ise cihazın maksimum voltajıdır. Raspberry Pi ile Grove sensörleri ve aktüatörleri kullanıldığında, 1 voltajı 3.3V'dir.
+
+1. VS Code Terminalinden aşağıdaki komutu çalıştırarak Python uygulamanızı çalıştırın:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Işık değerleri konsola yazdırılacaktır.
+
+    ```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. Işık sensörünü örtün ve açın. Işık seviyesi 300 veya daha az olduğunda LED'in yanıp, ışık seviyesi 300'den büyük olduğunda LED'in söndüğünü fark edin.
+
+    > 💁 LED yanmıyorsa, doğru şekilde bağlandığından ve döner düğmenin tamamen açık olduğundan emin olun.
+
+![Işık seviyesi değiştikçe Pi'ye bağlı LED'in açılıp kapanması](../../../../../images/pi-running-assignment-1-1.gif)
+
+> 💁 Bu kodu [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi) klasöründe bulabilirsiniz.
+
+😀 Gece lambası programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
new file mode 100644
index 00000000..77a78d84
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
@@ -0,0 +1,110 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ea733bd0cdf2479e082373f765a08678",
+  "translation_date": "2025-08-28T03:43:11+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
+  "language_code": "tr"
+}
+-->
+# Bir gece lambası yap - Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi'ye bir ışık sensörü ekleyeceksiniz.
+
+## Donanım
+
+Bu ders için kullanılan sensör, ışığı elektrik sinyaline dönüştürmek için bir [fotodiyot](https://wikipedia.org/wiki/Photodiode) kullanan bir **ışık sensörüdür**. Bu, ışık miktarını 0 ile 1.000 arasında bir tam sayı değeri olarak gönderen analog bir sensördür. Bu değer, [lüks](https://wikipedia.org/wiki/Lux) gibi standart bir ölçü birimine karşılık gelmez.
+
+Işık sensörü, harici bir Grove sensörüdür ve Raspberry Pi üzerindeki Grove Base şapkasına bağlanması gerekir.
+
+### Işık sensörünü bağlayın
+
+Işık seviyelerini algılamak için kullanılan Grove ışık sensörünün Raspberry Pi'ye bağlanması gerekir.
+
+#### Görev - ışık sensörünü bağlayın
+
+Işık sensörünü bağlayın.
+
+![Bir Grove ışık sensörü](../../../../../translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.tr.png)
+
+1. Grove kablosunun bir ucunu ışık sensörü modülündeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Raspberry Pi kapalıyken, Grove kablosunun diğer ucunu, Pi'ye bağlı Grove Base şapkasındaki **A0** olarak işaretlenmiş analog sokete bağlayın. Bu soket, GPIO pinlerinin yanındaki soket sırasının sağdan ikinci soketidir.
+
+![A0 soketine bağlı Grove ışık sensörü](../../../../../translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.tr.png)
+
+## Işık sensörünü programlayın
+
+Cihaz artık Grove ışık sensörü kullanılarak programlanabilir.
+
+### Görev - ışık sensörünü programlayın
+
+Cihazı programlayın.
+
+1. Pi'yi açın ve başlatılmasını bekleyin.
+
+1. Bu ödevin önceki bölümünde oluşturduğunuz gece lambası projesini, doğrudan Pi üzerinde çalıştırarak veya Remote SSH uzantısını kullanarak VS Code'da açın.
+
+1. `app.py` dosyasını açın ve içindeki tüm kodları silin.
+
+1. `app.py` dosyasına aşağıdaki kodu ekleyerek gerekli kütüphaneleri içe aktarın:
+
+    ```python
+    import time
+    from grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    `import time` ifadesi, bu ödevin ilerleyen bölümlerinde kullanılacak olan `time` modülünü içe aktarır.
+
+    `from grove.grove_light_sensor_v1_2 import GroveLightSensor` ifadesi, Grove Python kütüphanelerinden `GroveLightSensor` sınıfını içe aktarır. Bu kütüphane, bir Grove ışık sensörüyle etkileşim kurmak için kod içerir ve Pi kurulumu sırasında global olarak yüklenmiştir.
+
+1. Yukarıdaki kodun altına, ışık sensörünü yöneten sınıfın bir örneğini oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    `light_sensor = GroveLightSensor(0)` satırı, ışık sensörünün bağlı olduğu analog Grove pini olan **A0** pinine bağlanarak `GroveLightSensor` sınıfının bir örneğini oluşturur.
+
+1. Yukarıdaki kodun altına, ışık sensörü değerini sürekli olarak sorgulamak ve konsola yazdırmak için sonsuz bir döngü ekleyin:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    Bu, `GroveLightSensor` sınıfının `light` özelliğini kullanarak 0-1.023 ölçeğinde mevcut ışık seviyesini okur. Bu özellik, pinden analog değeri okur. Bu değer daha sonra konsola yazdırılır.
+
+1. Döngünün sonuna bir saniyelik kısa bir bekleme ekleyin, çünkü ışık seviyelerinin sürekli olarak kontrol edilmesi gerekmez. Bekleme, cihazın güç tüketimini azaltır.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. VS Code Terminalinden aşağıdaki komutu çalıştırarak Python uygulamanızı çalıştırın:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Işık değerleri konsola yazdırılacaktır. Işık sensörünü kapatıp açın ve değerlerin değiştiğini göreceksiniz:
+
+    ```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
+    ```
+
+> 💁 Bu kodu [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi) klasöründe bulabilirsiniz.
+
+😀 Gece lambası programınıza bir sensör eklemek başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
new file mode 100644
index 00000000..c305daca
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:42:05+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
+  "language_code": "tr"
+}
+-->
+# Bir gece lambası yapın - Sanal IoT Donanımı
+
+Bu dersin bu bölümünde, sanal IoT cihazınıza bir LED ekleyecek ve bunu bir gece lambası oluşturmak için kullanacaksınız.
+
+## Sanal Donanım
+
+Gece lambası, CounterFit uygulamasında oluşturulan bir aktüatöre ihtiyaç duyar.
+
+Aktüatör bir **LED**'dir. Fiziksel bir IoT cihazında, bu, akım geçtiğinde ışık yayan bir [ışık yayan diyot](https://wikipedia.org/wiki/Light-emitting_diode) olurdu. Bu, iki durumu olan dijital bir aktüatördür: açık ve kapalı. 1 değeri göndermek LED'i açar, 0 değeri göndermek ise kapatır.
+
+Gece lambası mantığı şu şekilde bir sözde kod ile ifade edilebilir:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Aktüatörü CounterFit'e ekleyin
+
+Sanal bir LED kullanmak için, bunu CounterFit uygulamasına eklemeniz gerekir.
+
+#### Görev - Aktüatörü CounterFit'e ekleyin
+
+LED'i CounterFit uygulamasına ekleyin.
+
+1. Bu ödevin önceki bölümünden CounterFit web uygulamasının çalıştığından emin olun. Çalışmıyorsa, başlatın ve ışık sensörünü yeniden ekleyin.
+
+1. Bir LED oluşturun:
+
+    1. *Actuator* panelindeki *Create actuator* kutusunda, *Actuator type* açılır menüsünden *LED* seçeneğini seçin.
+
+    1. *Pin* değerini *5* olarak ayarlayın.
+
+    1. **Add** düğmesine tıklayarak Pin 5 üzerinde bir LED oluşturun.
+
+    ![LED ayarları](../../../../../translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.tr.png)
+
+    LED oluşturulacak ve aktüatörler listesinde görünecektir.
+
+    ![Oluşturulan LED](../../../../../translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.tr.png)
+
+    LED oluşturulduktan sonra, *Color* seçici kullanılarak rengi değiştirebilirsiniz. Rengi seçtikten sonra **Set** düğmesine tıklayarak değişikliği uygulayın.
+
+### Gece lambasını programlayın
+
+Artık CounterFit ışık sensörü ve LED kullanılarak gece lambası programlanabilir.
+
+#### Görev - Gece lambasını programlayın
+
+Gece lambasını programlayın.
+
+1. Bu ödevin önceki bölümünde oluşturduğunuz gece lambası projesini VS Code'da açın. Gerekirse terminali kapatıp yeniden oluşturun ve sanal ortamı kullanarak çalıştığından emin olun.
+
+1. `app.py` dosyasını açın.
+
+1. Gerekli bir kütüphaneyi içe aktarmak için `app.py` dosyasına aşağıdaki kodu ekleyin. Bu kod, diğer `import` satırlarının altına eklenmelidir.
+
+    ```python
+    from counterfit_shims_grove.grove_led import GroveLed
+    ```
+
+    `from counterfit_shims_grove.grove_led import GroveLed` ifadesi, CounterFit Grove shim Python kütüphanelerinden `GroveLed` sınıfını içe aktarır. Bu kütüphane, CounterFit uygulamasında oluşturulan bir LED ile etkileşim kurmak için kod içerir.
+
+1. LED'i yöneten sınıfın bir örneğini oluşturmak için `light_sensor` tanımından sonra aşağıdaki kodu ekleyin:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    `led = GroveLed(5)` satırı, LED'in bağlı olduğu CounterFit Grove pini olan **5** pinine bağlanan `GroveLed` sınıfının bir örneğini oluşturur.
+
+1. `while` döngüsü içinde ve `time.sleep` öncesinde ışık seviyelerini kontrol etmek ve LED'i açıp kapatmak için bir kontrol ekleyin:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    Bu kod, `light` değerini kontrol eder. Eğer bu değer 300'den küçükse, `GroveLed` sınıfının `on` metodunu çağırır ve LED'e 1 dijital değerini göndererek LED'i açar. Eğer ışık değeri 300 veya daha büyükse, `off` metodunu çağırır ve LED'e 0 dijital değerini göndererek LED'i kapatır.
+
+    > 💁 Bu kod, `print('Light level:', light)` satırıyla aynı seviyede girintilenmelidir, böylece `while` döngüsünün içinde yer alır!
+
+1. VS Code Terminalinden aşağıdaki komutu çalıştırarak Python uygulamanızı çalıştırın:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Işık değerleri konsola yazdırılacaktır.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+1. Işık seviyesini 300'ün üzerine ve altına değiştirmek için *Value* veya *Random* ayarlarını değiştirin. LED açılıp kapanacaktır.
+
+![Işık seviyesi değiştikçe CounterFit uygulamasındaki LED'in açılıp kapanması](../../../../../images/virtual-device-running-assignment-1-1.gif)
+
+> 💁 Bu kodu [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device) klasöründe bulabilirsiniz.
+
+😀 Gece lambası programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
new file mode 100644
index 00000000..bb8fa8db
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:44:17+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
+  "language_code": "tr"
+}
+-->
+# Bir gece lambası yapın - Sanal IoT Donanımı
+
+Bu dersin bu bölümünde, sanal IoT cihazınıza bir ışık sensörü ekleyeceksiniz.
+
+## Sanal Donanım
+
+Gece lambası için CounterFit uygulamasında oluşturulan bir sensöre ihtiyaç vardır.
+
+Bu sensör bir **ışık sensörüdür**. Fiziksel bir IoT cihazında, ışığı elektrik sinyaline dönüştüren bir [fotodiyot](https://wikipedia.org/wiki/Photodiode) olurdu. Işık sensörleri, ışığın göreceli miktarını gösteren bir tam sayı değeri gönderen analog sensörlerdir ve bu değer [lüks](https://wikipedia.org/wiki/Lux) gibi standart bir ölçü birimine karşılık gelmez.
+
+### CounterFit'e sensör ekleme
+
+Sanal bir ışık sensörü kullanmak için, bunu CounterFit uygulamasına eklemeniz gerekir.
+
+#### Görev - CounterFit'e sensör ekleme
+
+CounterFit uygulamasına ışık sensörünü ekleyin.
+
+1. Bu ödevin önceki bölümünden CounterFit web uygulamasının çalıştığından emin olun. Çalışmıyorsa, başlatın.
+
+1. Bir ışık sensörü oluşturun:
+
+    1. *Sensors* panelindeki *Create sensor* kutusunda, *Sensor type* açılır kutusunu açın ve *Light* seçeneğini seçin.
+
+    1. *Units* seçeneğini *NoUnits* olarak bırakın.
+
+    1. *Pin* seçeneğinin *0* olarak ayarlandığından emin olun.
+
+    1. Pin 0 üzerinde ışık sensörünü oluşturmak için **Add** düğmesine tıklayın.
+
+    ![Işık sensörü ayarları](../../../../../translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.tr.png)
+
+    Işık sensörü oluşturulacak ve sensörler listesinde görünecektir.
+
+    ![Oluşturulan ışık sensörü](../../../../../translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.tr.png)
+
+## Işık sensörünü programlama
+
+Cihaz artık yerleşik ışık sensörünü kullanacak şekilde programlanabilir.
+
+### Görev - ışık sensörünü programlama
+
+Cihazı programlayın.
+
+1. Bu ödevin önceki bölümünde oluşturduğunuz gece lambası projesini VS Code'da açın. Gerekirse terminali kapatıp yeniden oluşturun ve sanal ortamı kullanarak çalıştığından emin olun.
+
+1. `app.py` dosyasını açın.
+
+1. Gerekli kütüphaneleri içe aktarmak için `app.py` dosyasının üst kısmına, diğer `import` ifadelerinin yanına aşağıdaki kodu ekleyin:
+
+    ```python
+    import time
+    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    `import time` ifadesi, bu ödevin ilerleyen bölümlerinde kullanılacak olan Python `time` modülünü içe aktarır.
+
+    `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` ifadesi, CounterFit Grove shim Python kütüphanelerinden `GroveLightSensor` sınıfını içe aktarır. Bu kütüphane, CounterFit uygulamasında oluşturulan bir ışık sensörüyle etkileşim kurmak için kod içerir.
+
+1. Işık sensörünü yöneten sınıfların örneklerini oluşturmak için dosyanın altına aşağıdaki kodu ekleyin:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    `light_sensor = GroveLightSensor(0)` satırı, **0** pinine bağlanan `GroveLightSensor` sınıfının bir örneğini oluşturur - ışık sensörünün bağlı olduğu CounterFit Grove pini.
+
+1. Işık sensörünün değerini sorgulamak ve konsola yazdırmak için yukarıdaki kodun altına sonsuz bir döngü ekleyin:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    Bu, `GroveLightSensor` sınıfının `light` özelliğini kullanarak mevcut ışık seviyesini okur. Bu özellik, pinden analog değeri okur. Bu değer daha sonra konsola yazdırılır.
+
+1. `while` döngüsünün sonunda bir saniyelik kısa bir bekleme ekleyin, çünkü ışık seviyelerinin sürekli olarak kontrol edilmesine gerek yoktur. Bekleme, cihazın güç tüketimini azaltır.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. VS Code Terminalinden, Python uygulamanızı çalıştırmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Işık değerleri konsola yazdırılacaktır. Başlangıçta bu değer 0 olacaktır.
+
+1. CounterFit uygulamasından, uygulama tarafından okunacak ışık sensörünün değerini değiştirin. Bunu iki şekilde yapabilirsiniz:
+
+    * Işık sensörü için *Value* kutusuna bir sayı girin ve ardından **Set** düğmesine tıklayın. Girdiğiniz sayı, sensör tarafından döndürülen değer olacaktır.
+
+    * *Random* kutusunu işaretleyin ve bir *Min* ve *Max* değeri girin, ardından **Set** düğmesine tıklayın. Sensör her değer okuduğunda, *Min* ve *Max* arasında rastgele bir sayı okuyacaktır.
+
+    Ayarladığınız değerler konsola yazdırılacaktır. Değeri değiştirmek için *Value* veya *Random* ayarlarını değiştirin.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+> 💁 Bu kodu [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device) klasöründe bulabilirsiniz.
+
+😀 Gece lambası programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
new file mode 100644
index 00000000..c8f834b5
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:43:39+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
+  "language_code": "tr"
+}
+-->
+# Gece Lambası Yapımı - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal'inize bir LED ekleyecek ve bir gece lambası oluşturacaksınız.
+
+## Donanım
+
+Gece lambası artık bir aktüatöre ihtiyaç duyuyor.
+
+Aktüatör, bir **LED**, yani bir [ışık yayan diyot](https://wikipedia.org/wiki/Light-emitting_diode). Akım geçtiğinde ışık yayar. Bu, iki durumu olan dijital bir aktüatördür: açık ve kapalı. 1 değeri gönderildiğinde LED yanar, 0 gönderildiğinde söner. Bu, harici bir Grove aktüatörüdür ve Wio Terminal'e bağlanması gerekir.
+
+Gece lambasının mantığı, sözde kod olarak şu şekildedir:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### LED'i Bağlayın
+
+Grove LED, farklı renklerde LED'ler içeren bir modül olarak gelir, böylece istediğiniz rengi seçebilirsiniz.
+
+#### Görev - LED'i bağlayın
+
+LED'i bağlayın.
+
+![Bir Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.tr.png)
+
+1. En sevdiğiniz LED'i seçin ve bacaklarını LED modülündeki iki deliğe yerleştirin.
+
+    LED'ler ışık yayan diyotlardır ve diyotlar, akımı yalnızca tek bir yönde iletebilen elektronik cihazlardır. Bu, LED'in doğru şekilde bağlanması gerektiği anlamına gelir, aksi takdirde çalışmaz.
+
+    LED'in bacaklarından biri pozitif uç, diğeri negatif uçtur. LED tamamen yuvarlak değildir ve bir tarafı biraz daha düz bir şekildedir. Hafifçe düz olan taraf negatif uçtur. LED'i modüle bağlarken, yuvarlak tarafın yanındaki bacağın modülün dışındaki **+** işaretiyle belirtilen sokete, düz tarafın ise modülün ortasına daha yakın olan sokete bağlandığından emin olun.
+
+1. LED modülünde, parlaklığı kontrol etmenizi sağlayan bir döner düğme bulunur. Küçük bir yıldız tornavida kullanarak bu düğmeyi saat yönünün tersine çevirerek sonuna kadar açın.
+
+1. Grove kablosunun bir ucunu LED modülündeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Wio Terminal'inizi bilgisayarınızdan veya başka bir güç kaynağından ayırarak, Grove kablosunun diğer ucunu Wio Terminal'in ekranına bakarken sağ taraftaki Grove soketine bağlayın. Bu, güç düğmesinden en uzak olan sokettir.
+
+    > 💁 Sağ taraftaki Grove soketi, analog veya dijital sensörler ve aktüatörlerle kullanılabilir. Sol taraftaki soket yalnızca I2C ve dijital sensörler ve aktüatörler içindir. Bu konu daha sonraki bir derste ele alınacaktır.
+
+![Sağ taraftaki sokete bağlanmış Grove LED](../../../../../translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.tr.png)
+
+## Gece Lambasını Programlayın
+
+Gece lambası artık dahili ışık sensörü ve Grove LED kullanılarak programlanabilir.
+
+### Görev - Gece lambasını programlayın
+
+Gece lambasını programlayın.
+
+1. Bu ödevin önceki bölümünde oluşturduğunuz gece lambası projesini VS Code'da açın.
+
+1. `setup` fonksiyonunun sonuna şu satırı ekleyin:
+
+    ```cpp
+    pinMode(D0, OUTPUT);
+    ```
+
+    Bu satır, Grove portu üzerinden LED ile iletişim kurmak için kullanılan pini yapılandırır.
+
+    `D0` pini, sağ taraftaki Grove soketi için dijital pindir. Bu pin, bir aktüatöre bağlandığı ve pine veri yazılacağı anlamına gelen `OUTPUT` olarak ayarlanır.
+
+1. Döngü fonksiyonundaki `delay` satırının hemen öncesine şu kodu ekleyin:
+
+    ```cpp
+    if (light < 300)
+    {
+        digitalWrite(D0, HIGH);
+    }
+    else
+    {
+        digitalWrite(D0, LOW);
+    }
+    ```
+
+    Bu kod, `light` değerini kontrol eder. Eğer bu değer 300'den küçükse, `D0` dijital pinine `HIGH` değeri gönderir. Bu `HIGH` değeri 1 anlamına gelir ve LED'i yakar. Eğer ışık değeri 300 veya daha büyükse, pine `LOW` değeri olan 0 gönderilir ve LED söner.
+
+    > 💁 Aktüatörlere dijital değerler gönderirken, LOW değeri 0v, HIGH değeri ise cihaz için maksimum voltajdır. Wio Terminal için HIGH voltajı 3.3V'dir.
+
+1. Wio Terminal'i tekrar bilgisayarınıza bağlayın ve daha önce yaptığınız gibi yeni kodu yükleyin.
+
+1. Seri Monitörü bağlayın. Işık değerleri terminale yazdırılacaktır.
+
+    ```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. Işık sensörünü kapatıp açın. Işık seviyesi 300 veya daha az olduğunda LED'in yandığını, 300'den büyük olduğunda ise söndüğünü fark edeceksiniz.
+
+![Işık seviyesi değiştikçe WIO'ya bağlı LED'in yanıp sönmesi](../../../../../images/wio-running-assignment-1-1.gif)
+
+> 💁 Bu kodu [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Gece lambası programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/tr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
new file mode 100644
index 00000000..5a56c234
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:44:59+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
+  "language_code": "tr"
+}
+-->
+# Bir Sensör Ekleyin - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal üzerindeki ışık sensörünü kullanacaksınız.
+
+## Donanım
+
+Bu ders için kullanılan sensör, ışığı bir elektrik sinyaline dönüştürmek için bir [fotodiyot](https://wikipedia.org/wiki/Photodiode) kullanan bir **ışık sensörüdür**. Bu, 0 ile 1.023 arasında bir tamsayı değeri gönderen analog bir sensördür ve bu değer, [lüks](https://wikipedia.org/wiki/Lux) gibi standart bir ölçü birimine karşılık gelmez, yalnızca göreceli bir ışık miktarını ifade eder.
+
+Işık sensörü, Wio Terminal'in içine yerleştirilmiştir ve cihazın arkasındaki şeffaf plastik pencere aracılığıyla görülebilir.
+
+![Wio Terminal'in arkasındaki ışık sensörü](../../../../../translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.tr.png)
+
+## Işık Sensörünü Programlayın
+
+Cihaz artık dahili ışık sensörünü kullanacak şekilde programlanabilir.
+
+### Görev
+
+Cihazı programlayın.
+
+1. Bu ödevin önceki bölümünde oluşturduğunuz gece lambası projesini VS Code'da açın.
+
+1. `setup` fonksiyonunun sonuna aşağıdaki satırı ekleyin:
+
+    ```cpp
+    pinMode(WIO_LIGHT, INPUT);
+    ```
+
+    Bu satır, sensör donanımıyla iletişim kurmak için kullanılan pinleri yapılandırır.
+
+    `WIO_LIGHT` pini, dahili ışık sensörüne bağlı GPIO pininin numarasıdır. Bu pin `INPUT` olarak ayarlanmıştır, yani bir sensöre bağlanır ve bu pin üzerinden veri okunur.
+
+1. `loop` fonksiyonunun içeriğini silin.
+
+1. Şimdi boş olan `loop` fonksiyonuna aşağıdaki kodu ekleyin.
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+    Serial.print("Light value: ");
+    Serial.println(light);
+    ```
+
+    Bu kod, `WIO_LIGHT` pininden analog bir değer okur. Bu, dahili ışık sensöründen 0-1.023 arasında bir değer okur. Bu değer daha sonra seri porta gönderilir, böylece bu kod çalışırken Seri Monitör'de okuyabilirsiniz. `Serial.print`, metni yeni bir satır eklemeden yazar, bu nedenle her satır `Light value:` ile başlar ve ardından gerçek ışık değeriyle biter.
+
+1. Döngünün sonunda bir saniyelik (1.000ms) küçük bir gecikme ekleyin, çünkü ışık seviyelerinin sürekli olarak kontrol edilmesi gerekmez. Bir gecikme, cihazın güç tüketimini azaltır.
+
+    ```cpp
+    delay(1000);
+    ```
+
+1. Wio Terminal'i bilgisayarınıza yeniden bağlayın ve daha önce yaptığınız gibi yeni kodu yükleyin.
+
+1. Seri Monitör'e bağlanın. Işık değerleri terminale yazdırılacaktır. Wio Terminal'in arkasındaki ışık sensörünü kapatıp açın ve değerlerin değiştiğini göreceksiniz.
+
+    ```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
+    ```
+
+> 💁 Bu kodu [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Gece lambası programınıza bir sensör eklemek başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/4-connect-internet/README.md b/translations/tr/1-getting-started/lessons/4-connect-internet/README.md
new file mode 100644
index 00000000..329172d3
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/4-connect-internet/README.md
@@ -0,0 +1,466 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
+  "translation_date": "2025-08-28T03:29:14+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
+  "language_code": "tr"
+}
+-->
+# Cihazınızı İnternete Bağlayın
+
+![Bu dersin bir sketchnote özeti](../../../../../translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+Bu ders, [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) tarafından sunulan [Hello IoT serisinin](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) bir parçası olarak öğretildi. Ders, 1 saatlik bir ders ve dersin bazı bölümlerine daha derinlemesine dalarak soruları yanıtlayan 1 saatlik bir ofis saati olmak üzere iki video olarak sunuldu.
+
+[![Ders 4: Cihazınızı İnternete Bağlayın](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
+
+[![Ders 4: Cihazınızı İnternete Bağlayın - Ofis Saatleri](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
+
+> 🎥 Videoları izlemek için yukarıdaki görsellere tıklayın
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
+
+## Giriş
+
+IoT'deki **I**, **Internet** anlamına gelir - IoT cihazlarının özelliklerini mümkün kılan bulut bağlantısı ve hizmetler. Bu özellikler, cihazlara bağlı sensörlerden ölçümler toplamaktan, aktüatörleri kontrol etmek için mesajlar göndermeye kadar uzanır. IoT cihazları genellikle standart bir iletişim protokolü kullanarak tek bir bulut IoT hizmetine bağlanır ve bu hizmet, IoT uygulamanızın geri kalanına bağlanır. Bu, verilerinizle akıllı kararlar almak için yapay zeka hizmetlerinden, kontrol veya raporlama için web uygulamalarına kadar her şeyi içerir.
+
+> 🎓 Sensörlerden toplanan ve buluta gönderilen verilere telemetri denir.
+
+IoT cihazları buluttan mesajlar alabilir. Bu mesajlar genellikle komutlar içerir - yani, cihaz içinde (örneğin yeniden başlatma veya yazılım güncelleme) veya bir aktüatör kullanarak (örneğin bir ışığı açma) bir eylem gerçekleştirme talimatlarıdır.
+
+Bu ders, IoT cihazlarının buluta bağlanmak için kullanabileceği bazı iletişim protokollerini ve gönderebilecekleri veya alabilecekleri veri türlerini tanıtır. Ayrıca, hem bunlarla pratik yapacak hem de gece lambanıza internet kontrolü ekleyerek LED kontrol mantığını yerel olarak çalışan 'sunucu' koduna taşıyacaksınız.
+
+Bu derste şunları ele alacağız:
+
+* [İletişim protokolleri](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Mesaj Kuyruğu Telemetri Taşıma (MQTT)](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Telemetri](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Komutlar](../../../../../1-getting-started/lessons/4-connect-internet)
+
+## İletişim Protokolleri
+
+IoT cihazlarının İnternet ile iletişim kurmak için kullandığı birçok popüler iletişim protokolü vardır. En popüler olanlar, bir tür aracı üzerinden yayınla/abone ol mesajlaşmasına dayanır. IoT cihazları aracıya bağlanır, telemetri yayınlar ve komutlara abone olur. Bulut hizmetleri de aracıya bağlanır, tüm telemetri mesajlarına abone olur ve belirli cihazlara veya cihaz gruplarına komutlar yayınlar.
+
+![IoT cihazları bir aracıya bağlanır, telemetri yayınlar ve komutlara abone olur. Bulut hizmetleri aracıya bağlanır, tüm telemetri mesajlarına abone olur ve belirli cihazlara komut gönderir.](../../../../../translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.tr.png)
+
+MQTT, IoT cihazları için en popüler iletişim protokolüdür ve bu derste ele alınacaktır. Diğer protokoller arasında AMQP ve HTTP/HTTPS bulunur.
+
+## Mesaj Kuyruğu Telemetri Taşıma (MQTT)
+
+[MQTT](http://mqtt.org), cihazlar arasında mesaj gönderebilen hafif, açık standart bir mesajlaşma protokolüdür. 1999 yılında petrol boru hatlarını izlemek için tasarlanmış ve 15 yıl sonra IBM tarafından açık bir standart olarak yayınlanmıştır.
+
+MQTT, tek bir aracı ve birden fazla istemciye sahiptir. Tüm istemciler aracıya bağlanır ve aracı, mesajları ilgili istemcilere yönlendirir. Mesajlar, bireysel bir istemciye doğrudan gönderilmek yerine adlandırılmış konular kullanılarak yönlendirilir. Bir istemci bir konuya yayın yapabilir ve o konuya abone olan tüm istemciler mesajı alır.
+
+![IoT cihazı, /telemetry konusunda telemetri yayınlıyor ve bulut hizmeti bu konuya abone oluyor](../../../../../translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.tr.png)
+
+✅ Araştırma yapın. Çok sayıda IoT cihazınız varsa, MQTT aracınızın tüm mesajları işleyebilmesini nasıl sağlayabilirsiniz?
+
+### IoT Cihazınızı MQTT'ye Bağlayın
+
+Gece lambanıza internet kontrolü eklemenin ilk adımı, onu bir MQTT aracısına bağlamaktır.
+
+#### Görev
+
+Cihazınızı bir MQTT aracısına bağlayın.
+
+Bu dersin bu bölümünde, IoT gece lambanızı internete bağlayarak uzaktan kontrol edilmesini sağlayacaksınız. Dersin ilerleyen bölümlerinde, IoT cihazınız bir MQTT aracısına ışık seviyesiyle ilgili bir telemetri mesajı gönderecek ve bu mesaj, yazacağınız bir sunucu kodu tarafından alınacaktır. Bu kod, ışık seviyesini kontrol edecek ve LED'i açıp kapatmasını söyleyen bir komut mesajı gönderecektir.
+
+Böyle bir kurulumun gerçek dünya kullanım durumu, bir stadyum gibi çok sayıda ışığın bulunduğu bir yerde, ışıkları açmadan önce birden fazla ışık sensöründen veri toplamaktır. Bu, yalnızca bir sensör bulutlar veya bir kuş tarafından kapatılmış olsa bile diğer sensörlerin yeterli ışık algıladığı durumlarda ışıkların açılmasını engelleyebilir.
+
+✅ Hangi durumlar, komut göndermeden önce birden fazla sensörden veri değerlendirilmesini gerektirir?
+
+Bu ödevin bir parçası olarak bir MQTT aracı kurmanın karmaşıklıklarıyla uğraşmak yerine, [Eclipse Mosquitto](https://www.mosquitto.org) adlı açık kaynaklı bir MQTT aracısını çalıştıran bir genel test sunucusunu kullanabilirsiniz. Bu test aracı, [test.mosquitto.org](https://test.mosquitto.org) adresinde herkese açık olarak mevcuttur ve bir hesap oluşturulmasını gerektirmez, bu da MQTT istemcileri ve sunucularını test etmek için harika bir araçtır.
+
+> 💁 Bu test aracı herkese açıktır ve güvenli değildir. Yayınladığınız şeyleri başkaları dinleyebilir, bu nedenle özel tutulması gereken verilerle kullanılmamalıdır.
+
+![Görev akış şeması: ışık seviyeleri okunur ve kontrol edilir, LED kontrol edilir](../../../../../translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.tr.png)
+
+Cihazınızı MQTT aracısına bağlamak için aşağıdaki ilgili adımı izleyin:
+
+* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal IoT cihazı](single-board-computer-mqtt.md)
+
+### MQTT'ye Daha Derin Bir Bakış
+
+Konular bir hiyerarşiye sahip olabilir ve istemciler, joker karakterler kullanarak hiyerarşinin farklı seviyelerine abone olabilir. Örneğin, sıcaklık telemetri mesajlarını `/telemetry/temperature` konusuna ve nem mesajlarını `/telemetry/humidity` konusuna gönderebilir, ardından bulut uygulamanızda hem sıcaklık hem de nem telemetri mesajlarını almak için `/telemetry/*` konusuna abone olabilirsiniz.
+
+Mesajlar, alınma garantisini belirleyen bir hizmet kalitesi (QoS) ile gönderilebilir.
+
+* En fazla bir kez - mesaj yalnızca bir kez gönderilir ve istemci ile aracı, teslimatı onaylamak için ek adımlar atmaz (gönder ve unut).
+* En az bir kez - mesaj, onay alınana kadar gönderici tarafından birden çok kez yeniden gönderilir (onaylı teslimat).
+* Tam olarak bir kez - gönderici ve alıcı, mesajın yalnızca bir kopyasının alınmasını sağlamak için iki seviyeli bir el sıkışma sürecine girer (garantili teslimat).
+
+✅ Hangi durumlar, gönder ve unut mesajı yerine garantili bir teslimat mesajı gerektirir?
+
+MQTT'nin adı Mesaj Kuyruğu (MQ) olsa da, aslında mesaj kuyruklarını desteklemez. Bu, bir istemci bağlantısı kesilip yeniden bağlanırsa, bağlantı kesilmesi sırasında gönderilen mesajları almayacağı anlamına gelir. Ancak, QoS sürecini kullanarak işlemeye başladığı mesajlar hariç. Mesajlar, bir retained (saklanan) bayrağı ile gönderilebilir. Bu bayrak ayarlandığında, MQTT aracı, bu bayrakla gönderilen bir konudaki son mesajı saklar ve daha sonra o konuya abone olan istemcilere gönderir. Bu şekilde, istemciler her zaman en son mesajı alır.
+
+MQTT ayrıca, mesajlar arasındaki uzun boşluklar sırasında bağlantının hala canlı olup olmadığını kontrol eden bir keep alive (canlı tutma) işlevini destekler.
+
+> 🦟 [Eclipse Foundation'dan Mosquitto](https://mosquitto.org), MQTT ile denemeler yapmak için kendiniz çalıştırabileceğiniz ücretsiz bir MQTT aracı sunar. Ayrıca, kodunuzu test etmek için kullanabileceğiniz bir genel MQTT aracı [test.mosquitto.org](https://test.mosquitto.org) adresinde barındırılmaktadır.
+
+MQTT bağlantıları herkese açık ve açık olabilir veya kullanıcı adları ve şifreler ya da sertifikalar kullanılarak şifrelenip güvenli hale getirilebilir.
+
+> 💁 MQTT, HTTP ile aynı temel ağ protokolü olan TCP/IP üzerinden iletişim kurar, ancak farklı bir port üzerinden. Ayrıca, web tarayıcısında çalışan web uygulamalarıyla iletişim kurmak veya güvenlik duvarları ya da diğer ağ kuralları standart MQTT bağlantılarını engellediğinde MQTT'yi websockets üzerinden kullanabilirsiniz.
+
+## Telemetri
+
+Telemetri kelimesi, uzaktan ölçüm anlamına gelen Yunanca köklerden türetilmiştir. Telemetri, sensörlerden veri toplama ve bu verileri buluta gönderme işlemidir.
+
+> 💁 İlk telemetri cihazlarından biri, 1874 yılında Fransa'da icat edilmiştir ve Mont Blanc'dan Paris'e gerçek zamanlı hava durumu ve kar derinliklerini göndermiştir. O dönemde kablosuz teknolojiler mevcut olmadığından fiziksel kablolar kullanılmıştır.
+
+1. Dersteki akıllı termostat örneğine geri dönelim.
+
+![Birden fazla oda sensörü kullanan internet bağlantılı bir termostat](../../../../../translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.tr.png)
+
+Termostat, telemetri toplamak için sıcaklık sensörlerine sahiptir. Muhtemelen bir sıcaklık sensörü yerleşik olarak bulunur ve birden fazla harici sıcaklık sensörüne [Bluetooth Low Energy](https://wikipedia.org/wiki/Bluetooth_Low_Energy) (BLE) gibi bir kablosuz protokol üzerinden bağlanabilir.
+
+Gönderebileceği telemetri verilerine bir örnek:
+
+| Ad | Değer | Açıklama |
+| ---- | ----- | ----------- |
+| `thermostat_temperature` | 18°C | Termostatın yerleşik sıcaklık sensörü tarafından ölçülen sıcaklık |
+| `livingroom_temperature` | 19°C | `livingroom` olarak adlandırılmış bir uzaktan sıcaklık sensörü tarafından ölçülen sıcaklık |
+| `bedroom_temperature` | 21°C | `bedroom` olarak adlandırılmış bir uzaktan sıcaklık sensörü tarafından ölçülen sıcaklık |
+
+Bulut hizmeti, bu telemetri verilerini kullanarak ısıtmayı kontrol etmek için hangi komutların gönderileceği konusunda kararlar alabilir.
+
+### IoT Cihazınızdan Telemetri Gönderin
+
+Gece lambanıza internet kontrolü eklemenin bir sonraki adımı, ışık seviyesi telemetrisini bir telemetri konusu üzerinden MQTT aracısına göndermektir.
+
+#### Görev - IoT cihazınızdan telemetri gönderin
+
+Işık seviyesi telemetrisini MQTT aracısına gönderin.
+
+Veriler, anahtar/değer çiftlerini kullanarak metin halinde veri kodlamak için bir standart olan JSON (JavaScript Object Notation) olarak kodlanmış şekilde gönderilir.
+
+✅ JSON hakkında daha önce bilgi sahibi değilseniz, [JSON.org dokümantasyonu](https://www.json.org/) üzerinden daha fazla bilgi edinebilirsiniz.
+
+Cihazınızdan MQTT aracısına telemetri göndermek için aşağıdaki ilgili adımı izleyin:
+
+* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal IoT cihazı](single-board-computer-telemetry.md)
+
+### MQTT Aracısından Telemetri Alın
+
+Telemetri gönderiyorsanız, diğer uçta bunu dinleyen bir şeyin olması gerekir. Işık seviyesi telemetrisinin, verileri işlemek için bir şey tarafından dinlenmesi gerekir. Bu 'sunucu' kodu, daha büyük bir IoT uygulamasının bir parçası olarak bir bulut hizmetine dağıtacağınız türden bir koddur, ancak burada bu kodu bilgisayarınızda (veya doğrudan Raspberry Pi'nizde çalışıyorsanız Pi'nizde) çalıştıracaksınız. Sunucu kodu, MQTT üzerinden ışık seviyeleriyle ilgili telemetri mesajlarını dinleyen bir Python uygulamasından oluşur. Dersin ilerleyen bölümlerinde, LED'i açıp kapatma talimatları içeren bir komut mesajıyla yanıt vermesini sağlayacaksınız.
+
+✅ Araştırma yapın: Eğer bir dinleyici yoksa MQTT mesajlarına ne olur?
+
+#### Python ve VS Code'u Yükleyin
+
+Eğer bilgisayarınızda Python ve VS Code yüklü değilse, sunucu kodunu yazmak için her ikisini de yüklemeniz gerekecek. Eğer sanal bir IoT cihazı kullanıyorsanız veya Raspberry Pi'nizde çalışıyorsanız, bu adımı atlayabilirsiniz çünkü bunlar zaten yüklü ve yapılandırılmış olmalıdır.
+
+##### Görev - Python ve VS Code'u yükleyin
+
+Python ve VS Code'u yükleyin.
+
+1. Python'u yükleyin. En son Python sürümünü yüklemek için [Python indirme sayfasına](https://www.python.org/downloads/) başvurun.
+
+2. Visual Studio Code (VS Code) yükleyin. Bu, Python'da sanal cihaz kodunuzu yazmak için kullanacağınız editördür. VS Code'u yüklemek için [VS Code dokümantasyonuna](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) başvurun.
+💁 Bu dersler için tercih ettiğiniz bir Python IDE veya editörünü kullanmakta özgürsünüz, ancak dersler VS Code kullanımı temel alınarak talimatlar verecektir.
+1. VS Code Pylance uzantısını yükleyin. Bu, VS Code için Python dil desteği sağlayan bir uzantıdır. Bu uzantıyı VS Code'a nasıl yükleyeceğinizle ilgili talimatlar için [Pylance uzantısı dokümantasyonuna](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) bakın.
+
+#### Bir Python sanal ortamı yapılandırın
+
+Python'un güçlü özelliklerinden biri, [pip paketlerini](https://pypi.org) yükleyebilme yeteneğidir - bunlar, başkaları tarafından yazılmış ve internete yüklenmiş kod paketleridir. Bir pip paketini bilgisayarınıza tek bir komutla yükleyebilir ve ardından bu paketi kodunuzda kullanabilirsiniz. MQTT üzerinden iletişim kurmak için bir paket yüklemek için pip kullanacaksınız.
+
+Varsayılan olarak bir paket yüklediğinizde, bu paket bilgisayarınızın her yerinde kullanılabilir hale gelir ve bu durum paket sürümleriyle ilgili sorunlara yol açabilir - örneğin, bir uygulama bir paketin bir sürümüne bağlıyken, başka bir uygulama için yeni bir sürüm yüklediğinizde bu sürüm bozulabilir. Bu sorunu aşmak için, [Python sanal ortamı](https://docs.python.org/3/library/venv.html) kullanabilirsiniz; bu, Python'un özel bir klasördeki bir kopyasıdır ve pip paketlerini yüklediğinizde yalnızca o klasöre yüklenir.
+
+##### Görev - Bir Python sanal ortamı yapılandırın
+
+Bir Python sanal ortamı yapılandırın ve MQTT pip paketlerini yükleyin.
+
+1. Terminalinizden veya komut satırınızdan, yeni bir dizin oluşturmak ve bu dizine gitmek için aşağıdaki komutları çalıştırın:
+
+    ```sh
+    mkdir nightlight-server
+    cd nightlight-server
+    ```
+
+1. Şimdi `.venv` klasöründe bir sanal ortam oluşturmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 Sanal ortamı oluşturmak için `python3`'ü açıkça çağırmanız gerekir, çünkü Python 2'nin yanı sıra Python 3'ü de yüklemiş olabilirsiniz (en son sürüm). Python 2 yüklüyse, `python` komutunu çağırmak Python 2'yi kullanacaktır.
+
+1. Sanal ortamı etkinleştirin:
+
+    * Windows'ta:
+        * Komut İstemi veya Windows Terminal üzerinden Komut İstemi kullanıyorsanız, şu komutu çalıştırın:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * PowerShell kullanıyorsanız, şu komutu çalıştırın:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * macOS veya Linux'ta şu komutu çalıştırın:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Bu komutlar, sanal ortamı oluşturmak için komutu çalıştırdığınız aynı konumdan çalıştırılmalıdır. `.venv` klasörüne asla gitmeniz gerekmez; her zaman etkinleştirme komutunu ve paketleri yüklemek veya kod çalıştırmak için komutları sanal ortamı oluşturduğunuz klasörden çalıştırmalısınız.
+
+1. Sanal ortam etkinleştirildikten sonra, varsayılan `python` komutu, sanal ortamı oluşturmak için kullanılan Python sürümünü çalıştırır. Sürümü almak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    python --version
+    ```
+
+    Çıktı aşağıdakine benzer olacaktır:
+
+    ```output
+    (.venv) ➜  nightlight-server python --version
+    Python 3.9.1
+    ```
+
+    > 💁 Python sürümünüz farklı olabilir - sürüm 3.6 veya daha yüksek olduğu sürece sorun yok. Değilse, bu klasörü silin, daha yeni bir Python sürümü yükleyin ve tekrar deneyin.
+
+1. [Paho-MQTT](https://pypi.org/project/paho-mqtt/) için pip paketini yüklemek için aşağıdaki komutları çalıştırın. Bu, popüler bir MQTT kütüphanesidir.
+
+    ```sh
+    pip install paho-mqtt
+    ```
+
+    Bu pip paketi yalnızca sanal ortamda yüklenecek ve bunun dışında kullanılamayacaktır.
+
+#### Sunucu kodunu yazın
+
+Artık sunucu kodu Python'da yazılabilir.
+
+##### Görev - Sunucu kodunu yazın
+
+Sunucu kodunu yazın.
+
+1. Sanal ortamın içinde, terminalinizden veya komut satırınızdan aşağıdaki komutları çalıştırarak `app.py` adlı bir Python dosyası oluşturun:
+
+    * Windows'ta şu komutu çalıştırın:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * macOS veya Linux'ta şu komutu çalıştırın:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. Mevcut klasörü VS Code'da açın:
+
+    ```sh
+    code .
+    ```
+
+1. VS Code başlatıldığında, Python sanal ortamını etkinleştirecektir. Bu, alt durum çubuğunda rapor edilecektir:
+
+    ![VS Code seçilen sanal ortamı gösteriyor](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.tr.png)
+
+1. VS Code Terminali, VS Code başlatıldığında zaten çalışıyorsa, sanal ortam terminalde etkinleştirilmez. En kolay çözüm, **Aktif terminal örneğini sonlandır** düğmesini kullanarak terminali kapatmaktır:
+
+    ![VS Code Aktif terminal örneğini sonlandır düğmesi](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.tr.png)
+
+1. *Terminal -> Yeni Terminal* seçeneğini seçerek veya `` CTRL+` `` tuşlarına basarak yeni bir VS Code Terminali başlatın. Yeni terminal sanal ortamı yükleyecek ve bu, terminalde görünecektir. Sanal ortamın adı (`.venv`) istemde de görünecektir:
+
+    ```output
+    ➜  nightlight-server source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. VS Code gezgininden `app.py` dosyasını açın ve aşağıdaki kodu ekleyin:
+
+    ```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)
+    ```
+
+    6. satırdaki `<ID>`'yi cihaz kodunuzu oluştururken kullandığınız benzersiz kimlikle değiştirin.
+
+    ⚠️ Bu **mutlaka** cihazınızda kullandığınız kimlikle aynı olmalıdır, aksi takdirde sunucu kodu doğru konuya abone olmaz veya yayın yapmaz.
+
+    Bu kod, benzersiz bir adla bir MQTT istemcisi oluşturur ve *test.mosquitto.org* broker'ına bağlanır. Daha sonra, herhangi bir abone olunan konuda mesajları dinleyen bir arka plan iş parçacığında çalışan bir işlem döngüsü başlatır.
+
+    İstemci, telemetri konusundaki mesajlara abone olur ve bir mesaj alındığında çağrılan bir işlev tanımlar. Bir telemetri mesajı alındığında, `handle_telemetry` işlevi çağrılır ve alınan mesaj konsola yazdırılır.
+
+    Son olarak, sonsuz bir döngü uygulamanın çalışmasını sürdürür. MQTT istemcisi, bir arka plan iş parçacığında mesajları dinler ve ana uygulama çalıştığı sürece çalışır.
+
+1. Python uygulamanızı çalıştırmak için VS Code terminalinden aşağıdaki komutu çalıştırın:
+
+    ```sh
+    python app.py
+    ```
+
+    Uygulama, IoT cihazından gelen mesajları dinlemeye başlayacaktır.
+
+1. Cihazınızın çalıştığından ve telemetri mesajları gönderdiğinden emin olun. Fiziksel veya sanal cihazınızdaki ışık seviyelerini ayarlayın. Alınan mesajlar terminale yazdırılacaktır.
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Message received: {'light': 400}
+    ```
+
+    Nightlight sanal ortamındaki app.py dosyasının, nightlight-server sanal ortamındaki app.py dosyasının gönderilen mesajları alabilmesi için çalışıyor olması gerekir.
+
+> 💁 Bu kodu [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server) klasöründe bulabilirsiniz.
+
+### Telemetri ne sıklıkla gönderilmeli?
+
+Telemetri ile ilgili önemli bir husus, verilerin ne sıklıkla ölçülüp gönderileceğidir. Cevap - duruma bağlıdır. Sık ölçüm yaparsanız değişikliklere daha hızlı yanıt verebilirsiniz, ancak daha fazla güç, daha fazla bant genişliği kullanır, daha fazla veri üretir ve işlemek için daha fazla bulut kaynağına ihtiyaç duyarsınız. Yeterince sık ölçüm yapmanız gerekir, ancak çok sık olmamalıdır.
+
+Bir termostat için, birkaç dakikada bir ölçüm yapmak muhtemelen yeterlidir çünkü sıcaklıklar bu kadar sık değişmez. Günde yalnızca bir kez ölçüm yaparsanız, güneşli bir günün ortasında gece sıcaklıkları için evinizi ısıtabilirsiniz, ancak her saniye ölçüm yaparsanız, gereksiz yere binlerce sıcaklık ölçümü yaparsınız ve bu, kullanıcıların internet hızını ve bant genişliğini tüketir (sınırlı bant genişliği planları olan kişiler için bir sorun), daha fazla güç kullanır (uzaktan sensörler gibi pil ile çalışan cihazlar için bir sorun olabilir) ve sağlayıcıların bulut bilişim kaynaklarının maliyetini artırır.
+
+Bir fabrikadaki bir makine parçasını izliyorsanız ve bu parça arızalanırsa felaketle sonuçlanabilecek hasarlara ve milyonlarca dolarlık gelir kaybına neden olabilecekse, saniyede birden fazla ölçüm yapmak gerekebilir. Bant genişliğini boşa harcamaktansa, bir makinenin durdurulması ve kırılmadan önce tamir edilmesi gerektiğini gösteren telemetriyi kaçırmamak daha iyidir.
+
+> 💁 Bu durumda, internet bağımlılığını azaltmak için telemetriyi önce işlemek için bir uç cihaz kullanmayı düşünebilirsiniz.
+
+### Bağlantı kaybı
+
+İnternet bağlantıları güvenilir olmayabilir ve kesintiler yaygındır. Bu durumda bir IoT cihazı ne yapmalıdır - verileri kaybetmeli mi yoksa bağlantı yeniden sağlanana kadar saklamalı mı? Yine, cevap duruma bağlıdır.
+
+Bir termostat için, yeni bir sıcaklık ölçümü alındığında veriler muhtemelen kaybedilebilir. Isıtma sistemi, 20 dakika önce sıcaklığın 20.5°C olduğunu umursamaz; şu anki sıcaklık 19°C ise, ısıtmanın açık mı kapalı mı olması gerektiğini belirleyen budur.
+
+Bir makine için verileri saklamak isteyebilirsiniz, özellikle de eğilimleri izlemek için kullanılıyorsa. Bazı makine öğrenimi modelleri, belirli bir zaman dilimindeki (örneğin son bir saat) verileri inceleyerek ve anormal verileri tespit ederek veri akışlarındaki anormallikleri algılayabilir. Bu genellikle kestirimci bakım için kullanılır; bir şeyin yakında kırılabileceğini gösteren işaretleri arar, böylece bu gerçekleşmeden önce tamir edebilir veya değiştirebilirsiniz. Bir makine için her bir telemetri verisinin gönderilmesini isteyebilirsiniz, böylece internet kesintisi sırasında üretilen tüm telemetri, IoT cihazı yeniden bağlanabildiğinde gönderilir.
+
+IoT cihaz tasarımcıları ayrıca, IoT cihazının bir internet kesintisi veya konum nedeniyle sinyal kaybı sırasında kullanılabilir olup olmadığını da düşünmelidir. Akıllı bir termostat, bir kesinti nedeniyle telemetriyi buluta gönderemiyorsa, ısıtmayı kontrol etmek için bazı sınırlı kararlar alabilmelidir.
+
+[![Bu Ferrari, yeraltında hücresel sinyal olmadığı bir yerde güncellenmeye çalışıldığı için kullanılamaz hale geldi](../../../../../translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.tr.png)](https://twitter.com/internetofshit/status/1315736960082808832)
+
+MQTT'nin bağlantı kaybını ele alabilmesi için, cihaz ve sunucu kodu, mesaj tesliminin gerektiğinde sağlanmasından sorumlu olmalıdır. Örneğin, gönderilen tüm mesajların bir yanıt konusu üzerinde ek mesajlarla yanıtlanmasını gerektirerek ve yanıtlanmazsa, bunları manuel olarak sıraya alarak daha sonra yeniden oynatılmasını sağlayabilir.
+
+## Komutlar
+
+Komutlar, buluttan bir cihaza gönderilen ve bir şey yapmasını talep eden mesajlardır. Çoğu zaman bu, bir aktüatör aracılığıyla bir tür çıktı vermeyi içerir, ancak cihazın kendisi için bir talimat da olabilir, örneğin yeniden başlatmak veya ek telemetri toplamak ve bunu komuta yanıt olarak geri göndermek.
+
+![Bir internet bağlantılı termostatın ısıtmayı açma komutunu alması](../../../../../translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.tr.png)
+
+Bir termostat, buluttan ısıtmayı açma komutunu alabilir. Tüm sensörlerden gelen telemetri verilerine dayanarak, bulut hizmeti ısıtmanın açık olması gerektiğine karar verdiyse, ilgili komutu gönderir.
+
+### MQTT broker'a komut gönderin
+
+İnternet kontrollü gece lambamız için bir sonraki adım, sunucu kodunun algıladığı ışık seviyelerine göre ışığı kontrol etmek için IoT cihazına bir komut göndermesidir.
+
+1. VS Code'da sunucu kodunu açın.
+
+1. Komutları hangi konuya göndereceğinizi tanımlamak için `client_telemetry_topic` tanımından sonra aşağıdaki satırı ekleyin:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+1. `handle_telemetry` işlevinin sonuna aşağıdaki kodu ekleyin:
+
+    ```python
+    command = { 'led_on' : payload['light'] < 300 }
+    print("Sending message:", command)
+    
+    client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    Bu, ışığın 300'den az olup olmamasına bağlı olarak `led_on` değerini true veya false olarak ayarlayan bir JSON mesajını komut konusuna gönderir. Işık 300'den azsa, LED'i açmasını talep etmek için true gönderilir.
+
+1. Daha önce olduğu gibi kodu çalıştırın.
+
+1. Fiziksel veya sanal cihazınızdaki ışık seviyelerini ayarlayın. Alınan mesajlar ve gönderilen komutlar terminale yazılacaktır:
+
+    ```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}
+    ```
+
+> 💁 Telemetri ve komutlar tek bir konu üzerinde gönderiliyor. Bu, birden fazla cihazdan gelen telemetri verilerinin aynı telemetri konusunda görüneceği ve birden fazla cihaza gönderilen komutların aynı komut konusunda görüneceği anlamına gelir. Belirli bir cihaza komut göndermek istiyorsanız, `/commands/device1`, `/commands/device2` gibi benzersiz cihaz kimlikleriyle adlandırılmış birden fazla konu kullanabilirsiniz. Bu şekilde bir cihaz, yalnızca o cihaza yönelik mesajları dinleyebilir.
+
+> 💁 Bu kodu [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server) klasöründe bulabilirsiniz.
+
+### IoT cihazında komutları işleyin
+
+Artık sunucudan komutlar gönderildiğine göre, MQTT broker'dan komutları dinlemek ve LED'i kontrol etmek için IoT cihazına kod ekleyebilirsiniz.
+
+MQTT broker'dan komutları dinlemek için aşağıdaki ilgili adımı izleyin:
+
+* [Arduino - Wio Terminal](wio-terminal-commands.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal IoT cihazı](single-board-computer-commands.md)
+
+Bu kod yazılıp çalıştırıldıktan sonra ışık seviyelerini değiştirmeyi deneyin. Sunucu ve cihazdan gelen çıktıyı izleyin ve ışık seviyelerini değiştirdiğinizde LED'i gözlemleyin.
+
+### Bağlantı kaybı
+
+Bir IoT cihazı çevrimdışıysa, bir bulut hizmeti bu cihaza bir komut göndermesi gerektiğinde ne yapmalıdır? Yine, cevap duruma bağlıdır.
+
+Eğer en son komut bir önceki komutu geçersiz kılıyorsa, önceki komutlar muhtemelen göz ardı edilebilir. Eğer bir bulut hizmeti ısıtmayı açma komutu gönderir, ardından kapatma komutu gönderirse, açma komutu göz ardı edilebilir ve yeniden gönderilmez.
+
+Eğer komutların sırayla işlenmesi gerekiyorsa, örneğin bir robot kolunu yukarı hareket ettirip ardından bir tutucuyu kapatmak gibi, bu komutlar bağlantı yeniden sağlandığında sırayla gönderilmelidir.
+
+✅ Cihaz veya sunucu kodu, MQTT üzerinden komutların her zaman sırayla gönderilmesini ve işlenmesini nasıl sağlayabilir?
+
+---
+
+## 🚀 Meydan Okuma
+
+Son üç dersteki meydan okuma, evinizde, okulunuzda veya iş yerinizde bulunan IoT cihazlarını listelemek, bunların mikrodenetleyiciler mi yoksa tek kartlı bilgisayarlar mı (veya her ikisinin bir karışımı mı) olduğunu belirlemek ve hangi sensörler ve aktüatörler kullandıklarını düşünmekti.
+Bu cihazlar için, gönderdikleri veya aldıkları mesajlar hakkında düşünün. Hangi telemetri verilerini gönderiyorlar? Hangi mesajları veya komutları alabilirler? Sizce güvenli mi?
+
+## Ders Sonrası Test
+
+[Ders sonrası testi](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+MQTT hakkında daha fazla bilgi edinmek için [MQTT Wikipedia sayfasını](https://wikipedia.org/wiki/MQTT) okuyun.
+
+Kendi başınıza bir MQTT broker çalıştırmayı deneyin. [Mosquitto](https://www.mosquitto.org) kullanarak bir broker çalıştırabilir ve IoT cihazınız ile sunucu kodunuzdan bağlantı kurabilirsiniz.
+
+> 💁 İpucu - Varsayılan olarak Mosquitto anonim bağlantılara (yani kullanıcı adı ve şifre olmadan bağlantı kurmaya) izin vermez ve çalıştığı bilgisayarın dışından bağlantılara izin vermez.  
+> Bunu, aşağıdaki gibi bir [`mosquitto.conf` yapılandırma dosyası](https://www.mosquitto.org/man/mosquitto-conf-5.html) ile düzeltebilirsiniz:
+>
+> ```sh
+> listener 1883 0.0.0.0
+> allow_anonymous true
+> ```
+
+## Ödev
+
+[MQTT'yi diğer iletişim protokolleriyle karşılaştırın ve farklılıklarını inceleyin](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/tr/1-getting-started/lessons/4-connect-internet/assignment.md
new file mode 100644
index 00000000..c38ad614
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/4-connect-internet/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
+  "translation_date": "2025-08-28T03:33:29+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
+  "language_code": "tr"
+}
+-->
+# MQTT'yi Diğer İletişim Protokolleriyle Karşılaştırma ve Kıyaslama
+
+## Talimatlar
+
+Bu ders, bir iletişim protokolü olarak MQTT'yi ele aldı. Bunun dışında AMQP ve HTTP/HTTPS gibi başka protokoller de bulunmaktadır.
+
+Bu protokolleri araştırın ve MQTT ile karşılaştırın/kıyaslayın. Güç tüketimi, güvenlik ve bağlantılar kesildiğinde mesaj sürekliliği gibi konuları düşünün.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Mükemmel | Yeterli | Geliştirmeye Açık |
+| -------- | --------- | -------- | ----------------- |
+| AMQP'yi MQTT ile Karşılaştırma | AMQP'yi MQTT ile karşılaştırabilir ve güç, güvenlik ve mesaj sürekliliği konularını kapsar. | AMQP'yi MQTT ile kısmen karşılaştırabilir ve güç, güvenlik ve mesaj sürekliliği konularından ikisini kapsar. | AMQP'yi MQTT ile kısmen karşılaştırabilir ve güç, güvenlik ve mesaj sürekliliği konularından birini kapsar. |
+| HTTP/HTTPS'yi MQTT ile Karşılaştırma | HTTP/HTTPS'yi MQTT ile karşılaştırabilir ve güç, güvenlik ve mesaj sürekliliği konularını kapsar. | HTTP/HTTPS'yi MQTT ile kısmen karşılaştırabilir ve güç, güvenlik ve mesaj sürekliliği konularından ikisini kapsar. | HTTP/HTTPS'yi MQTT ile kısmen karşılaştırabilir ve güç, güvenlik ve mesaj sürekliliği konularından birini kapsar. |
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/tr/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
new file mode 100644
index 00000000..cf879a01
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:32:28+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
+  "language_code": "tr"
+}
+-->
+# Gece lambanızı İnternet üzerinden kontrol edin - Sanal IoT Donanımı ve Raspberry Pi
+
+Bu dersin bu bölümünde, bir MQTT brokerından Raspberry Pi'nize veya sanal IoT cihazınıza gönderilen komutlara abone olacaksınız.
+
+## Komutlara Abone Olun
+
+Bir sonraki adım, MQTT brokerından gönderilen komutlara abone olmak ve bunlara yanıt vermektir.
+
+### Görev
+
+Komutlara abone olun.
+
+1. VS Code'da gece lambası projesini açın.
+
+1. Eğer bir sanal IoT cihazı kullanıyorsanız, terminalin sanal ortamı çalıştırdığından emin olun. Eğer bir Raspberry Pi kullanıyorsanız, sanal bir ortam kullanmayacaksınız.
+
+1. `client_telemetry_topic` tanımlarından sonra aşağıdaki kodu ekleyin:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+    `server_command_topic`, cihazın LED komutlarını almak için abone olacağı MQTT konusudur.
+
+1. Ana döngünün hemen üstüne, `mqtt_client.loop_start()` satırından sonra aşağıdaki kodu ekleyin:
+
+    ```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
+    ```
+
+    Bu kod, bir mesajı JSON belgesi olarak okuyan ve `led_on` özelliğinin değerini arayan bir `handle_command` fonksiyonunu tanımlar. Eğer `True` olarak ayarlanmışsa LED açılır, aksi takdirde kapanır.
+
+    MQTT istemcisi, sunucunun mesaj göndereceği konuya abone olur ve bir mesaj alındığında çağrılacak `handle_command` fonksiyonunu ayarlar.
+
+    > 💁 `on_message` işleyicisi, abone olunan tüm konular için çağrılır. Daha sonra birden fazla konuyu dinleyen bir kod yazarsanız, mesajın gönderildiği konuyu işleyici fonksiyonuna iletilen `message` nesnesinden alabilirsiniz.
+
+1. Kodu, ödevin önceki bölümündeki kodu çalıştırdığınız şekilde çalıştırın. Eğer bir sanal IoT cihazı kullanıyorsanız, CounterFit uygulamasının çalıştığından ve ışık sensörü ile LED'in doğru pinlerde oluşturulduğundan emin olun.
+
+1. Fiziksel veya sanal cihazınız tarafından algılanan ışık seviyelerini ayarlayın. Alınan mesajlar ve gönderilen komutlar terminale yazılacaktır. Ayrıca, ışık seviyesine bağlı olarak LED açılıp kapanacaktır.
+
+> 💁 Bu kodu [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) klasöründe veya [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi) klasöründe bulabilirsiniz.
+
+😀 Cihazınızı bir MQTT brokerından gelen komutlara yanıt verecek şekilde başarıyla kodladınız.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/tr/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
new file mode 100644
index 00000000..35a96930
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:33:11+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
+  "language_code": "tr"
+}
+-->
+# Gece lambanızı İnternet üzerinden kontrol edin - Sanal IoT Donanımı ve Raspberry Pi
+
+IoT cihazının, ışık sensörü okumasıyla telemetri değerlerini göndermek ve LED'i kontrol etmek için komutlar almak üzere MQTT kullanarak *test.mosquitto.org* ile iletişim kuracak şekilde kodlanması gerekiyor.
+
+Bu dersin bu bölümünde, Raspberry Pi veya sanal IoT cihazınızı bir MQTT brokerine bağlayacaksınız.
+
+## MQTT istemci paketini yükleyin
+
+MQTT broker ile iletişim kurmak için, Pi'nize veya sanal bir cihaz kullanıyorsanız sanal ortamınıza bir MQTT kütüphanesi pip paketi yüklemeniz gerekiyor.
+
+### Görev
+
+Pip paketini yükleyin
+
+1. VS Code'da gece lambası projesini açın.
+
+1. Sanal bir IoT cihazı kullanıyorsanız, terminalin sanal ortamı çalıştırdığından emin olun. Raspberry Pi kullanıyorsanız sanal bir ortam kullanmayacaksınız.
+
+1. MQTT pip paketini yüklemek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    pip3 install paho-mqtt
+    ```
+
+## Cihazı kodlayın
+
+Cihaz kodlamaya hazır.
+
+### Görev
+
+Cihaz kodunu yazın.
+
+1. `app.py` dosyasının en üstüne aşağıdaki import'u ekleyin:
+
+    ```python
+    import paho.mqtt.client as mqtt
+    ```
+
+    `paho.mqtt.client` kütüphanesi, uygulamanızın MQTT üzerinden iletişim kurmasını sağlar.
+
+1. Işık sensörü ve LED tanımlarından sonra aşağıdaki kodu ekleyin:
+
+    ```python
+    id = '<ID>'
+
+    client_name = id + 'nightlight_client'
+    ```
+
+    `<ID>` yerine bu cihaz istemcisi için kullanılacak benzersiz bir kimlik girin. Bu kimlik, daha sonra bu cihazın yayınladığı ve abone olduğu konular için kullanılacaktır. *test.mosquitto.org* brokeri herkese açık ve birçok kişi tarafından, bu ödevi yapan diğer öğrenciler de dahil olmak üzere, kullanılmaktadır. Benzersiz bir MQTT istemci adı ve konu adları kullanmak, kodunuzun başkalarının koduyla çakışmamasını sağlar. Bu kimliği, bu ödevin ilerleyen bölümlerinde sunucu kodunu oluştururken de kullanmanız gerekecek.
+
+    > 💁 Benzersiz bir kimlik oluşturmak için [GUIDGen](https://www.guidgen.com) gibi bir web sitesi kullanabilirsiniz.
+
+    `client_name`, broker üzerindeki bu MQTT istemcisi için benzersiz bir isimdir.
+
+1. MQTT istemci nesnesi oluşturmak ve MQTT brokerine bağlanmak için bu yeni kodun altına aşağıdaki kodu ekleyin:
+
+    ```python
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+
+    print("MQTT connected!")
+    ```
+
+    Bu kod, istemci nesnesini oluşturur, herkese açık MQTT brokerine bağlanır ve arka planda bir işleme döngüsü başlatır. Bu döngü, abone olunan konulardaki mesajları dinler.
+
+1. Ödevin önceki bölümündeki kodu çalıştırdığınız şekilde bu kodu çalıştırın. Sanal bir IoT cihazı kullanıyorsanız, CounterFit uygulamasının çalıştığından ve ışık sensörü ile LED'in doğru pinlerde oluşturulduğundan emin olun.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Light level: 0
+    Light level: 0
+    ```
+
+> 💁 Bu kodu [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) klasöründe veya [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi) klasöründe bulabilirsiniz.
+
+😀 Cihazınızı başarıyla bir MQTT brokerine bağladınız.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/tr/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
new file mode 100644
index 00000000..37817bc1
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:32:07+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
+  "language_code": "tr"
+}
+-->
+# İnternet Üzerinden Gece Lambanızı Kontrol Edin - Sanal IoT Donanımı ve Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi'nizden veya sanal IoT cihazınızdan ışık seviyeleriyle birlikte telemetriyi bir MQTT brokerına göndereceksiniz.
+
+## Telemetri Yayınlama
+
+Bir sonraki adım, telemetri ile bir JSON belgesi oluşturmak ve bunu MQTT brokerına göndermektir.
+
+### Görev
+
+Telemetriyi MQTT brokerına yayınlayın.
+
+1. VS Code'da gece lambası projesini açın.
+
+1. Eğer bir sanal IoT cihazı kullanıyorsanız, terminalin sanal ortamı çalıştırdığından emin olun. Eğer bir Raspberry Pi kullanıyorsanız, sanal bir ortam kullanmayacaksınız.
+
+1. `app.py` dosyasının en üstüne şu import'u ekleyin:
+
+    ```python
+    import json
+    ```
+
+    `json` kütüphanesi, telemetriyi bir JSON belgesi olarak kodlamak için kullanılır.
+
+1. `client_name` tanımından sonra şu satırları ekleyin:
+
+    ```python
+    client_telemetry_topic = id + '/telemetry'
+    ```
+
+    `client_telemetry_topic`, cihazın ışık seviyelerini yayınlayacağı MQTT konusudur.
+
+1. Dosyanın sonundaki `while True:` döngüsünün içeriğini şu kodla değiştirin:
+
+    ```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)
+    ```
+
+    Bu kod, ışık seviyesini bir JSON belgesine paketler ve MQTT brokerına yayınlar. Daha sonra, mesajların gönderilme sıklığını azaltmak için bir süre bekler.
+
+1. Kodu, ödevin önceki bölümündeki kodu çalıştırdığınız şekilde çalıştırın. Eğer bir sanal IoT cihazı kullanıyorsanız, CounterFit uygulamasının çalıştığından ve ışık sensörü ile LED'in doğru pinlerde oluşturulduğundan emin olun.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Sending telemetry  {"light": 0}
+    Sending telemetry  {"light": 0}
+    ```
+
+> 💁 Bu kodu [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) klasöründe veya [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi) klasöründe bulabilirsiniz.
+
+😀 Cihazınızdan başarıyla telemetri gönderdiniz.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/tr/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
new file mode 100644
index 00000000..8a6f8858
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
+  "translation_date": "2025-08-28T03:31:01+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
+  "language_code": "tr"
+}
+-->
+# Gece lambanızı İnternet üzerinden kontrol edin - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal'inize bir MQTT brokerından gönderilen komutlara abone olacaksınız.
+
+## Komutlara Abone Olun
+
+Bir sonraki adım, MQTT brokerından gönderilen komutlara abone olmak ve bunlara yanıt vermektir.
+
+### Görev
+
+Komutlara abone olun.
+
+1. Gece lambası projesini VS Code'da açın.
+
+1. Komutlar için konu adını tanımlamak üzere `config.h` dosyasının en altına aşağıdaki kodu ekleyin:
+
+    ```cpp
+    const string SERVER_COMMAND_TOPIC = ID + "/commands";
+    ```
+
+    `SERVER_COMMAND_TOPIC`, cihazın LED komutlarını almak için abone olacağı konudur.
+
+1. MQTT istemcisi yeniden bağlandığında komut konusuna abone olmak için `reconnectMQTTClient` fonksiyonunun sonuna aşağıdaki satırı ekleyin:
+
+    ```cpp
+    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
+    ```
+
+1. `reconnectMQTTClient` fonksiyonunun altına aşağıdaki kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu fonksiyon, MQTT istemcisinin sunucudan bir mesaj aldığında çağıracağı geri çağırma (callback) olacaktır.
+
+    Mesaj, bir dizi 8-bitlik işaretsiz tamsayı olarak alınır, bu nedenle metin olarak işlenebilmesi için bir karakter dizisine dönüştürülmesi gerekir.
+
+    Mesaj bir JSON belgesi içerir ve ArduinoJson kütüphanesi kullanılarak çözülür. JSON belgesinin `led_on` özelliği okunur ve değere bağlı olarak LED açılır veya kapatılır.
+
+1. `createMQTTClient` fonksiyonuna aşağıdaki kodu ekleyin:
+
+    ```cpp
+    client.setCallback(clientCallback);
+    ```
+
+    Bu kod, MQTT brokerından bir mesaj alındığında çağrılacak geri çağırmayı `clientCallback` olarak ayarlar.
+
+    > 💁 `clientCallback` işleyicisi, abone olunan tüm konular için çağrılır. Daha sonra birden fazla konuyu dinleyen kod yazarsanız, geri çağırma fonksiyonuna iletilen `topic` parametresinden mesajın gönderildiği konuyu alabilirsiniz.
+
+1. Kodu Wio Terminal'inize yükleyin ve Seri Monitör'ü kullanarak ışık seviyelerinin MQTT brokerına gönderildiğini görün.
+
+1. Fiziksel veya sanal cihazınız tarafından algılanan ışık seviyelerini ayarlayın. Terminalde mesajların alındığını ve komutların gönderildiğini göreceksiniz. Ayrıca ışık seviyesine bağlı olarak LED'in açılıp kapandığını göreceksiniz.
+
+> 💁 Bu kodu [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Cihazınızı bir MQTT brokerından gelen komutlara yanıt verecek şekilde başarıyla kodladınız.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/tr/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
new file mode 100644
index 00000000..3798c325
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
@@ -0,0 +1,251 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
+  "translation_date": "2025-08-28T03:31:34+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
+  "language_code": "tr"
+}
+-->
+# Wio Terminal ile Gece Lambanızı İnternet Üzerinden Kontrol Edin
+
+IoT cihazı, ışık sensörü okumasıyla telemetri değerlerini göndermek ve LED'i kontrol etmek için komutlar almak üzere MQTT kullanarak *test.mosquitto.org* ile iletişim kuracak şekilde kodlanmalıdır.
+
+Bu dersin bu bölümünde, Wio Terminal'inizi bir MQTT brokerine bağlayacaksınız.
+
+## WiFi ve MQTT Arduino Kütüphanelerini Kurun
+
+MQTT brokeri ile iletişim kurmak için, Wio Terminal'deki WiFi çipini kullanmak ve MQTT ile iletişim kurmak için bazı Arduino kütüphanelerini yüklemeniz gerekiyor. Arduino cihazları için geliştirme yaparken, açık kaynak kodu içeren ve çok çeşitli yetenekleri uygulayan geniş bir kütüphane yelpazesi kullanabilirsiniz. Seeed, Wio Terminal'in WiFi üzerinden iletişim kurmasını sağlayan kütüphaneler yayınlar. Diğer geliştiriciler ise MQTT brokerleriyle iletişim kurmak için kütüphaneler yayınlamışlardır ve bu kütüphaneleri cihazınızla kullanacaksınız.
+
+Bu kütüphaneler, PlatformIO'ya otomatik olarak aktarılabilen ve cihazınız için derlenebilen kaynak kod olarak sağlanır. Bu şekilde Arduino kütüphaneleri, Arduino çerçevesini destekleyen herhangi bir cihazda çalışır, tabii ki kütüphanenin gerektirdiği özel donanım cihazda mevcutsa. Bazı kütüphaneler, örneğin Seeed WiFi kütüphaneleri, belirli donanımlara özeldir.
+
+Kütüphaneler global olarak yüklenebilir ve gerekirse derlenebilir veya belirli bir projeye dahil edilebilir. Bu ödevde, kütüphaneler projeye yüklenecektir.
+
+✅ Kütüphane yönetimi hakkında daha fazla bilgi edinmek ve kütüphaneleri nasıl bulup yükleyeceğinizi öğrenmek için [PlatformIO kütüphane dokümantasyonu](https://docs.platformio.org/en/latest/librarymanager/index.html) adresine göz atabilirsiniz.
+
+### Görev - WiFi ve MQTT Arduino kütüphanelerini yükleyin
+
+Arduino kütüphanelerini yükleyin.
+
+1. VS Code'da gece lambası projesini açın.
+
+1. `platformio.ini` dosyasının sonuna aşağıdakileri ekleyin:
+
+    ```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
+    ```
+
+    Bu, Seeed WiFi kütüphanelerini içe aktarır. `@ <number>` sözdizimi, kütüphanenin belirli bir sürüm numarasına atıfta bulunur.
+
+    > 💁 `@ <number>` kısmını kaldırarak her zaman kütüphanelerin en son sürümünü kullanabilirsiniz, ancak daha sonraki sürümlerin aşağıdaki kodla çalışacağına dair bir garanti yoktur. Buradaki kod, kütüphanelerin bu sürümüyle test edilmiştir.
+
+    Kütüphaneleri eklemek için yapmanız gereken tek şey budur. PlatformIO projeyi bir sonraki derlediğinde, bu kütüphanelerin kaynak kodunu indirir ve projenize dahil eder.
+
+1. `lib_deps` kısmına aşağıdakileri ekleyin:
+
+    ```ini
+    knolleary/PubSubClient @ 2.8
+    ```
+
+    Bu, [PubSubClient](https://github.com/knolleary/pubsubclient) adlı bir Arduino MQTT istemcisini içe aktarır.
+
+## WiFi'ye Bağlanın
+
+Artık Wio Terminal WiFi'ye bağlanabilir.
+
+### Görev - WiFi'ye bağlanın
+
+Wio Terminal'i WiFi'ye bağlayın.
+
+1. `src` klasöründe `config.h` adlı yeni bir dosya oluşturun. Bunu, `src` klasörünü veya içindeki `main.cpp` dosyasını seçerek ve gezgin üzerinde beliren **Yeni dosya** düğmesini seçerek yapabilirsiniz. Bu düğme yalnızca imleciniz gezgin üzerindeyken görünür.
+
+    ![Yeni dosya düğmesi](../../../../../translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.tr.png)
+
+1. WiFi kimlik bilgilerinizi tanımlamak için bu dosyaya aşağıdaki kodu ekleyin:
+
+    ```cpp
+    #pragma once
+
+    #include <string>
+    
+    using namespace std;
+    
+    // WiFi credentials
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    ```
+
+    `<SSID>` kısmını WiFi'nizin SSID'si ile değiştirin. `<PASSWORD>` kısmını WiFi şifrenizle değiştirin.
+
+1. `main.cpp` dosyasını açın.
+
+1. Dosyanın en üstüne aşağıdaki `#include` yönergelerini ekleyin:
+
+    ```cpp
+    #include <PubSubClient.h>
+    #include <rpcWiFi.h>
+    #include <SPI.h>
+    
+    #include "config.h"
+    ```
+
+    Bu, daha önce eklediğiniz kütüphanelerin başlık dosyalarını ve yapılandırma başlık dosyasını içerir. Bu başlık dosyaları, PlatformIO'ya kütüphanelerden kod getirmesi gerektiğini söylemek için gereklidir. Bu başlık dosyalarını açıkça dahil etmezseniz, bazı kodlar derlenmez ve derleyici hataları alırsınız.
+
+1. `setup` fonksiyonunun üstüne aşağıdaki kodu ekleyin:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+    Bu kod, cihaz WiFi'ye bağlı değilken döngüye girer ve yapılandırma başlık dosyasındaki SSID ve şifreyi kullanarak bağlanmayı dener.
+
+1. Bu fonksiyonu `setup` fonksiyonunun altına, pinler yapılandırıldıktan sonra çağırın.
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. Bu kodu cihazınıza yükleyin ve WiFi bağlantısının çalıştığını kontrol edin. Seri monitörde bunu görmelisiniz.
+
+    ```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'ye Bağlanın
+
+Wio Terminal WiFi'ye bağlandıktan sonra MQTT brokerine bağlanabilir.
+
+### Görev - MQTT'ye bağlanın
+
+MQTT brokerine bağlanın.
+
+1. MQTT brokeri için bağlantı ayrıntılarını tanımlamak üzere `config.h` dosyasının sonuna aşağıdaki kodu ekleyin:
+
+    ```cpp
+    // MQTT settings
+    const string ID = "<ID>";
+    
+    const string BROKER = "test.mosquitto.org";
+    const string CLIENT_NAME = ID + "nightlight_client";
+    ```
+
+    `<ID>` kısmını bu cihaz istemcisi için kullanılacak benzersiz bir kimlik ile değiştirin ve bu kimlik daha sonra bu cihazın yayınladığı ve abone olduğu konular için kullanılacaktır. *test.mosquitto.org* brokeri herkese açık ve birçok kişi tarafından, bu ödevi yapan diğer öğrenciler dahil, kullanılmaktadır. Benzersiz bir MQTT istemci adı ve konu adlarına sahip olmak, kodunuzun başkalarınınkiyle çakışmamasını sağlar. Bu kimliği, bu ödevin ilerleyen bölümlerinde sunucu kodunu oluştururken de kullanmanız gerekecek.
+
+    > 💁 Benzersiz bir kimlik oluşturmak için [GUIDGen](https://www.guidgen.com) gibi bir web sitesi kullanabilirsiniz.
+
+    `BROKER`, MQTT brokerinin URL'sidir.
+
+    `CLIENT_NAME`, bu MQTT istemcisi için brokerdeki benzersiz bir isimdir.
+
+1. `main.cpp` dosyasını açın ve `connectWiFi` fonksiyonunun altına, `setup` fonksiyonunun üstüne aşağıdaki kodu ekleyin:
+
+    ```cpp
+    WiFiClient wioClient;
+    PubSubClient client(wioClient);
+    ```
+
+    Bu kod, Wio Terminal WiFi kütüphanelerini kullanarak bir WiFi istemcisi oluşturur ve bunu kullanarak bir MQTT istemcisi oluşturur.
+
+1. Bu kodun altına aşağıdakileri ekleyin:
+
+    ```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);
+            }
+        }
+    }
+    ```
+
+    Bu fonksiyon, MQTT brokerine bağlantıyı test eder ve bağlantı yoksa yeniden bağlanır. Bağlı olmadığı sürece döngüye girer ve yapılandırma başlık dosyasındaki benzersiz istemci adını kullanarak bağlanmayı dener.
+
+    Bağlantı başarısız olursa, 5 saniye sonra yeniden dener.
+
+1. `reconnectMQTTClient` fonksiyonunun altına aşağıdaki kodu ekleyin:
+
+    ```cpp
+    void createMQTTClient()
+    {
+        client.setServer(BROKER.c_str(), 1883);
+        reconnectMQTTClient();
+    }
+    ```
+
+    Bu kod, istemci için MQTT brokerini ayarlar ve bir mesaj alındığında geri çağırmayı yapılandırır. Daha sonra broker ile bağlantı kurmayı dener.
+
+1. `setup` fonksiyonunda WiFi bağlandıktan sonra `createMQTTClient` fonksiyonunu çağırın.
+
+1. Tüm `loop` fonksiyonunu aşağıdaki kodla değiştirin:
+
+    ```cpp
+    void loop()
+    {
+        reconnectMQTTClient();
+        client.loop();
+    
+        delay(2000);
+    }
+    ```
+
+    Bu kod, MQTT brokerine yeniden bağlanarak başlar. Bu bağlantılar kolayca kesilebilir, bu yüzden düzenli olarak kontrol etmek ve gerekirse yeniden bağlanmak önemlidir. Daha sonra, abone olunan konudaki gelen mesajları işlemek için MQTT istemcisinin `loop` metodunu çağırır. Bu uygulama tek iş parçacıklı olduğundan, mesajlar arka planda bir iş parçacığında alınamaz, bu nedenle ağ bağlantısında bekleyen mesajları işlemek için ana iş parçacığında zaman ayrılması gerekir.
+
+    Son olarak, 2 saniyelik bir gecikme, ışık seviyelerinin çok sık gönderilmesini önler ve cihazın güç tüketimini azaltır.
+
+1. Kodunuzu Wio Terminal'e yükleyin ve cihazın WiFi ve MQTT'ye bağlandığını görmek için Seri Monitör'ü kullanın.
+
+    ```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
+    ```
+
+> 💁 Bu kodu [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Cihazınızı başarıyla bir MQTT brokerine bağladınız.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul edilmez.
\ No newline at end of file
diff --git a/translations/tr/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/tr/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
new file mode 100644
index 00000000..2a52de55
--- /dev/null
+++ b/translations/tr/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
+  "translation_date": "2025-08-28T03:32:49+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
+  "language_code": "tr"
+}
+-->
+# Gece Lambanızı İnternet Üzerinden Kontrol Edin - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal cihazınızdan ışık seviyeleriyle ilgili telemetriyi MQTT brokerına göndereceksiniz.
+
+## JSON Arduino Kütüphanelerini Yükleyin
+
+MQTT üzerinden mesaj göndermenin popüler bir yolu JSON kullanmaktır. JSON belgelerini okumayı ve yazmayı kolaylaştıran bir Arduino kütüphanesi bulunmaktadır.
+
+### Görev
+
+Arduino JSON kütüphanesini yükleyin.
+
+1. VS Code'da gece lambası projesini açın.
+
+1. `platformio.ini` dosyasındaki `lib_deps` listesine şu ek satırı ekleyin:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    Bu, bir Arduino JSON kütüphanesi olan [ArduinoJson](https://arduinojson.org)'u içe aktarır.
+
+## Telemetri Yayınlayın
+
+Bir sonraki adım, telemetri ile bir JSON belgesi oluşturmak ve bunu MQTT brokerına göndermektir.
+
+### Görev - telemetri yayınlama
+
+Telemetriyi MQTT brokerına yayınlayın.
+
+1. MQTT brokerı için telemetri konu adını tanımlamak üzere `config.h` dosyasının sonuna şu kodu ekleyin:
+
+    ```cpp
+    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
+    ```
+
+    `CLIENT_TELEMETRY_TOPIC`, cihazın ışık seviyelerini yayınlayacağı konudur.
+
+1. `main.cpp` dosyasını açın.
+
+1. Dosyanın en üstüne şu `#include` yönergesini ekleyin:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. `loop` fonksiyonunun içine, `delay` satırından hemen önce şu kodu ekleyin:
+
+    ```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());
+    ```
+
+    Bu kod, ışık seviyesini okur ve ArduinoJson kullanarak bu seviyeyi içeren bir JSON belgesi oluşturur. Daha sonra bu belge bir dizeye dönüştürülür ve MQTT istemcisi tarafından telemetri MQTT konusunda yayınlanır.
+
+1. Kodu Wio Terminal cihazınıza yükleyin ve ışık seviyelerinin MQTT brokerına gönderildiğini görmek için Seri Monitör'ü kullanın.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"light":652}
+    Sending telemetry {"light":612}
+    Sending telemetry {"light":583}
+    ```
+
+> 💁 Bu kodu [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Cihazınızdan başarıyla telemetri gönderdiniz.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/README.md b/translations/tr/2-farm/README.md
new file mode 100644
index 00000000..bbac6d56
--- /dev/null
+++ b/translations/tr/2-farm/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "428bda82d9e6016ecea7c797564bf081",
+  "translation_date": "2025-08-28T03:51:54+00:00",
+  "source_file": "2-farm/README.md",
+  "language_code": "tr"
+}
+-->
+# IoT ile Tarım
+
+Nüfus arttıkça tarım üzerindeki talep de artıyor. Mevcut arazi miktarı değişmiyor, ancak iklim değişiyor - bu da çiftçilere, özellikle de yetiştirdikleri ürünlerle kendilerini ve ailelerini beslemek zorunda olan 2 milyar [geçimlik çiftçi](https://wikipedia.org/wiki/Subsistence_agriculture) için daha fazla zorluk getiriyor. IoT, çiftçilerin ne yetiştireceklerine ve ne zaman hasat yapacaklarına dair daha akıllı kararlar almalarına, verimi artırmalarına, manuel iş gücünü azaltmalarına ve zararlıları tespit edip onlarla başa çıkmalarına yardımcı olabilir.
+
+Bu 6 derste, tarımı iyileştirmek ve otomatikleştirmek için Nesnelerin İnterneti'ni nasıl uygulayacağınızı öğreneceksiniz.
+
+> 💁 Bu derslerde bazı bulut kaynakları kullanılacaktır. Eğer bu projedeki tüm dersleri tamamlamazsanız, [Projenizi temizleyin](../clean-up.md) bölümüne göz atmayı unutmayın.
+
+## Konular
+
+1. [IoT ile bitki büyümesini tahmin etme](lessons/1-predict-plant-growth/README.md)
+1. [Toprak nemini tespit etme](lessons/2-detect-soil-moisture/README.md)
+1. [Otomatik bitki sulama](lessons/3-automated-plant-watering/README.md)
+1. [Bitkinizi buluta taşıma](lessons/4-migrate-your-plant-to-the-cloud/README.md)
+1. [Uygulama mantığınızı buluta taşıma](lessons/5-migrate-application-to-the-cloud/README.md)
+1. [Bitkinizi güvende tutma](lessons/6-keep-your-plant-secure/README.md)
+
+## Katkıda Bulunanlar
+
+Tüm dersler [Jim Bennett](https://GitHub.com/JimBobBennett) tarafından ♥️ ile yazılmıştır.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/1-predict-plant-growth/README.md b/translations/tr/2-farm/lessons/1-predict-plant-growth/README.md
new file mode 100644
index 00000000..e8a3986b
--- /dev/null
+++ b/translations/tr/2-farm/lessons/1-predict-plant-growth/README.md
@@ -0,0 +1,147 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d105b44deae539165855c976dcdeca99",
+  "translation_date": "2025-08-28T04:11:43+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
+  "language_code": "tr"
+}
+-->
+# IoT ile Bitki Büyümesini Tahmin Et
+
+![Bu dersin genel bir sketchnote'u](../../../../../translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.tr.jpg)
+
+> Sketchnote [Nitya Narasimhan](https://github.com/nitya) tarafından hazırlanmıştır. Daha büyük bir versiyon için görsele tıklayın.
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
+
+## Giriş
+
+Bitkilerin büyümesi için belirli şeylere ihtiyaç vardır - su, karbondioksit, besinler, ışık ve ısı. Bu derste, hava sıcaklığını ölçerek bitkilerin büyüme ve olgunlaşma oranlarını nasıl hesaplayacağınızı öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Dijital tarım](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Tarımda sıcaklık neden önemlidir?](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Ortam sıcaklığını ölçme](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Büyüme dereceleri (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Sıcaklık sensörü verilerini kullanarak GDD hesaplama](../../../../../2-farm/lessons/1-predict-plant-growth)
+
+## Dijital Tarım
+
+Dijital Tarım, tarımda veri toplama, depolama ve analiz etme yöntemlerini dönüştürmektedir. Şu anda Dünya Ekonomik Forumu tarafından 'Dördüncü Sanayi Devrimi' olarak adlandırılan bir dönemdeyiz ve dijital tarımın yükselişi 'Dördüncü Tarım Devrimi' veya 'Tarım 4.0' olarak adlandırılmaktadır.
+
+> 🎓 Dijital Tarım terimi, 'tarım değer zinciri'ni de içerir, yani çiftlikten sofraya kadar olan tüm süreci kapsar. Bu, gıda taşınırken ve işlenirken ürün kalitesinin izlenmesini, depo ve e-ticaret sistemlerini, hatta traktör kiralama uygulamalarını bile içerir!
+
+Bu değişiklikler, çiftçilerin verimi artırmasına, daha az gübre ve pestisit kullanmasına ve suyu daha verimli kullanmasına olanak tanır. Sensörler ve diğer cihazlar, öncelikle daha zengin ülkelerde kullanılsa da, fiyatlarının düşmesiyle birlikte gelişmekte olan ülkelerde de daha erişilebilir hale gelmektedir.
+
+Dijital tarımın sağladığı bazı teknikler şunlardır:
+
+* Sıcaklık ölçümü - Sıcaklık ölçümü, çiftçilerin bitki büyümesini ve olgunlaşmasını tahmin etmesine olanak tanır.
+* Otomatik sulama - Toprak nemini ölçerek ve toprak çok kuru olduğunda sulama sistemlerini açarak zamanlı sulama yerine daha verimli bir yöntem sunar. Zamanlı sulama, sıcak ve kuru bir dönemde bitkilerin yeterince sulanmamasına veya yağmur sırasında fazla sulanmasına neden olabilir. Çiftçiler, yalnızca toprağın ihtiyaç duyduğu zaman sulama yaparak su kullanımını optimize edebilir.
+* Zararlı kontrolü - Çiftçiler, otomatik robotlar veya dronlar üzerindeki kameraları kullanarak zararlıları kontrol edebilir ve yalnızca ihtiyaç duyulan yerlere pestisit uygulayarak pestisit kullanımını ve yerel su kaynaklarına pestisit akışını azaltabilir.
+
+✅ Araştırma yapın. Tarım verimini artırmak için kullanılan diğer teknikler nelerdir?
+
+> 🎓 'Hassas Tarım' terimi, tarlaları veya tarlaların belirli bölümlerini gözlemleme, ölçme ve bunlara yanıt verme sürecini tanımlar. Bu, su, besin ve zararlı seviyelerini ölçmeyi ve yalnızca bir tarlanın küçük bir bölümünü sulamak gibi doğru yanıtlar vermeyi içerir.
+
+## Tarımda Sıcaklık Neden Önemlidir?
+
+Bitkiler hakkında öğrenirken, çoğu öğrenci su, ışık, karbondioksit ve besinlerin gerekliliğini öğrenir. Ancak bitkilerin büyümesi için sıcaklığa da ihtiyaç vardır - bu nedenle bitkiler sıcaklık arttıkça ilkbaharda çiçek açar, kar çiçekleri veya nergisler kısa bir sıcak dönem nedeniyle erken filizlenebilir ve seralar bitkilerin büyümesini hızlandırmada oldukça etkilidir.
+
+> 🎓 Seralar ve sıcak evler benzer bir işlev görür, ancak önemli bir farkla. Sıcak evler yapay olarak ısıtılır ve çiftçilerin sıcaklıkları daha hassas bir şekilde kontrol etmelerine olanak tanır, seralar ise güneşe bağlıdır ve genellikle yalnızca ısıyı dışarı atmak için pencereler veya diğer açıklıklarla kontrol edilir.
+
+Bitkilerin büyümesi için günlük ortalama sıcaklıklara dayalı bir taban veya minimum sıcaklık, optimum sıcaklık ve maksimum sıcaklık vardır.
+
+* Taban sıcaklık - Bir bitkinin büyümesi için gereken minimum günlük ortalama sıcaklıktır.
+* Optimum sıcaklık - En fazla büyüme için en iyi günlük ortalama sıcaklıktır.
+* Maksimum sıcaklık - Bir bitkinin dayanabileceği maksimum sıcaklıktır. Bu sıcaklığın üzerinde bitki, suyu korumak ve hayatta kalmak için büyümesini durdurur.
+
+> 💁 Bunlar, günlük ve gece sıcaklıklarının ortalaması alınarak elde edilen ortalama sıcaklıklardır. Bitkilerin daha verimli fotosentez yapabilmesi ve geceleri enerji tasarrufu yapabilmesi için gündüz ve gece farklı sıcaklıklara ihtiyaçları vardır.
+
+Her bitki türünün taban, optimum ve maksimum sıcaklık değerleri farklıdır. Bu nedenle bazı bitkiler sıcak ülkelerde, bazıları ise soğuk ülkelerde daha iyi yetişir.
+
+✅ Araştırma yapın. Bahçenizde, okulunuzda veya yerel parkınızda bulunan herhangi bir bitki için taban sıcaklığını bulabilir misiniz?
+
+![Büyüme oranının sıcaklık arttıkça arttığını, ardından sıcaklık çok yükseldiğinde düştüğünü gösteren bir grafik](../../../../../translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.tr.png)
+
+Yukarıdaki grafik, büyüme oranı ile sıcaklık arasındaki ilişkiyi gösteren bir örnek grafiktir. Taban sıcaklığa kadar büyüme olmaz. Büyüme oranı, optimum sıcaklığa kadar artar, ardından bu zirveye ulaştıktan sonra düşer. 
+
+Bu grafiğin şekli, bitki türüne göre değişir. Bazılarında optimum sıcaklığın üzerinde daha keskin düşüşler olurken, bazılarında tabandan optima kadar daha yavaş artışlar görülür.
+
+> 💁 Bir çiftçinin en iyi büyümeyi elde edebilmesi için, yetiştirdiği bitkiler için bu üç sıcaklık değerini ve grafiğin şeklini bilmesi gerekir.
+
+Eğer bir çiftçi sıcaklığı kontrol edebiliyorsa, örneğin ticari bir sıcak evde, bitkileri için en uygun sıcaklığı ayarlayabilir. Örneğin, domates yetiştiren bir ticari sıcak evde sıcaklık, gündüz 25°C ve gece 20°C civarında ayarlanır.
+
+> 🍅 Bu sıcaklıklar, yapay ışıklar, gübreler ve kontrollü CO
+Bu kod, CSV dosyasını açar ve sonuna yeni bir satır ekler. Satır, insan tarafından okunabilir bir formatta biçimlendirilmiş mevcut tarih ve saat ile IoT cihazından alınan sıcaklığı içerir. Veriler, [ISO 8601 formatında](https://wikipedia.org/wiki/ISO_8601) zaman dilimiyle birlikte, ancak mikro saniyeler olmadan saklanır.
+
+1. IoT cihazınızın veri gönderdiğinden emin olarak bu kodu daha önceki gibi çalıştırın. Aynı klasörde `temperature.csv` adlı bir CSV dosyası oluşturulacaktır. Dosyayı görüntülediğinizde tarih/saat ve sıcaklık ölçümlerini göreceksiniz:
+
+    ```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. Veri toplamak için bu kodu bir süre çalıştırın. İdeal olarak, GDD hesaplamaları için yeterli veri toplamak adına bunu bir gün boyunca çalıştırmalısınız.
+
+    
+> 💁 Sanal IoT Cihazı kullanıyorsanız, rastgele kutucuğunu işaretleyin ve sıcaklık değeri her döndüğünde aynı sıcaklığı almamak için bir aralık belirleyin.
+    ![Rastgele kutucuğunu işaretleyin ve bir aralık belirleyin](../../../../../translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.tr.png) 
+
+    > 💁 Bunu bir gün boyunca çalıştırmak istiyorsanız, sunucu kodunuzun çalıştığı bilgisayarın uyku moduna geçmeyeceğinden emin olmalısınız. Bunun için güç ayarlarınızı değiştirebilir veya [bu sistemi aktif tutan Python scripti](https://github.com/jaqsparow/keep-system-active) gibi bir şey çalıştırabilirsiniz.
+    
+> 💁 Bu kodu [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server) klasöründe bulabilirsiniz.
+
+### Görev - Saklanan verileri kullanarak GDD hesaplama
+
+Sunucu sıcaklık verilerini topladıktan sonra, bir bitki için GDD hesaplanabilir.
+
+Bunu manuel olarak yapmak için adımlar:
+
+1. Bitki için temel sıcaklığı bulun. Örneğin, çilekler için temel sıcaklık 10°C'dir.
+
+1. `temperature.csv` dosyasından günün en yüksek ve en düşük sıcaklıklarını bulun.
+
+1. Daha önce verilen GDD hesaplamasını kullanarak GDD'yi hesaplayın.
+
+Örneğin, günün en yüksek sıcaklığı 25°C ve en düşük sıcaklığı 12°C ise:
+
+![GDD = 25 + 12 bölü 2, ardından sonuçtan 10 çıkarılarak 8.5 elde edilir](../../../../../translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.tr.png)
+
+* 25 + 12 = 37
+* 37 / 2 = 18.5
+* 18.5 - 10 = 8.5
+
+Bu nedenle çilekler **8.5** GDD almıştır. Çileklerin meyve vermesi için yaklaşık 250 GDD'ye ihtiyacı vardır, yani biraz daha zaman var.
+
+---
+
+## 🚀 Meydan Okuma
+
+Bitkilerin büyümesi için sadece sıcaklık yeterli değildir. Başka hangi şeylere ihtiyaç vardır?
+
+Bunlar için, bunları ölçebilecek sensörler var mı? Bu seviyeleri kontrol etmek için aktüatörler ne durumda? Bitki büyümesini optimize etmek için bir veya daha fazla IoT cihazını nasıl bir araya getirirsiniz?
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
+
+## İnceleme ve Kendi Kendine Çalışma
+
+* [Dijital Tarım Wikipedia sayfasında](https://wikipedia.org/wiki/Digital_agriculture) dijital tarım hakkında daha fazla okuyun. Ayrıca [Hassas Tarım Wikipedia sayfasında](https://wikipedia.org/wiki/Precision_agriculture) hassas tarım hakkında daha fazla bilgi edinin.
+* Tam büyüme derecesi günleri hesaplaması burada verilen basitleştirilmiş olandan daha karmaşıktır. Daha karmaşık denklem ve temel sıcaklığın altındaki sıcaklıklarla nasıl başa çıkılacağı hakkında daha fazla bilgi için [Büyüme Derecesi Günü Wikipedia sayfasını](https://wikipedia.org/wiki/Growing_degree-day) okuyun.
+* Gelecekte yiyecek kıt olabilir, eğer hala aynı tarım yöntemlerini kullanmaya devam edersek. Bu konuda [Geleceğin Yüksek Teknoloji Çiftlikleri YouTube videosunda](https://www.youtube.com/watch?v=KIEOuKD9KX8) yüksek teknoloji tarım teknikleri hakkında daha fazla bilgi edinin.
+
+## Ödev
+
+[Jupyter Notebook kullanarak GDD verilerini görselleştirin](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/tr/2-farm/lessons/1-predict-plant-growth/assignment.md
new file mode 100644
index 00000000..79aaacde
--- /dev/null
+++ b/translations/tr/2-farm/lessons/1-predict-plant-growth/assignment.md
@@ -0,0 +1,57 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
+  "translation_date": "2025-08-28T04:12:55+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
+  "language_code": "tr"
+}
+-->
+# GDD Verilerini Jupyter Notebook Kullanarak Görselleştirme
+
+## Talimatlar
+
+Bu derste, bir IoT sensörü kullanarak GDD verilerini topladınız. İyi GDD verileri elde etmek için, birkaç gün boyunca veri toplamanız gerekir. Sıcaklık verilerini görselleştirmek ve GDD hesaplamak için [Jupyter Notebooks](https://jupyter.org) gibi araçları kullanabilirsiniz.
+
+Öncelikle birkaç gün boyunca veri toplayın. IoT cihazınız çalışırken sunucu kodunuzun sürekli çalıştığından emin olmanız gerekir. Bunun için güç yönetimi ayarlarını düzenleyebilir veya [bu sistemi aktif tutan Python scripti](https://github.com/jaqsparow/keep-system-active) gibi bir şey çalıştırabilirsiniz.
+
+Sıcaklık verilerini topladıktan sonra, bu depodaki Jupyter Notebook'u kullanarak verileri görselleştirebilir ve GDD hesaplayabilirsiniz. Jupyter notebook'lar, genellikle Python'da kod ve talimatları *hücre* adı verilen bloklarda birleştirir. Talimatları okuyabilir, ardından kod bloklarını tek tek çalıştırabilirsiniz. Ayrıca kodu düzenleyebilirsiniz. Örneğin, bu notebook'ta bitkiniz için GDD hesaplamak üzere kullanılan taban sıcaklığı düzenleyebilirsiniz.
+
+1. `gdd-calculation` adlı bir klasör oluşturun.
+
+1. [gdd.ipynb](./code-notebook/gdd.ipynb) dosyasını indirin ve `gdd-calculation` klasörüne kopyalayın.
+
+1. MQTT sunucusu tarafından oluşturulan `temperature.csv` dosyasını kopyalayın.
+
+1. `gdd-calculation` klasöründe yeni bir Python sanal ortamı oluşturun.
+
+1. Jupyter notebook'lar için bazı pip paketlerini ve verileri yönetmek ve görselleştirmek için gereken kütüphaneleri yükleyin:
+
+    ```sh
+    pip install --upgrade pip
+    pip install pandas
+    pip install matplotlib
+    pip install jupyter
+    ```
+
+1. Notebook'u Jupyter'de çalıştırın:
+
+    ```sh
+    jupyter notebook gdd.ipynb
+    ```
+
+    Jupyter başlatılacak ve notebook'u tarayıcınızda açacaktır. Notebook'taki talimatları takip ederek ölçülen sıcaklıkları görselleştirin ve büyüme derecesi günlerini hesaplayın.
+
+    ![Jupyter notebook](../../../../../translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.tr.png)
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Mükemmel | Yeterli | Geliştirme Gerekiyor |
+| ------- | -------- | ------- | -------------------- |
+| Veri Toplama | En az 2 tam gün veri toplayın | En az 1 tam gün veri toplayın | Bir miktar veri toplayın |
+| GDD Hesaplama | Notebook'u başarıyla çalıştırın ve GDD hesaplayın | Notebook'u başarıyla çalıştırın | Notebook'u çalıştıramayın |
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/tr/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..a5d07652
--- /dev/null
+++ b/translations/tr/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Gelişme Derece Günleri\n",
+    "\n",
+    "Bu not defteri, bir CSV dosyasına kaydedilmiş sıcaklık verilerini yükler ve analiz eder. Sıcaklıkları görselleştirir, her gün için en yüksek ve en düşük değerleri gösterir ve GDD'yi hesaplar.\n",
+    "\n",
+    "Bu not defterini kullanmak için:\n",
+    "\n",
+    "* `temperature.csv` dosyasını bu not defteriyle aynı klasöre kopyalayın\n",
+    "* Yukarıdaki **▶︎ Çalıştır** düğmesini kullanarak tüm hücreleri çalıştırın. Bu, seçili hücreyi çalıştırır ve ardından bir sonraki hücreye geçer.\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Aşağıdaki hücrede `base_temperature` değerini bitkinin temel sıcaklığına ayarlayın.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "CSV dosyasının şimdi pandas kullanılarak yüklenmesi gerekiyor\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": [
+    "Veriler okunduktan sonra `date` sütununa göre gruplandırılabilir ve her tarih için minimum ve maksimum sıcaklıklar çıkarılabilir.\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, standart GDD denklemi kullanılarak hesaplanabilir.\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**Feragatname**:  \nBu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.\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": "2025-08-28T04:19:54+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "tr"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/tr/2-farm/lessons/1-predict-plant-growth/pi-temp.md
new file mode 100644
index 00000000..bb74a339
--- /dev/null
+++ b/translations/tr/2-farm/lessons/1-predict-plant-growth/pi-temp.md
@@ -0,0 +1,125 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
+  "translation_date": "2025-08-28T04:09:41+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
+  "language_code": "tr"
+}
+-->
+# Sıcaklık Ölçümü - Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi'ye bir sıcaklık sensörü ekleyeceksiniz.
+
+## Donanım
+
+Kullanacağınız sensör, [DHT11 nem ve sıcaklık sensörü](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html) olup, iki sensörü bir arada sunar. Bu sensör oldukça popülerdir ve ticari olarak temin edilebilen birçok sensör, sıcaklık, nem ve bazen atmosferik basıncı birleştirir. Sıcaklık sensörü bileşeni, negatif sıcaklık katsayısına (NTC) sahip bir termistördür; bu, sıcaklık arttıkça direncin azaldığı bir termistördür.
+
+Bu bir dijital sensördür, bu nedenle sıcaklık ve nem verilerini içeren dijital bir sinyal oluşturmak için bir dahili ADC'ye sahiptir ve bu sinyali mikrodenetleyici okuyabilir.
+
+### Sıcaklık sensörünü bağlayın
+
+Grove sıcaklık sensörü Raspberry Pi'ye bağlanabilir.
+
+#### Görev
+
+Sıcaklık sensörünü bağlayın.
+
+![Bir Grove sıcaklık sensörü](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.tr.png)
+
+1. Grove kablosunun bir ucunu nem ve sıcaklık sensöründeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Raspberry Pi kapalıyken, Grove kablosunun diğer ucunu Pi'ye bağlı Grove Base hat üzerindeki **D5** olarak işaretlenmiş dijital sokete bağlayın. Bu soket, GPIO pinlerinin yanındaki soket sırasının soldan ikinci soketidir.
+
+![Grove sıcaklık sensörü A0 soketine bağlı](../../../../../translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.tr.png)
+
+## Sıcaklık sensörünü programlayın
+
+Cihaz artık bağlı sıcaklık sensörünü kullanacak şekilde programlanabilir.
+
+### Görev
+
+Cihazı programlayın.
+
+1. Pi'yi açın ve başlatılmasını bekleyin.
+
+1. VS Code'u doğrudan Pi üzerinde veya Remote SSH uzantısı aracılığıyla bağlanarak başlatın.
+
+    > ⚠️ Gerekirse [ders 1'deki VS Code kurulum ve başlatma talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md) başvurabilirsiniz.
+
+1. Terminalden, `pi` kullanıcısının ana dizininde `temperature-sensor` adında yeni bir klasör oluşturun. Bu klasörde `app.py` adında bir dosya oluşturun:
+
+    ```sh
+    mkdir temperature-sensor
+    cd temperature-sensor
+    touch app.py
+    ```
+
+1. Bu klasörü VS Code'da açın.
+
+1. Sıcaklık ve nem sensörünü kullanmak için ek bir Pip paketi yüklenmelidir. VS Code'daki Terminal'den aşağıdaki komutu çalıştırarak bu Pip paketini Pi'ye yükleyin:
+
+    ```sh
+    pip3 install seeed-python-dht
+    ```
+
+1. Gerekli kütüphaneleri içe aktarmak için `app.py` dosyasına aşağıdaki kodu ekleyin:
+
+    ```python
+    import time
+    from seeed_dht import DHT
+    ```
+
+    `from seeed_dht import DHT` ifadesi, `seeed_dht` modülünden bir Grove sıcaklık sensörüyle etkileşim kurmak için `DHT` sensör sınıfını içe aktarır.
+
+1. Yukarıdaki kodun altına, sıcaklık sensörünü yöneten sınıfın bir örneğini oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    Bu, **D**ijital **H**em **T**emperature sensörünü yöneten `DHT` sınıfının bir örneğini tanımlar. İlk parametre, kullanılan sensörün *DHT11* sensörü olduğunu kodlara bildirir - kullandığınız kütüphane bu sensörün diğer varyantlarını da destekler. İkinci parametre, sensörün Grove base hat üzerindeki `D5` dijital portuna bağlı olduğunu kodlara bildirir.
+
+    > ✅ Unutmayın, tüm soketlerin benzersiz pin numaraları vardır. Pinler 0, 2, 4 ve 6 analog pinlerdir; pinler 5, 16, 18, 22, 24 ve 26 dijital pinlerdir.
+
+1. Yukarıdaki kodun altına, sıcaklık sensörü değerini sorgulamak ve konsola yazdırmak için sonsuz bir döngü ekleyin:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    `sensor.read()` çağrısı, nem ve sıcaklık değerlerinden oluşan bir tuple döndürür. Sadece sıcaklık değerine ihtiyacınız olduğundan, nem değeri göz ardı edilir. Ardından sıcaklık değeri konsola yazdırılır.
+
+1. Döngünün sonuna, sıcaklık seviyelerinin sürekli olarak kontrol edilmesine gerek olmadığından, on saniyelik bir bekleme süresi ekleyin. Bekleme süresi, cihazın güç tüketimini azaltır.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. VS Code Terminal'den aşağıdaki komutu çalıştırarak Python uygulamanızı çalıştırın:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Konsola sıcaklık değerlerinin çıktısını görmelisiniz. Sensörü ısıtmak için başparmağınızı üzerine bastırmak veya bir fan kullanmak gibi bir şey deneyerek değerlerin değiştiğini gözlemleyin:
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
+    Temperature 26°C
+    Temperature 26°C
+    Temperature 28°C
+    Temperature 30°C
+    Temperature 32°C
+    ```
+
+> 💁 Bu kodu [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi) klasöründe bulabilirsiniz.
+
+😀 Sıcaklık sensörü programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/tr/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
new file mode 100644
index 00000000..6810907b
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T04:13:17+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
+  "language_code": "tr"
+}
+-->
+# Sıcaklık Yayınlama - Sanal IoT Donanımı ve Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi veya Sanal IoT Cihazı tarafından algılanan sıcaklık değerlerini MQTT üzerinden yayınlayacaksınız, böylece bu değerler daha sonra GDD hesaplaması için kullanılabilir.
+
+## Sıcaklığı Yayınlama
+
+Sıcaklık okunduktan sonra, MQTT üzerinden bir 'sunucu' koduna yayınlanabilir. Bu kod, değerleri okuyacak ve GDD hesaplaması için kullanılmaya hazır bir şekilde saklayacaktır.
+
+### Görev - Sıcaklığı yayınlama
+
+Cihazı, sıcaklık verilerini yayınlayacak şekilde programlayın.
+
+1. `temperature-sensor` uygulama projesini henüz açmadıysanız açın.
+
+1. MQTT'ye bağlanmak ve telemetri göndermek için ders 4'te yaptığınız adımları tekrarlayın. Aynı genel Mosquitto broker'ını kullanacaksınız.
+
+    Bu adımlar şunlardır:
+
+    - MQTT pip paketini ekleyin
+    - MQTT broker'ına bağlanmak için kodu ekleyin
+    - Telemetri yayınlamak için kodu ekleyin
+
+    > ⚠️ Gerekirse [MQTT'ye bağlanma talimatlarına](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md) ve [telemetri gönderme talimatlarına](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md) ders 4'ten başvurun.
+
+1. `client_name`in bu projenin adını yansıttığından emin olun:
+
+    ```python
+    client_name = id + 'temperature_sensor_client'
+    ```
+
+1. Telemetri için, bir ışık değeri göndermek yerine, DHT sensöründen okunan sıcaklık değerini JSON belgesinde `temperature` adlı bir özellik olarak gönderin:
+
+    ```python
+    _, temp = sensor.read()
+    telemetry = json.dumps({'temperature' : temp})
+    ```
+
+1. Sıcaklık değeri çok sık okunmak zorunda değil - kısa bir süre içinde çok fazla değişmeyecektir, bu yüzden `time.sleep`i 10 dakikaya ayarlayın:
+
+    ```cpp
+    time.sleep(10 * 60);
+    ```
+
+    > 💁 `sleep` fonksiyonu zamanı saniye cinsinden alır, bu yüzden okunabilirliği artırmak için değer bir hesaplama sonucu olarak geçirilir. Bir dakikada 60 saniye olduğundan, 10 x (bir dakikadaki 60 saniye) 10 dakikalık bir gecikme sağlar.
+
+1. Kodu, ödevin önceki bölümündeki kodu çalıştırdığınız şekilde çalıştırın. Eğer bir sanal IoT cihazı kullanıyorsanız, CounterFit uygulamasının çalıştığından ve nem ve sıcaklık sensörlerinin doğru pinlerde oluşturulduğundan emin olun.
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py
+    MQTT connected!
+    Sending telemetry  {"temperature": 25}
+    Sending telemetry  {"temperature": 25}
+    ```
+
+> 💁 Bu kodu [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) klasöründe veya [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi) klasöründe bulabilirsiniz.
+
+😀 Cihazınızdan sıcaklığı telemetri olarak başarıyla yayınladınız.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/tr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
new file mode 100644
index 00000000..b49c5245
--- /dev/null
+++ b/translations/tr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
+  "translation_date": "2025-08-28T04:13:52+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
+  "language_code": "tr"
+}
+-->
+# Sıcaklık Ölçümü - Sanal IoT Donanımı
+
+Bu dersin bu bölümünde, sanal IoT cihazınıza bir sıcaklık sensörü ekleyeceksiniz.
+
+## Sanal Donanım
+
+Sanal IoT cihazı, simüle edilmiş bir Grove Dijital Nem ve Sıcaklık sensörü kullanacaktır. Bu, bu laboratuvarı fiziksel bir Grove DHT11 sensörü ile bir Raspberry Pi kullanmakla aynı hale getirir.
+
+Sensör, bir **sıcaklık sensörü** ile bir **nem sensörünü** birleştirir, ancak bu laboratuvarda yalnızca sıcaklık sensörü bileşeniyle ilgileneceksiniz. Fiziksel bir IoT cihazında, sıcaklık sensörü, sıcaklık değiştikçe dirençteki değişimi algılayarak sıcaklığı ölçen bir [termistör](https://wikipedia.org/wiki/Thermistor) olurdu. Sıcaklık sensörleri genellikle, ölçülen direnci dahili olarak Santigrat derece (veya Kelvin ya da Fahrenheit) cinsinden bir sıcaklığa dönüştüren dijital sensörlerdir.
+
+### Sensörleri CounterFit'e Ekleme
+
+Sanal bir nem ve sıcaklık sensörü kullanmak için, iki sensörü CounterFit uygulamasına eklemeniz gerekir.
+
+#### Görev - Sensörleri CounterFit'e ekleyin
+
+Nem ve sıcaklık sensörlerini CounterFit uygulamasına ekleyin.
+
+1. Bilgisayarınızda `temperature-sensor` adlı bir klasörde `app.py` adlı tek bir dosya içeren yeni bir Python uygulaması oluşturun, bir Python sanal ortamı oluşturun ve CounterFit pip paketlerini ekleyin.
+
+    > ⚠️ Gerekirse [ders 1'de CounterFit Python projesi oluşturma ve ayarlama talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md) başvurabilirsiniz.
+
+1. DHT11 sensörü için bir CounterFit shim yüklemek üzere ek bir Pip paketi yükleyin. Bu işlemi, sanal ortamın etkin olduğu bir terminalden yaptığınızdan emin olun.
+
+    ```sh
+    pip install counterfit-shims-seeed-python-dht
+    ```
+
+1. CounterFit web uygulamasının çalıştığından emin olun.
+
+1. Bir nem sensörü oluşturun:
+
+    1. *Sensors* panelindeki *Create sensor* kutusunda, *Sensor type* kutusunu açın ve *Humidity* seçeneğini seçin.
+
+    1. *Units* ayarını *Percentage* olarak bırakın.
+
+    1. *Pin* ayarının *5* olduğundan emin olun.
+
+    1. Pin 5 üzerinde nem sensörünü oluşturmak için **Add** düğmesini seçin.
+
+    ![Nem sensörü ayarları](../../../../../translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.tr.png)
+
+    Nem sensörü oluşturulacak ve sensörler listesinde görünecektir.
+
+    ![Oluşturulan nem sensörü](../../../../../translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.tr.png)
+
+1. Bir sıcaklık sensörü oluşturun:
+
+    1. *Sensors* panelindeki *Create sensor* kutusunda, *Sensor type* kutusunu açın ve *Temperature* seçeneğini seçin.
+
+    1. *Units* ayarını *Celsius* olarak bırakın.
+
+    1. *Pin* ayarının *6* olduğundan emin olun.
+
+    1. Pin 6 üzerinde sıcaklık sensörünü oluşturmak için **Add** düğmesini seçin.
+
+    ![Sıcaklık sensörü ayarları](../../../../../translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.tr.png)
+
+    Sıcaklık sensörü oluşturulacak ve sensörler listesinde görünecektir.
+
+    ![Oluşturulan sıcaklık sensörü](../../../../../translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.tr.png)
+
+## Sıcaklık Sensörü Uygulamasını Programlama
+
+Artık CounterFit sensörlerini kullanarak sıcaklık sensörü uygulamasını programlayabilirsiniz.
+
+### Görev - Sıcaklık sensörü uygulamasını programlayın
+
+Sıcaklık sensörü uygulamasını programlayın.
+
+1. `temperature-sensor` uygulamasının VS Code'da açık olduğundan emin olun.
+
+1. `app.py` dosyasını açın.
+
+1. Uygulamayı CounterFit'e bağlamak için aşağıdaki kodu `app.py` dosyasının en üstüne ekleyin:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Gerekli kütüphaneleri içe aktarmak için aşağıdaki kodu `app.py` dosyasına ekleyin:
+
+    ```python
+    import time
+    from counterfit_shims_seeed_python_dht import DHT
+    ```
+
+    `from seeed_dht import DHT` ifadesi, `counterfit_shims_seeed_python_dht` modülünden bir shim kullanarak sanal bir Grove sıcaklık sensörüyle etkileşim kurmak için `DHT` sensör sınıfını içe aktarır.
+
+1. Yukarıdaki kodun ardından, sanal nem ve sıcaklık sensörünü yöneten sınıfın bir örneğini oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    Bu, sanal **D**ijital **N**em ve **S**ıcaklık sensörünü yöneten `DHT` sınıfının bir örneğini tanımlar. İlk parametre, kullanılan sensörün sanal bir *DHT11* sensörü olduğunu kodlara bildirir. İkinci parametre, sensörün `5` portuna bağlı olduğunu kodlara bildirir.
+
+    > 💁 CounterFit, bu birleştirilmiş nem ve sıcaklık sensörünü, `DHT` sınıfı oluşturulduğunda verilen pin üzerindeki bir nem sensörüne ve bir sonraki pin üzerinde çalışan bir sıcaklık sensörüne bağlanarak simüle eder. Eğer nem sensörü pin 5 üzerindeyse, shim sıcaklık sensörünün pin 6 üzerinde olmasını bekler.
+
+1. Sıcaklık sensörü değerini sorgulamak ve konsola yazdırmak için yukarıdaki kodun ardından sonsuz bir döngü ekleyin:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    `sensor.read()` çağrısı, nem ve sıcaklık değerlerinden oluşan bir tuple döndürür. Sadece sıcaklık değerine ihtiyacınız var, bu yüzden nem değeri göz ardı edilir. Sıcaklık değeri daha sonra konsola yazdırılır.
+
+1. Döngünün sonunda, sıcaklık seviyelerinin sürekli olarak kontrol edilmesine gerek olmadığından, cihazın güç tüketimini azaltmak için on saniyelik bir bekleme süresi ekleyin.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. Sanal ortamın etkin olduğu bir VS Code Terminalinden aşağıdaki komutu çalıştırarak Python uygulamanızı çalıştırın:
+
+    ```sh
+    python app.py
+    ```
+
+1. CounterFit uygulamasından, uygulama tarafından okunacak sıcaklık sensörünün değerini değiştirin. Bunu iki şekilde yapabilirsiniz:
+
+    * Sıcaklık sensörü için *Value* kutusuna bir sayı girin ve ardından **Set** düğmesini seçin. Girdiğiniz sayı, sensör tarafından döndürülen değer olacaktır.
+
+    * *Random* kutusunu işaretleyin ve bir *Min* ve *Max* değeri girin, ardından **Set** düğmesini seçin. Sensör her değer okuduğunda, *Min* ve *Max* arasında rastgele bir sayı okuyacaktır.
+
+    Konsolda ayarladığınız değerlerin göründüğünü görmelisiniz. *Value* veya *Random* ayarlarını değiştirerek değerin değiştiğini gözlemleyin.
+
+    ```output
+    (.venv) ➜  temperature-sensor python app.py
+    Temperature 28.25°C
+    Temperature 30.71°C
+    Temperature 25.17°C
+    ```
+
+> 💁 Bu kodu [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device) klasöründe bulabilirsiniz.
+
+😀 Sıcaklık sensörü programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/tr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
new file mode 100644
index 00000000..226e2770
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T04:12:33+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
+  "language_code": "tr"
+}
+-->
+# Sıcaklık Yayınlama - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal tarafından algılanan sıcaklık değerlerini MQTT üzerinden yayınlayarak, daha sonra GDD hesaplaması için kullanılabilir hale getireceksiniz.
+
+## Sıcaklığı Yayınlama
+
+Sıcaklık okunduktan sonra, MQTT üzerinden bir 'sunucu' koduna yayınlanabilir. Bu kod, değerleri okuyacak ve GDD hesaplaması için hazır bir şekilde saklayacaktır. Mikrodenetleyiciler, kutudan çıktığı haliyle internetten zaman okuyamaz ve gerçek zamanlı bir saatle zamanı takip edemez; cihazın gerekli donanıma sahip olduğu varsayılarak bu şekilde programlanması gerekir.
+
+Bu dersi basitleştirmek için, sensör verileriyle birlikte zaman gönderilmeyecek. Bunun yerine, mesajlar alındığında zaman bilgisi sunucu kodu tarafından eklenebilir.
+
+### Görev
+
+Cihazı sıcaklık verilerini yayınlayacak şekilde programlayın.
+
+1. `temperature-sensor` Wio Terminal projesini açın.
+
+1. MQTT'ye bağlanmak ve telemetri göndermek için ders 4'te yaptığınız adımları tekrarlayın. Aynı genel Mosquitto broker'ını kullanacaksınız.
+
+    Bu adımlar şunlardır:
+
+    - `.ini` dosyasına Seeed WiFi ve MQTT kütüphanelerini ekleyin.
+    - WiFi'ye bağlanmak için yapılandırma dosyasını ve kodu ekleyin.
+    - MQTT broker'ına bağlanmak için kodu ekleyin.
+    - Telemetri yayınlamak için kodu ekleyin.
+
+    > ⚠️ Gerekirse [MQTT'ye bağlanma talimatlarına](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) ve [telemetri gönderme talimatlarına](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md) ders 4'ten başvurun.
+
+1. `config.h` başlık dosyasındaki `CLIENT_NAME`'in bu projeyi yansıttığından emin olun:
+
+    ```cpp
+    const string CLIENT_NAME = ID + "temperature_sensor_client";
+    ```
+
+1. Telemetri için, bir ışık değeri göndermek yerine, DHT sensöründen okunan sıcaklık değerini JSON belgesindeki `temperature` adlı bir özelliğe gönderin. Bunun için `main.cpp` dosyasındaki `loop` fonksiyonunu değiştirin:
+
+    ```cpp
+    float temp_hum_val[2] = {0};
+    dht.readTempAndHumidity(temp_hum_val);
+
+    DynamicJsonDocument doc(1024);
+    doc["temperature"] = temp_hum_val[1];
+    ```
+
+1. Sıcaklık değeri çok sık okunmasına gerek yoktur - kısa bir süre içinde çok fazla değişmeyecektir. Bu nedenle, `loop` fonksiyonundaki `delay` değerini 10 dakikaya ayarlayın:
+
+    ```cpp
+    delay(10 * 60 * 1000);
+    ```
+
+    > 💁 `delay` fonksiyonu zamanı milisaniye cinsinden alır, bu yüzden okunabilirliği artırmak için değer bir hesaplama sonucu olarak geçirilir. Bir saniyede 1.000ms, bir dakikada 60s olduğundan, 10 x (bir dakikadaki 60s) x (bir saniyedeki 1000ms) 10 dakikalık bir gecikme sağlar.
+
+1. Bunu Wio Terminal'inize yükleyin ve sıcaklığın MQTT broker'ına gönderildiğini görmek için seri monitörü kullanın.
+
+    ```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}
+    ```
+
+> 💁 Bu kodu [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Cihazınızdan sıcaklığı telemetri olarak başarıyla yayınladınız.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/tr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
new file mode 100644
index 00000000..ef788f78
--- /dev/null
+++ b/translations/tr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
@@ -0,0 +1,143 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "59263d094f20b302053888cd236880c3",
+  "translation_date": "2025-08-28T04:14:33+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
+  "language_code": "tr"
+}
+-->
+# Sıcaklık Ölçümü - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal'inize bir sıcaklık sensörü ekleyecek ve sıcaklık değerlerini okuyacaksınız.
+
+## Donanım
+
+Wio Terminal bir sıcaklık sensörüne ihtiyaç duyar.
+
+Kullanacağınız sensör, [DHT11 nem ve sıcaklık sensörü](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)'dür. Bu sensör, tek bir pakette iki sensörü birleştirir. Oldukça popülerdir ve ticari olarak temin edilebilen birçok sensör, sıcaklık, nem ve bazen atmosferik basıncı birleştirir. Sıcaklık sensörü bileşeni, negatif sıcaklık katsayısına (NTC) sahip bir termistördür; bu, sıcaklık arttıkça direncin azaldığı bir termistördür.
+
+Bu bir dijital sensördür, bu nedenle mikrodenetleyicinin okuyabileceği sıcaklık ve nem verilerini içeren bir dijital sinyal oluşturmak için bir dahili ADC'ye sahiptir.
+
+### Sıcaklık sensörünü bağlayın
+
+Grove sıcaklık sensörü, Wio Terminal'in dijital portuna bağlanabilir.
+
+#### Görev - sıcaklık sensörünü bağlayın
+
+Sıcaklık sensörünü bağlayın.
+
+![Bir Grove sıcaklık sensörü](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.tr.png)
+
+1. Grove kablosunun bir ucunu nem ve sıcaklık sensöründeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Wio Terminal'inizi bilgisayarınızdan veya başka bir güç kaynağından ayırarak, Grove kablosunun diğer ucunu Wio Terminal'in ekranına bakarken sağ taraftaki Grove soketine bağlayın. Bu, güç düğmesinden en uzak olan sokettir.
+
+![Sağ sokete bağlı Grove sıcaklık sensörü](../../../../../translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.tr.png)
+
+## Sıcaklık sensörünü programlayın
+
+Artık Wio Terminal, bağlı sıcaklık sensörünü kullanacak şekilde programlanabilir.
+
+### Görev - sıcaklık sensörünü programlayın
+
+Cihazı programlayın.
+
+1. PlatformIO kullanarak yeni bir Wio Terminal projesi oluşturun. Bu projeye `temperature-sensor` adını verin. `setup` fonksiyonuna seri portu yapılandırmak için kod ekleyin.
+
+    > ⚠️ Gerekirse [proje 1, ders 1'de PlatformIO projesi oluşturma talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project) başvurabilirsiniz.
+
+1. Seeed Grove Nem ve Sıcaklık sensörü kütüphanesi için bir kütüphane bağımlılığı ekleyin ve bunu projenin `platformio.ini` dosyasına ekleyin:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
+    ```
+
+    > ⚠️ Gerekirse [proje 1, ders 4'te PlatformIO projesine kütüphane ekleme talimatlarına](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries) başvurabilirsiniz.
+
+1. Dosyanın en üstüne, mevcut `#include <Arduino.h>` satırının altına şu `#include` yönergelerini ekleyin:
+
+    ```cpp
+    #include <DHT.h>
+    #include <SPI.h>
+    ```
+
+    Bu, sensörle etkileşim kurmak için gereken dosyaları içe aktarır. `DHT.h` başlık dosyası sensörün kendisi için gereken kodu içerir ve `SPI.h` başlığını eklemek, uygulama derlenirken sensörle iletişim kurmak için gereken kodun bağlantılandırılmasını sağlar.
+
+1. `setup` fonksiyonundan önce, DHT sensörünü tanımlayın:
+
+    ```cpp
+    DHT dht(D0, DHT11);
+    ```
+
+    Bu, **D**ijital **N**em ve **S**ıcaklık sensörünü yöneten `DHT` sınıfının bir örneğini tanımlar. Bu, Wio Terminal'in sağ tarafındaki Grove soketine, yani `D0` portuna bağlanmıştır. İkinci parametre, kullanılan sensörün *DHT11* sensörü olduğunu koda bildirir - kullandığınız kütüphane bu sensörün diğer varyantlarını da destekler.
+
+1. `setup` fonksiyonunda, seri bağlantıyı ayarlamak için kod ekleyin:
+
+    ```cpp
+    void setup()
+    {
+        Serial.begin(9600);
+    
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    ```
+
+1. `setup` fonksiyonunun sonunda, son `delay` satırından sonra, DHT sensörünü başlatmak için bir çağrı ekleyin:
+
+    ```cpp
+    dht.begin();
+    ```
+
+1. `loop` fonksiyonunda, sensörü çağırmak ve sıcaklığı seri porta yazdırmak için kod ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, 2 adet float değerini tutacak boş bir dizi tanımlar ve bu diziyi `DHT` örneğindeki `readTempAndHumidity` fonksiyonuna geçirir. Bu çağrı, diziyi 2 değerle doldurur - nem, dizinin 0. elemanına (C++ dizilerinin 0 tabanlı olduğunu unutmayın, bu nedenle 0. eleman dizinin 'ilk' elemanıdır), sıcaklık ise 1. elemanına yerleştirilir.
+
+    Sıcaklık, dizinin 1. elemanından okunur ve seri porta yazdırılır.
+
+    > 🇺🇸 Sıcaklık Celsius cinsinden okunur. Amerikalılar için, bunu Fahrenheit'e dönüştürmek için okunan Celsius değerini 5'e bölün, ardından 9 ile çarpın ve 32 ekleyin. Örneğin, 20°C'lik bir sıcaklık okuması şu şekilde dönüştürülür: ((20/5)*9) + 32 = 68°F.
+
+1. Kodu derleyin ve Wio Terminal'e yükleyin.
+
+    > ⚠️ Gerekirse [proje 1, ders 1'de PlatformIO projesi oluşturma talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app) başvurabilirsiniz.
+
+1. Kod yüklendikten sonra, sıcaklığı seri monitör kullanarak izleyebilirsiniz:
+
+    ```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
+    ```
+
+> 💁 Bu kodu [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Sıcaklık sensörü programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/tr/2-farm/lessons/2-detect-soil-moisture/README.md
new file mode 100644
index 00000000..aac45971
--- /dev/null
+++ b/translations/tr/2-farm/lessons/2-detect-soil-moisture/README.md
@@ -0,0 +1,169 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
+  "translation_date": "2025-08-28T03:55:04+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
+  "language_code": "tr"
+}
+-->
+C, Türkçe'de "I-kare-C" olarak telaffuz edilir, çoklu denetleyici ve çoklu çevre birimi protokolüdür. Bağlı herhangi bir cihaz, I²C veri yolu (veri transferi için kullanılan bir iletişim sistemi) üzerinden denetleyici veya çevre birimi olarak iletişim kurabilir. Veriler, her bir paketin hedef cihazın adresini içeren adreslenmiş paketler olarak gönderilir.
+
+> 💁 Bu model eskiden "master/slave" (ana/bağımlı) olarak adlandırılıyordu, ancak bu terim kölelik ile olan çağrışımları nedeniyle terk ediliyor. [Açık Kaynak Donanım Derneği, denetleyici/çevre birimi terimlerini benimsemiştir](https://www.oshwa.org/a-resolution-to-redefine-spi-signal-names/), ancak eski terminolojiye hâlâ rastlayabilirsiniz.
+
+Cihazlar, I²C veri yoluna bağlandıklarında kullanılan bir adrese sahiptir ve bu genellikle cihaz üzerinde sabit kodlanmıştır. Örneğin, Seeed'in her tür Grove sensörü aynı adrese sahiptir; tüm ışık sensörleri aynı adrese, tüm düğmeler ise ışık sensörlerinden farklı bir adrese sahiptir. Bazı cihazlar, jumper ayarlarını değiştirerek veya pinleri lehimleyerek adresi değiştirme yöntemlerine sahiptir.
+
+I²C, 2 ana tel ve 2 güç teli olmak üzere toplam 4 telden oluşan bir veri yoluna sahiptir:
+
+| Tel | Adı | Açıklama |
+| ---- | --------- | ----------- |
+| SDA | Seri Veri | Bu tel, cihazlar arasında veri göndermek için kullanılır. |
+| SCL | Seri Saat | Bu tel, denetleyici tarafından ayarlanan bir hızda saat sinyali gönderir. |
+| VCC | Ortak Gerilim Toplayıcı | Cihazlar için güç kaynağıdır. Bu tel, SDA ve SCL tellerine bağlanarak bir pull-up direnç üzerinden güç sağlar ve hiçbir cihaz denetleyici olmadığında sinyali kapatır. |
+| GND | Toprak | Elektrik devresi için ortak bir toprak sağlar. |
+
+![I2C veri yolu, SDA ve SCL tellerine bağlı 3 cihaz ile ortak bir toprak teli paylaşır](../../../../../translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.tr.png)
+
+Veri göndermek için bir cihaz, veri göndermeye hazır olduğunu göstermek için bir başlangıç durumu oluşturur. Bu cihaz daha sonra denetleyici olur. Denetleyici, iletişim kurmak istediği cihazın adresini ve veri okumak mı yoksa yazmak mı istediğini gönderir. Veri iletimi tamamlandıktan sonra, denetleyici bir bitiş durumu göndererek işlemin bittiğini belirtir. Bundan sonra başka bir cihaz denetleyici olabilir ve veri gönderip alabilir.
+
+I<sup>2</sup>C'nin hız sınırları vardır ve 3 farklı modda sabit hızlarda çalışır. En hızlı mod, maksimum 3.4Mbps (megabit/saniye) hızına sahip olan Yüksek Hız modudur, ancak çok az cihaz bu hızı destekler. Örneğin, Raspberry Pi hızlı modda 400Kbps (kilobit/saniye) ile sınırlıdır. Standart mod ise 100Kbps hızında çalışır.
+
+> 💁 Eğer IoT donanımı olarak bir Grove Base hat ile Raspberry Pi kullanıyorsanız, kart üzerinde I<sup>2</sup>C sensörleriyle iletişim kurmak için kullanabileceğiniz bir dizi I<sup>2</sup>C soketi görebilirsiniz. Analog Grove sensörleri de analog değerleri dijital veri olarak göndermek için bir ADC ile I<sup>2</sup>C kullanır, bu nedenle kullandığınız ışık sensörü analog bir pini simüle etti ve değer I<sup>2</sup>C üzerinden gönderildi çünkü Raspberry Pi yalnızca dijital pinleri destekler.
+
+### Evrensel Asenkron Alıcı-Verici (UART)
+
+UART, iki cihazın iletişim kurmasını sağlayan fiziksel devreleri içerir. Her cihazın 2 iletişim pini vardır - gönderme (Tx) ve alma (Rx). İlk cihazın Tx pini ikinci cihazın Rx pinine, ikinci cihazın Tx pini ise ilk cihazın Rx pinine bağlanır. Bu, verilerin her iki yönde gönderilmesini sağlar.
+
+* Cihaz 1, Tx pininden veri gönderir, bu veri cihaz 2 tarafından Rx pininde alınır.
+* Cihaz 1, Rx pininde cihaz 2'nin Tx pininden gönderdiği veriyi alır.
+
+![Bir çipin Tx pini diğer çipin Rx pinine ve tam tersi şekilde bağlanmış UART](../../../../../translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.tr.png)
+
+> 🎓 Veriler birer bit olarak gönderilir ve bu *seri* iletişim olarak bilinir. Çoğu işletim sistemi ve mikrodenetleyici, kodunuzun erişebileceği *seri portlar* yani seri veri gönderip alabilen bağlantılara sahiptir.
+
+UART cihazlarının bir [baud hızı](https://wikipedia.org/wiki/Symbol_rate) (Sembol hızı olarak da bilinir) vardır, bu hız verilerin bit/saniye cinsinden gönderilip alınacağı hızdır. Yaygın bir baud hızı 9,600'dür, yani her saniye 9,600 bit (0 ve 1) veri gönderilir.
+
+UART, başlangıç ve bitiş bitleri kullanır - yani bir bayt (8 bit) veri göndermeye başlamadan önce bir başlangıç biti gönderir, ardından 8 bit gönderildikten sonra bir bitiş biti gönderir.
+
+UART hızı donanıma bağlıdır, ancak en hızlı uygulamalar bile 6.5 Mbps'yi (megabit/saniye veya saniyede gönderilen milyonlarca bit, 0 veya 1) aşmaz.
+
+GPIO pinleri üzerinden UART kullanabilirsiniz - bir pini Tx, diğerini Rx olarak ayarlayabilir ve bunları başka bir cihaza bağlayabilirsiniz.
+
+> 💁 Eğer IoT donanımı olarak bir Grove Base hat ile Raspberry Pi kullanıyorsanız, UART protokolünü kullanan sensörlerle iletişim kurmak için kart üzerinde bir UART soketi görebilirsiniz.
+
+### Seri Çevresel Arayüz (SPI)
+
+SPI, kısa mesafelerde iletişim kurmak için tasarlanmıştır, örneğin bir mikrodenetleyicinin flash bellek gibi bir depolama cihazıyla konuşması için. Bir kontrolcü/çevre modeli üzerine kuruludur ve tek bir kontrolcü (genellikle IoT cihazının işlemcisi) birden fazla çevre birimiyle etkileşim kurar. Kontrolcü, bir çevre birimini seçerek ve veri gönderip isteyerek her şeyi kontrol eder.
+
+> 💁 I<sup>2</sup>C gibi, kontrolcü ve çevre terimleri yakın zamanda değişmiştir, bu nedenle hala eski terimleri görebilirsiniz.
+
+SPI kontrolcüleri 3 tel kullanır ve her çevre birimi için 1 ekstra tel eklenir. Çevre birimleri 4 tel kullanır. Bu teller şunlardır:
+
+| Tel | Adı | Açıklama |
+| ---- | --------- | ----------- |
+| COPI | Kontrolcü Çıkışı, Çevre Girişi | Bu tel, kontrolcüden çevre birimine veri göndermek içindir. |
+| CIPO | Kontrolcü Girişi, Çevre Çıkışı | Bu tel, çevre biriminden kontrolcüye veri göndermek içindir. |
+| SCLK | Seri Saat | Bu tel, kontrolcü tarafından ayarlanan bir hızda saat sinyali gönderir. |
+| CS   | Çip Seçimi | Kontrolcünün birden fazla teli vardır, her çevre birimi için bir tel, ve her tel ilgili çevre birimin CS teline bağlanır. |
+
+![Bir kontrolcü ve iki çevre birimi ile SPI](../../../../../translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.tr.png)
+
+CS teli, COPI ve CIPO telleri üzerinden bir seferde bir çevre birimini etkinleştirmek için kullanılır. Kontrolcü, çevre birimini değiştirmesi gerektiğinde, şu anda etkin olan çevre birimine bağlı CS telini devre dışı bırakır, ardından bir sonraki iletişim kurmak istediği çevre birimine bağlı teli etkinleştirir.
+
+SPI *tam çift yönlü*dür, yani kontrolcü COPI ve CIPO tellerini kullanarak aynı çevre biriminden aynı anda veri gönderebilir ve alabilir. SPI, cihazları senkronize tutmak için SCLK telinde bir saat sinyali kullanır, bu nedenle UART üzerinden doğrudan gönderim gibi başlangıç ve bitiş bitlerine ihtiyaç duymaz.
+
+SPI için tanımlı hız sınırları yoktur, uygulamalar genellikle saniyede birden fazla megabayt veri iletebilir.
+
+IoT geliştirici kitleri genellikle GPIO pinleri üzerinden SPI'yi destekler. Örneğin, Raspberry Pi'de SPI için GPIO pinleri 19, 21, 23, 24 ve 26'yı kullanabilirsiniz.
+
+### Kablosuz
+
+Bazı sensörler Bluetooth (özellikle Bluetooth Düşük Enerji veya BLE), LoRaWAN (bir **Lo**ng **Ra**nge düşük güç ağ protokolü) veya WiFi gibi standart kablosuz protokoller üzerinden iletişim kurabilir. Bu, fiziksel olarak bir IoT cihazına bağlı olmayan uzak sensörlere olanak tanır.
+
+Bunun bir örneği ticari toprak nem sensörleridir. Bu sensörler bir tarladaki toprak nemini ölçer, ardından veriyi bir hub cihazına LoRaWAN üzerinden gönderir. Hub cihazı veriyi işler veya İnternet üzerinden gönderir. Bu, sensörün veriyi yöneten IoT cihazından uzakta olmasını sağlar, güç tüketimini azaltır ve büyük WiFi ağlarına veya uzun kablolara olan ihtiyacı ortadan kaldırır.
+
+BLE, bilekte çalışan fitness takip cihazları gibi gelişmiş sensörler için popülerdir. Bu cihazlar birden fazla sensörü birleştirir ve sensör verilerini telefonunuz gibi bir IoT cihazına BLE üzerinden gönderir.
+
+✅ Üzerinizde, evinizde veya okulunuzda herhangi bir Bluetooth sensörü var mı? Bunlar sıcaklık sensörleri, doluluk sensörleri, cihaz takip cihazları ve fitness cihazlarını içerebilir.
+
+Ticari cihazların bağlanması için popüler bir yöntem Zigbee'dir. Zigbee, cihazlar arasında ağlar oluşturmak için WiFi kullanır. Her cihaz, mümkün olduğunca çok yakındaki cihaza bağlanır ve bir örümcek ağı gibi çok sayıda bağlantı oluşturur. Bir cihaz İnternet'e bir mesaj göndermek istediğinde, en yakın cihazlara gönderir, bu cihazlar mesajı diğer yakındaki cihazlara iletir ve bu şekilde devam eder, ta ki bir koordinatöre ulaşıp İnternet'e gönderilene kadar.
+
+> 🐝 Zigbee adı, bal arılarının kovana döndükten sonra yaptığı sallanma dansına atıfta bulunur.
+
+## Toprak nem seviyelerini ölçün
+
+Bir toprak nem sensörü, bir IoT cihazı ve bir ev bitkisi veya yakındaki bir toprak parçası kullanarak toprak nem seviyesini ölçebilirsiniz.
+
+### Görev - Toprak nemini ölçün
+
+IoT cihazınızı kullanarak toprak nemini ölçmek için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-soil-moisture.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-soil-moisture.md)
+
+## Sensör kalibrasyonu
+
+Sensörler, direnç veya kapasitans gibi elektriksel özellikleri ölçmeye dayanır.
+
+> 🎓 Direnç, ohm (Ω) cinsinden ölçülür ve bir şeyin içinden geçen elektrik akımına ne kadar karşı koyduğunu ifade eder. Bir malzemeye bir voltaj uygulandığında, içinden geçen akım miktarı malzemenin direncine bağlıdır. [Wikipedia'daki elektriksel direnç sayfasında](https://wikipedia.org/wiki/Electrical_resistance_and_conductance) daha fazla bilgi edinebilirsiniz.
+
+> 🎓 Kapasitans, farad (F) cinsinden ölçülür ve bir bileşenin veya devrenin elektrik enerjisini toplama ve depolama yeteneğidir. Kapasitans hakkında daha fazla bilgi için [Wikipedia'daki kapasitans sayfasını](https://wikipedia.org/wiki/Capacitance) okuyabilirsiniz.
+
+Bu ölçümler her zaman kullanışlı değildir - 22.5KΩ ölçümü veren bir sıcaklık sensörünü hayal edin! Bunun yerine, ölçülen değer, kalibre edilerek faydalı bir birime dönüştürülmelidir - yani ölçülen değerlerin ölçülen miktarla eşleştirilmesi, yeni ölçümlerin doğru birime dönüştürülmesini sağlar.
+
+Bazı sensörler önceden kalibre edilmiş olarak gelir. Örneğin, önceki derste kullandığınız sıcaklık sensörü, °C cinsinden bir sıcaklık ölçümü döndürebilecek şekilde zaten kalibre edilmişti. Fabrikada üretilen ilk sensör, bilinen bir sıcaklık aralığına maruz bırakılır ve direnç ölçülür. Bu, Ω (direnç birimi) cinsinden ölçülen değeri °C'ye dönüştürebilen bir hesaplama oluşturmak için kullanılır.
+
+> 💁 Direnci sıcaklıktan hesaplamak için kullanılan formül [Steinhart–Hart denklemi](https://wikipedia.org/wiki/Steinhart–Hart_equation) olarak adlandırılır.
+
+### Toprak nem sensörü kalibrasyonu
+
+Toprak nemi, gravimetrik veya hacimsel su içeriği kullanılarak ölçülür.
+
+* Gravimetrik, birim ağırlıktaki topraktaki suyun ağırlığıdır ve kuru toprak başına kilogram su olarak ölçülür.
+* Hacimsel, birim hacimdeki topraktaki suyun hacmidir ve kuru toprak başına metreküp su olarak ölçülür.
+
+> 🇺🇸 Amerikalılar için, birimlerin tutarlılığı nedeniyle bunlar kilogram yerine pound veya metreküp yerine fit küp olarak ölçülebilir.
+
+Toprak nem sensörleri elektriksel direnç veya kapasitansı ölçer - bu sadece toprak nemine değil, aynı zamanda toprak türüne de bağlıdır çünkü topraktaki bileşenler elektriksel özelliklerini değiştirebilir. İdeal olarak sensörler kalibre edilmelidir - yani sensörden alınan ölçümler daha bilimsel bir yaklaşımla bulunan ölçümlerle karşılaştırılmalıdır. Örneğin, bir laboratuvar belirli bir tarladan alınan örneklerle gravimetrik toprak nemini birkaç kez hesaplayabilir ve bu sayılar sensörü kalibre etmek için kullanılabilir, sensör ölçümünü gravimetrik toprak nemiyle eşleştirir.
+
+![Toprak nem içeriğine karşı voltaj grafiği](../../../../../translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.tr.png)
+
+Yukarıdaki grafik bir sensörün nasıl kalibre edileceğini gösterir. Voltaj, nemli ağırlığın kuru ağırlığa (önce nemli ölçüm, ardından fırında kurutulup kuru ölçüm) karşılaştırılarak ölçüldüğü bir laboratuvar tarafından ölçülen bir toprak örneği için yakalanır. Birkaç ölçüm alındıktan sonra, bu bir grafikte çizilir ve noktalara bir çizgi oturtulur. Bu çizgi, bir IoT cihazı tarafından alınan toprak nem sensörü ölçümlerini gerçek toprak nem ölçümlerine dönüştürmek için kullanılabilir.
+
+💁 Dirençli toprak nem sensörleri için, voltaj toprak nemi arttıkça artar. Kapasitif toprak nem sensörleri için, voltaj toprak nemi arttıkça azalır, bu nedenle bu sensörlerin grafikleri yukarı değil aşağı doğru eğilir.
+
+![Grafikten interpolasyonla hesaplanan bir toprak nem değeri](../../../../../translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.tr.png)
+
+Yukarıdaki grafik, bir toprak nem sensöründen alınan bir voltaj ölçümünü gösterir ve grafikteki çizgiye kadar takip edilerek gerçek toprak nemi hesaplanabilir.
+
+Bu yaklaşım, çiftçinin bir tarla için sadece birkaç laboratuvar ölçümü almasını sağlar, ardından IoT cihazlarını kullanarak toprak nemini ölçebilir - ölçüm alma süresini büyük ölçüde hızlandırır.
+
+---
+
+## 🚀 Zorluk
+
+Dirençli ve kapasitif toprak nem sensörlerinin bir dizi farkı vardır. Bu farklar nelerdir ve çiftçinin kullanması için en iyi tür hangisidir (varsa)? Bu cevap gelişmekte olan ve gelişmiş ülkeler arasında değişir mi?
+
+## Ders sonrası test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+Sensörler ve aktüatörler tarafından kullanılan donanım ve protokoller hakkında bilgi edinin:
+
+* [GPIO Wikipedia sayfası](https://wikipedia.org/wiki/General-purpose_input/output)
+* [UART Wikipedia sayfası](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)
+* [SPI Wikipedia sayfası](https://wikipedia.org/wiki/Serial_Peripheral_Interface)
+* [I<sup>2</sup>C Wikipedia sayfası](https://wikipedia.org/wiki/I²C)
+* [Zigbee Wikipedia sayfası](https://wikipedia.org/wiki/Zigbee)
+
+## Ödev
+
+[Sensörünüzü kalibre edin](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/tr/2-farm/lessons/2-detect-soil-moisture/assignment.md
new file mode 100644
index 00000000..08e5a9ab
--- /dev/null
+++ b/translations/tr/2-farm/lessons/2-detect-soil-moisture/assignment.md
@@ -0,0 +1,61 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "506d21b544d5de47406c89ad496a21cd",
+  "translation_date": "2025-08-28T03:57:00+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Sensörünüzü Kalibre Edin
+
+## Talimatlar
+
+Bu derste, 0-1023 arasında değerler olarak ölçülen toprak nem sensörü okumalarını topladınız. Bu değerleri gerçek toprak nem ölçümlerine dönüştürmek için sensörünüzü kalibre etmeniz gerekiyor. Bunu, toprak örneklerinden okumalar alarak ve bu örneklerden gravimetrik toprak nem içeriğini hesaplayarak yapabilirsiniz.
+
+Bu adımları, her seferinde farklı nem seviyelerine sahip toprakla, gerekli okumaları almak için birkaç kez tekrarlamanız gerekecek.
+
+1. Toprak nem sensörünü kullanarak bir toprak nem okuması alın. Bu okumayı not edin.
+
+1. Toprak örneğini alın ve tartın. Bu ağırlığı not edin.
+
+1. Toprağı kurutun - 110°C (230°F) sıcaklıkta birkaç saat boyunca sıcak bir fırın en iyi yöntemdir. Bunu güneş ışığında veya sıcak, kuru bir yerde toprağın tamamen kuruyana kadar yapabilirsiniz. Toprak toz gibi ve gevşek olmalıdır.
+
+    > 💁 En doğru sonuçlar için bir laboratuvarda toprağı 48-72 saat boyunca bir fırında kurutursunuz. Okulunuzda kurutma fırınları varsa, daha uzun süre kurutmak için bunları kullanıp kullanamayacağınızı kontrol edin. Ne kadar uzun süre kurutulursa, örnek o kadar kuru olur ve sonuçlar o kadar doğru olur.
+
+1. Toprağı tekrar tartın.
+
+    > 🔥 Eğer fırında kuruttuysanız, önce soğuduğundan emin olun!
+
+Gravimetrik toprak nemi şu şekilde hesaplanır:
+
+![Toprak nemi % = ıslak ağırlık eksi kuru ağırlık, bölü kuru ağırlık, çarpı 100](../../../../../translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.tr.png)
+
+* W - ıslak toprağın ağırlığı  
+* W - kuru toprağın ağırlığı  
+
+Örneğin, ıslak ağırlığı 212g ve kuru ağırlığı 197g olan bir toprak örneğiniz olduğunu varsayalım.
+
+![Doldurulmuş hesaplama](../../../../../translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.tr.png)
+
+* W = 212g  
+* W = 197g  
+* 212 - 197 = 15  
+* 15 / 197 = 0.076  
+* 0.076 * 100 = 7.6%  
+
+Bu örnekte, toprağın gravimetrik toprak nemi %7.6'dır.
+
+En az 3 örnek için okumalar aldıktan sonra, toprak nemi % ile toprak nem sensörü okumasını gösteren bir grafik çizin ve noktalar için en iyi uyum çizgisini ekleyin. Daha sonra, bir sensör okuması için gravimetrik toprak nem içeriğini hesaplamak için bu çizgiden değeri okuyabilirsiniz.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Mükemmel | Yeterli | Geliştirme Gerekiyor |
+| -------- | --------- | -------- | ----------------- |
+| Kalibrasyon verilerini toplama | En az 3 kalibrasyon örneği alın | En az 2 kalibrasyon örneği alın | En az 1 kalibrasyon örneği alın |
+| Kalibre edilmiş bir okuma yapma | Kalibrasyon grafiğini başarıyla çiz ve sensörden bir okuma yaparak bunu gravimetrik toprak nem içeriğine dönüştür | Kalibrasyon grafiğini başarıyla çiz | Grafiği çizemedi |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/tr/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
new file mode 100644
index 00000000..00f153db
--- /dev/null
+++ b/translations/tr/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
@@ -0,0 +1,108 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
+  "translation_date": "2025-08-28T03:52:18+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
+  "language_code": "tr"
+}
+-->
+# Toprak Nemini Ölç - Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi'ye kapasitif bir toprak nem sensörü ekleyecek ve ondan değerler okuyacaksınız.
+
+## Donanım
+
+Raspberry Pi, kapasitif bir toprak nem sensörüne ihtiyaç duyar.
+
+Kullanacağınız sensör, toprağın kapasitansını algılayarak toprak nemini ölçen bir [Kapasitif Toprak Nem Sensörü](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html). Toprağın nemi değiştikçe bu özellik de değişir. Toprak nemi arttıkça, voltaj azalır.
+
+Bu bir analog sensördür, bu nedenle bir analog pin kullanır ve Pi üzerindeki Grove Base Hat'teki 10-bit ADC, voltajı 1-1.023 arasında bir dijital sinyale dönüştürür. Bu sinyal daha sonra Pi üzerindeki GPIO pinleri üzerinden I²C ile gönderilir.
+
+### Toprak nem sensörünü bağlayın
+
+Grove toprak nem sensörü Raspberry Pi'ye bağlanabilir.
+
+#### Görev - Toprak nem sensörünü bağlayın
+
+Toprak nem sensörünü bağlayın.
+
+![Bir Grove toprak nem sensörü](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.tr.png)
+
+1. Grove kablosunun bir ucunu toprak nem sensöründeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Raspberry Pi kapalıyken, Grove kablosunun diğer ucunu Pi'ye bağlı Grove Base Hat üzerindeki **A0** olarak işaretlenmiş analog sokete bağlayın. Bu soket, GPIO pinlerinin yanındaki soket sırasının sağdan ikinci soketidir.
+
+![Grove toprak nem sensörü A0 soketine bağlı](../../../../../translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.tr.png)
+
+1. Toprak nem sensörünü toprağa yerleştirin. Sensör üzerinde bir 'en yüksek pozisyon çizgisi' - beyaz bir çizgi bulunur. Sensörü bu çizgiye kadar, ancak çizgiyi geçmeyecek şekilde yerleştirin.
+
+![Toprakta Grove toprak nem sensörü](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.tr.png)
+
+## Toprak nem sensörünü programlayın
+
+Raspberry Pi artık bağlı toprak nem sensörünü kullanacak şekilde programlanabilir.
+
+### Görev - Toprak nem sensörünü programlayın
+
+Cihazı programlayın.
+
+1. Pi'yi açın ve başlatılmasını bekleyin.
+
+1. VS Code'u doğrudan Pi üzerinde veya Remote SSH uzantısı aracılığıyla bağlanarak başlatın.
+
+    > ⚠️ Gerekirse [nightlight - ders 1'de VS Code'u kurma ve başlatma talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md) başvurabilirsiniz.
+
+1. Terminalden, `pi` kullanıcısının ana dizininde `soil-moisture-sensor` adında yeni bir klasör oluşturun. Bu klasörde `app.py` adında bir dosya oluşturun.
+
+1. Bu klasörü VS Code'da açın.
+
+1. Gerekli kütüphaneleri içe aktarmak için `app.py` dosyasına aşağıdaki kodu ekleyin:
+
+    ```python
+    import time
+    from grove.adc import ADC
+    ```
+
+    `import time` ifadesi, bu görevde daha sonra kullanılacak olan `time` modülünü içe aktarır.
+
+    `from grove.adc import ADC` ifadesi, Grove Python kütüphanelerinden `ADC`'yi içe aktarır. Bu kütüphane, Pi base hat üzerindeki analog-dijital dönüştürücü ile etkileşim kurmak ve analog sensörlerden voltaj okumak için kod içerir.
+
+1. `ADC` sınıfının bir örneğini oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. A0 pinindeki bu ADC'den okuma yapan ve sonucu konsola yazan sonsuz bir döngü ekleyin. Bu döngü, okumalar arasında 10 saniye bekleyebilir.
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+
+        time.sleep(10)
+    ```
+
+1. Python uygulamasını çalıştırın. Toprak nem ölçümlerinin konsola yazıldığını göreceksiniz. Toprağa biraz su ekleyin veya sensörü topraktan çıkarın ve değerin değiştiğini gözlemleyin.
+
+    ```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
+    ```
+
+    Yukarıdaki örnek çıktıda, su eklendikçe voltajın düştüğünü görebilirsiniz.
+
+> 💁 Bu kodu [code/pi](../../../../../2-farm/lessons/2-detect-soil-moisture/code/pi) klasöründe bulabilirsiniz.
+
+😀 Toprak nem sensörü programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/tr/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
new file mode 100644
index 00000000..c1063dad
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:56:14+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
+  "language_code": "tr"
+}
+-->
+# Toprak Nemini Ölç - Sanal IoT Donanımı
+
+Bu dersin bu bölümünde, sanal IoT cihazınıza kapasitif bir toprak nem sensörü ekleyecek ve ondan değerler okuyacaksınız.
+
+## Sanal Donanım
+
+Sanal IoT cihazı, simüle edilmiş bir Grove kapasitif toprak nem sensörü kullanacaktır. Bu, fiziksel bir Grove kapasitif toprak nem sensörü ile bir Raspberry Pi kullanmaya benzer bir deneyim sağlar.
+
+Fiziksel bir IoT cihazında, toprak nem sensörü, toprağın nemini, toprağın kapasitansını algılayarak ölçen kapasitif bir sensör olurdu. Toprağın nemi arttıkça, voltaj düşer.
+
+Bu bir analog sensördür ve 1-1.023 arasında bir değer raporlamak için simüle edilmiş 10-bit bir ADC kullanır.
+
+### Toprak nem sensörünü CounterFit'e ekleyin
+
+Sanal bir toprak nem sensörü kullanmak için, bunu CounterFit uygulamasına eklemeniz gerekir.
+
+#### Görev - Toprak nem sensörünü CounterFit'e ekleyin
+
+Toprak nem sensörünü CounterFit uygulamasına ekleyin.
+
+1. Bilgisayarınızda `soil-moisture-sensor` adlı bir klasörde `app.py` adlı tek bir dosya içeren yeni bir Python uygulaması oluşturun ve bir Python sanal ortamı oluşturup CounterFit pip paketlerini ekleyin.
+
+    > ⚠️ Gerekirse [1. dersteki CounterFit Python projesi oluşturma ve ayarlama talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md) başvurabilirsiniz.
+
+1. CounterFit web uygulamasının çalıştığından emin olun.
+
+1. Bir toprak nem sensörü oluşturun:
+
+    1. *Sensors* panelindeki *Create sensor* kutusunda, *Sensor type* açılır kutusundan *Soil Moisture* seçeneğini seçin.
+
+    1. *Units* ayarını *NoUnits* olarak bırakın.
+
+    1. *Pin* ayarının *0* olduğundan emin olun.
+
+    1. Pin 0 üzerinde *Soil Moisture* sensörünü oluşturmak için **Add** düğmesine tıklayın.
+
+    ![Toprak nem sensörü ayarları](../../../../../translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.tr.png)
+
+    Toprak nem sensörü oluşturulacak ve sensörler listesinde görünecektir.
+
+    ![Oluşturulan toprak nem sensörü](../../../../../translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.tr.png)
+
+## Toprak nem sensörü uygulamasını programlayın
+
+Toprak nem sensörü uygulaması artık CounterFit sensörlerini kullanarak programlanabilir.
+
+### Görev - Toprak nem sensörü uygulamasını programlayın
+
+Toprak nem sensörü uygulamasını programlayın.
+
+1. `soil-moisture-sensor` uygulamasının VS Code'da açık olduğundan emin olun.
+
+1. `app.py` dosyasını açın.
+
+1. Uygulamayı CounterFit'e bağlamak için aşağıdaki kodu `app.py` dosyasının en üstüne ekleyin:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Gerekli bazı kütüphaneleri içe aktarmak için aşağıdaki kodu `app.py` dosyasına ekleyin:
+
+    ```python
+    import time
+    from counterfit_shims_grove.adc import ADC
+    ```
+
+    `import time` ifadesi, bu ödevde daha sonra kullanılacak olan `time` modülünü içe aktarır.
+
+    `from counterfit_shims_grove.adc import ADC` ifadesi, CounterFit sensörüne bağlanabilen sanal bir analog-dijital çeviriciyle etkileşim kurmak için `ADC` sınıfını içe aktarır.
+
+1. `ADC` sınıfının bir örneğini oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. Pin 0'daki bu ADC'den okuma yapan ve sonucu konsola yazan sonsuz bir döngü ekleyin. Bu döngü, okumalar arasında 10 saniye bekleyebilir.
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+    
+        time.sleep(10)
+    ```
+
+1. CounterFit uygulamasından, uygulama tarafından okunacak toprak nem sensörünün değerini değiştirin. Bunu iki şekilde yapabilirsiniz:
+
+    * Toprak nem sensörü için *Value* kutusuna bir sayı girin ve ardından **Set** düğmesine tıklayın. Girdiğiniz sayı, sensör tarafından döndürülen değer olacaktır.
+
+    * *Random* kutusunu işaretleyin ve bir *Min* ve *Max* değeri girin, ardından **Set** düğmesine tıklayın. Sensör her okuma yaptığında, *Min* ve *Max* arasında rastgele bir sayı okuyacaktır.
+
+1. Python uygulamasını çalıştırın. Toprak nem ölçümlerinin konsola yazıldığını göreceksiniz. Değeri değiştirmek için *Value* veya *Random* ayarlarını değiştirin.
+
+    ```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
+    ```
+
+> 💁 Bu kodu [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device) klasöründe bulabilirsiniz.
+
+😀 Toprak nem sensörü programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dilindeki hali, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/tr/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
new file mode 100644
index 00000000..5085d5e9
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:57:27+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
+  "language_code": "tr"
+}
+-->
+# Toprak Nemini Ölç - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal'inize kapasitif bir toprak nem sensörü ekleyecek ve ondan değerler okuyacaksınız.
+
+## Donanım
+
+Wio Terminal için bir kapasitif toprak nem sensörüne ihtiyacınız var.
+
+Kullanacağınız sensör, toprağın nemini, toprağın kapasitansını algılayarak ölçen bir [Kapasitif Toprak Nem Sensörü](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html). Toprağın nemi değiştikçe bu özellik de değişir. Toprak nemi arttıkça, voltaj azalır.
+
+Bu bir analog sensördür, bu nedenle Wio Terminal üzerindeki analog pinlere bağlanır ve 0-1.023 arasında bir değer oluşturmak için dahili bir ADC kullanır.
+
+### Toprak nem sensörünü bağlayın
+
+Grove toprak nem sensörü, Wio Terminal'in analog/dijital olarak yapılandırılabilir portuna bağlanabilir.
+
+#### Görev - toprak nem sensörünü bağlayın
+
+Toprak nem sensörünü bağlayın.
+
+![Bir Grove toprak nem sensörü](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.tr.png)
+
+1. Grove kablosunun bir ucunu toprak nem sensöründeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Wio Terminal'inizi bilgisayarınızdan veya başka bir güç kaynağından ayırarak, Grove kablosunun diğer ucunu ekranı size dönük şekilde sağ taraftaki Grove soketine bağlayın. Bu, güç düğmesinden en uzak olan sokettir.
+
+![Grove toprak nem sensörü sağ sokete bağlı](../../../../../translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.tr.png)
+
+1. Toprak nem sensörünü toprağa yerleştirin. Sensör üzerinde bir 'en yüksek pozisyon çizgisi' vardır - sensör boyunca uzanan beyaz bir çizgi. Sensörü bu çizgiye kadar, ancak çizgiyi geçmeyecek şekilde yerleştirin.
+
+![Topraktaki Grove toprak nem sensörü](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.tr.png)
+
+1. Artık Wio Terminal'inizi bilgisayarınıza bağlayabilirsiniz.
+
+## Toprak nem sensörünü programlayın
+
+Wio Terminal artık bağlı toprak nem sensörünü kullanacak şekilde programlanabilir.
+
+### Görev - toprak nem sensörünü programlayın
+
+Cihazı programlayın.
+
+1. PlatformIO kullanarak yepyeni bir Wio Terminal projesi oluşturun. Bu projeye `soil-moisture-sensor` adını verin. `setup` fonksiyonuna seri portu yapılandırmak için kod ekleyin.
+
+    > ⚠️ Gerekirse [1. proje, 1. dersteki PlatformIO projesi oluşturma talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project) başvurabilirsiniz.
+
+1. Bu sensör için bir kütüphane yoktur, bunun yerine analog pinden okumak için yerleşik Arduino [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/) fonksiyonunu kullanabilirsiniz. Başlangıç olarak, `setup` fonksiyonuna aşağıdaki kodu ekleyerek analog pini giriş olarak yapılandırın, böylece bu pinden değerler okunabilir.
+
+    ```cpp
+    pinMode(A0, INPUT);
+    ```
+
+    Bu, `A0` pinini, voltajın okunabileceği bir giriş pini olarak ayarlar.
+
+1. `loop` fonksiyonuna bu pinden voltaj okumak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    int soil_moisture = analogRead(A0);
+    ```
+
+1. Bu kodun altına, değeri seri porta yazdırmak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    Serial.print("Soil Moisture: ");
+    Serial.println(soil_moisture);
+    ```
+
+1. Son olarak, 10 saniyelik bir gecikme ekleyin:
+
+    ```cpp
+    delay(10000);
+    ```
+
+1. Kodu derleyin ve Wio Terminal'e yükleyin.
+
+    > ⚠️ Gerekirse [1. proje, 1. dersteki PlatformIO projesi oluşturma talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app) başvurabilirsiniz.
+
+1. Kod yüklendikten sonra, seri monitörü kullanarak toprak nemini izleyebilirsiniz. Toprağa biraz su ekleyin veya sensörü topraktan çıkarın ve değerin nasıl değiştiğini görün.
+
+    ```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
+    ```
+
+    Yukarıdaki örnek çıktıda, su eklendikçe voltajın düştüğünü görebilirsiniz.
+
+> 💁 Bu kodu [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Toprak nem sensörü programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/3-automated-plant-watering/README.md b/translations/tr/2-farm/lessons/3-automated-plant-watering/README.md
new file mode 100644
index 00000000..59886506
--- /dev/null
+++ b/translations/tr/2-farm/lessons/3-automated-plant-watering/README.md
@@ -0,0 +1,314 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
+  "translation_date": "2025-08-28T04:16:03+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
+  "language_code": "tr"
+}
+-->
+# Otomatik Bitki Sulama
+
+![Bu dersin genel görünümünü gösteren bir sketchnote](../../../../../translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+Bu ders, [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) tarafından sunulan [IoT for Beginners Proje 2 - Dijital Tarım serisi](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) kapsamında öğretilmiştir.
+
+[![IoT destekli otomatik bitki sulama](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
+
+## Ders Öncesi Testi
+
+[Ders öncesi testi](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
+
+## Giriş
+
+Son derste, toprak nemini nasıl izleyeceğinizi öğrendiniz. Bu derste, toprak nemine yanıt veren otomatik bir sulama sisteminin temel bileşenlerini nasıl oluşturacağınızı öğreneceksiniz. Ayrıca zamanlama hakkında bilgi edineceksiniz - sensörlerin değişikliklere yanıt vermesinin zaman alabileceği ve aktüatörlerin sensörler tarafından ölçülen özellikleri değiştirmesinin zaman alabileceği.
+
+Bu derste şunları ele alacağız:
+
+* [Düşük güçlü bir IoT cihazından yüksek güçlü cihazları kontrol etme](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Bir röleyi kontrol etme](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Bitkinizi MQTT üzerinden kontrol etme](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Sensör ve aktüatör zamanlaması](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Bitki kontrol sunucunuza zamanlama ekleme](../../../../../2-farm/lessons/3-automated-plant-watering)
+
+## Düşük Güçlü Bir IoT Cihazından Yüksek Güçlü Cihazları Kontrol Etme
+
+IoT cihazları düşük voltaj kullanır. Bu, sensörler ve LED gibi düşük güçlü aktüatörler için yeterlidir, ancak sulama için kullanılan bir su pompası gibi daha büyük donanımları kontrol etmek için yetersizdir. Ev bitkileri için kullanabileceğiniz küçük pompalar bile bir IoT geliştirme kitine fazla akım çeker ve kartı yakabilir.
+
+> 🎓 Akım, Amper (A) cinsinden ölçülür ve bir devreden geçen elektrik miktarını ifade eder. Voltaj itme gücünü sağlar, akım ise ne kadar itildiğini gösterir. Akım hakkında daha fazla bilgi için [Wikipedia'daki elektrik akımı sayfasını](https://wikipedia.org/wiki/Electric_current) okuyabilirsiniz.
+
+Bu sorunun çözümü, bir pompayı harici bir güç kaynağına bağlamak ve pompayı açmak için bir aktüatör kullanmaktır. Bu, bir ışığı açmak için bir anahtarı çevirmeye benzer. Parmağınızın bir anahtarı çevirmesi için gereken enerji miktarı küçüktür, ancak bu, ışığı 110v/240v ana elektrik şebekesine bağlar.
+
+![Bir ışık anahtarı, bir ışığa güç sağlar](../../../../../translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.tr.png)
+
+> 🎓 [Ana elektrik şebekesi](https://wikipedia.org/wiki/Mains_electricity), dünyanın birçok yerinde evlere ve iş yerlerine ulusal altyapı aracılığıyla sağlanan elektriği ifade eder.
+
+✅ IoT cihazları genellikle 3.3V veya 5V sağlayabilir ve 1 amperden (1A) daha az akım çekebilir. Bunu, genellikle 230V (Kuzey Amerika'da 120V ve Japonya'da 100V) olan ve 30A çeken cihazlara güç sağlayabilen ana elektrik şebekesiyle karşılaştırın.
+
+Bu işi yapabilecek birçok aktüatör vardır, bunlar arasında mevcut anahtarlara bağlanarak bir parmağın onları açmasını taklit eden mekanik cihazlar da bulunur. En popüler olanı röledir.
+
+### Röleler
+
+Bir röle, bir elektrik sinyalini mekanik bir harekete dönüştüren ve bir anahtarı açan elektromekanik bir anahtardır. Rölenin çekirdeği bir elektromıknatıstır.
+
+> 🎓 [Elektromıknatıslar](https://wikipedia.org/wiki/Electromagnet), bir tel bobininden elektrik geçirilerek oluşturulan mıknatıslardır. Elektrik açıldığında, bobin manyetize olur. Elektrik kapatıldığında, bobin manyetizmasını kaybeder.
+
+![Açık olduğunda, elektromıknatıs bir manyetik alan oluşturur ve çıkış devresinin anahtarını açar](../../../../../translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.tr.png)
+
+Bir rölede, bir kontrol devresi elektromıknatısı besler. Elektromıknatıs açık olduğunda, bir kolu çeker ve bir anahtarı hareket ettirir, bir çift kontağı kapatır ve bir çıkış devresini tamamlar.
+
+![Kapalı olduğunda, elektromıknatıs bir manyetik alan oluşturmaz ve çıkış devresinin anahtarını kapatır](../../../../../translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.tr.png)
+
+Kontrol devresi kapalı olduğunda, elektromıknatıs kapanır, kolu serbest bırakır ve kontakları açar, çıkış devresini kapatır. Röleler dijital aktüatörlerdir - röleye yüksek bir sinyal gönderildiğinde açılır, düşük bir sinyal gönderildiğinde kapanır.
+
+Çıkış devresi, bir sulama sistemi gibi ek donanımları çalıştırmak için kullanılabilir. IoT cihazı röleyi açabilir, sulama sistemine güç sağlayan çıkış devresini tamamlayabilir ve bitkiler sulanır. IoT cihazı daha sonra röleyi kapatabilir, sulama sistemine giden gücü kesebilir ve suyu kapatabilir.
+
+![Bir röle açıldığında, bir pompa açılır ve bir bitkiye su gönderir](../../../../../images/strawberry-pump.gif)
+
+Yukarıdaki videoda, bir röle açılıyor. Röledeki bir LED, rölenin açık olduğunu göstermek için yanıyor (bazı röle kartlarında rölenin açık veya kapalı olduğunu göstermek için LED'ler bulunur) ve pompaya güç gönderilir, pompa açılır ve bir bitkiye su pompalanır.
+
+> 💁 Röleler, bir çıkış devresini açıp kapatmak yerine iki çıkış devresi arasında geçiş yapmak için de kullanılabilir. Kol hareket ettikçe, bir çıkış devresini tamamlamaktan başka bir çıkış devresini tamamlamaya geçer, genellikle ortak bir güç bağlantısını veya ortak bir toprak bağlantısını paylaşır.
+
+✅ Araştırma yapın: Rölelerin, kontrol devresinin güç uygulandığında röleyi açıp kapatması veya birden fazla çıkış devresi gibi farklılıkları olan birçok türü vardır. Bu farklı türler hakkında bilgi edinin.
+
+Kol hareket ettiğinde, genellikle elektromıknatısla temas ettiğinde belirgin bir tıklama sesi duyabilirsiniz.
+
+> 💁 Bir röle, bağlantıyı yapmanın aslında röleye giden gücü kesmesi, röleyi kapatması ve ardından röleye tekrar güç göndermesi için kablolanabilir. Bu, rölenin inanılmaz hızlı bir şekilde tıklayarak bir vızıltı sesi çıkarmasına neden olur. Bu, ilk elektrikli kapı zillerinde kullanılan bazı vızıltıların nasıl çalıştığıdır.
+
+### Röle Gücü
+
+Elektromıknatısın kolu çekmek için çok fazla güce ihtiyacı yoktur, 3.3V veya 5V çıkış kullanılarak bir IoT geliştirme kiti ile kontrol edilebilir. Çıkış devresi, röleye bağlı olarak, ana voltaj veya endüstriyel kullanım için daha yüksek güç seviyeleri dahil olmak üzere çok daha fazla güç taşıyabilir. Bu şekilde bir IoT geliştirme kiti, tek bir bitki için küçük bir pompadan, ticari bir çiftlik için devasa bir endüstriyel sisteme kadar bir sulama sistemini kontrol edebilir.
+
+![Kontrol devresi, çıkış devresi ve röle etiketlenmiş bir Grove rölesi](../../../../../translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.tr.png)
+
+Yukarıdaki görselde bir Grove rölesi gösterilmektedir. Kontrol devresi, bir IoT cihazına bağlanır ve röleyi 3.3V veya 5V kullanarak açar veya kapatır. Çıkış devresinin iki terminali vardır, herhangi biri güç veya toprak olabilir. Çıkış devresi, 250V'da 10A'ya kadar dayanabilir, bu da bir dizi ana elektrikle çalışan cihaz için yeterlidir. Daha yüksek güç seviyelerine dayanabilen röleler de mevcuttur.
+
+![Bir röle üzerinden bağlanmış bir pompa](../../../../../translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.tr.png)
+
+Yukarıdaki görselde, bir röle üzerinden bir pompaya güç sağlanmaktadır. Bir kırmızı kablo, bir USB güç kaynağının +5V terminalini rölenin çıkış devresinin bir terminaline bağlar ve başka bir kırmızı kablo, çıkış devresinin diğer terminalini pompaya bağlar. Siyah bir kablo, pompayı USB güç kaynağının toprak terminaline bağlar. Röle açıldığında, devre tamamlanır, pompaya 5V gönderilir ve pompa çalışır.
+
+## Bir Röleyi Kontrol Etme
+
+Bir IoT geliştirme kitinden bir röleyi kontrol edebilirsiniz.
+
+### Görev - Bir Röleyi Kontrol Etme
+
+IoT cihazınızı kullanarak bir röleyi kontrol etmek için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-relay.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-relay.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-relay.md)
+
+## Bitkinizi MQTT Üzerinden Kontrol Etme
+
+Şu ana kadar röleniz, tek bir toprak nemi ölçümüne dayalı olarak doğrudan IoT cihazı tarafından kontrol ediliyordu. Ticari bir sulama sisteminde, kontrol mantığı merkezi hale getirilir, böylece birden fazla sensörden gelen verileri kullanarak sulama kararları alabilir ve herhangi bir yapılandırmayı tek bir yerden değiştirebilir. Bunu simüle etmek için röleyi MQTT üzerinden kontrol edebilirsiniz.
+
+### Görev - Röleyi MQTT Üzerinden Kontrol Etme
+
+1. `soil-moisture-sensor` projenize MQTT'ye bağlanmak için gerekli MQTT kütüphanelerini/pip paketlerini ve kodunu ekleyin. İstemci kimliğini, kimliğinizin önüne `soilmoisturesensor_client` ekleyerek adlandırın.
+
+    > ⚠️ Gerekirse [Proje 1, Ders 4'teki MQTT'ye bağlanma talimatlarına](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt) başvurabilirsiniz.
+
+1. Toprak nemi ayarlarıyla telemetri göndermek için ilgili cihaz kodunu ekleyin. Telemetri mesajı için özelliği `soil_moisture` olarak adlandırın.
+
+    > ⚠️ Gerekirse [Proje 1, Ders 4'teki MQTT'ye telemetri gönderme talimatlarına](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device) başvurabilirsiniz.
+
+1. Telemetriye abone olmak ve bir komut göndererek röleyi kontrol etmek için `soil-moisture-sensor-server` adlı bir klasörde yerel sunucu kodu oluşturun. Komut mesajındaki özelliği `relay_on` olarak adlandırın ve istemci kimliğini kimliğinizin önüne `soilmoisturesensor_server` ekleyerek adlandırın. Bu derste bu koda ekleme yapacağınız için, Proje 1, Ders 4'te yazdığınız sunucu koduyla aynı yapıyı koruyun.
+
+    > ⚠️ Gerekirse [MQTT'ye telemetri gönderme talimatlarına](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) ve [MQTT üzerinden komut gönderme talimatlarına](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker) başvurabilirsiniz.
+
+1. Gelen komutlardan röleyi kontrol etmek için ilgili cihaz kodunu ekleyin ve mesajdaki `relay_on` özelliğini kullanın. `soil_moisture` 450'den büyükse `relay_on` için true gönderin, aksi takdirde false gönderin. Bu, daha önce IoT cihazı için eklediğiniz mantıkla aynıdır.
+
+    > ⚠️ Gerekirse [MQTT'den gelen komutlara yanıt verme talimatlarına](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device) başvurabilirsiniz.
+
+> 💁 Bu kodu [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt) klasöründe bulabilirsiniz.
+
+Cihazınızda ve yerel sunucunuzda kodun çalıştığından emin olun ve sanal sensör tarafından gönderilen değerleri değiştirerek veya toprağa su ekleyerek ya da sensörü topraktan çıkararak toprak nem seviyelerini değiştirerek test edin.
+
+## Sensör ve Aktüatör Zamanlaması
+
+Ders 3'te bir gece lambası yapmıştınız - bir ışık sensörü tarafından düşük ışık seviyesi algılandığında hemen açılan bir LED. Işık sensörü, ışık seviyelerindeki değişikliği anında algıladı ve cihaz hızlı bir şekilde yanıt verebildi, yalnızca `loop` fonksiyonundaki veya `while True:` döngüsündeki gecikme süresiyle sınırlıydı. Bir IoT geliştiricisi olarak, her zaman bu kadar hızlı bir geri bildirim döngüsüne güvenemezsiniz.
+
+### Toprak Nemi İçin Zamanlama
+
+Eğer önceki derste fiziksel bir sensör kullanarak toprak nemini ölçtüyseniz, bitkinizi suladıktan sonra toprak nemi ölçümünün düşmesinin birkaç saniye sürdüğünü fark etmiş olabilirsiniz. Bu, sensörün yavaş olmasından değil, suyun toprağa nüfuz etmesinin zaman almasından kaynaklanır.
+💁 Sensöre çok yakın bir şekilde sulama yaptıysanız, ölçümün hızla düştüğünü ve ardından tekrar yükseldiğini görmüş olabilirsiniz - bu, sensörün yakınındaki suyun toprağın geri kalanına yayılması ve sensörün bulunduğu bölgedeki toprak nemini azaltmasından kaynaklanır.
+![Sulama sırasında 658 olan bir toprak nem ölçümü değişmez, su toprağa nüfuz ettiğinde sulamadan sonra yalnızca 320'ye düşer](../../../../../translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.tr.png)
+
+Yukarıdaki diyagramda, bir toprak nem ölçümü 658 değerini gösteriyor. Bitki sulanıyor, ancak bu ölçüm hemen değişmiyor çünkü su henüz sensöre ulaşmamış. Su sensöre ulaşmadan sulama işlemi tamamlanabilir ve değer, yeni nem seviyesini yansıtacak şekilde düşer.
+
+Toprak nem seviyelerine göre bir röle aracılığıyla bir sulama sistemini kontrol etmek için kod yazıyor olsaydınız, bu gecikmeyi dikkate almanız ve IoT cihazınıza daha akıllı zamanlama eklemeniz gerekirdi.
+
+✅ Bir an durup bunu nasıl yapabileceğinizi düşünün.
+
+### Sensör ve aktüatör zamanlamasını kontrol etme
+
+Bir çiftlik için bir sulama sistemi kurmakla görevlendirildiğinizi hayal edin. Toprak türüne bağlı olarak, yetiştirilen bitkiler için ideal toprak nem seviyesi, 400-450 analog voltaj okumasına karşılık gelmektedir.
+
+Cihazı gece lambası gibi programlayabilirsiniz - sensör 450'nin üzerinde okuma yaptığı sürece bir röleyi açarak pompayı çalıştırabilirsiniz. Ancak sorun şu ki, suyun pompadan toprağa ve sensöre ulaşması biraz zaman alır. Sensör, 450 seviyesini algıladığında suyu durdurur, ancak pompalanan su toprağa nüfuz etmeye devam ettikçe su seviyesi düşmeye devam eder. Sonuç olarak su israfı ve kök hasarı riski oluşur.
+
+✅ Unutmayın - çok fazla su, çok az su kadar kötü olabilir ve değerli bir kaynağı boşa harcar.
+
+Daha iyi çözüm, aktüatörün açılması ile sensörün okuduğu özelliğin değişmesi arasında bir gecikme olduğunu anlamaktır. Bu, sensörün değeri tekrar ölçmeden önce bir süre beklemesi gerektiği gibi, aktüatörün de bir sonraki sensör ölçümü alınmadan önce bir süre kapalı kalması gerektiği anlamına gelir.
+
+Röle her seferinde ne kadar süre açık kalmalı? Daha temkinli olmak ve röleyi kısa bir süre açıp suyun toprağa nüfuz etmesini beklemek, ardından nem seviyelerini tekrar kontrol etmek daha iyidir. Sonuçta, her zaman daha fazla su eklemek için pompayı tekrar açabilirsiniz, ancak topraktan suyu çıkaramazsınız.
+
+> 💁 Bu tür zamanlama kontrolü, oluşturduğunuz IoT cihazına, ölçülen özelliğe ve kullanılan sensörler ve aktüatörlere çok özeldir.
+
+![Bir çilek bitkisi, bir pompa aracılığıyla suya bağlı, pompa bir röleye bağlı. Röle ve bitkideki bir toprak nem sensörü, bir Raspberry Pi'ye bağlı](../../../../../translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.tr.png)
+
+Örneğin, bir toprak nem sensörü ve bir röle tarafından kontrol edilen bir pompa ile bir çilek bitkim var. Su eklediğimde, toprak nem okumasının stabilize olması yaklaşık 20 saniye sürüyor. Bu, röleyi kapatmam ve nem seviyelerini kontrol etmeden önce 20 saniye beklemem gerektiği anlamına geliyor. Çok az su olmasını çok fazla suya tercih ederim - pompayı her zaman tekrar açabilirim, ancak bitkiden suyu çıkaramam.
+
+![Adım 1, ölçüm al. Adım 2, su ekle. Adım 3, suyun toprağa nüfuz etmesini bekle. Adım 4, ölçümü tekrar al](../../../../../translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.tr.png)
+
+Bu, en iyi sürecin şu şekilde bir sulama döngüsü olacağı anlamına gelir:
+
+* Pompayı 5 saniye aç
+* 20 saniye bekle
+* Toprak nemini kontrol et
+* Seviye hala ihtiyaç duyduğum seviyenin üzerindeyse, yukarıdaki adımları tekrarla
+
+Pompa için 5 saniye çok uzun olabilir, özellikle nem seviyeleri yalnızca gereken seviyenin biraz üzerindeyse. Hangi zamanlamayı kullanacağınızı bilmenin en iyi yolu, denemek ve ardından sensör verileriyle ayarlamalar yapmaktır; sürekli bir geri bildirim döngüsü ile. Bu, sabit bir 5 saniye yerine, gereken toprak neminin her 100 fazlası için pompayı 1 saniye açmak gibi daha ayrıntılı bir zamanlamaya bile yol açabilir.
+
+✅ Araştırma yapın: Başka zamanlama hususları var mı? Toprak nemi çok düşük olduğunda bitki herhangi bir zamanda sulanabilir mi, yoksa bitkileri sulamak için iyi ve kötü zamanlar olan belirli saatler var mı?
+
+> 💁 Dış mekan yetiştiriciliği için otomatik sulama sistemlerini kontrol ederken hava tahminleri de dikkate alınabilir. Yağmur bekleniyorsa, sulama yağmur bitene kadar bekletilebilir. Bu noktada toprak yeterince nemli olabilir ve sulamaya gerek kalmaz, yağmurdan hemen önce sulama yaparak suyu boşa harcamaktan çok daha verimlidir.
+
+## Bitki kontrol sunucunuza zamanlama ekleyin
+
+Sunucu kodu, sulama döngüsünün zamanlaması ve toprak nem seviyelerinin değişmesini bekleme kontrolü eklemek için değiştirilebilir. Röle zamanlamasını kontrol eden sunucu mantığı şu şekildedir:
+
+1. Telemetri mesajı alındı
+1. Toprak nem seviyesini kontrol et
+1. Eğer seviyeler uygunsa, hiçbir şey yapma. Eğer okuma çok yüksekse (toprak nemi çok düşük anlamına gelir):
+    1. Röleyi açmak için bir komut gönder
+    1. 5 saniye bekle
+    1. Röleyi kapatmak için bir komut gönder
+    1. Toprak nem seviyelerinin stabilize olması için 20 saniye bekle
+
+Sulama döngüsü, telemetri mesajını almaktan toprak nem seviyelerini tekrar işlemeye hazır olmaya kadar geçen süreç, yaklaşık 25 saniye sürer. Toprak nem seviyelerini her 10 saniyede bir gönderiyoruz, bu nedenle bir mesaj alınırken sunucu toprak nem seviyelerinin stabilize olmasını bekliyor olabilir ve bu başka bir sulama döngüsünü başlatabilir.
+
+Bu durumu aşmak için iki seçenek vardır:
+
+* IoT cihaz kodunu yalnızca her dakika telemetri gönderecek şekilde değiştirin, böylece sulama döngüsü bir sonraki mesaj gönderilmeden önce tamamlanır
+* Sulama döngüsü sırasında telemetri aboneliğini iptal et
+
+Birinci seçenek büyük çiftlikler için her zaman iyi bir çözüm değildir. Çiftçi, sulama sırasında toprak nem seviyelerini daha sonra analiz etmek için yakalamak isteyebilir, örneğin çiftlikteki farklı alanlardaki su akışını bilmek ve daha hedefli sulama yapmak için. İkinci seçenek daha iyidir - kod, telemetriyi kullanamayacağı zaman görmezden geliyor, ancak telemetri diğer hizmetler için hala mevcut.
+
+> 💁 IoT verileri yalnızca bir cihazdan bir hizmete gönderilmez, bunun yerine birçok cihaz bir aracıya veri gönderebilir ve birçok hizmet aracının verilerini dinleyebilir. Örneğin, bir hizmet toprak nem verilerini dinleyebilir ve daha sonra analiz için bir veritabanında depolayabilir. Başka bir hizmet aynı telemetriyi dinleyerek bir sulama sistemini kontrol edebilir.
+
+### Görev - bitki kontrol sunucunuza zamanlama ekleyin
+
+Sunucu kodunuzu röleyi 5 saniye çalıştıracak, ardından 20 saniye bekleyecek şekilde güncelleyin.
+
+1. `soil-moisture-sensor-server` klasörünü VS Code'da açın (henüz açık değilse). Sanal ortamın etkin olduğundan emin olun.
+
+1. `app.py` dosyasını açın.
+
+1. Mevcut ithalatların altına aşağıdaki kodu ekleyin:
+
+    ```python
+    import threading
+    ```
+
+    Bu ifade, Python kütüphanelerinden `threading`'i içe aktarır. Threading, Python'un beklerken başka kodları çalıştırmasına olanak tanır.
+
+1. Sunucu kodu tarafından alınan telemetri mesajlarını işleyen `handle_telemetry` işlevinden önce aşağıdaki kodu ekleyin:
+
+    ```python
+    water_time = 5
+    wait_time = 20
+    ```
+
+    Bu, röleyi ne kadar süre çalıştıracağını (`water_time`) ve ardından toprak nemini kontrol etmek için ne kadar süre bekleyeceğini (`wait_time`) tanımlar.
+
+1. Bu kodun altına aşağıdaki kodu ekleyin:
+
+    ```python
+    def send_relay_command(client, state):
+        command = { 'relay_on' : state }
+        print("Sending message:", command)
+        client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    Bu kod, röleyi kontrol etmek için MQTT üzerinden bir komut gönderen `send_relay_command` adlı bir işlev tanımlar. Telemetri bir sözlük olarak oluşturulur, ardından bir JSON dizesine dönüştürülür. `state` içine geçirilen değer, rölenin açık mı kapalı mı olması gerektiğini belirler.
+
+1. `send_relay_code` işlevinden sonra aşağıdaki kodu ekleyin:
+
+    ```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)
+    ```
+
+    Bu, gerekli zamanlamaya göre röleyi kontrol eden bir işlev tanımlar. Telemetriyi sulama işlemi sırasında işlenmemesi için abonelikten çıkarak başlar. Ardından röleyi açmak için bir komut gönderir. Daha sonra `water_time` kadar bekler ve röleyi kapatmak için bir komut gönderir. Son olarak, toprak nem seviyelerinin stabilize olması için `wait_time` saniye bekler. Ardından telemetriye yeniden abone olur.
+
+1. `handle_telemetry` işlevini aşağıdaki şekilde değiştirin:
+
+    ```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()
+    ```
+
+    Bu kod, toprak nem seviyesini kontrol eder. Eğer 450'den büyükse, toprak sulama gerektirir, bu nedenle `control_relay` işlevini çağırır. Bu işlev, arka planda çalışan ayrı bir thread üzerinde çalıştırılır.
+
+1. IoT cihazınızın çalıştığından emin olun, ardından bu kodu çalıştırın. Toprak nem seviyelerini değiştirin ve rölede neler olduğunu gözlemleyin - röle 5 saniye açık kalmalı, ardından en az 20 saniye kapalı kalmalı ve yalnızca toprak nem seviyeleri yeterli değilse tekrar açılmalıdır.
+
+    ```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}
+    ```
+
+    Simüle edilmiş bir sulama sisteminde bunu test etmenin iyi bir yolu, kuru toprak kullanmak ve röle açıkken manuel olarak su dökmek, röle kapandığında dökmeyi durdurmaktır.
+
+> 💁 Bu kodu [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing) klasöründe bulabilirsiniz.
+
+> 💁 Gerçek bir sulama sistemi oluşturmak için bir pompa kullanmak istiyorsanız, bir [6V su pompası](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) ve bir [USB terminal güç kaynağı](https://www.adafruit.com/product/3628) kullanabilirsiniz. Pompa için güç bağlantısının röle üzerinden yapıldığından emin olun.
+
+---
+
+## 🚀 Zorluk
+
+Sensörün aktüatörün sonuçlarını algılaması biraz zaman aldığı benzer bir sorun yaşayan başka IoT veya elektrikli cihazlar düşünebilir misiniz? Muhtemelen evinizde veya okulunuzda birkaç tane vardır.
+
+* Hangi özellikleri ölçüyorlar?
+* Özelliğin aktüatör kullanıldıktan sonra değişmesi ne kadar sürüyor?
+* Özelliğin gereken değerin ötesine geçmesi kabul edilebilir mi?
+* Gerekirse nasıl tekrar gereken değere döndürülebilir?
+
+## Ders sonrası test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
+
+## İnceleme ve Kendi Kendine Çalışma
+
+* Röleler hakkında daha fazla bilgi edinin, telefon santrallerindeki tarihsel kullanımları dahil, [röle Wikipedia sayfasında](https://wikipedia.org/wiki/Relay).
+
+## Ödev
+
+[Daha verimli bir sulama döngüsü oluşturun](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/tr/2-farm/lessons/3-automated-plant-watering/assignment.md
new file mode 100644
index 00000000..8e819ede
--- /dev/null
+++ b/translations/tr/2-farm/lessons/3-automated-plant-watering/assignment.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
+  "translation_date": "2025-08-28T04:19:13+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Daha Verimli Bir Sulama Döngüsü Oluşturun
+
+## Talimatlar
+
+Bu ders, bir röleyi sensör verileriyle nasıl kontrol edeceğinizi ele aldı ve bu röle, bir sulama sistemi için bir pompayı kontrol edebilir. Belirli bir toprak alanı için, pompanın sabit bir süre çalıştırılması, her zaman toprak nemi üzerinde aynı etkiye sahip olmalıdır. Bu, belirli bir toprak nemi düşüşüne karşılık gelen sulama süresini saniye cinsinden tahmin etmenizi sağlar. Bu verileri kullanarak daha kontrollü bir sulama sistemi oluşturabilirsiniz.
+
+Bu ödevde, toprak neminde belirli bir artış için pompanın ne kadar süre çalışması gerektiğini hesaplayacaksınız.
+
+> ⚠️ Sanal IoT donanımı kullanıyorsanız, bu süreci uygulayabilirsiniz, ancak röle açıkken toprak nemi okumasını saniyede sabit bir miktar artırarak sonuçları simüle edin.
+
+1. Kuru toprakla başlayın. Toprak nemini ölçün.
+
+1. Sabit bir miktarda su ekleyin, ya pompayı 1 saniye çalıştırarak ya da sabit bir miktar su dökerek.
+
+    > Pompa her zaman sabit bir hızda çalışmalıdır, bu nedenle pompa her saniye çalıştığında aynı miktarda su sağlamalıdır.
+
+1. Toprak nem seviyesi sabitlenene kadar bekleyin ve bir ölçüm alın.
+
+1. Bu işlemi birkaç kez tekrarlayın ve sonuçların bir tablosunu oluşturun. Aşağıda bu tabloya bir örnek verilmiştir.
+
+    | Toplam Pompa Süresi | Toprak Nemi | Azalma |
+    | --- | --: | -: |
+    | Kuru | 643 |  0 |
+    | 1s  | 621 | 22 |
+    | 2s  | 601 | 20 |
+    | 3s  | 579 | 22 |
+    | 4s  | 560 | 19 |
+    | 5s  | 539 | 21 |
+    | 6s  | 521 | 18 |
+
+1. Toprak neminde, suyun her saniyesinde meydana gelen ortalama artışı hesaplayın. Yukarıdaki örnekte, suyun her saniyesi okuma değerini ortalama 20.3 azaltmaktadır.
+
+1. Bu verileri, sunucu kodunuzun verimliliğini artırmak için kullanın ve pompayı, toprak nemini istenen seviyeye getirmek için gereken süre boyunca çalıştırın.
+
+## Değerlendirme Kriterleri
+
+| Kriter | Mükemmel | Yeterli | Geliştirme Gerekli |
+| -------- | --------- | -------- | ----------------- |
+| Toprak nemi verilerini toplama | Sabit miktarlarda su ekledikten sonra birden fazla ölçüm alabilir | Sabit miktarlarda su ile bazı ölçümler alabilir | Sadece bir veya iki ölçüm alabilir ya da sabit miktarlarda su kullanamaz |
+| Sunucu kodunu kalibre etme | Toprak nemi okumasındaki ortalama azalmayı hesaplayabilir ve sunucu kodunu buna göre güncelleyebilir | Ortalama bir azalma hesaplayabilir, ancak sunucu kodunu güncelleyemez ya da ortalama bir azalmayı doğru şekilde hesaplayamaz, ancak bu değeri kullanarak sunucu kodunu doğru şekilde günceller | Ortalama bir azalmayı hesaplayamaz ya da sunucu kodunu güncelleyemez |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/tr/2-farm/lessons/3-automated-plant-watering/pi-relay.md
new file mode 100644
index 00000000..da2a2333
--- /dev/null
+++ b/translations/tr/2-farm/lessons/3-automated-plant-watering/pi-relay.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
+  "translation_date": "2025-08-28T04:18:05+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
+  "language_code": "tr"
+}
+-->
+# Röle Kontrolü - Raspberry Pi
+
+Bu dersin bu bölümünde, toprak nem sensörüne ek olarak Raspberry Pi'ye bir röle ekleyecek ve toprak nem seviyesine göre kontrol edeceksiniz.
+
+## Donanım
+
+Raspberry Pi bir röleye ihtiyaç duyar.
+
+Kullanacağınız röle, [Grove rölesi](https://www.seeedstudio.com/Grove-Relay.html) olarak bilinir. Bu, normalde açık bir röledir (yani röleye sinyal gönderilmediğinde çıkış devresi açık veya bağlantısızdır) ve 250V ve 10A'ya kadar çıkış devrelerini destekleyebilir.
+
+Bu bir dijital aktüatördür, bu nedenle Grove Base Hat üzerindeki bir dijital pine bağlanır.
+
+### Röleyi Bağlayın
+
+Grove rölesi Raspberry Pi'ye bağlanabilir.
+
+#### Görev
+
+Röleyi bağlayın.
+
+![Bir Grove rölesi](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.tr.png)
+
+1. Grove kablosunun bir ucunu rölenin üzerindeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Raspberry Pi kapalıyken, Grove kablosunun diğer ucunu Pi'ye bağlı olan Grove Base Hat üzerindeki **D5** olarak işaretlenmiş dijital sokete bağlayın. Bu soket, GPIO pinlerinin yanındaki soket sırasının soldan ikinci soketidir. Toprak nem sensörünü **A0** soketine bağlı bırakın.
+
+![Grove rölesi D5 soketine ve toprak nem sensörü A0 soketine bağlı](../../../../../translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.tr.png)
+
+1. Toprak nem sensörünü toprağa yerleştirin, eğer önceki dersten itibaren zaten yerleştirilmemişse.
+
+## Röleyi Programlayın
+
+Raspberry Pi artık bağlı röleyi kullanacak şekilde programlanabilir.
+
+### Görev
+
+Cihazı programlayın.
+
+1. Pi'yi açın ve başlatılmasını bekleyin.
+
+1. VS Code'da önceki dersten kalan `soil-moisture-sensor` projesini açın, eğer zaten açık değilse. Bu projeye ekleme yapacaksınız.
+
+1. Aşağıdaki kodu mevcut importların altına `app.py` dosyasına ekleyin:
+
+    ```python
+    from grove.grove_relay import GroveRelay
+    ```
+
+    Bu ifade, Grove Python kütüphanelerinden `GroveRelay`'i içe aktarır ve Grove rölesiyle etkileşim kurar.
+
+1. `ADC` sınıfının tanımının altına aşağıdaki kodu ekleyerek bir `GroveRelay` örneği oluşturun:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    Bu, röleyi **D5** pinini kullanarak oluşturur; bu, röleyi bağladığınız dijital pindir.
+
+1. Rölenin çalıştığını test etmek için, aşağıdaki kodu `while True:` döngüsüne ekleyin:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    Kod, röleyi açar, 0.5 saniye bekler ve ardından röleyi kapatır.
+
+1. Python uygulamasını çalıştırın. Röle her 10 saniyede bir açılıp kapanacaktır ve açılıp kapanma arasında yarım saniyelik bir gecikme olacaktır. Rölenin açıldığını ve kapandığını duyacaksınız. Röle açıkken Grove kartındaki bir LED yanacak ve kapandığında sönecektir.
+
+    ![Rölenin açılıp kapanması](../../../../../images/relay-turn-on-off.gif)
+
+## Röleyi Toprak Nemine Göre Kontrol Edin
+
+Artık röle çalıştığına göre, toprak nemi ölçümlerine yanıt olarak kontrol edilebilir.
+
+### Görev
+
+Röleyi kontrol edin.
+
+1. Röleyi test etmek için eklediğiniz 3 satır kodu silin. Bunların yerine aşağıdaki kodu ekleyin:
+
+    ```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()
+    ```
+
+    Bu kod, toprak nem sensöründen gelen toprak nem seviyesini kontrol eder. Eğer seviye 450'nin üzerindeyse röleyi açar, 450'nin altına düştüğünde ise kapatır.
+
+    > 💁 Kapasitif toprak nem sensörünün, toprak nem seviyesi ne kadar düşükse, topraktaki nemin o kadar fazla olduğunu ve bunun tersinin de geçerli olduğunu ölçtüğünü unutmayın.
+
+1. Python uygulamasını çalıştırın. Rölenin toprak nem seviyesine bağlı olarak açılıp kapandığını göreceksiniz. Kuru toprakta deneyin, ardından su ekleyin.
+
+    ```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.
+    ```
+
+> 💁 Bu kodu [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi) klasöründe bulabilirsiniz.
+
+😀 Toprak nem sensörünüzle röle kontrolü programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/tr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
new file mode 100644
index 00000000..e2cac4f6
--- /dev/null
+++ b/translations/tr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
+  "translation_date": "2025-08-28T04:17:33+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
+  "language_code": "tr"
+}
+-->
+# Röle Kontrolü - Sanal IoT Donanımı
+
+Bu dersin bu bölümünde, sanal IoT cihazınıza toprak nem sensörüne ek olarak bir röle ekleyecek ve toprak nem seviyesine göre kontrol edeceksiniz.
+
+## Sanal Donanım
+
+Sanal IoT cihazı, simüle edilmiş bir Grove rölesi kullanacaktır. Bu, bu laboratuvarı fiziksel bir Grove rölesi ile bir Raspberry Pi kullanmaya benzer hale getirir.
+
+Fiziksel bir IoT cihazında, röle genellikle normalde açık bir röle olur (yani, röleye sinyal gönderilmediğinde çıkış devresi açık veya bağlantısızdır). Bu tür bir röle, 250V ve 10A'ya kadar çıkış devrelerini kontrol edebilir.
+
+### Röleyi CounterFit'e Ekleme
+
+Sanal bir röle kullanmak için, bunu CounterFit uygulamasına eklemeniz gerekir.
+
+#### Görev
+
+Röleyi CounterFit uygulamasına ekleyin.
+
+1. VS Code'da önceki dersten `soil-moisture-sensor` projesini açın (henüz açık değilse). Bu projeye ekleme yapacaksınız.
+
+1. CounterFit web uygulamasının çalıştığından emin olun.
+
+1. Bir röle oluşturun:
+
+    1. *Actuators* panelindeki *Create actuator* kutusunda, *Actuator type* açılır menüsünden *Relay* seçeneğini seçin.
+
+    1. *Pin* değerini *5* olarak ayarlayın.
+
+    1. Röleyi Pin 5 üzerinde oluşturmak için **Add** düğmesini seçin.
+
+    ![Röle ayarları](../../../../../translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.tr.png)
+
+    Röle oluşturulacak ve aktüatörler listesinde görünecektir.
+
+    ![Oluşturulan röle](../../../../../translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.tr.png)
+
+## Röleyi Programlama
+
+Toprak nem sensörü uygulaması artık sanal röleyi kullanacak şekilde programlanabilir.
+
+### Görev
+
+Sanal cihazı programlayın.
+
+1. VS Code'da önceki dersten `soil-moisture-sensor` projesini açın (henüz açık değilse). Bu projeye ekleme yapacaksınız.
+
+1. Aşağıdaki kodu mevcut import ifadelerinin altına, `app.py` dosyasına ekleyin:
+
+    ```python
+    from counterfit_shims_grove.grove_relay import GroveRelay
+    ```
+
+    Bu ifade, sanal Grove rölesiyle etkileşim kurmak için Grove Python shim kütüphanelerinden `GroveRelay` sınıfını içe aktarır.
+
+1. `ADC` sınıfının tanımının altına aşağıdaki kodu ekleyerek bir `GroveRelay` örneği oluşturun:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    Bu, röleyi bağladığınız pin olan **5** numaralı pini kullanarak bir röle oluşturur.
+
+1. Rölenin çalıştığını test etmek için, `while True:` döngüsüne aşağıdaki kodu ekleyin:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    Kod, röleyi açar, 0.5 saniye bekler ve ardından röleyi kapatır.
+
+1. Python uygulamasını çalıştırın. Röle her 10 saniyede bir açılıp kapanacak ve açılıp kapanma arasında yarım saniyelik bir gecikme olacaktır. CounterFit uygulamasında sanal rölenin açılıp kapandığını göreceksiniz.
+
+    ![Sanal rölenin açılıp kapanması](../../../../../images/virtual-relay-turn-on-off.gif)
+
+## Röleyi Toprak Nemine Göre Kontrol Etme
+
+Artık röle çalıştığına göre, toprak nemi okumalarına göre kontrol edilebilir.
+
+### Görev
+
+Röleyi kontrol edin.
+
+1. Röleyi test etmek için eklediğiniz 3 satırlık kodu silin. Yerine aşağıdaki kodu ekleyin:
+
+    ```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()
+    ```
+
+    Bu kod, toprak nem sensöründen gelen nem seviyesini kontrol eder. Eğer değer 450'nin üzerindeyse röleyi açar, 450'nin altına düştüğünde ise kapatır.
+
+    > 💁 Kapasitif toprak nem sensörünün, toprak nem seviyesi düştükçe topraktaki nemin arttığını ve tam tersini okuduğunu unutmayın.
+
+1. Python uygulamasını çalıştırın. Toprak nem seviyelerine bağlı olarak rölenin açılıp kapandığını göreceksiniz. Toprak nem sensörü için *Value* veya *Random* ayarlarını değiştirerek değerin değiştiğini gözlemleyin.
+
+    ```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.
+    ```
+
+> 💁 Bu kodu [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device) klasöründe bulabilirsiniz.
+
+😀 Sanal toprak nem sensörünüzle röle kontrol programınız başarıyla tamamlandı!
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/tr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
new file mode 100644
index 00000000..163b61a5
--- /dev/null
+++ b/translations/tr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
+  "translation_date": "2025-08-28T04:18:42+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
+  "language_code": "tr"
+}
+-->
+# Röle Kontrolü - Wio Terminal
+
+Bu dersin bu bölümünde, toprak nem sensörüne ek olarak Wio Terminal'inize bir röle ekleyecek ve bunu toprak nem seviyesine göre kontrol edeceksiniz.
+
+## Donanım
+
+Wio Terminal bir röleye ihtiyaç duyar.
+
+Kullanacağınız röle, [Grove rölesi](https://www.seeedstudio.com/Grove-Relay.html) olarak bilinir. Bu, normalde açık bir röledir (yani röleye sinyal gönderilmediğinde çıkış devresi açık veya bağlantısızdır) ve 250V ve 10A'ye kadar çıkış devrelerini destekleyebilir.
+
+Bu bir dijital aktüatördür, bu nedenle Wio Terminal'in dijital pinlerine bağlanır. Analog/dijital birleşik port zaten toprak nem sensörüyle kullanılıyor, bu yüzden röle diğer porta bağlanır; bu port da bir birleşik I2C ve dijital porttur.
+
+### Röleyi Bağlayın
+
+Grove rölesi, Wio Terminal'in dijital portuna bağlanabilir.
+
+#### Görev
+
+Röleyi bağlayın.
+
+![Bir Grove rölesi](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.tr.png)
+
+1. Grove kablosunun bir ucunu rölenin soketine takın. Kablo yalnızca tek bir yönde takılabilir.
+
+2. Wio Terminal'i bilgisayarınızdan veya başka bir güç kaynağından ayırarak, Grove kablosunun diğer ucunu Wio Terminal'in ekranına bakarken sol taraftaki Grove soketine bağlayın. Toprak nem sensörünü sağ taraftaki sokette bağlı bırakın.
+
+![Grove rölesi sol sokete, toprak nem sensörü sağ sokete bağlı](../../../../../translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.tr.png)
+
+3. Toprak nem sensörünü toprağa yerleştirin, eğer önceki dersten zaten yerleştirilmişse bu adımı atlayabilirsiniz.
+
+## Röleyi Programlayın
+
+Artık Wio Terminal, bağlı röleyi kullanacak şekilde programlanabilir.
+
+### Görev
+
+Cihazı programlayın.
+
+1. VS Code'da önceki derste oluşturduğunuz `soil-moisture-sensor` projesini açın, eğer zaten açık değilse. Bu projeye ekleme yapacaksınız.
+
+2. Bu aktüatör için bir kütüphane yoktur - bu, yüksek veya düşük bir sinyalle kontrol edilen dijital bir aktüatördür. Röleyi açmak için pine yüksek bir sinyal (3.3V) gönderirsiniz, kapatmak için düşük bir sinyal (0V) gönderirsiniz. Bunu, Arduino'nun yerleşik [`digitalWrite`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalwrite/) fonksiyonunu kullanarak yapabilirsiniz. Röleye voltaj göndermek için birleşik I2C/dijital portu bir çıkış pini olarak ayarlamak için aşağıdaki kodu `setup` fonksiyonunun sonuna ekleyin:
+
+    ```cpp
+    pinMode(PIN_WIRE_SCL, OUTPUT);
+    ```
+
+    `PIN_WIRE_SCL`, birleşik I2C/dijital portun pin numarasıdır.
+
+3. Rölenin çalıştığını test etmek için, aşağıdaki kodu `loop` fonksiyonuna, son `delay` satırının altına ekleyin:
+
+    ```cpp
+    digitalWrite(PIN_WIRE_SCL, HIGH);
+    delay(500);
+    digitalWrite(PIN_WIRE_SCL, LOW);
+    ```
+
+    Bu kod, rölenin bağlı olduğu pine yüksek bir sinyal göndererek röleyi açar, 500ms (yarım saniye) bekler, ardından röleyi kapatmak için düşük bir sinyal gönderir.
+
+4. Kodu derleyin ve Wio Terminal'e yükleyin.
+
+5. Kod yüklendikten sonra, röle her 10 saniyede bir açılıp kapanacaktır, açılıp kapanma arasında yarım saniyelik bir gecikme olacaktır. Rölenin açıldığını ve kapandığını belirten bir tıklama sesi duyacaksınız. Grove kartındaki bir LED, röle açıkken yanacak ve röle kapandığında sönecektir.
+
+    ![Rölenin açılıp kapanması](../../../../../images/relay-turn-on-off.gif)
+
+## Röleyi Toprak Nemine Göre Kontrol Etme
+
+Artık röle çalıştığına göre, toprak nemi ölçümlerine yanıt olarak kontrol edilebilir.
+
+### Görev
+
+Röleyi kontrol edin.
+
+1. Röleyi test etmek için eklediğiniz 3 satırlık kodu silin. Yerine aşağıdaki kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, toprak nem sensöründen gelen toprak nem seviyesini kontrol eder. Eğer seviye 450'nin üzerindeyse röleyi açar, 450'nin altına düştüğünde ise kapatır.
+
+    > 💁 Kapasitif toprak nem sensörünün, toprak nem seviyesi ne kadar düşükse, topraktaki nemin o kadar fazla olduğunu ve tam tersini ölçtüğünü unutmayın.
+
+2. Kodu derleyin ve Wio Terminal'e yükleyin.
+
+3. Cihazı seri monitör üzerinden izleyin. Toprak nem seviyesine bağlı olarak rölenin açılıp kapandığını göreceksiniz. Kuru toprakta deneyin, ardından su ekleyin.
+
+    ```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.
+    ```
+
+> 💁 Bu kodu [code-relay/wio-terminal](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Toprak nem sensörünüzle röle kontrol programınız başarıyla tamamlandı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/tr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
new file mode 100644
index 00000000..6ffca4ac
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T04:06:13+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
+  "language_code": "tr"
+}
+-->
+# Bitkinizi Buluta Taşıyın
+
+![Bu dersin bir skeç notu özeti](../../../../../translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.tr.jpg)
+
+> Skeç notu: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+Bu ders, [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) tarafından sunulan [IoT for Beginners Projesi 2 - Dijital Tarım Serisi](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) kapsamında öğretilmiştir.
+
+[![Azure IoT Hub ile cihazınızı buluta bağlayın](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
+
+## Giriş
+
+Son derste, bitkinizi bir MQTT brokerına nasıl bağlayacağınızı ve yerel olarak çalışan bir sunucu kodundan bir röleyi nasıl kontrol edeceğinizi öğrendiniz. Bu, evdeki bireysel bitkilerden ticari çiftliklere kadar kullanılan internet bağlantılı otomatik sulama sistemlerinin temelini oluşturur.
+
+IoT cihazı, ilkeleri göstermek için bir genel MQTT brokerı ile iletişim kurdu, ancak bu en güvenilir veya güvenli yöntem değildir. Bu derste, bulut ve genel bulut hizmetleri tarafından sağlanan IoT yetenekleri hakkında bilgi edineceksiniz. Ayrıca, bitkinizi genel MQTT brokerından bu bulut hizmetlerinden birine nasıl taşıyacağınızı öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Bulut nedir?](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Bir bulut aboneliği oluşturun](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Bulut IoT hizmetleri](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Bulutta bir IoT hizmeti oluşturun](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [IoT Hub ile iletişim kurun](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Cihazınızı IoT hizmetine bağlayın](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+
+## Bulut Nedir?
+
+Bulut öncesinde, bir şirket çalışanlarına (örneğin veritabanları veya dosya depolama) ya da halka (örneğin web siteleri) hizmet sağlamak istediğinde, bir veri merkezi kurar ve işletirdi. Bu, birkaç bilgisayarlı bir odadan, birçok bilgisayarlı bir binaya kadar değişebilirdi. Şirket her şeyi yönetmek zorundaydı, örneğin:
+
+* Bilgisayar satın alma
+* Donanım bakımı
+* Güç ve soğutma
+* Ağ bağlantısı
+* Güvenlik, bina güvenliği ve bilgisayarlardaki yazılım güvenliği dahil
+* Yazılım kurulumu ve güncellemeleri
+
+Bu oldukça pahalı olabilir, geniş bir yetenek yelpazesine sahip çalışanlar gerektirebilir ve gerektiğinde değişiklik yapmak çok yavaş olabilirdi. Örneğin, bir çevrimiçi mağaza yoğun bir tatil sezonu için plan yapmak istediğinde, aylar öncesinden daha fazla donanım satın almak, yapılandırmak, kurmak ve satış sürecini çalıştıracak yazılımı yüklemek zorunda kalırdı. Tatil sezonu sona erdiğinde ve satışlar tekrar düştüğünde, satın alınmış bilgisayarlar bir sonraki yoğun sezona kadar boşta kalırdı.
+
+✅ Sizce bu, şirketlerin hızlı hareket etmesine olanak tanır mıydı? Bir çevrimiçi giyim perakendecisi, bir ünlünün kıyafetlerini giymesi nedeniyle aniden popüler hale gelirse, siparişlerdeki ani artışı desteklemek için bilgi işlem gücünü yeterince hızlı artırabilir miydi?
+
+### Başkasının Bilgisayarı
+
+Bulut genellikle şaka yollu olarak 'başkasının bilgisayarı' olarak adlandırılır. İlk fikir basitti - bilgisayar satın almak yerine, başkasının bilgisayarını kiralarsınız. Başkası, bir bulut bilişim sağlayıcısı, devasa veri merkezlerini yönetirdi. Donanımı satın almak ve kurmak, güç ve soğutmayı yönetmek, ağ bağlantısını sağlamak, bina güvenliğini sağlamak, donanım ve yazılım güncellemelerini yapmak gibi her şeyden sorumlu olurlardı. Müşteri olarak, ihtiyacınız olan bilgisayarları kiralar, talep arttığında daha fazlasını kiralar, talep düştüğünde ise kiraladığınız miktarı azaltırdınız. Bu bulut veri merkezleri dünyanın dört bir yanına yayılmıştır.
+
+![Bir Microsoft bulut veri merkezi](../../../../../translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.tr.png)
+![Bir Microsoft bulut veri merkezi planlanan genişleme](../../../../../translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.tr.png)
+
+Bu veri merkezleri birkaç kilometrekare büyüklüğünde olabilir. Yukarıdaki görseller birkaç yıl önce bir Microsoft bulut veri merkezinde çekilmiş olup, başlangıç boyutunu ve planlanan genişlemeyi göstermektedir. Genişleme için temizlenen alan 5 kilometrekareden fazladır.
+
+> 💁 Bu veri merkezleri o kadar büyük miktarda enerji gerektirir ki, bazılarının kendi enerji santralleri vardır. Boyutları ve bulut sağlayıcılarının yatırımları nedeniyle, genellikle çevre dostudurlar. Çok sayıda küçük veri merkezine göre daha verimlidirler, çoğunlukla yenilenebilir enerjiyle çalışırlar ve bulut sağlayıcıları atıkları azaltmak, su kullanımını kesmek ve veri merkezleri inşa etmek için kesilen ormanları yeniden dikmek için yoğun çaba harcarlar. Bir bulut sağlayıcısının sürdürülebilirlik üzerinde nasıl çalıştığını [Azure sürdürülebilirlik sitesi](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn) üzerinden okuyabilirsiniz.
+
+✅ Araştırma yapın: [Microsoft'un Azure'u](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) veya [Google'ın GCP'si](https://cloud.google.com) gibi büyük bulutlar hakkında bilgi edinin. Kaç tane veri merkezleri var ve bunlar dünyanın neresinde?
+
+Bulut kullanmak, şirketlerin maliyetlerini düşürür ve bulut bilişim uzmanlığını sağlayıcıya bırakırken, şirketlerin en iyi yaptıkları işe odaklanmalarını sağlar. Şirketler artık veri merkezi alanı kiralamak veya satın almak, farklı sağlayıcılardan bağlantı ve güç için ödeme yapmak ya da uzmanları işe almak zorunda kalmazlar. Bunun yerine, her şeyin halledilmesi için bulut sağlayıcısına aylık bir fatura öderler.
+
+Bulut sağlayıcısı, maliyetleri düşürmek için ölçek ekonomilerinden yararlanabilir, donanımı toplu olarak daha düşük maliyetle satın alabilir, bakım iş yüklerini azaltmak için araçlara yatırım yapabilir ve hatta bulut tekliflerini geliştirmek için kendi donanımlarını tasarlayıp üretebilir.
+
+### Microsoft Azure
+
+Azure, Microsoft'un geliştiriciler için sunduğu buluttur ve bu derslerde kullanacağınız bulut hizmetidir. Aşağıdaki video, Azure hakkında kısa bir genel bakış sunar:
+
+[![Azure videosunun genel bakışı](../../../../../translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.tr.png)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
+
+## Bir Bulut Aboneliği Oluşturun
+
+Buluttaki hizmetleri kullanmak için bir bulut sağlayıcısından bir abonelik oluşturmanız gerekir. Bu ders için bir Microsoft Azure aboneliği oluşturacaksınız. Zaten bir Azure aboneliğiniz varsa, bu görevi atlayabilirsiniz. Burada açıklanan abonelik ayrıntıları yazım sırasında doğrudur, ancak değişebilir.
+
+> 💁 Bu derslere okulunuz aracılığıyla erişiyorsanız, zaten bir Azure aboneliğiniz olabilir. Öğretmeninizle kontrol edin.
+
+Azure'da iki farklı ücretsiz abonelik türü bulunmaktadır:
+
+* **Azure for Students** - Bu, 18 yaş ve üzeri öğrenciler için tasarlanmış bir aboneliktir. Kayıt olmak için bir kredi kartına ihtiyacınız yoktur ve öğrenci olduğunuzu doğrulamak için okul e-posta adresinizi kullanırsınız. Kayıt olduğunuzda, bulut kaynakları için harcayabileceğiniz 100 ABD doları ve bir IoT hizmetinin ücretsiz bir sürümü dahil ücretsiz hizmetler alırsınız. Bu abonelik 12 ay sürer ve öğrenci olduğunuz sürece her yıl yenileyebilirsiniz.
+
+* **Azure ücretsiz abonelik** - Bu, öğrenci olmayan herkes için bir aboneliktir. Abonelik için kayıt olmak için bir kredi kartına ihtiyacınız olacak, ancak kartınızdan ücret alınmayacaktır, bu yalnızca gerçek bir insan olduğunuzu doğrulamak içindir. İlk 30 gün boyunca herhangi bir hizmette kullanabileceğiniz 200 ABD doları kredi alırsınız ve Azure hizmetlerinin ücretsiz katmanlarına erişebilirsiniz. Krediniz tükendiğinde, yalnızca bir ödeme yaparak devam eden aboneliğe geçerseniz kartınızdan ücret alınır.
+
+> 💁 Microsoft, 18 yaş altı öğrenciler için bir Azure for Students Starter aboneliği sunmaktadır, ancak yazım sırasında bu abonelik IoT hizmetlerini desteklememektedir.
+
+### Görev - Ücretsiz bir bulut aboneliği oluşturun
+
+18 yaş ve üzeri bir öğrenciyseniz, bir Azure for Students aboneliğine kaydolabilirsiniz. Bir okul e-posta adresiyle doğrulama yapmanız gerekecek. Bunu iki şekilde yapabilirsiniz:
+
+* [education.github.com/pack](https://education.github.com/pack) adresinden bir GitHub öğrenci geliştirici paketi için kaydolun. Bu, GitHub ve Microsoft Azure dahil olmak üzere bir dizi araç ve teklife erişim sağlar. Geliştirici paketine kaydolduktan sonra, Azure for Students teklifini etkinleştirebilirsiniz.
+
+* [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn) adresinden doğrudan bir Azure for Students hesabı için kaydolun.
+
+> ⚠️ Okul e-posta adresiniz tanınmazsa, bu [repo'da bir sorun bildirin](https://github.com/Microsoft/IoT-For-Beginners/issues) ve adresinizin Azure for Students izin listesine eklenip eklenemeyeceğini kontrol edeceğiz.
+
+Öğrenci değilseniz veya geçerli bir okul e-posta adresiniz yoksa, bir Azure Ücretsiz aboneliği için kaydolabilirsiniz.
+
+* [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn) adresinden bir Azure Ücretsiz Aboneliği için kaydolun.
+
+## Bulut IoT Hizmetleri
+
+Kullandığınız genel test MQTT brokerı öğrenme sırasında harika bir araçtır, ancak ticari bir ortamda kullanmak için bazı dezavantajları vardır:
+
+* Güvenilirlik - Bu ücretsiz bir hizmettir, garanti sunmaz ve istediğiniz zaman kapatılabilir.
+* Güvenlik - Genel bir hizmettir, bu nedenle herhangi biri telemetrinizi dinleyebilir veya donanımınızı kontrol etmek için komutlar gönderebilir.
+* Performans - Sadece birkaç test mesajı için tasarlanmıştır, bu nedenle çok sayıda mesaj gönderildiğinde başa çıkamaz.
+* Keşif - Bağlı cihazların ne olduğunu bilmenin bir yolu yoktur.
+
+Buluttaki IoT hizmetleri bu sorunları çözer. Büyük bulut sağlayıcıları tarafından yönetilirler, güvenilirlik için büyük yatırımlar yaparlar ve ortaya çıkabilecek sorunları çözmek için hazırdırlar. Verilerinizi okuyan veya sahte komutlar gönderen hackerları engellemek için güvenlik yerleşiktir. Ayrıca, bulutun ihtiyaç duyulduğunda ölçeklenebilmesi sayesinde, her gün milyonlarca mesajı işleyebilecek yüksek performansa sahiptirler.
+
+> 💁 Bu avantajlar için aylık bir ücret ödersiniz, ancak çoğu bulut sağlayıcısı günlük sınırlı sayıda mesaj veya bağlanabilecek cihazlarla ücretsiz bir IoT hizmeti sunar. Bu ücretsiz sürüm, genellikle bir geliştiricinin hizmeti öğrenmesi için fazlasıyla yeterlidir. Bu derste ücretsiz bir sürüm kullanacaksınız.
+
+IoT cihazları, bir cihaz SDK'sı (hizmetin özellikleriyle çalışmak için kod sağlayan bir kütüphane) veya MQTT ya da HTTP gibi bir iletişim protokolü aracılığıyla doğrudan bir bulut hizmetine bağlanır. Cihaz SDK'sı genellikle en kolay yoldur çünkü her şeyi sizin için halleder, örneğin hangi konulara yayın yapacağınızı veya abone olacağınızı ve güvenliği nasıl yöneteceğinizi bilir.
+
+![Cihazlar bir cihaz SDK'sı kullanarak bir hizmete bağlanır. Sunucu kodu da bir SDK aracılığıyla hizmete bağlanır](../../../../../translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.tr.png)
+
+Cihazınız daha sonra uygulamanızın diğer bölümleriyle bu hizmet üzerinden iletişim kurar - tıpkı MQTT üzerinden telemetri gönderip komutlar aldığınız gibi. Bu genellikle bir hizmet SDK'sı veya benzer bir kütüphane kullanılarak yapılır. Mesajlar cihazınızdan hizmete gelir, burada uygulamanızın diğer bileşenleri tarafından okunabilir ve mesajlar cihazınıza geri gönderilebilir.
+
+![Geçerli bir gizli anahtarı olmayan cihazlar IoT hizmetine bağlanamaz](../../../../../translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.tr.png)
+
+Bu hizmetler, bağlanıp veri gönderebilecek tüm cihazları bilerek güvenlik sağlar, ya cihazların hizmetle önceden kaydedilmesiyle ya da cihazlara hizmete ilk kez bağlandıklarında kendilerini kaydetmek için kullanabilecekleri gizli anahtarlar veya sertifikalar verilmesiyle. Bilinmeyen cihazlar bağlanamaz, bağlanmaya çalışırlarsa hizmet bağlantıyı reddeder ve gönderdikleri mesajları görmezden gelir.
+
+✅ Araştırma yapın: Herhangi bir cihazın veya kodun bağlanabileceği açık bir IoT hizmetine sahip olmanın dezavantajı nedir? Hackerların bundan yararlandığına dair belirli örnekler bulabilir misiniz?
+
+Uygulamanızın diğer bileşenleri IoT hizmetine bağlanabilir ve bağlı veya kayıtlı tüm cihazlar hakkında bilgi edinebilir ve bunlarla toplu veya bireysel olarak doğrudan iletişim kurabilir.
+💁 IoT hizmetleri ayrıca ek yetenekler sunar ve bulut sağlayıcılarının hizmete bağlanabilecek ek hizmetleri ve uygulamaları vardır. Örneğin, tüm cihazlar tarafından gönderilen tüm telemetri mesajlarını bir veritabanında saklamak istiyorsanız, genellikle bulut sağlayıcısının yapılandırma aracında birkaç tıklama ile hizmeti bir veritabanına bağlamak ve verileri akış halinde göndermek mümkündür.
+## Bulutta bir IoT hizmeti oluşturun
+
+Artık bir Azure aboneliğiniz olduğuna göre, bir IoT hizmetine kaydolabilirsiniz. Microsoft'un IoT hizmeti Azure IoT Hub olarak adlandırılır.
+
+![Azure IoT Hub logosu](../../../../../translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.tr.png)
+
+Aşağıdaki video, Azure IoT Hub hakkında kısa bir genel bakış sunar:
+
+[![Azure IoT Hub videosunun genel bakışı](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
+
+> 🎥 Videoyu izlemek için yukarıdaki görsele tıklayın
+
+✅ Biraz araştırma yapın ve [Microsoft IoT Hub belgelerindeki](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn) IoT Hub genel bakışını okuyun.
+
+Azure'da mevcut olan bulut hizmetleri, web tabanlı bir portal veya komut satırı arayüzü (CLI) aracılığıyla yapılandırılabilir. Bu görev için CLI kullanacaksınız.
+
+### Görev - Azure CLI'yi yükleyin
+
+Azure CLI'yi kullanmak için önce PC'nize veya Mac'inize yüklenmesi gerekir.
+
+1. CLI'yi yüklemek için [Azure CLI belgelerindeki](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn) talimatları izleyin.
+
+1. Azure CLI, çok çeşitli Azure hizmetlerini yönetme yetenekleri ekleyen bir dizi uzantıyı destekler. Komut satırınızdan veya terminalinizden aşağıdaki komutu çalıştırarak IoT uzantısını yükleyin:
+
+    ```sh
+    az extension add --name azure-iot
+    ```
+
+1. Komut satırınızdan veya terminalinizden aşağıdaki komutu çalıştırarak Azure CLI'den Azure aboneliğinize giriş yapın.
+
+    ```sh
+    az login
+    ```
+
+    Varsayılan tarayıcınızda bir web sayfası açılacaktır. Azure aboneliğinize kaydolurken kullandığınız hesapla giriş yapın. Giriş yaptıktan sonra tarayıcı sekmesini kapatabilirsiniz.
+
+1. Birden fazla Azure aboneliğiniz varsa, örneğin okul tarafından sağlanan bir abonelik ve kendi Azure for Students aboneliğiniz gibi, kullanmak istediğiniz aboneliği seçmeniz gerekecektir. Erişiminiz olan tüm abonelikleri listelemek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az account list --output table
+    ```
+
+    Çıktıda, her aboneliğin adı ve `SubscriptionId` bilgisi görünecektir.
+
+    ```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
+    ```
+
+    Kullanmak istediğiniz aboneliği seçmek için aşağıdaki komutu kullanın:
+
+    ```sh
+    az account set --subscription <SubscriptionId>
+    ```
+
+    `<SubscriptionId>` yerine kullanmak istediğiniz aboneliğin kimliğini yazın. Bu komutu çalıştırdıktan sonra hesaplarınızı listeleme komutunu tekrar çalıştırın. `IsDefault` sütununun, yeni ayarladığınız abonelik için `True` olarak işaretlendiğini göreceksiniz.
+
+### Görev - bir kaynak grubu oluşturun
+
+Azure hizmetleri, IoT Hub örnekleri, sanal makineler, veritabanları veya yapay zeka hizmetleri gibi, **kaynaklar** olarak adlandırılır. Her kaynak bir **Kaynak Grubu** içinde yer almalıdır; bu, bir veya daha fazla kaynağın mantıksal bir gruplamasıdır.
+
+> 💁 Kaynak gruplarını kullanmak, birden fazla hizmeti aynı anda yönetmenizi sağlar. Örneğin, bu proje için tüm dersleri tamamladıktan sonra kaynak grubunu silebilirsiniz ve içindeki tüm kaynaklar otomatik olarak silinir.
+
+1. Dünya genelinde birden fazla Azure veri merkezi vardır ve bunlar bölgelere ayrılmıştır. Bir Azure kaynağı veya kaynak grubu oluşturduğunuzda, nerede oluşturulmasını istediğinizi belirtmeniz gerekir. Konumların listesini almak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az account list-locations --output table
+    ```
+
+    Uzun bir konum listesi göreceksiniz.
+
+    > 💁 Yazım sırasında, dağıtım yapabileceğiniz 65 konum bulunmaktadır.
+
+    ```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
+    ...
+    ```
+
+    Size en yakın bölgenin `Name` sütunundaki değeri not edin. Bölgeleri bir harita üzerinde [Azure coğrafyaları sayfasında](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn) bulabilirsiniz.
+
+1. `soil-moisture-sensor` adlı bir kaynak grubu oluşturmak için aşağıdaki komutu çalıştırın. Kaynak grubu adlarının aboneliğinizde benzersiz olması gerekir.
+
+    ```sh
+    az group create --name soil-moisture-sensor \
+                    --location <location>
+    ```
+
+    `<location>` yerine bir önceki adımda seçtiğiniz konumu yazın.
+
+### Görev - bir IoT Hub oluşturun
+
+Artık kaynak grubunuzda bir IoT Hub kaynağı oluşturabilirsiniz.
+
+1. IoT Hub kaynağınızı oluşturmak için aşağıdaki komutu kullanın:
+
+    ```sh
+    az iot hub create --resource-group soil-moisture-sensor \
+                      --sku F1 \
+                      --partition-count 2 \
+                      --name <hub_name>
+    ```
+
+    `<hub_name>` yerine hub için bir ad yazın. Bu adın küresel olarak benzersiz olması gerekir - yani başka hiç kimse aynı ada sahip bir IoT Hub oluşturamaz. Bu ad, hub'a işaret eden bir URL'de kullanılır, bu yüzden benzersiz olmalıdır. `soil-moisture-sensor-` gibi bir şey kullanın ve sonuna rastgele kelimeler veya adınızı ekleyin.
+
+    `--sku F1` seçeneği, ücretsiz bir katman kullanılmasını söyler. Ücretsiz katman, günlük 8.000 mesajı ve tam fiyatlı katmanların çoğu özelliğini destekler.
+
+    > 🎓 Azure hizmetlerinin farklı fiyatlandırma seviyelerine katmanlar denir. Her katman farklı bir maliyete sahiptir ve farklı özellikler veya veri hacimleri sunar.
+
+    > 💁 Fiyatlandırma hakkında daha fazla bilgi edinmek isterseniz, [Azure IoT Hub fiyatlandırma kılavuzuna](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn) göz atabilirsiniz.
+
+    `--partition-count 2` seçeneği, IoT Hub'ın desteklediği veri akışı sayısını tanımlar. Daha fazla bölüm, IoT Hub'dan birden fazla şey okuma ve yazma yaparken veri tıkanıklığını azaltır. Bölümler bu derslerin kapsamı dışındadır, ancak ücretsiz bir katman IoT Hub oluşturmak için bu değerin ayarlanması gerekir.
+
+    > 💁 Abonelik başına yalnızca bir ücretsiz katman IoT Hub oluşturabilirsiniz.
+
+IoT Hub oluşturulacaktır. Bu işlem bir dakika kadar sürebilir.
+
+## IoT Hub ile iletişim kurun
+
+Önceki derste, MQTT kullanarak farklı amaçlara sahip farklı konular üzerinde mesajlar gönderdiniz ve aldınız. Farklı konular üzerinden mesaj göndermek yerine, IoT Hub cihazın Hub ile veya Hub'ın cihazla iletişim kurması için tanımlı bir dizi yol sunar.
+
+> 💁 IoT Hub ile cihazınız arasındaki bu iletişim, arka planda MQTT, HTTPS veya AMQP kullanabilir.
+
+* Cihazdan buluta (D2C) mesajlar - bunlar, bir cihazdan IoT Hub'a gönderilen telemetri gibi mesajlardır. Daha sonra uygulama kodunuz tarafından IoT Hub'dan okunabilir.
+
+    > 🎓 Arka planda, IoT Hub bir Azure hizmeti olan [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn) kullanır. Hub'a gönderilen mesajları okumak için yazılan kodda bunlar genellikle olaylar olarak adlandırılır.
+
+* Buluttan cihaza (C2D) mesajlar - bunlar, uygulama kodundan bir IoT Hub aracılığıyla bir IoT cihazına gönderilen mesajlardır.
+
+* Doğrudan yöntem istekleri - bunlar, uygulama kodundan bir IoT Hub aracılığıyla bir IoT cihazına, cihazın bir şey yapmasını istemek için gönderilen mesajlardır, örneğin bir aktüatörü kontrol etmek. Bu mesajlar, uygulama kodunuzun başarılı bir şekilde işlenip işlenmediğini anlayabilmesi için bir yanıt gerektirir.
+
+* Cihaz ikizleri - bunlar, cihaz ve IoT Hub arasında senkronize edilen JSON belgeleridir ve cihaz tarafından bildirilen veya IoT Hub tarafından cihazda ayarlanması gereken (istenen) ayarları veya diğer özellikleri depolamak için kullanılır.
+
+IoT Hub, mesajları ve doğrudan yöntem isteklerini yapılandırılabilir bir süre boyunca (varsayılan olarak bir gün) saklayabilir, böylece bir cihaz veya uygulama kodu bağlantısını kaybederse, yeniden bağlandığında çevrimdışıyken gönderilen mesajları alabilir. Cihaz ikizleri IoT Hub'da kalıcı olarak saklanır, böylece bir cihaz herhangi bir zamanda yeniden bağlanabilir ve en son cihaz ikizini alabilir.
+
+✅ Araştırma yapın: Bu mesaj türleri hakkında daha fazla bilgi edinmek için IoT Hub belgelerindeki [Cihazdan buluta iletişim kılavuzunu](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn) ve [Buluttan cihaza iletişim kılavuzunu](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn) okuyun.
+
+## Cihazınızı IoT hizmetine bağlayın
+
+Hub oluşturulduktan sonra, IoT cihazınız ona bağlanabilir. Yalnızca kayıtlı cihazlar bir hizmete bağlanabilir, bu nedenle önce cihazınızı kaydetmeniz gerekecektir. Kayıt yaptığınızda, cihazın bağlanmak için kullanabileceği bir bağlantı dizesi alabilirsiniz. Bu bağlantı dizesi cihaza özeldir ve IoT Hub, cihaz ve bu cihazın bağlanmasına izin veren bir gizli anahtar hakkında bilgi içerir.
+
+> 🎓 Bağlantı dizesi, bağlantı ayrıntılarını içeren bir metin parçası için genel bir terimdir. Bunlar, IoT Hub'lara, veritabanlarına ve birçok diğer hizmete bağlanırken kullanılır. Genellikle bir URL gibi bir hizmet tanımlayıcısı ve bir gizli anahtar gibi güvenlik bilgileri içerir. Bunlar, hizmete bağlanmak için SDK'lara iletilir.
+
+> ⚠️ Bağlantı dizeleri güvenli tutulmalıdır! Güvenlik, ilerleyen derslerde daha ayrıntılı olarak ele alınacaktır.
+
+### Görev - IoT cihazınızı kaydedin
+
+IoT cihazı, Azure CLI kullanılarak IoT Hub'ınıza kaydedilebilir.
+
+1. Bir cihaz kaydetmek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor \
+                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` yerine IoT Hub için kullandığınız adı yazın.
+
+    Bu, `soil-moisture-sensor` kimliğine sahip bir cihaz oluşturacaktır.
+
+1. IoT cihazınız, SDK'yı kullanarak IoT Hub'ınıza bağlandığında, hub'ın URL'si ve bir gizli anahtar içeren bir bağlantı dizesi kullanması gerekir. Bağlantı dizesini almak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` yerine IoT Hub için kullandığınız adı yazın.
+
+1. Çıktıda gösterilen bağlantı dizesini saklayın, çünkü daha sonra buna ihtiyacınız olacak.
+
+### Görev - IoT cihazınızı buluta bağlayın
+
+IoT cihazınızı buluta bağlamak için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal IoT cihazı](single-board-computer-connect-hub.md)
+
+### Görev - olayları izleyin
+
+Şimdilik, sunucu kodunuzu güncellemeyeceksiniz. Bunun yerine, IoT cihazınızdan gelen olayları izlemek için Azure CLI'yi kullanabilirsiniz.
+
+1. IoT cihazınızın çalıştığından ve toprak nemi telemetri değerlerini gönderdiğinden emin olun.
+
+1. IoT Hub'ınıza gönderilen mesajları izlemek için komut istemcinizde veya terminalinizde aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az iot hub monitor-events --hub-name <hub_name>
+    ```
+
+    `<hub_name>` yerine IoT Hub için kullandığınız adı yazın.
+
+    IoT cihazınız tarafından gönderilen mesajlar konsol çıktısında görünecektir.
+
+    ```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` içeriği, IoT cihazınız tarafından gönderilen mesajla eşleşecektir.
+
+    > Yazım sırasında, `az iot` uzantısı Apple Silicon üzerinde tam olarak çalışmamaktadır. Eğer bir Apple Silicon cihazı kullanıyorsanız, mesajları farklı bir şekilde izlemeniz gerekecektir, örneğin [Visual Studio Code için Azure IoT Araçları](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging) kullanarak.
+
+1. Bu mesajlara, otomatik olarak eklenen bir dizi özellik vardır, örneğin gönderildikleri zaman damgası. Bunlara *ek açıklamalar* denir. Tüm mesaj ek açıklamalarını görüntülemek için aşağıdaki komutu kullanın:
+
+    ```sh
+    az iot hub monitor-events --properties anno --hub-name <hub_name>
+    ```
+
+    `<hub_name>` yerine IoT Hub için kullandığınız adı yazın.
+
+    IoT cihazınız tarafından gönderilen mesajlar konsol çıktısında görünecektir.
+
+    ```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}"
+        }
+    }
+    ```
+
+    Ek açıklamalardaki zaman değerleri, 1 Ocak 1970 gece yarısından itibaren geçen saniyeleri temsil eden [UNIX zamanı](https://wikipedia.org/wiki/Unix_time) formatındadır.
+
+    İşiniz bittiğinde olay izleyiciyi kapatın.
+
+### Görev - IoT cihazınızı kontrol edin
+
+Azure CLI'yi kullanarak IoT cihazınızda doğrudan yöntemler çağırabilirsiniz.
+
+1. IoT cihazında `relay_on` yöntemini çağırmak için komut istemcinizde veya terminalinizde aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az iot hub invoke-device-method --device-id soil-moisture-sensor \
+                                    --method-name relay_on \
+                                    --method-payload '{}' \
+                                    --hub-name <hub_name>
+    ```
+
+    `
+<hub_adı>
+` IoT Hub için kullandığınız adı kullanarak.
+
+    Bu, belirtilen `method-name` için doğrudan bir yöntem isteği gönderir. Doğrudan yöntemler, yöntem için veri içeren bir yük alabilir ve bu, `method-payload` parametresinde JSON olarak belirtilebilir.
+
+    Rölenin açıldığını ve IoT cihazınızdan gelen ilgili çıktıyı göreceksiniz:
+
+    ```output
+    Direct method received -  relay_on
+    ```
+
+1. Yukarıdaki adımı tekrarlayın, ancak `--method-name` değerini `relay_off` olarak ayarlayın. Rölenin kapandığını ve IoT cihazından gelen ilgili çıktıyı göreceksiniz.
+
+---
+
+## 🚀 Meydan Okuma
+
+IoT Hub'ın ücretsiz katmanı günde 8.000 mesaja izin verir. Yazdığınız kod her 10 saniyede bir telemetri mesajı gönderir. Her 10 saniyede bir mesaj gönderildiğinde günde kaç mesaj olur?
+
+Toprak nemi ölçümlerinin ne sıklıkla gönderilmesi gerektiğini düşünün. Kodunuzu ücretsiz katmanda kalacak şekilde ve gerektiği kadar sık kontrol edecek ama çok sık olmayacak şekilde nasıl değiştirebilirsiniz? İkinci bir cihaz eklemek isteseydiniz ne olurdu?
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+IoT Hub SDK, hem Arduino hem de Python için açık kaynaklıdır. GitHub'daki kod depolarında, farklı IoT Hub özellikleriyle nasıl çalışılacağını gösteren bir dizi örnek bulunmaktadır.
+
+* Wio Terminal kullanıyorsanız, [GitHub'daki Arduino örneklerine](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples) göz atın.
+* Raspberry Pi veya Sanal cihaz kullanıyorsanız, [GitHub'daki Python örneklerine](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples) göz atın.
+
+## Ödev
+
+[Bulut hizmetleri hakkında bilgi edinin](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/tr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
new file mode 100644
index 00000000..119ccbe1
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T04:08:23+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Bulut Hizmetleri Hakkında Bilgi Edinin
+
+## Talimatlar
+
+Microsoft'un Azure gibi bulutları, yalnızca kiralanabilir işlem gücü sunmaktan daha fazlasını sağlar. Bulut hizmetlerinin ana türleri şunlardır:
+
+* Hizmet olarak altyapı (IaaS)
+* Hizmet olarak platform (PaaS)
+* Sunucusuz
+* Hizmet olarak yazılım (SaaS)
+
+Bu farklı hizmet türlerini öğrenin ve ne olduklarını, nasıl farklılık gösterdiklerini açıklayın. IoT geliştiricileri için hangi hizmetlerin önemli olduğunu açıklayın.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| ------- | ----------------- | ------- | -------------------- |
+| Farklı bulut hizmetlerini açıklayın | 4 tür hizmetin tamamını açık bir şekilde açıkladı | 3 tür hizmeti açıklayabildi | Sadece 1 veya 2 tür hizmeti açıklayabildi |
+| IoT için hangi hizmetin önemli olduğunu açıklayın | IoT geliştiricileri için hangi hizmetlerin önemli olduğunu ve nedenini açıkladı | IoT geliştiricileri için hangi hizmetlerin önemli olduğunu açıkladı ancak nedenini açıklamadı | IoT geliştiricileri için hangi hizmetlerin önemli olduğunu açıklayamadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/tr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
new file mode 100644
index 00000000..596f0810
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T04:08:00+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
+  "language_code": "tr"
+}
+-->
+# IoT Cihazınızı Buluta Bağlayın - Sanal IoT Donanımı ve Raspberry Pi
+
+Bu dersin bu bölümünde, sanal IoT cihazınızı veya Raspberry Pi'nizi IoT Hub'a bağlayarak telemetri gönderecek ve komutlar alacaksınız.
+
+## Cihazınızı IoT Hub'a Bağlayın
+
+Bir sonraki adım, cihazınızı IoT Hub'a bağlamaktır.
+
+### Görev - IoT Hub'a bağlanın
+
+1. VS Code'da `soil-moisture-sensor` klasörünü açın. Sanal bir IoT cihazı kullanıyorsanız, terminalde sanal ortamın çalıştığından emin olun.
+
+1. Bazı ek Pip paketlerini yükleyin:
+
+    ```sh
+    pip3 install azure-iot-device
+    ```
+
+    `azure-iot-device`, IoT Hub ile iletişim kurmak için bir kütüphanedir.
+
+1. Aşağıdaki importları, `app.py` dosyasının en üstüne, mevcut importların altına ekleyin:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
+    ```
+
+    Bu kod, IoT Hub ile iletişim kurmak için SDK'yı içe aktarır.
+
+1. `import paho.mqtt.client as mqtt` satırını kaldırın çünkü bu kütüphane artık gerekli değil. MQTT kodunun tamamını, konu adları dahil, `mqtt_client` ve `handle_command` kullanan tüm kodları kaldırın. `while True:` döngüsünü koruyun, sadece bu döngüdeki `mqtt_client.publish` satırını silin.
+
+1. Import ifadelerinin altına aşağıdaki kodu ekleyin:
+
+    ```python
+    connection_string = "<connection string>"
+    ```
+
+    `<connection string>` ifadesini, bu derste daha önce cihaz için aldığınız bağlantı dizesiyle değiştirin.
+
+    > 💁 Bu en iyi uygulama değildir. Bağlantı dizeleri asla kaynak kodda saklanmamalıdır, çünkü bu, kaynak kod kontrolüne dahil edilip herkes tarafından bulunabilir. Burada basitlik adına bunu yapıyoruz. İdeal olarak, bir ortam değişkeni ve [`python-dotenv`](https://pypi.org/project/python-dotenv/) gibi bir araç kullanmalısınız. Bunu ilerleyen bir derste daha ayrıntılı öğreneceksiniz.
+
+1. Bu kodun altına, IoT Hub ile iletişim kurabilecek bir cihaz istemcisi nesnesi oluşturmak ve bağlanmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
+
+    print('Connecting')
+    device_client.connect()
+    print('Connected')
+    ```
+
+1. Bu kodu çalıştırın. Cihazınızın bağlandığını göreceksiniz.
+
+    ```output
+    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
+    Connecting
+    Connected
+    Soil moisture: 379
+    ```
+
+## Telemetri Gönderin
+
+Artık cihazınız bağlı olduğuna göre, MQTT broker yerine IoT Hub'a telemetri gönderebilirsiniz.
+
+### Görev - telemetri gönderin
+
+1. `while True` döngüsünün içine, uyuma işleminden hemen önce aşağıdaki kodu ekleyin:
+
+    ```python
+    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
+    device_client.send_message(message)
+    ```
+
+    Bu kod, toprak nemi ölçümünü bir JSON dizesi olarak içeren bir IoT Hub `Message` oluşturur ve bunu cihazdan buluta bir mesaj olarak IoT Hub'a gönderir.
+
+## Komutları İşleyin
+
+Cihazınızın, röleyi kontrol etmek için sunucu kodundan bir komut alması gerekir. Bu, doğrudan bir yöntem isteği olarak gönderilir.
+
+## Görev - doğrudan bir yöntem isteğini işleyin
+
+1. `while True` döngüsünden önce aşağıdaki kodu ekleyin:
+
+    ```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()    
+    ```
+
+    Bu, IoT Hub tarafından bir doğrudan yöntem çağrıldığında çağrılacak bir `handle_method_request` yöntemi tanımlar. Her doğrudan yöntemin bir adı vardır ve bu kod, röleyi açmak için `relay_on` ve kapatmak için `relay_off` adlı bir yöntem bekler.
+
+    > 💁 Bu, tek bir doğrudan yöntem isteği içinde de uygulanabilir. Rölenin istenen durumunu, yöntem isteğiyle birlikte gönderilebilen ve `request` nesnesinden erişilebilen bir yük olarak geçirebilirsiniz.
+
+1. Doğrudan yöntemler, çağıran koda işlendiklerini bildirmek için bir yanıt gerektirir. `handle_method_request` fonksiyonunun sonuna, isteğe yanıt oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    method_response = MethodResponse.create_from_method_request(request, 200)
+    device_client.send_method_response(method_response)
+    ```
+
+    Bu kod, doğrudan yöntem isteğine bir HTTP durum kodu 200 ile yanıt gönderir ve bunu IoT Hub'a geri gönderir.
+
+1. Bu fonksiyon tanımının altına aşağıdaki kodu ekleyin:
+
+    ```python
+    device_client.on_method_request_received = handle_method_request
+    ```
+
+    Bu kod, bir doğrudan yöntem çağrıldığında IoT Hub istemcisinin `handle_method_request` fonksiyonunu çağırmasını söyler.
+
+> 💁 Bu kodu [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) veya [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device) klasöründe bulabilirsiniz.
+
+😀 Toprak nem sensörü programınız IoT Hub'a bağlandı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/tr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
new file mode 100644
index 00000000..f099cf68
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T04:08:54+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
+  "language_code": "tr"
+}
+-->
+# IoT Cihazınızı Buluta Bağlayın - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal cihazınızı IoT Hub'a bağlayarak telemetri gönderecek ve komutlar alacaksınız.
+
+## Cihazınızı IoT Hub'a Bağlayın
+
+Bir sonraki adım, cihazınızı IoT Hub'a bağlamaktır.
+
+### Görev - IoT Hub'a bağlanın
+
+1. VS Code'da `soil-moisture-sensor` projesini açın.
+
+1. `platformio.ini` dosyasını açın. `knolleary/PubSubClient` kütüphane bağımlılığını kaldırın. Bu, genel bir MQTT broker'a bağlanmak için kullanılıyordu ve IoT Hub'a bağlanmak için gerekli değildir.
+
+1. Aşağıdaki kütüphane bağımlılıklarını ekleyin:
+
+    ```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` kütüphanesi, Wio Terminal'deki gerçek zamanlı saatle etkileşim kurmak için kod sağlar ve zamanı takip etmek için kullanılır. Diğer kütüphaneler, IoT cihazınızın IoT Hub'a bağlanmasını sağlar.
+
+1. `platformio.ini` dosyasının sonuna aşağıdakileri ekleyin:
+
+    ```ini
+    build_flags =
+        -DDONT_USE_UPLOADTOBLOB
+    ```
+
+    Bu, Arduino IoT Hub kodunu derlerken gerekli olan bir derleyici bayrağını ayarlar.
+
+1. `config.h` başlık dosyasını açın. Tüm MQTT ayarlarını kaldırın ve cihaz bağlantı dizesi için aşağıdaki sabiti ekleyin:
+
+    ```cpp
+    // IoT Hub settings
+    const char *CONNECTION_STRING = "<connection string>";
+    ```
+
+    `<connection string>` kısmını daha önce kopyaladığınız cihaz bağlantı dizesiyle değiştirin.
+
+1. IoT Hub bağlantısı zaman tabanlı bir token kullanır. Bu, IoT cihazının mevcut zamanı bilmesi gerektiği anlamına gelir. Windows, macOS veya Linux gibi işletim sistemlerinin aksine, mikrodenetleyiciler mevcut zamanı otomatik olarak İnternet üzerinden senkronize etmez. Bu, mevcut zamanı bir [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) sunucusundan alacak kod eklemeniz gerektiği anlamına gelir. Zaman alındıktan sonra, cihazın güç kaybetmediği sürece daha sonraki bir tarihte doğru zamanın istenmesine olanak tanıyan Wio Terminal'deki gerçek zamanlı saate kaydedilebilir. `ntp.h` adında yeni bir dosya oluşturun ve aşağıdaki kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kodun detayları bu dersin kapsamı dışındadır. Bu, bir NTP sunucusundan mevcut zamanı alıp Wio Terminal'deki saati ayarlayan `initTime` adlı bir fonksiyon tanımlar.
+
+1. `main.cpp` dosyasını açın ve tüm MQTT kodlarını kaldırın. Buna `PubSubClient.h` başlık dosyası, `PubSubClient` değişkeninin bildirimi, `reconnectMQTTClient` ve `createMQTTClient` yöntemleri ve bu değişkenlere ve yöntemlere yapılan tüm çağrılar dahildir. Bu dosya yalnızca WiFi'ye bağlanmak, toprak nemini almak ve bununla bir JSON belgesi oluşturmak için kod içermelidir.
+
+1. IoT Hub kütüphanelerini ve zamanı ayarlamak için başlık dosyalarını dahil etmek üzere `main.cpp` dosyasının üstüne aşağıdaki `#include` yönergelerini ekleyin:
+
+    ```cpp
+    #include <AzureIoTHub.h>
+    #include <AzureIoTProtocol_MQTT.h>
+    #include <iothubtransportmqtt.h>
+    #include "ntp.h"
+    ```
+
+1. Mevcut zamanı ayarlamak için `setup` fonksiyonunun sonuna aşağıdaki çağrıyı ekleyin:
+
+    ```cpp
+    initTime();
+    ```
+
+1. Dosyanın üst kısmına, include yönergelerinin hemen altına aşağıdaki değişken bildirimini ekleyin:
+
+    ```cpp
+    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
+    ```
+
+    Bu, IoT Hub'a bir bağlantı için bir `IOTHUB_DEVICE_CLIENT_LL_HANDLE` tanımlar.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```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");
+        }
+    }
+    ```
+
+    Bu, IoT Hub'a bağlantı durumu değiştiğinde (örneğin bağlanma veya bağlantının kesilmesi gibi) çağrılacak bir geri çağırma fonksiyonu tanımlar. Durum seri porta gönderilir.
+
+1. Bunun altına IoT Hub'a bağlanmak için bir fonksiyon ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, IoT Hub kütüphane kodunu başlatır ve ardından `config.h` başlık dosyasındaki bağlantı dizesini kullanarak bir bağlantı oluşturur. Bu bağlantı MQTT tabanlıdır. Bağlantı başarısız olursa, bu seri porta gönderilir - eğer çıktıda bunu görürseniz, bağlantı dizesini kontrol edin. Son olarak, bağlantı durumu geri çağırması ayarlanır.
+
+1. Bu fonksiyonu `setup` fonksiyonunda `initTime` çağrısının altına çağırın:
+
+    ```cpp
+    connectIoTHub();
+    ```
+
+1. MQTT istemcisinde olduğu gibi, bu kod tek bir iş parçacığında çalışır, bu nedenle hub tarafından gönderilen ve hub'a gönderilen mesajları işlemek için zamana ihtiyaç duyar. Bunu yapmak için, `loop` fonksiyonunun üstüne aşağıdakileri ekleyin:
+
+    ```cpp
+    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+    ```
+
+1. Bu kodu derleyip yükleyin. Seri monitörde bağlantıyı göreceksiniz:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Fetched NTP epoch time is: 1619983687
+    Sending telemetry {"soil_moisture":391}
+    The device client is connected to iothub
+    ```
+
+    Çıktıda, NTP zamanının alındığını ve ardından cihaz istemcisinin bağlandığını görebilirsiniz. Bağlanması birkaç saniye sürebilir, bu nedenle cihaz bağlanırken çıktıda toprak nemini görebilirsiniz.
+
+    > 💁 NTP için UNIX zamanını daha okunabilir bir sürüme dönüştürmek için [unixtimestamp.com](https://www.unixtimestamp.com) gibi bir web sitesi kullanabilirsiniz.
+
+## Telemetri Gönderin
+
+Artık cihazınız bağlı olduğuna göre, telemetriyi MQTT broker yerine IoT Hub'a gönderebilirsiniz.
+
+### Görev - telemetri gönderin
+
+1. `setup` fonksiyonunun üstüne aşağıdaki fonksiyonu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, bir parametre olarak geçirilen bir string'den bir IoT Hub mesajı oluşturur, bunu hub'a gönderir ve ardından mesaj nesnesini temizler.
+
+1. Bu kodu `loop` fonksiyonunda, telemetri seri porta gönderildikten hemen sonra çağırın:
+
+    ```cpp
+    sendTelemetry(telemetry.c_str());
+    ```
+
+## Komutları İşleyin
+
+Cihazınızın, röleyi kontrol etmek için sunucu kodundan gelen bir komutu işlemesi gerekir. Bu, doğrudan bir yöntem isteği olarak gönderilir.
+
+### Görev - doğrudan bir yöntem isteğini işleyin
+
+1. `connectIoTHub` fonksiyonunun öncesine aşağıdaki kodu ekleyin:
+
+    ```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);
+        }
+    }
+    ```
+
+    Bu kod, IoT Hub kütüphanesinin doğrudan bir yöntem isteği aldığında çağırabileceği bir geri çağırma yöntemi tanımlar. İstenen yöntem `method_name` parametresinde gönderilir. Bu fonksiyon, çağrılan yöntemi seri porta yazdırır ve yöntem adına bağlı olarak röleyi açar veya kapatır.
+
+    > 💁 Bu, yöntemin istenen durumunu bir yük olarak geçirerek ve bu yükü `payload` parametresinden alarak tek bir doğrudan yöntem isteği olarak da uygulanabilir.
+
+1. `directMethodCallback` fonksiyonunun sonuna aşağıdaki kodu ekleyin:
+
+    ```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;
+    ```
+
+    Doğrudan yöntem isteklerinin bir yanıtı olması gerekir ve yanıt iki bölümden oluşur - metin olarak bir yanıt ve bir dönüş kodu. Bu kod, aşağıdaki JSON belgesi olarak bir sonuç oluşturur:
+
+    ```JSON
+    {
+        "Result": ""
+    }
+    ```
+
+    Bu daha sonra `response` parametresine kopyalanır ve bu yanıtın boyutu `response_size` parametresinde ayarlanır. Bu kod daha sonra yöntemin doğru bir şekilde işlendiğini göstermek için `IOTHUB_CLIENT_OK` döndürür.
+
+1. Geri çağırmayı bağlamak için `connectIoTHub` fonksiyonunun sonuna aşağıdakileri ekleyin:
+
+    ```cpp
+    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
+    ```
+
+1. `loop` fonksiyonu, IoT Hub tarafından gönderilen olayları işlemek için `IoTHubDeviceClient_LL_DoWork` fonksiyonunu çağıracaktır. Bu, yalnızca `delay` nedeniyle her 10 saniyede bir çağrılır, bu da doğrudan yöntemlerin yalnızca her 10 saniyede bir işlenmesi anlamına gelir. Bunu daha verimli hale getirmek için, 10 saniyelik gecikme, her seferinde `IoTHubDeviceClient_LL_DoWork` fonksiyonunu çağırarak birçok kısa gecikme olarak uygulanabilir. Bunu yapmak için, `loop` fonksiyonunun üstüne aşağıdaki kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, `delay_time` parametresinde verilen süre boyunca beklemek için gereken kadar kez `IoTHubDeviceClient_LL_DoWork` fonksiyonunu çağırarak ve her seferinde 100ms gecikerek tekrar tekrar döngü yapar. Bu, cihazın doğrudan yöntem isteklerini işlemek için en fazla 100ms beklediği anlamına gelir.
+
+1. `loop` fonksiyonunda, `IoTHubDeviceClient_LL_DoWork` çağrısını kaldırın ve `delay(10000)` çağrısını aşağıdaki kodla değiştirin:
+
+    ```cpp
+    work_delay(10000);
+    ```
+
+> 💁 Bu kodu [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Toprak nem sensörü programınız IoT Hub'a bağlandı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/tr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
new file mode 100644
index 00000000..54a51232
--- /dev/null
+++ b/translations/tr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
@@ -0,0 +1,656 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
+  "translation_date": "2025-08-28T03:59:14+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
+  "language_code": "tr"
+}
+-->
+# Uygulama Mantığınızı Buluta Taşıyın
+
+![Bu dersin genel bir sketchnote özeti](../../../../../translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+Bu ders, [IoT for Beginners Projesi 2 - Dijital Tarım serisi](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) kapsamında [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) tarafından öğretilmiştir.
+
+[![IoT cihazınızı sunucusuz kodla kontrol edin](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
+
+## Giriş
+
+Son derste, bitki toprak nemi izleme ve röle kontrolünüzü bulut tabanlı bir IoT hizmetine nasıl bağlayacağınızı öğrendiniz. Bir sonraki adım, rölenin zamanlamasını kontrol eden sunucu kodunu buluta taşımaktır. Bu derste, bunu sunucusuz fonksiyonlar kullanarak nasıl yapacağınızı öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Sunucusuz nedir?](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Sunucusuz bir uygulama oluşturun](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Bir IoT Hub olay tetikleyicisi oluşturun](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Sunucusuz koddan doğrudan yöntem istekleri gönderin](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Sunucusuz kodunuzu buluta dağıtın](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+
+## Sunucusuz Nedir?
+
+Sunucusuz ya da sunucusuz bilişim, farklı türdeki olaylara yanıt olarak bulutta çalışan küçük kod blokları oluşturmayı içerir. Olay gerçekleştiğinde kodunuz çalıştırılır ve olaya dair veriler kodunuza iletilir. Bu olaylar, web isteklerinden, bir kuyruğa eklenen mesajlardan, bir veritabanındaki veri değişikliklerinden veya IoT cihazları tarafından bir IoT hizmetine gönderilen mesajlardan kaynaklanabilir.
+
+![IoT hizmetinden sunucusuz bir hizmete gönderilen olaylar, aynı anda birden fazla fonksiyon tarafından işleniyor](../../../../../translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.tr.png)
+
+> 💁 Daha önce veritabanı tetikleyicileri kullandıysanız, bunu bir olay (örneğin bir satır ekleme) tarafından tetiklenen kod olarak düşünebilirsiniz.
+
+![Birçok olay aynı anda gönderildiğinde, sunucusuz hizmet bunları aynı anda çalıştırmak için ölçeklenir](../../../../../translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.tr.png)
+
+Kodunuz yalnızca olay gerçekleştiğinde çalıştırılır, diğer zamanlarda kodunuz aktif değildir. Olay gerçekleşir, kodunuz yüklenir ve çalıştırılır. Bu, sunucusuz yapıyı oldukça ölçeklenebilir hale getirir - birçok olay aynı anda gerçekleşirse, bulut sağlayıcısı fonksiyonunuzu aynı anda ihtiyaç duyduğunuz kadar çalıştırabilir. Bunun dezavantajı, olaylar arasında bilgi paylaşmanız gerekiyorsa, bunu bellekte saklamak yerine bir veritabanı gibi bir yerde saklamanız gerektiğidir.
+
+Kodunuz, olayla ilgili ayrıntıları bir parametre olarak alan bir fonksiyon olarak yazılır. Bu sunucusuz fonksiyonları yazmak için çok çeşitli programlama dillerini kullanabilirsiniz.
+
+> 🎓 Sunucusuz, aynı zamanda Hizmet Olarak Fonksiyonlar (FaaS) olarak da adlandırılır, çünkü her olay tetikleyicisi kodda bir fonksiyon olarak uygulanır.
+
+Adına rağmen, sunucusuz aslında sunucular kullanır. Bu isim, bir geliştirici olarak kodunuzu çalıştırmak için gereken sunucularla ilgilenmemenizden kaynaklanır; tek önemsediğiniz, kodunuzun bir olaya yanıt olarak çalıştırılmasıdır. Bulut sağlayıcısı, kodunuzu çalıştırmak için gereken sunucuları, ağları, depolamayı, CPU'yu, belleği ve diğer her şeyi yöneten bir sunucusuz *çalışma zamanı* sağlar. Bu model, hizmet için sunucu başına ödeme yapamayacağınız anlamına gelir, çünkü bir sunucu yoktur. Bunun yerine, kodunuzun çalıştığı süre ve kullanılan bellek miktarı için ödeme yaparsınız.
+
+> 💰 Sunucusuz, bulutta kod çalıştırmanın en ucuz yollarından biridir. Örneğin, yazı yazıldığı sırada, bir bulut sağlayıcısı tüm sunucusuz fonksiyonlarınızın ayda toplam 1.000.000 kez çalıştırılmasına izin verir ve bundan sonra her 1.000.000 çalıştırma için 0,20 ABD doları ücret alır. Kodunuz çalışmadığında ödeme yapmazsınız.
+
+Bir IoT geliştiricisi olarak, sunucusuz model idealdir. Bulut barındırmalı IoT hizmetinize bağlı herhangi bir IoT cihazından gelen mesajlara yanıt olarak çağrılan bir fonksiyon yazabilirsiniz. Kodunuz gönderilen tüm mesajları işler, ancak yalnızca gerektiğinde çalışır.
+
+✅ MQTT üzerinden mesajları dinleyen sunucu kodu olarak yazdığınız koda geri dönün. Bu kodun sunucusuz olarak bulutta nasıl çalışabileceğini düşünün. Kodun sunucusuz bilişimi desteklemek için nasıl değiştirilebileceğini düşünün.
+
+> 💁 Sunucusuz model, kod çalıştırmanın ötesine geçerek diğer bulut hizmetlerine de taşınıyor. Örneğin, sunucusuz veritabanları, sorgu veya ekleme gibi veritabanına yapılan her istek başına ödeme yapılan bir fiyatlandırma modeliyle bulutta mevcuttur. Örneğin, birincil anahtara karşı bir satırın seçilmesi, birçok tabloyu birleştiren ve binlerce satır döndüren karmaşık bir işlemden daha az maliyetlidir.
+
+## Sunucusuz Bir Uygulama Oluşturun
+
+Microsoft'un sunucusuz bilişim hizmeti Azure Functions olarak adlandırılır.
+
+![Azure Functions logosu](../../../../../translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.tr.png)
+
+Aşağıdaki kısa video, Azure Functions hakkında bir genel bakış sunar.
+
+[![Azure Functions genel bakış videosu](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
+
+> 🎥 Videoyu izlemek için yukarıdaki görsele tıklayın.
+
+✅ Biraz araştırma yapın ve [Microsoft Azure Functions belgelerindeki](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn) Azure Functions genel bakışını okuyun.
+
+Azure Functions yazmak için, seçtiğiniz dilde bir Azure Functions uygulamasıyla başlarsınız. Azure Functions, Python, JavaScript, TypeScript, C#, F#, Java ve Powershell dillerini destekler. Bu derste, Python'da bir Azure Functions uygulamasının nasıl yazılacağını öğreneceksiniz.
+
+> 💁 Azure Functions ayrıca özel işleyicileri destekler, böylece HTTP isteklerini destekleyen herhangi bir dilde, hatta COBOL gibi eski dillerde bile fonksiyonlarınızı yazabilirsiniz.
+
+Functions uygulamaları, bir veya daha fazla *tetikleyici* içerir - olaylara yanıt veren fonksiyonlar. Bir Functions uygulamasında birden fazla tetikleyici olabilir ve hepsi ortak bir yapılandırmayı paylaşır. Örneğin, Functions uygulamanızın yapılandırma dosyasında IoT Hub bağlantı ayrıntılarını bulundurabilirsiniz ve uygulamadaki tüm fonksiyonlar bu bağlantıyı kullanarak olayları dinleyebilir.
+
+### Görev - Azure Functions Araçlarını Yükleyin
+
+> Yazı yazıldığı sırada, Azure Functions kod araçları Python projeleriyle Apple Silicon üzerinde tam olarak çalışmamaktadır. Bunun yerine Intel tabanlı bir Mac, Windows PC veya Linux PC kullanmanız gerekecektir.
+
+Azure Functions'un harika bir özelliği, yerel olarak çalıştırılabilmesidir. Bulutta kullanılan aynı çalışma zamanı bilgisayarınızda çalıştırılabilir, bu da IoT mesajlarına yanıt veren kod yazmanıza ve bunu yerel olarak çalıştırmanıza olanak tanır. Hatta olaylar işlenirken kodunuzu hata ayıklayabilirsiniz. Kodunuzdan memnun olduğunuzda, buluta dağıtabilirsiniz.
+
+Azure Functions araçları, Azure Functions Core Tools olarak bilinen bir CLI olarak mevcuttur.
+
+1. [Azure Functions Core Tools belgelerindeki](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn) talimatları izleyerek Azure Functions core tools'u yükleyin.
+
+1. VS Code için Azure Functions uzantısını yükleyin. Bu uzantı, Azure fonksiyonları oluşturma, hata ayıklama ve dağıtma desteği sağlar. Bu uzantıyı VS Code'a yükleme talimatları için [Azure Functions uzantı belgelerine](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions) bakın.
+
+Azure Functions uygulamanızı buluta dağıttığınızda, uygulama dosyaları ve günlük dosyaları gibi şeyleri depolamak için küçük bir miktar bulut depolama alanı kullanması gerekir. Functions uygulamanızı yerel olarak çalıştırdığınızda, yine de bulut depolamaya bağlanmanız gerekir, ancak gerçek bulut depolama yerine, [Azurite](https://github.com/Azure/Azurite) adlı bir depolama emülatörü kullanabilirsiniz. Bu, yerel olarak çalışır ancak bulut depolama gibi davranır.
+
+> 🎓 Azure'da, Azure Functions'un kullandığı depolama bir Azure Depolama Hesabıdır. Bu hesaplar dosyaları, blobları, tablolardaki verileri veya kuyruklardaki verileri depolayabilir. Bir depolama hesabını birçok uygulama arasında paylaşabilirsiniz, örneğin bir Functions uygulaması ve bir web uygulaması.
+
+1. Azurite bir Node.js uygulamasıdır, bu nedenle Node.js yüklemeniz gerekecektir. [Node.js web sitesindeki](https://nodejs.org/) indirme ve kurulum talimatlarını bulabilirsiniz. Mac kullanıyorsanız, ayrıca [Homebrew](https://formulae.brew.sh/formula/node) üzerinden de yükleyebilirsiniz.
+
+1. Azurite'ı aşağıdaki komutla yükleyin (`npm`, Node.js yüklediğinizde kurulan bir araçtır):
+
+    ```sh
+    npm install -g azurite
+    ```
+
+1. Azurite'ın veri depolamak için kullanacağı `azurite` adlı bir klasör oluşturun:
+
+    ```sh
+    mkdir azurite
+    ```
+
+1. Azurite'ı çalıştırın ve bu yeni klasörü belirtin:
+
+    ```sh
+    azurite --location azurite
+    ```
+
+    Azurite depolama emülatörü başlatılacak ve yerel Functions çalışma zamanı bağlanmaya hazır hale gelecektir.
+
+    ```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
+    ```
+
+### Görev - Bir Azure Functions Projesi Oluşturun
+
+Azure Functions CLI, yeni bir Functions uygulaması oluşturmak için kullanılabilir.
+
+1. Functions uygulamanız için bir klasör oluşturun ve bu klasöre gidin. Adını `soil-moisture-trigger` koyun:
+
+    ```sh
+    mkdir soil-moisture-trigger
+    cd soil-moisture-trigger
+    ```
+
+1. Bu klasörün içinde bir Python sanal ortamı oluşturun:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+1. Sanal ortamı etkinleştirin:
+
+    * Windows'ta:
+        * Komut İstemi veya Windows Terminal üzerinden Komut İstemi kullanıyorsanız, şu komutu çalıştırın:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * PowerShell kullanıyorsanız, şu komutu çalıştırın:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * macOS veya Linux'ta şu komutu çalıştırın:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Bu komutlar, sanal ortamı oluşturduğunuz konumdan çalıştırılmalıdır. `.venv` klasörüne asla gitmeniz gerekmez, her zaman etkinleştirme komutunu ve paketleri yüklemek veya kod çalıştırmak için gereken komutları sanal ortamı oluşturduğunuz klasörden çalıştırmalısınız.
+
+1. Aşağıdaki komutu çalıştırarak bu klasörde bir Functions uygulaması oluşturun:
+
+    ```sh
+    func init --worker-runtime python soil-moisture-trigger
+    ```
+
+    Bu, mevcut klasörün içine üç dosya oluşturacaktır:
+
+    * `host.json` - Bu JSON belgesi, Functions uygulamanız için ayarları içerir. Bu ayarları değiştirmeniz gerekmeyecek.
+    * `local.settings.json` - Bu JSON belgesi, IoT Hub bağlantı dizeleri gibi uygulamanızın yerel olarak çalışırken kullanacağı ayarları içerir. Bu ayarlar yalnızca yerel olarak kullanılır ve kaynak kod kontrolüne eklenmemelidir. Uygulama buluta dağıtıldığında, bu ayarlar dağıtılmaz, bunun yerine ayarlar uygulama ayarlarından yüklenir. Bu, bu derste daha sonra ele alınacaktır.
+    * `requirements.txt` - Bu, Functions uygulamanızı çalıştırmak için gereken Pip paketlerini içeren bir [Pip gereksinimler dosyasıdır](https://pip.pypa.io/en/stable/user_guide/#requirements-files).
+
+1. `local.settings.json` dosyasında, Functions uygulamasının kullanacağı depolama hesabı için bir ayar bulunur. Bu varsayılan olarak boş bir ayardır, bu nedenle ayarlanması gerekir. Azurite yerel depolama emülatörüne bağlanmak için bu değeri aşağıdaki gibi ayarlayın:
+
+    ```json
+    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
+    ```
+
+1. Gereken Pip paketlerini gereksinimler dosyasını kullanarak yükleyin:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 Gerekli Pip paketlerinin bu dosyada olması gerekir, böylece Functions uygulaması buluta dağıtıldığında, çalışma zamanı doğru paketleri yüklediğinden emin olabilir.
+
+1. Her şeyin doğru çalıştığından emin olmak için Functions çalışma zamanını başlatabilirsiniz. Bunu yapmak için şu komutu çalıştırın:
+
+    ```sh
+    func start
+    ```
+
+    Çalışma zamanının başlatıldığını ve herhangi bir iş fonksiyonu (tetikleyici) bulamadığını rapor ettiğini göreceksiniz.
+
+    ```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.
+    ```
+> ⚠️ Eğer bir güvenlik duvarı bildirimi alırsanız, erişim izni verin çünkü `func` uygulamasının ağınıza okuma ve yazma yetkisine sahip olması gerekiyor.
+> ⚠️ Eğer macOS kullanıyorsanız, çıktıda uyarılar olabilir:
+>
+> ```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.
+    > ```
+>
+> Functions uygulaması doğru bir şekilde başlıyor ve çalışan fonksiyonları listeliyorsa bu uyarıları görmezden gelebilirsiniz. [Microsoft Docs Q&A'deki bu soruda](https://docs.microsoft.com/answers/questions/396617/azure-functions-core-tools-error-osx-devshmazurefu.html?WT.mc_id=academic-17441-jabenn) belirtildiği gibi bu uyarılar önemsenmeyebilir.
+
+1. Functions uygulamasını `ctrl+c` tuşlarına basarak durdurun.
+
+1. Mevcut klasörü VS Code'da açın. Bunu ya VS Code'u açıp bu klasörü seçerek ya da aşağıdaki komutu çalıştırarak yapabilirsiniz:
+
+    ```sh
+    code .
+    ```
+
+    VS Code, Functions projenizi algılayacak ve şu bildirimi gösterecektir:
+
+    ```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?
+    ```
+
+    ![Bildirim](../../../../../translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.tr.png)
+
+    Bu bildirimi seçerek **Evet** deyin.
+
+1. VS Code terminalinde Python sanal ortamının çalıştığından emin olun. Gerekirse sanal ortamı sonlandırıp yeniden başlatın.
+
+## IoT Hub olay tetikleyicisi oluşturma
+
+Functions uygulaması, sunucusuz kodunuzun kabuğudur. IoT Hub olaylarına yanıt vermek için bu uygulamaya bir IoT Hub tetikleyicisi ekleyebilirsiniz. Bu tetikleyici, IoT Hub'a gönderilen mesajların akışına bağlanmalı ve bu mesajlara yanıt vermelidir. Mesaj akışını almak için tetikleyicinizin IoT Hub'ın *Event Hub uyumlu uç noktası*na bağlanması gerekir.
+
+IoT Hub, Azure Event Hubs adlı başka bir Azure hizmetine dayanır. Event Hubs, mesaj gönderip almanıza olanak tanıyan bir hizmettir; IoT Hub ise IoT cihazları için ek özellikler ekleyerek bunu genişletir. IoT Hub'dan mesajları okumak için bağlanma yöntemi, Event Hubs kullanıyormuşsunuz gibi aynıdır.
+
+✅ Araştırma yapın: [Azure Event Hubs belgelerinde](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn) Event Hubs'ın genel bakışını okuyun. Temel özellikler IoT Hub ile nasıl karşılaştırılıyor?
+
+Bir IoT cihazının IoT Hub'a bağlanabilmesi için yalnızca izin verilen cihazların bağlanmasını sağlayan bir gizli anahtar kullanması gerekir. Mesajları okumak için bağlanırken de aynı durum geçerlidir; kodunuzun bir gizli anahtar içeren ve IoT Hub'ın ayrıntılarını içeren bir bağlantı dizesine ihtiyacı olacaktır.
+
+> 💁 Varsayılan bağlantı dizesi **iothubowner** izinlerine sahiptir, bu da onu kullanan herhangi bir koda IoT Hub üzerinde tam izinler verir. İdeal olarak, yalnızca gerekli olan en düşük izin seviyesinde bağlanmalısınız. Bu, bir sonraki derste ele alınacaktır.
+
+Tetkikleyiciniz bağlandıktan sonra, IoT Hub'a gönderilen her mesaj için fonksiyon içindeki kod çağrılacaktır; mesajın hangi cihazdan gönderildiği fark etmeksizin. Tetkikleyici, mesajı bir parametre olarak alacaktır.
+
+### Görev - Event Hub uyumlu uç nokta bağlantı dizesini alın
+
+1. IoT Hub'ın Event Hub uyumlu uç noktası için bağlantı dizesini almak üzere VS Code terminalinden aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az iot hub connection-string show --default-eventhub \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` kısmını IoT Hub için kullandığınız adla değiştirin.
+
+1. VS Code'da `local.settings.json` dosyasını açın. `Values` bölümüne aşağıdaki ek değeri ekleyin:
+
+    ```json
+    "IOT_HUB_CONNECTION_STRING": "<connection string>"
+    ```
+
+    `<connection string>` kısmını önceki adımdan aldığınız değerle değiştirin. Bu geçerli bir JSON yapmak için yukarıdaki satırdan sonra bir virgül eklemeniz gerekecek.
+
+### Görev - bir olay tetikleyicisi oluşturun
+
+Artık olay tetikleyicisini oluşturmaya hazırsınız.
+
+1. VS Code terminalinden `soil-moisture-trigger` klasörünün içinden aşağıdaki komutu çalıştırın:
+
+    ```sh
+    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
+    ```
+
+    Bu, `iot-hub-trigger` adlı yeni bir Fonksiyon oluşturur. Tetkikleyici, IoT Hub'daki Event Hub uyumlu uç noktaya bağlanacak, böylece bir Event Hub tetikleyicisi kullanabilirsiniz. IoT Hub için özel bir tetikleyici yoktur.
+
+Bu işlem, `soil-moisture-trigger` klasörünün içinde `iot-hub-trigger` adlı bir klasör oluşturur ve bu klasör şu dosyaları içerir:
+
+* `__init__.py` - Bu, tetikleyiciyi içeren Python kod dosyasıdır ve bu klasörü bir Python modülüne dönüştürmek için standart Python dosya adı sözleşmesini kullanır.
+
+    Bu dosya aşağıdaki kodu içerir:
+
+    ```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'))
+    ```
+
+    Tetkikleyicinin çekirdeği `main` fonksiyonudur. IoT Hub'dan gelen olaylarla bu fonksiyon çağrılır. Bu fonksiyonun `event` adlı bir parametresi vardır ve bu parametre bir `EventHubEvent` içerir. IoT Hub'a her mesaj gönderildiğinde, bu fonksiyon mesajı `event` olarak ve önceki derste gördüğünüz açıklamalarla aynı olan özelliklerle birlikte alır.
+
+    Bu fonksiyonun çekirdeği, olayı kaydeder.
+
+* `function.json` - Bu dosya tetikleyici için yapılandırma içerir. Ana yapılandırma `bindings` adlı bir bölümde bulunur. Binding, Azure Functions ile diğer Azure hizmetleri arasındaki bağlantı için kullanılan terimdir. Bu fonksiyonun bir Event Hub'a giriş binding'i vardır - Event Hub'a bağlanır ve veri alır.
+
+    > 💁 Ayrıca bir fonksiyonun çıktısının başka bir hizmete gönderilmesi için çıkış binding'leri de ekleyebilirsiniz. Örneğin, bir veritabanına bir çıkış binding'i ekleyebilir ve IoT Hub olayını fonksiyondan döndürebilir, böylece otomatik olarak veritabanına eklenir.
+
+    ✅ Araştırma yapın: [Azure Functions tetikleyiciler ve binding kavramları belgelerinde](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python) binding'ler hakkında bilgi edinin.
+
+    `bindings` bölümü binding için yapılandırma içerir. İlginç olan değerler şunlardır:
+
+  * `"type": "eventHubTrigger"` - Bu, fonksiyonun Event Hub'dan gelen olayları dinlemesi gerektiğini belirtir.
+  * `"name": "events"` - Bu, Event Hub olayları için kullanılacak parametre adıdır. Bu, Python kodundaki `main` fonksiyonundaki parametre adıyla eşleşir.
+  * `"direction": "in"` - Bu bir giriş binding'idir, Event Hub'dan gelen veri fonksiyona gelir.
+  * `"connection": ""` - Bu, bağlantı dizesini okumak için ayarın adını tanımlar. Yerel olarak çalıştırıldığında, bu ayarı `local.settings.json` dosyasından okur.
+
+    > 💁 Bağlantı dizesi `function.json` dosyasında saklanamaz, ayarlardan okunması gerekir. Bu, bağlantı dizenizi yanlışlıkla ifşa etmenizi önlemek içindir.
+
+1. [Azure Functions şablonundaki bir hatadan](https://github.com/Azure/azure-functions-templates/issues/1250) dolayı, `function.json` dosyasındaki `cardinality` alanı yanlış bir değere sahiptir. Bu alanı `many` değerinden `one` değerine güncelleyin:
+
+    ```json
+    "cardinality": "one",
+    ```
+
+1. `function.json` dosyasındaki `"connection"` değerini, `local.settings.json` dosyasına eklediğiniz yeni değere işaret edecek şekilde güncelleyin:
+
+    ```json
+    "connection": "IOT_HUB_CONNECTION_STRING",
+    ```
+
+    > 💁 Unutmayın - bu ayara işaret etmeli, gerçek bağlantı dizesini içermemelidir.
+
+1. Bağlantı dizesi `eventHubName` değerini içerir, bu nedenle `function.json` dosyasındaki bu değerin boş bir dizeye ayarlanması gerekir. Bu değeri boş bir dizeye güncelleyin:
+
+    ```json
+    "eventHubName": "",
+    ```
+
+### Görev - olay tetikleyicisini çalıştırın
+
+1. IoT Hub olay monitörünün çalışmadığından emin olun. Bu, Functions uygulamasıyla aynı anda çalışıyorsa, Functions uygulaması bağlanamaz ve olayları tüketemez.
+
+    > 💁 Birden fazla uygulama, farklı *tüketici grupları* kullanarak IoT Hub uç noktalarına bağlanabilir. Bunlar ilerleyen bir derste ele alınacaktır.
+
+1. Functions uygulamasını çalıştırmak için VS Code terminalinden aşağıdaki komutu çalıştırın:
+
+    ```sh
+    func start
+    ```
+
+    Functions uygulaması başlayacak ve `iot-hub-trigger` fonksiyonunu keşfedecektir. Ardından, IoT Hub'a son bir gün içinde gönderilen tüm olayları işleyecektir.
+
+    ```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)
+    ```
+
+    Her fonksiyon çağrısı, çıktıda `Executing 'Functions.iot-hub-trigger'`/`Executed 'Functions.iot-hub-trigger'` bloklarıyla çevrili olacaktır, böylece her fonksiyon çağrısında kaç mesaj işlendiğini görebilirsiniz.
+
+1. IoT cihazınızın çalıştığından emin olun. Functions uygulamasında yeni toprak nemi mesajlarının göründüğünü göreceksiniz.
+
+1. Functions uygulamasını durdurup yeniden başlatın. Önceki mesajları tekrar işlemeyeceğini, yalnızca yeni mesajları işleyeceğini göreceksiniz.
+
+> 💁 VS Code ayrıca Functions uygulamanızı hata ayıklamayı destekler. Kodun her satırının başındaki kenarlığa tıklayarak, kodun bir satırına imleci yerleştirip *Çalıştır -> Kesme noktası değiştir* seçeneğini seçerek veya `F9` tuşuna basarak kesme noktaları ayarlayabilirsiniz. Hata ayıklayıcıyı başlatmak için *Çalıştır -> Hata ayıklamayı başlat* seçeneğini seçebilir, `F5` tuşuna basabilir veya *Çalıştır ve hata ayıkla* panelini seçip **Hata ayıklamayı başlat** düğmesine tıklayabilirsiniz. Bunu yaparak işlenen olayların ayrıntılarını görebilirsiniz.
+
+#### Sorun Giderme
+
+* Eğer şu hatayı alırsanız:
+
+    ```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.
+    ```
+
+    Azurite'ın çalıştığından ve `local.settings.json` dosyasındaki `AzureWebJobsStorage` ayarını `UseDevelopmentStorage=true` olarak ayarladığınızdan emin olun.
+
+* Eğer şu hatayı alırsanız:
+
+    ```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'
+    ```
+
+    `function.json` dosyasındaki `cardinality` değerini `one` olarak ayarladığınızdan emin olun.
+
+* Eğer şu hatayı alırsanız:
+
+    ```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').
+    ```
+
+    `function.json` dosyasındaki `eventHubName` değerini boş bir dize olarak ayarladığınızdan emin olun.
+
+## Sunucusuz koddan doğrudan yöntem istekleri gönderme
+
+Şu ana kadar Functions uygulamanız, Event Hub uyumlu uç noktayı kullanarak IoT Hub'dan gelen mesajları dinliyor. Şimdi IoT cihazına komut göndermeniz gerekiyor. Bu, IoT Hub'a *Registry Manager* üzerinden farklı bir bağlantı kullanılarak yapılır. Registry Manager, IoT Hub'a kayıtlı cihazları görmenizi ve bu cihazlarla bulut cihaz mesajları, doğrudan yöntem istekleri veya cihaz ikizini güncelleyerek iletişim kurmanızı sağlar. Ayrıca IoT Hub'dan IoT cihazları kaydetmek, güncellemek veya silmek için de kullanılabilir.
+
+Registry Manager'a bağlanmak için bir bağlantı dizesine ihtiyacınız var.
+
+### Görev - Registry Manager bağlantı dizesini alın
+
+1. Bağlantı dizesini almak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az iot hub connection-string show --policy-name service \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` kısmını IoT Hub için kullandığınız adla değiştirin.
+
+    Bağlantı dizesi, `--policy-name service` parametresi kullanılarak *ServiceConnect* politikası için istenir. Bir bağlantı dizesi talep ettiğinizde, bu bağlantı dizisinin hangi izinlere sahip olacağını belirtebilirsiniz. ServiceConnect politikası, kodunuzun bağlanmasına ve IoT cihazlarına mesaj göndermesine izin verir.
+
+    ✅ Araştırma yapın: [IoT Hub izinleri belgelerinde](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn) farklı politikalar hakkında bilgi edinin.
+
+1. VS Code'da `local.settings.json` dosyasını açın. `Values` bölümüne aşağıdaki ek değeri ekleyin:
+
+    ```json
+    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
+    ```
+
+    `<connection string>` kısmını önceki adımdan aldığınız değerle değiştirin. Bu geçerli bir JSON yapmak için yukarıdaki satırdan sonra bir virgül eklemeniz gerekecek.
+
+### Görev - bir cihaza doğrudan yöntem isteği gönderin
+
+1. Registry Manager için SDK, bir Pip paketi aracılığıyla kullanılabilir. Bu pakete bağımlılığı eklemek için `requirements.txt` dosyasına aşağıdaki satırı ekleyin:
+
+    ```sh
+    azure-iot-hub
+    ```
+
+1. VS Code terminalinde sanal ortamın etkin olduğundan emin olun ve Pip paketlerini yüklemek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+1. `__init__.py` dosyasına aşağıdaki importları ekleyin:
+
+    ```python
+    import json
+    import os
+    from azure.iot.hub import IoTHubRegistryManager
+    from azure.iot.hub.models import CloudToDeviceMethod
+    ```
+
+    Bu, sistem kütüphanelerini ve Registry Manager ile doğrudan yöntem istekleri göndermek için kütüphaneleri içe aktarır.
+
+1. `main` metodunun içindeki kodu kaldırın, ancak metodu kendisini koruyun.
+
+1. `main` metodunun içine aşağıdaki kodu ekleyin:
+
+    ```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}')
+    ```
+
+    Bu kod, IoT cihazı tarafından gönderilen JSON mesajını içeren olayın gövdesini çıkarır.
+
+    Daha sonra, mesajla birlikte gönderilen açıklamalardan cihaz kimliğini alır. Olayın gövdesi, telemetri olarak gönderilen mesajı içerir; `iothub_metadata` sözlüğü ise IoT Hub tarafından ayarlanan cihaz kimliği ve mesajın gönderildiği zaman gibi özellikleri içerir.
+
+    Bu bilgiler daha sonra kaydedilir. Functions uygulamasını yerel olarak çalıştırdığınızda bu kaydı terminalde göreceksiniz.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```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='{}')
+    ```
+
+    Bu kod, mesajdan toprak nemini alır. Daha sonra toprak nemini kontrol eder ve değere bağlı olarak `relay_on` veya `relay_off` doğrudan yöntem isteği için bir yardımcı sınıf oluşturur. Yöntem isteği bir yük gerektirmez, bu nedenle boş bir JSON belgesi gönderilir.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```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)
+    ```
+Bu kod, `local.settings.json` dosyasından `REGISTRY_MANAGER_CONNECTION_STRING` değerini yükler. Bu dosyadaki değerler ortam değişkenleri olarak kullanılabilir hale gelir ve `os.environ` fonksiyonu kullanılarak okunabilir. Bu fonksiyon, tüm ortam değişkenlerini içeren bir sözlük döndürür.
+
+> 💁 Bu kod buluta dağıtıldığında, `local.settings.json` dosyasındaki değerler *Uygulama Ayarları* olarak ayarlanır ve ortam değişkenlerinden okunabilir.
+
+Kod daha sonra bağlantı dizesini kullanarak Registry Manager yardımcı sınıfının bir örneğini oluşturur.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```python
+    registry_manager.invoke_device_method(device_id, direct_method)
+
+    logging.info('Direct method request sent!')
+    ```
+
+    Bu kod, registry manager'a telemetri gönderen cihaza doğrudan yöntem isteği göndermesini söyler.
+
+    > 💁 Daha önceki derslerde MQTT kullanarak oluşturduğunuz uygulama sürümlerinde, röle kontrol komutları tüm cihazlara gönderiliyordu. Kod, yalnızca bir cihazınız olacağını varsayıyordu. Bu kod sürümü, yöntem isteğini tek bir cihaza gönderir, bu nedenle birden fazla nem sensörü ve röle kurulumunuz varsa doğru yöntemi doğru cihaza göndermek için çalışır.
+
+1. Functions uygulamasını çalıştırın ve IoT cihazınızın veri gönderdiğinden emin olun. Mesajların işlendiğini ve doğrudan yöntem isteklerinin gönderildiğini göreceksiniz. Toprak nem sensörünü toprağın içine ve dışına hareket ettirerek değerlerin değiştiğini ve rölenin açılıp kapandığını gözlemleyin.
+
+> 💁 Bu kodu [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions) klasöründe bulabilirsiniz.
+
+## Sunucusuz kodunuzu buluta dağıtın
+
+Kodunuz artık yerel olarak çalışıyor, bu yüzden bir sonraki adım Functions App'i buluta dağıtmaktır.
+
+### Görev - bulut kaynaklarını oluşturun
+
+Functions uygulamanızın, IoT Hub için oluşturduğunuz Resource Group içinde yer alan bir Azure Functions App kaynağına dağıtılması gerekiyor. Ayrıca, yerel olarak çalışan emüle edilmiş depolama yerine Azure'da bir Storage Account oluşturmanız gerekecek.
+
+1. Bir depolama hesabı oluşturmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az storage account create --resource-group soil-moisture-sensor \
+                              --sku Standard_LRS \
+                              --name <storage_name> 
+    ```
+
+    `<storage_name>` yerine depolama hesabınız için bir ad yazın. Bu ad, depolama hesabına erişmek için kullanılan URL'nin bir parçasını oluşturduğu için küresel olarak benzersiz olmalıdır. Bu ad için yalnızca küçük harfler ve rakamlar kullanılabilir, başka karakterler kullanılamaz ve 24 karakterle sınırlıdır. `sms` gibi bir şey kullanın ve sonuna rastgele kelimeler veya adınızı ekleyerek benzersiz bir tanımlayıcı ekleyin.
+
+    `--sku Standard_LRS`, en düşük maliyetli genel amaçlı hesabı seçerek fiyatlandırma katmanını belirler. Depolama için ücretsiz bir katman yoktur ve kullandığınız kadar ödeme yaparsınız. Maliyetler nispeten düşüktür, en pahalı depolama gigabayt başına ayda 0,05 ABD dolarından azdır.
+
+    ✅ Fiyatlandırma hakkında daha fazla bilgi edinin: [Azure Storage Account pricing page](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn)
+
+1. Bir Function App oluşturmak için aşağıdaki komutu çalıştırın:
+
+    ```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>` yerine önceki derste Resource Group oluştururken kullandığınız konumu yazın.
+
+    `<storage_name>` yerine bir önceki adımda oluşturduğunuz depolama hesabının adını yazın.
+
+    `<functions_app_name>` yerine Functions App için benzersiz bir ad yazın. Bu ad, Functions App'e erişmek için kullanılan URL'nin bir parçasını oluşturduğu için küresel olarak benzersiz olmalıdır. `soil-moisture-sensor-` gibi bir şey kullanın ve sonuna rastgele kelimeler veya adınızı ekleyerek benzersiz bir tanımlayıcı ekleyin.
+
+    `--functions-version 3` seçeneği, kullanılacak Azure Functions sürümünü ayarlar. Sürüm 3 en son sürümdür.
+
+    `--os-type Linux`, Functions runtime'ın bu fonksiyonları barındırmak için Linux'u kullanmasını söyler. Fonksiyonlar kullanılan programlama diline bağlı olarak Linux veya Windows üzerinde barındırılabilir. Python uygulamaları yalnızca Linux üzerinde desteklenir.
+
+### Görev - uygulama ayarlarınızı yükleyin
+
+Functions App'inizi geliştirirken, IoT Hub bağlantı dizeleri için `local.settings.json` dosyasına bazı ayarlar kaydettiniz. Bu ayarların, kodunuz tarafından kullanılabilmesi için Azure'daki Functions App'in Uygulama Ayarlarına yazılması gerekiyor.
+
+> 🎓 `local.settings.json` dosyası yalnızca yerel geliştirme ayarları içindir ve GitHub gibi kaynak kod kontrolüne eklenmemelidir. Buluta dağıtıldığında, Uygulama Ayarları kullanılır. Uygulama Ayarları, bulutta barındırılan anahtar/değer çiftleridir ve kodunuzda veya IoT Hub'a bağlanırken runtime tarafından ortam değişkenlerinden okunur.
+
+1. Functions App Uygulama Ayarlarında `IOT_HUB_CONNECTION_STRING` ayarını belirlemek için aşağıdaki komutu çalıştırın:
+
+    ```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>` yerine Functions App için kullandığınız adı yazın.
+
+    `<connection string>` yerine `local.settings.json` dosyasındaki `IOT_HUB_CONNECTION_STRING` değerini yazın.
+
+1. Yukarıdaki adımı tekrarlayın, ancak `REGISTRY_MANAGER_CONNECTION_STRING` değerini `local.settings.json` dosyasındaki karşılık gelen değerle ayarlayın.
+
+Bu komutları çalıştırdığınızda, aynı zamanda Functions App için tüm Uygulama Ayarlarının bir listesini de göreceksiniz. Değerlerinizin doğru ayarlandığını kontrol etmek için bu listeyi kullanabilirsiniz.
+
+> 💁 `AzureWebJobsStorage` için zaten ayarlanmış bir değer göreceksiniz. `local.settings.json` dosyanızda, bu değer yerel depolama emülatörünü kullanmak için ayarlanmıştı. Functions App oluşturduğunuzda, depolama hesabını bir parametre olarak geçersiniz ve bu ayar otomatik olarak belirlenir.
+
+### Görev - Functions App'inizi buluta dağıtın
+
+Functions App artık hazır olduğuna göre, kodunuz dağıtılabilir.
+
+1. Functions App'inizi yayınlamak için VS Code terminalinden aşağıdaki komutu çalıştırın:
+
+    ```sh
+    func azure functionapp publish <functions_app_name>
+    ```
+
+    `<functions_app_name>` yerine Functions App için kullandığınız adı yazın.
+
+Kod paketlenip Functions App'e gönderilecek, burada dağıtılacak ve başlatılacak. Konsol çıktısı oldukça fazla olacak ve dağıtımın onayı ile dağıtılan fonksiyonların bir listesini içerecek. Bu durumda liste yalnızca tetikleyiciyi içerecek.
+
+```output
+Deployment successful.
+Remote build succeeded!
+Syncing triggers...
+Functions in soil-moisture-sensor:
+    iot-hub-trigger - [eventHubTrigger]
+```
+
+IoT cihazınızın çalıştığından emin olun. Nem seviyelerini değiştirerek toprağın nemini ayarlayın veya sensörü toprağın içine ve dışına hareket ettirin. Toprak nemi değiştikçe rölenin açılıp kapandığını göreceksiniz.
+
+---
+
+## 🚀 Zorluk
+
+Önceki derste, röle için zamanlamayı röle açıkken ve kapandıktan kısa bir süre sonra MQTT mesajlarından aboneliği kaldırarak yönettiniz. Burada bu yöntemi kullanamazsınız - IoT Hub tetikleyicinizi abonelikten çıkaramazsınız.
+
+Functions App'inizde bunu farklı şekillerde nasıl ele alabileceğinizi düşünün.
+
+## Ders sonrası test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
+
+## İnceleme ve Kendi Kendine Çalışma
+
+* Sunucusuz bilişim hakkında daha fazla bilgi edinin: [Serverless Computing page on Wikipedia](https://wikipedia.org/wiki/Serverless_computing)
+* Azure'da sunucusuz kullanımı ve daha fazla örnek hakkında bilgi edinin: [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)
+* Azure Functions hakkında daha fazla bilgi edinin: [Azure Functions YouTube channel](https://www.youtube.com/c/AzureFunctions)
+
+## Ödev
+
+[Manuel röle kontrolü ekleyin](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/tr/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
new file mode 100644
index 00000000..23281034
--- /dev/null
+++ b/translations/tr/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
@@ -0,0 +1,70 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
+  "translation_date": "2025-08-28T04:01:12+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Manuel Röle Kontrolü Ekle
+
+## Talimatlar
+
+Sunucusuz kod, HTTP istekleri de dahil olmak üzere birçok farklı şey tarafından tetiklenebilir. HTTP tetikleyicilerini kullanarak röle kontrolünü manuel olarak devre dışı bırakabilir veya etkinleştirebilirsiniz. Bu, bir web isteği aracılığıyla birinin röleyi açıp kapatmasına olanak tanır.
+
+Bu görev için, cihazınıza komut göndermek için bu derste öğrendiklerinizi yeniden kullanarak, röleyi açıp kapatmak için Functions App'inize iki HTTP tetikleyici eklemeniz gerekiyor.
+
+Bazı ipuçları:
+
+* Mevcut Functions App'inize bir HTTP tetikleyici eklemek için aşağıdaki komutu kullanabilirsiniz:
+
+    ```sh
+    func new --name <trigger name> --template "HTTP trigger"
+    ```
+
+    `<trigger name>` kısmını HTTP tetikleyiciniz için bir adla değiştirin. Örneğin, `relay_on` ve `relay_off` gibi adlar kullanabilirsiniz.
+
+* HTTP tetikleyiciler erişim kontrolüne sahip olabilir. Varsayılan olarak, çalıştırılabilmesi için URL ile birlikte işleve özgü bir API anahtarı geçirilmesi gerekir. Bu görev için, bu kısıtlamayı kaldırabilir ve herkesin işlevi çalıştırabilmesini sağlayabilirsiniz. Bunu yapmak için, HTTP tetikleyiciler için `function.json` dosyasındaki `authLevel` ayarını aşağıdaki şekilde güncelleyin:
+
+    ```json
+    "authLevel": "anonymous"
+    ```
+
+    > 💁 Bu erişim kontrolü hakkında daha fazla bilgiyi [Function access keys documentation](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys) adresinde okuyabilirsiniz.
+
+* HTTP tetikleyiciler varsayılan olarak GET ve POST isteklerini destekler. Bu, onları web tarayıcınızı kullanarak çağırabileceğiniz anlamına gelir - web tarayıcıları GET istekleri yapar.
+
+    Functions App'inizi yerel olarak çalıştırdığınızda, tetikleyicinin URL'sini göreceksiniz:
+
+    ```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'yi tarayıcınıza yapıştırın ve `enter` tuşuna basın veya VS Code'daki terminal penceresindeki bağlantıya `Ctrl+click` (macOS'ta `Cmd+click`) yaparak varsayılan tarayıcınızda açın. Bu, tetikleyiciyi çalıştıracaktır.
+
+    > 💁 URL'nin `/api` içerdiğine dikkat edin - HTTP tetikleyiciler varsayılan olarak `api` alt alanında bulunur.
+
+* Functions App'i dağıttığınızda, HTTP tetikleyici URL'si şu şekilde olacaktır:
+
+    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
+
+    Burada `<functions app name>` Functions App'inizin adı, `<trigger name>` ise tetikleyicinizin adıdır.
+
+## Değerlendirme Kriterleri
+
+| Kriter | Örnek Çalışma | Yeterli | Geliştirmeye Açık |
+| -------- | --------- | -------- | ----------------- |
+| HTTP tetikleyiciler oluşturma | Röleyi açıp kapatmak için uygun adlara sahip 2 tetikleyici oluşturuldu | Uygun bir ada sahip bir tetikleyici oluşturuldu | Hiçbir tetikleyici oluşturulamadı |
+| HTTP tetikleyicilerden röleyi kontrol etme | Her iki tetikleyici de IoT Hub'a bağlanarak röleyi uygun şekilde kontrol edebildi | Bir tetikleyici IoT Hub'a bağlanarak röleyi uygun şekilde kontrol edebildi | Tetikleyiciler IoT Hub'a bağlanamadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/tr/2-farm/lessons/6-keep-your-plant-secure/README.md
new file mode 100644
index 00000000..b3def7b8
--- /dev/null
+++ b/translations/tr/2-farm/lessons/6-keep-your-plant-secure/README.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
+  "translation_date": "2025-08-28T04:02:31+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
+  "language_code": "tr"
+}
+-->
+# Bitkinizi Güvende Tutun
+
+![Bu dersin bir skeç notu](../../../../../translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.tr.jpg)
+
+> Skeç notu: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için resme tıklayın.
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
+
+## Giriş
+
+Son birkaç derste bir toprak izleme IoT cihazı oluşturup bunu buluta bağladınız. Peki ya rakip bir çiftçi için çalışan hackerlar IoT cihazlarınızın kontrolünü ele geçirirse? Ya sürekli yüksek toprak nemi ölçümleri gönderip bitkilerinizin hiç sulanmamasına neden olurlarsa? Ya da sulama sisteminizi sürekli açık tutarak bitkilerinizi aşırı sulamadan öldürüp size su faturası olarak küçük bir servete mal olurlarsa?
+
+Bu derste IoT cihazlarını güvence altına almayı öğreneceksiniz. Ayrıca, bu proje için son ders olduğu için, bulut kaynaklarınızı temizlemeyi ve olası maliyetleri azaltmayı da öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Neden IoT cihazlarını güvence altına almanız gerekiyor?](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Kriptografi](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [IoT cihazlarınızı güvence altına alın](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Bir X.509 sertifikası oluşturun ve kullanın](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+
+> 🗑 Bu proje için son ders olduğundan, bu dersi ve ödevi tamamladıktan sonra bulut hizmetlerinizi temizlemeyi unutmayın. Ödevi tamamlamak için bu hizmetlere ihtiyacınız olacak, bu yüzden önce ödevi tamamladığınızdan emin olun.
+>
+> Gerekirse [projenizi temizleme rehberine](../../../clean-up.md) başvurabilirsiniz.
+
+## Neden IoT cihazlarını güvence altına almanız gerekiyor?
+
+IoT güvenliği, yalnızca beklenen cihazların bulut IoT hizmetinize bağlanmasını ve telemetri göndermesini, yalnızca bulut hizmetinizin cihazlarınıza komut gönderebilmesini sağlamayı içerir. IoT verileri, tıbbi veya kişisel veriler gibi hassas bilgiler içerebilir, bu nedenle tüm uygulamanızın bu verilerin sızdırılmasını önlemek için güvenliği dikkate alması gerekir.
+
+IoT uygulamanız güvenli değilse, bir dizi riskle karşı karşıya kalabilirsiniz:
+
+* Sahte bir cihaz yanlış veri gönderebilir ve uygulamanızın yanlış tepki vermesine neden olabilir. Örneğin, sürekli yüksek toprak nemi ölçümleri göndererek sulama sisteminizin hiç çalışmamasına ve bitkilerinizin susuzluktan ölmesine neden olabilirler.
+* Yetkisiz kullanıcılar, IoT cihazlarından kişisel veya iş açısından kritik verileri okuyabilir.
+* Hackerlar, cihazı veya bağlı donanımı zarar verecek şekilde kontrol etmek için komutlar gönderebilir.
+* IoT cihazına bağlanarak, hackerlar başka ağlara erişim sağlayabilir ve özel sistemlere ulaşabilir.
+* Kötü niyetli kullanıcılar kişisel verilere erişebilir ve bu verileri şantaj için kullanabilir.
+
+Bunlar gerçek dünya senaryolarıdır ve sürekli olarak meydana gelir. Daha önceki derslerde bazı örnekler verilmişti, ancak işte birkaç tane daha:
+
+* 2018'de hackerlar, bir balık tankı termostatındaki açık bir WiFi erişim noktasını kullanarak bir casinonun ağına erişip veri çaldılar. [The Hacker News - Casino Gets Hacked Through Its Internet-Connected Fish Tank Thermometer](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
+* 2016'da Mirai Botnet, bir internet servis sağlayıcısı olan Dyn'a hizmet reddi saldırısı başlattı ve internetin büyük bir kısmını çökertti. Bu botnet, DVR'lar ve kameralar gibi IoT cihazlarına varsayılan kullanıcı adları ve şifrelerle bağlanarak saldırıyı başlattı. [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, CloudPets bağlantılı oyuncaklarının kullanıcı veritabanını internet üzerinden herkese açık hale getirdi. [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, koşucuları etiketleyerek rotalarını gösterdi ve yabancıların nerede yaşadığınızı görmesine olanak tanıdı. [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/).
+
+✅ Bir araştırma yapın: IoT hackleri ve IoT verilerinin ihlalleriyle ilgili daha fazla örnek arayın, özellikle internet bağlantılı diş fırçaları veya tartılar gibi kişisel eşyalarla ilgili olanları. Bu hacklerin mağdurlar veya müşteriler üzerindeki etkilerini düşünün.
+
+> 💁 Güvenlik çok geniş bir konudur ve bu ders yalnızca cihazınızı buluta bağlama ile ilgili bazı temel konulara değinecektir. Veri değişikliklerini izleme, cihazları doğrudan hackleme veya cihaz yapılandırmalarındaki değişiklikler gibi konular ele alınmayacaktır. IoT hackleme o kadar büyük bir tehdit ki, [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn) gibi araçlar geliştirilmiştir. Bu araçlar, bilgisayarınızda bulunan antivirüs ve güvenlik araçlarına benzer, ancak küçük, düşük güçlü IoT cihazları için tasarlanmıştır.
+
+## Kriptografi
+
+Bir cihaz bir IoT hizmetine bağlandığında, kendini tanımlamak için bir kimlik kullanır. Sorun şu ki, bu kimlik kopyalanabilir - bir hacker, gerçek bir cihazla aynı kimliği kullanan ancak sahte veri gönderen kötü niyetli bir cihaz kurabilir.
+
+![Hem geçerli hem de kötü niyetli cihazlar aynı kimliği kullanarak telemetri gönderebilir](../../../../../translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.tr.png)
+
+Bunun çözümü, gönderilen verileri yalnızca cihaz ve bulut tarafından bilinen bir değer kullanarak şifrelenmiş bir formata dönüştürmektir. Bu işleme *şifreleme* denir ve verileri şifrelemek için kullanılan değere *şifreleme anahtarı* denir.
+
+![Şifreleme kullanılırsa, yalnızca şifrelenmiş mesajlar kabul edilir, diğerleri reddedilir](../../../../../translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.tr.png)
+
+Bulut hizmeti, verileri *şifre çözme* adı verilen bir işlemle okunabilir bir formata dönüştürebilir. Bu işlem ya aynı şifreleme anahtarını ya da bir *şifre çözme anahtarını* kullanır. Şifrelenmiş mesaj anahtar tarafından çözülemezse, cihaz hacklenmiştir ve mesaj reddedilir.
+
+Bu şifreleme ve şifre çözme tekniğine *kriptografi* denir.
+
+### Erken Dönem Kriptografi
+
+En eski kriptografi türleri, 3.500 yıl öncesine dayanan yerine koyma şifreleriydi. Yerine koyma şifreleri, bir harfi başka bir harfle değiştirmeyi içerir. Örneğin, [Sezar şifresi](https://wikipedia.org/wiki/Caesar_cipher), alfabeyi belirli bir miktar kaydırmayı içerir ve yalnızca şifreli mesajın göndericisi ve alıcısı kaç harf kaydırılacağını bilir.
+
+[Vigenère şifresi](https://wikipedia.org/wiki/Vigenère_cipher) bunu bir adım ileri götürerek metni şifrelemek için kelimeler kullanır, böylece orijinal metindeki her harf farklı bir miktar kaydırılır.
+
+Kriptografi, eski Mezopotamya'da bir çömlekçinin sır tarifini korumaktan, Hindistan'da gizli aşk notları yazmaya veya eski Mısır'da büyü formüllerini gizli tutmaya kadar geniş bir yelpazede kullanılmıştır.
+
+### Modern Kriptografi
+
+Modern kriptografi çok daha gelişmiştir ve erken yöntemlere göre kırılması daha zordur. Modern kriptografi, verileri şifrelemek için karmaşık matematik kullanır ve kaba kuvvet saldırılarını imkansız hale getirecek kadar çok olası anahtar içerir.
+
+Kriptografi, güvenli iletişim için birçok farklı şekilde kullanılır. Eğer bu sayfayı GitHub'da okuyorsanız, web sitesi adresinin *HTTPS* ile başladığını fark edebilirsiniz, bu da tarayıcınız ile GitHub'ın web sunucuları arasındaki iletişimin şifrelenmiş olduğu anlamına gelir. Eğer biri tarayıcınız ile GitHub arasındaki internet trafiğini okuyabilseydi, verileri okuyamazdı çünkü şifrelenmiştir. Bilgisayarınız, sabit diskinizdeki tüm verileri bile şifreleyebilir, böylece biri çalsa bile şifreniz olmadan verilerinizi okuyamaz.
+
+> 🎓 HTTPS, HyperText Transfer Protocol **Secure** anlamına gelir.
+
+Ne yazık ki, her şey güvenli değildir. Bazı cihazların hiç güvenliği yoktur, bazıları kolayca kırılabilir anahtarlarla korunur veya bazen aynı türdeki tüm cihazlar aynı anahtarı kullanır. Çok kişisel IoT cihazlarının, WiFi veya Bluetooth üzerinden bağlanmak için aynı şifreye sahip olduğu durumlar olmuştur. Eğer kendi cihazınıza bağlanabiliyorsanız, başkasının cihazına da bağlanabilirsiniz. Bağlandıktan sonra çok özel verilere erişebilir veya cihazlarını kontrol edebilirsiniz.
+
+> 💁 Modern kriptografinin karmaşıklığına ve şifre kırmanın milyarlarca yıl sürebileceği iddialarına rağmen, kuantum bilgisayarların yükselişi, bilinen tüm şifrelemelerin çok kısa bir sürede kırılma olasılığını ortaya çıkarmıştır!
+
+### Simetrik ve Asimetrik Anahtarlar
+
+Şifreleme iki türde gelir - simetrik ve asimetrik.
+
+**Simetrik** şifreleme, verileri şifrelemek ve şifresini çözmek için aynı anahtarı kullanır. Hem gönderici hem de alıcı aynı anahtarı bilmelidir. Bu, en az güvenli türdür çünkü anahtar bir şekilde paylaşılmalıdır. Gönderici, alıcıya şifrelenmiş bir mesaj göndermek için önce anahtarı göndermek zorunda kalabilir.
+
+![Simetrik anahtar şifreleme, bir mesajı şifrelemek ve şifresini çözmek için aynı anahtarı kullanır](../../../../../translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.tr.png)
+
+Eğer anahtar aktarım sırasında çalınırsa veya gönderici ya da alıcı hacklenir ve anahtar bulunursa, şifreleme kırılabilir.
+
+![Simetrik anahtar şifreleme, yalnızca bir hacker anahtarı ele geçirmezse güvenlidir - eğer ele geçirirse mesajı yakalayıp şifresini çözebilir](../../../../../translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.tr.png)
+
+**Asimetrik** şifreleme, bir şifreleme anahtarı ve bir şifre çözme anahtarı olmak üzere 2 anahtar kullanır, bunlara genel/özel anahtar çifti denir. Genel anahtar mesajı şifrelemek için kullanılır ancak şifresini çözmek için kullanılamaz, özel anahtar ise mesajın şifresini çözmek için kullanılır ancak şifrelemek için kullanılamaz.
+
+![Asimetrik şifreleme, şifrelemek ve şifresini çözmek için farklı anahtarlar kullanır. Şifreleme anahtarı, mesaj gönderenlere gönderilir, böylece mesajı alıcıya göndermeden önce şifreleyebilirler](../../../../../translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.tr.png)
+
+Alıcı, genel anahtarını paylaşır ve gönderici bunu mesajı şifrelemek için kullanır. Mesaj gönderildikten sonra, alıcı özel anahtarıyla şifresini çözer. Asimetrik şifreleme daha güvenlidir çünkü özel anahtar alıcı tarafından gizli tutulur ve asla paylaşılmaz. Genel anahtarı herkes alabilir çünkü yalnızca mesajları şifrelemek için kullanılabilir.
+
+Simetrik şifreleme, asimetrik şifrelemeden daha hızlıdır, asimetrik ise daha güvenlidir. Bazı sistemler her ikisini birden kullanır - simetrik anahtarı şifrelemek ve paylaşmak için asimetrik şifreleme kullanır, ardından tüm verileri şifrelemek için simetrik anahtarı kullanır. Bu, gönderici ve alıcı arasında simetrik anahtarı paylaşmayı daha güvenli hale getirir ve verileri şifrelerken ve şifresini çözerken daha hızlıdır.
+
+## IoT Cihazlarınızı Güvence Altına Alın
+
+IoT cihazları, simetrik veya asimetrik şifreleme kullanılarak güvence altına alınabilir. Simetrik şifreleme daha kolaydır, ancak daha az güvenlidir.
+
+### Simetrik Anahtarlar
+
+IoT cihazınızı IoT Hub ile etkileşim kuracak şekilde ayarladığınızda, bir bağlantı dizesi kullandınız. Örnek bir bağlantı dizesi şu şekildedir:
+
+```output
+HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
+```
+
+Bu bağlantı dizesi, noktalı virgüllerle ayrılmış üç bölümden oluşur ve her bölüm bir anahtar ve bir değerden oluşur:
+
+| Anahtar | Değer | Açıklama |
+| --- | ----- | ----------- |
+| HostName | `soil-moisture-sensor.azure-devices.net` | IoT Hub'ın URL'si |
+| DeviceId | `soil-moisture-sensor` | Cihazın benzersiz kimliği |
+| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | Cihaz ve IoT Hub tarafından bilinen bir simetrik anahtar |
+
+Bu bağlantı dizesinin son kısmı olan `SharedAccessKey`, cihaz ve IoT Hub tarafından bilinen simetrik anahtardır. Bu anahtar, cihazdan buluta veya buluttan cihaza asla gönderilmez. Bunun yerine, gönderilen veya alınan verileri şifrelemek için kullanılır.
+
+✅ Bir deney yapın. IoT cihazınıza bağlanırken bağlantı dizesinin `SharedAccessKey` kısmını değiştirirseniz ne olacağını düşünüyorsunuz? Deneyin.
+
+Cihaz ilk bağlanmaya çalıştığında, bir paylaşılan erişim imzası (SAS) belirteci gönderir. Bu belirteç, IoT Hub'ın URL'sini, erişim imzasının sona ereceği bir zaman damgasını (genellikle mevcut zamandan itibaren 1 gün) ve bir imzayı içerir. Bu imza, URL ve sona erme zamanının bağlantı dizesindeki paylaşılan erişim anahtarı ile şifrelenmiş halidir.
+
+IoT Hub, bu imzayı paylaşılan erişim anahtarı ile çözer ve çözülen değer URL ve sona erme zamanı ile eşleşirse, cihazın bağlanmasına izin verir. Ayrıca, mevcut zamanın sona erme zamanından önce olduğunu doğrular, böylece kötü niyetli bir cihaz gerçek bir cihazın SAS belirtecini yakalayıp kullanamaz.
+
+Bu, göndericinin doğru cihaz olduğunu doğrulamak için zarif bir yöntemdir. Hem şifrelenmiş hem de şifrelenmemiş bir formda bilinen bazı veriler göndererek, sunucu şifrelenmiş verileri çözdüğünde, sonucun gönderilen şifrelenmemiş sürümle eşleştiğinden emin olabilir. Eğer eşleşirse, bu, hem göndericinin hem de alıcının aynı simetrik şifreleme anahtarına sahip olduğu anlamına gelir.
+💁 IoT cihazınızın bağlantı süresi dolduğu için doğru zamanı bilmesi gerekir, genellikle bir [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) sunucusundan okunur. Zaman doğru değilse, bağlantı başarısız olur.
+Bağlantı kurulduktan sonra, cihazdan IoT Hub'a veya IoT Hub'dan cihaza gönderilen tüm veriler paylaşılan erişim anahtarı ile şifrelenir.
+
+✅ Sizce birden fazla cihaz aynı bağlantı dizesini paylaşırsa ne olur?
+
+> 💁 Bu anahtarı kodda saklamak kötü bir güvenlik uygulamasıdır. Eğer bir hacker kaynak kodunuza erişirse, anahtarınızı ele geçirebilir. Ayrıca, kodu yayınlarken her cihaz için güncellenmiş bir anahtarla yeniden derleme yapmanız gerektiğinden bu daha zor hale gelir. Bu anahtarı bir donanım güvenlik modülünden yüklemek daha iyidir - IoT cihazında şifrelenmiş değerleri saklayan ve kodunuz tarafından okunabilen bir çip.
+>
+> IoT öğrenirken, daha önceki bir derste yaptığınız gibi, anahtarı koda koymak genellikle daha kolaydır, ancak bu anahtarın halka açık kaynak kodu kontrolüne eklenmediğinden emin olmalısınız.
+
+Cihazların 2 anahtarı ve buna karşılık gelen 2 bağlantı dizesi vardır. Bu, anahtarları döndürmenize olanak tanır - yani, birinci anahtar tehlikeye girerse diğerine geçebilir ve birinci anahtarı yeniden oluşturabilirsiniz.
+
+### X.509 sertifikaları
+
+Asimetrik şifreleme kullanırken, bir genel/özel anahtar çifti ile genel anahtarınızı size veri göndermek isteyen herkese sağlamanız gerekir. Sorun şu ki, anahtarınızı alan kişi bunun gerçekten sizin genel anahtarınız olduğundan, başka birinin sizin gibi davranmadığından nasıl emin olabilir? Bir anahtar sağlamak yerine, bunun yerine genel anahtarınızı, güvenilir bir üçüncü taraf tarafından doğrulanmış bir sertifika içinde sağlayabilirsiniz. Bu sertifikaya X.509 sertifikası denir.
+
+X.509 sertifikaları, genel/özel anahtar çiftinin genel anahtar kısmını içeren dijital belgelerdir. Genellikle [Sertifika otoriteleri](https://wikipedia.org/wiki/Certificate_authority) (CAs) adı verilen güvenilir kuruluşlardan biri tarafından verilir ve CA tarafından dijital olarak imzalanır, böylece anahtarın geçerli olduğu ve size ait olduğu belirtilir. Sertifikaya ve genel anahtarın sertifikada belirtilen kişiden geldiğine güvenirsiniz, çünkü CA'ya güvenirsiniz; tıpkı bir pasaporta veya ehliyete, onu veren ülkeye güvendiğiniz için güvenmeniz gibi. Sertifikalar ücretlidir, bu nedenle test amaçlı olarak kendiniz bir sertifika oluşturabilir ve bunu kendiniz imzalayabilirsiniz.
+
+> 💁 Üretim sürümleri için asla kendi kendine imzalanmış bir sertifika kullanmamalısınız.
+
+Bu sertifikalarda, genel anahtarın kimden geldiği, sertifikayı veren CA'nın detayları, ne kadar süreyle geçerli olduğu ve genel anahtarın kendisi gibi bir dizi alan bulunur. Bir sertifikayı kullanmadan önce, orijinal CA tarafından imzalandığını kontrol ederek doğrulamak iyi bir uygulamadır.
+
+✅ Sertifikadaki alanların tam listesini [Microsoft'un X.509 Genel Anahtar Sertifikalarını Anlama eğitimi](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields) sayfasında okuyabilirsiniz.
+
+X.509 sertifikaları kullanırken, hem gönderici hem de alıcı kendi genel ve özel anahtarlarına, ayrıca genel anahtarı içeren X.509 sertifikalarına sahip olacaktır. Daha sonra X.509 sertifikalarını bir şekilde değiş tokuş ederler, birbirlerinin genel anahtarlarını gönderilen verileri şifrelemek için ve kendi özel anahtarlarını alınan verileri çözmek için kullanırlar.
+
+![Bir genel anahtar paylaşmak yerine, bir sertifika paylaşabilirsiniz. Sertifikayı kullanan kişi, sertifikayı imzalayan sertifika otoritesine danışarak bunun sizden geldiğini doğrulayabilir.](../../../../../translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.tr.png)
+
+X.509 sertifikalarının büyük bir avantajı, cihazlar arasında paylaşılabilmeleridir. Bir sertifika oluşturabilir, bunu IoT Hub'a yükleyebilir ve tüm cihazlarınız için kullanabilirsiniz. Her cihazın, IoT Hub'dan aldığı mesajları çözmek için yalnızca özel anahtarı bilmesi yeterlidir.
+
+Cihazınızın IoT Hub'a gönderdiği mesajları şifrelemek için kullandığı sertifika Microsoft tarafından yayınlanır. Bu, birçok Azure hizmetinin kullandığı aynı sertifikadır ve bazen SDK'lara yerleştirilmiştir.
+
+> 💁 Unutmayın, bir genel anahtar tam olarak budur - genel. Azure genel anahtarı yalnızca Azure'a gönderilen verileri şifrelemek için kullanılabilir, çözmek için değil, bu nedenle her yerde paylaşılabilir, kaynak kodunda bile. Örneğin, [Azure IoT C SDK kaynak kodunda](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c) görebilirsiniz.
+
+✅ X.509 sertifikalarıyla ilgili çok fazla teknik terim vardır. Karşılaşabileceğiniz bazı terimlerin tanımlarını [X.509 sertifika jargonuna dair basit bir rehber](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) sayfasında okuyabilirsiniz.
+
+## X.509 sertifikası oluşturma ve kullanma
+
+Bir X.509 sertifikası oluşturma adımları şunlardır:
+
+1. Bir genel/özel anahtar çifti oluşturun. Genel/özel anahtar çifti oluşturmak için en yaygın kullanılan algoritmalardan biri [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem))(RSA) olarak adlandırılır.
+
+1. Genel anahtarı, ilgili verilerle birlikte imzalanması için bir CA'ya veya kendi kendine imzalama yoluyla gönderin.
+
+Azure CLI, IoT Hub'da yeni bir cihaz kimliği oluşturmak ve otomatik olarak genel/özel anahtar çifti oluşturmak ve kendi kendine imzalanmış bir sertifika oluşturmak için komutlara sahiptir.
+
+> 💁 Azure CLI kullanmak yerine adımları ayrıntılı olarak görmek isterseniz, [Microsoft IoT Hub belgelerindeki OpenSSL kullanarak kendi kendine imzalanmış sertifikalar oluşturma eğitimi](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn) sayfasında bulabilirsiniz.
+
+### Görev - X.509 sertifikası kullanarak bir cihaz kimliği oluşturun
+
+1. Yeni cihaz kimliğini kaydetmek, anahtarları ve sertifikaları otomatik olarak oluşturmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
+                                      --am x509_thumbprint \
+                                      --output-dir . \
+                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` kısmını IoT Hub için kullandığınız adla değiştirin.
+
+    Bu, önceki derste oluşturduğunuz cihaz kimliğinden ayırt etmek için `soil-moisture-sensor-x509` kimliğine sahip bir cihaz oluşturacaktır. Bu komut ayrıca mevcut dizinde 2 dosya oluşturacaktır:
+
+    * `soil-moisture-sensor-x509-key.pem` - bu dosya cihazın özel anahtarını içerir.
+    * `soil-moisture-sensor-x509-cert.pem` - bu cihaz için X.509 sertifika dosyasıdır.
+
+    Bu dosyaları güvende tutun! Özel anahtar dosyası halka açık kaynak kodu kontrolüne eklenmemelidir.
+
+### Görev - Cihaz kodunuzda X.509 sertifikasını kullanın
+
+IoT cihazınızı X.509 sertifikası kullanarak buluta bağlamak için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-x509.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal IoT cihazı](single-board-computer-x509.md)
+
+---
+
+## 🚀 Zorluk
+
+Kaynak Grupları ve IoT Hub'lar gibi Azure hizmetlerini oluşturmanın, yönetmenin ve silmenin birden fazla yolu vardır. Bunlardan biri, Azure hizmetlerinizi yönetmek için bir GUI sağlayan [Azure Portal](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) adlı web tabanlı bir arayüzdür.
+
+[portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) adresine gidin ve portalı inceleyin. Portalı kullanarak bir IoT Hub oluşturup silebilir misiniz?
+
+**İpucu** - Portal üzerinden hizmet oluştururken, önceden bir Kaynak Grubu oluşturmanıza gerek yoktur, hizmeti oluştururken bir tane oluşturabilirsiniz. İşiniz bittiğinde sildiğinizden emin olun!
+
+Azure Portal hakkında bol miktarda belge, eğitim ve kılavuz bulabilirsiniz: [Azure portal belgeleri](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn).
+
+## Ders sonrası sınav
+
+[Ders sonrası sınav](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
+
+## İnceleme ve Kendi Kendine Çalışma
+
+* [Wikipedia'daki Kriptografi Tarihi sayfasında](https://wikipedia.org/wiki/History_of_cryptography) kriptografinin tarihini okuyun.
+* [Wikipedia'daki X.509 sayfasında](https://wikipedia.org/wiki/X.509) X.509 sertifikaları hakkında bilgi edinin.
+
+## Ödev
+
+[Yeni bir IoT cihazı oluşturun](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/tr/2-farm/lessons/6-keep-your-plant-secure/assignment.md
new file mode 100644
index 00000000..978b9b0d
--- /dev/null
+++ b/translations/tr/2-farm/lessons/6-keep-your-plant-secure/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
+  "translation_date": "2025-08-28T04:04:21+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Yeni Bir IoT Cihazı Oluşturma
+
+## Talimatlar
+
+Son 6 derste dijital tarım hakkında bilgi edindiniz ve IoT cihazlarını kullanarak veri toplama, bitki büyümesini tahmin etme ve toprak nemi ölçümlerine dayanarak sulamayı otomatikleştirme konularını öğrendiniz.
+
+Öğrendiklerinizi kullanarak bir sensör ve aktüatör seçerek yeni bir IoT cihazı oluşturun. Telemetriyi bir IoT Hub'a gönderin ve bunu sunucusuz kod aracılığıyla bir aktüatörü kontrol etmek için kullanın. Bu veya önceki projede kullandığınız bir sensör ve aktüatörü kullanabilir ya da başka bir donanımınız varsa yeni bir şey deneyebilirsiniz.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| ------- | ----------------- | ------- | -------------------- |
+| IoT cihazını bir sensör ve aktüatörle kodlama | Sensör ve aktüatörle çalışan bir IoT cihazı kodladı | Sensör veya aktüatörle çalışan bir IoT cihazı kodladı | Sensör veya aktüatörle çalışan bir IoT cihazı kodlayamadı |
+| IoT cihazını IoT Hub'a bağlama | IoT Hub'ı kurup telemetri gönderdi ve komutlar aldı | IoT Hub'ı kurup telemetri gönderdi veya komutlar aldı | IoT Hub'ı kurup IoT cihazıyla iletişim kuramadı |
+| Aktüatörü sunucusuz kodla kontrol etme | Telemetri olaylarıyla tetiklenen bir Azure Function kurup cihazı kontrol etti | Telemetri olaylarıyla tetiklenen bir Azure Function kurdu ancak aktüatörü kontrol edemedi | Azure Function kuramadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/tr/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
new file mode 100644
index 00000000..bc812692
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T04:03:58+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
+  "language_code": "tr"
+}
+-->
+# X.509 Sertifikasını Cihaz Kodunuzda Kullanma - Sanal IoT Donanımı ve Raspberry Pi
+
+Bu dersin bu bölümünde, sanal IoT cihazınızı veya Raspberry Pi'nizi X.509 sertifikası kullanarak IoT Hub'a bağlayacaksınız.
+
+## Cihazınızı IoT Hub'a Bağlayın
+
+Bir sonraki adım, cihazınızı X.509 sertifikaları kullanarak IoT Hub'a bağlamaktır.
+
+### Görev - IoT Hub'a bağlanma
+
+1. Anahtar ve sertifika dosyalarını IoT cihaz kodunuzun bulunduğu klasöre kopyalayın. Raspberry Pi'yi VS Code Remote SSH üzerinden kullanıyorsanız ve anahtarları PC veya Mac'inizde oluşturduysanız, dosyaları VS Code'daki gezgin bölümüne sürükleyip bırakarak kopyalayabilirsiniz.
+
+1. `app.py` dosyasını açın.
+
+1. X.509 sertifikası kullanarak bağlanmak için IoT Hub'ın ana bilgisayar adını ve X.509 sertifikasını kullanmanız gerekecek. Cihaz istemcisi oluşturulmadan önce aşağıdaki kodu ekleyerek ana bilgisayar adını içeren bir değişken oluşturun:
+
+    ```python
+    host_name = "<host_name>"
+    ```
+
+    `<host_name>` kısmını IoT Hub'ınızın ana bilgisayar adıyla değiştirin. Bunu `connection_string` içindeki `HostName` bölümünden alabilirsiniz. Bu, IoT Hub'ınızın adı olacak ve `.azure-devices.net` ile bitecektir.
+
+1. Bunun altına cihaz kimliği içeren bir değişken tanımlayın:
+
+    ```python
+    device_id = "soil-moisture-sensor-x509"
+    ```
+
+1. X.509 dosyalarını içeren bir `X509` sınıfı örneğine ihtiyacınız olacak. `azure.iot.device` modülünden içe aktarılan sınıflar listesine `X509` ekleyin:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
+    ```
+
+1. Sertifika ve anahtar dosyalarınızı kullanarak bir `X509` sınıfı örneği oluşturun. Bunun için aşağıdaki kodu `host_name` tanımının altına ekleyin:
+
+    ```python
+    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
+    ```
+
+    Bu, daha önce oluşturulan `soil-moisture-sensor-x509-cert.pem` ve `soil-moisture-sensor-x509-key.pem` dosyalarını kullanarak `X509` sınıfını oluşturacaktır.
+
+1. Bağlantı dizesinden `device_client` oluşturan kod satırını aşağıdaki kodla değiştirin:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
+    ```
+
+    Bu, bağlantı dizesi yerine X.509 sertifikası kullanarak bağlanacaktır.
+
+1. `connection_string` değişkenini içeren satırı silin.
+
+1. Kodunuzu çalıştırın. IoT Hub'a gönderilen mesajları izleyin ve daha önce olduğu gibi doğrudan yöntem istekleri gönderin. Cihazın bağlandığını, toprak nemi ölçümlerini gönderdiğini ve doğrudan yöntem isteklerini aldığını göreceksiniz.
+
+> 💁 Bu kodu [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) veya [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device) klasöründe bulabilirsiniz.
+
+😀 Toprak nemi sensörü programınız X.509 sertifikası kullanarak IoT Hub'a bağlandı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/tr/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
new file mode 100644
index 00000000..2ab043aa
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T04:04:33+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
+  "language_code": "tr"
+}
+-->
+# Wio Terminal cihaz kodunuzda X.509 sertifikasını kullanma
+
+Bu yazının yazıldığı sırada, Azure Arduino SDK'sı X.509 sertifikalarını desteklememektedir. X.509 sertifikalarını denemek istiyorsanız, [Python SDK kullanarak Sanal IoT cihazı talimatlarına](single-board-computer-x509.md) başvurabilirsiniz.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/README.md b/translations/tr/3-transport/README.md
new file mode 100644
index 00000000..cf29b43b
--- /dev/null
+++ b/translations/tr/3-transport/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e978534a245b000725ed2a048f943213",
+  "translation_date": "2025-08-28T03:11:54+00:00",
+  "source_file": "3-transport/README.md",
+  "language_code": "tr"
+}
+-->
+# Çiftlikten fabrikaya taşımacılık - IoT kullanarak gıda teslimatlarını takip etme
+
+Birçok çiftçi, yetiştirdikleri ürünleri satmak için tarım yapar - ya yetiştirdiklerinin tamamını satan ticari çiftçilerdir ya da ihtiyaçlarını karşılamak için fazla ürünlerini satan geçimlik çiftçilerdir. Bir şekilde, gıdanın çiftlikten tüketiciye ulaşması gerekir ve bu genellikle çiftliklerden, merkezlere veya işleme tesislerine, ardından mağazalara yapılan toplu taşımacılığa dayanır. Örneğin, bir domates çiftçisi domatesleri hasat eder, kutulara yerleştirir, kutuları bir kamyona yükler ve ardından bir işleme tesisine teslim eder. Domatesler burada ayrıştırılır ve ardından işlenmiş gıda, perakende satış veya restoranlarda tüketim şeklinde tüketicilere ulaştırılır.
+
+IoT, bu tedarik zincirine, taşınan gıdaları takip ederek yardımcı olabilir - sürücülerin doğru yerlere gidip gitmediğini kontrol ederek, araçların konumlarını izleyerek ve araçlar varış noktasına ulaştığında uyarılar alarak, gıdaların mümkün olan en kısa sürede boşaltılıp işlenmeye hazır hale gelmesini sağlayabilir.
+
+> 🎓 *Tedarik zinciri*, bir şeyin üretilmesi ve teslim edilmesi için yapılan faaliyetlerin sırasıdır. Örneğin, domates tarımında bu zincir; tohum, toprak, gübre ve su teminini, domates yetiştirmeyi, domatesleri bir merkeze teslim etmeyi, bunları bir süpermarketin yerel merkezine taşımayı, bireysel süpermarkete taşımayı, sergilenmeyi, ardından bir tüketiciye satılmayı ve eve götürülüp yenmeyi kapsar. Her adım, zincirin halkaları gibidir.
+
+> 🎓 Tedarik zincirinin taşımacılık kısmına *lojistik* denir.
+
+Bu 4 derste, bir (sanal) kamyona yüklenen gıdaları izleyerek ve kamyonun varış noktasına hareketini takip ederek, IoT'yi tedarik zincirini iyileştirmek için nasıl uygulayacağınızı öğreneceksiniz. GPS takibi, GPS verilerini nasıl depolayıp görselleştireceğinizi ve bir kamyon varış noktasına ulaştığında nasıl uyarı alacağınızı öğreneceksiniz.
+
+> 💁 Bu derslerde bazı bulut kaynakları kullanılacaktır. Eğer bu projedeki tüm dersleri tamamlamazsanız, [Projenizi temizleyin](../clean-up.md) bölümüne göz atmayı unutmayın.
+
+## Konular
+
+1. [Konum takibi](lessons/1-location-tracking/README.md)
+1. [Konum verilerini depolama](lessons/2-store-location-data/README.md)
+1. [Konum verilerini görselleştirme](lessons/3-visualize-location-data/README.md)
+1. [Coğrafi çitler](lessons/4-geofences/README.md)
+
+## Katkıda Bulunanlar
+
+Tüm dersler, [Jen Looper](https://github.com/jlooper) ve [Jim Bennett](https://GitHub.com/JimBobBennett) tarafından ♥️ ile yazılmıştır.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/1-location-tracking/README.md b/translations/tr/3-transport/lessons/1-location-tracking/README.md
new file mode 100644
index 00000000..d28a21d9
--- /dev/null
+++ b/translations/tr/3-transport/lessons/1-location-tracking/README.md
@@ -0,0 +1,216 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
+  "translation_date": "2025-08-28T03:12:58+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/README.md",
+  "language_code": "tr"
+}
+-->
+# Konum Takibi
+
+![Bu dersin genel bir sketchnote görünümü](../../../../../translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+## Ders Öncesi Testi
+
+[Ders öncesi testi](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
+
+## Giriş
+
+Bir çiftçiden tüketiciye yiyecek ulaştırmanın ana süreci, ürün kutularını kamyonlara, gemilere, uçaklara veya diğer ticari taşıma araçlarına yüklemek ve yiyecekleri bir yere teslim etmeyi içerir - ya doğrudan bir müşteriye ya da işleme için bir merkezi hub veya depoya. Çiftlikten tüketiciye kadar olan bu uçtan uca süreç, *tedarik zinciri* olarak adlandırılır. Arizona State Üniversitesi'nin W. P. Carey İşletme Fakültesi'nden aşağıdaki video, tedarik zinciri fikrini ve nasıl yönetildiğini daha ayrıntılı bir şekilde ele alıyor.
+
+[![Tedarik Zinciri Yönetimi Nedir? Arizona State Üniversitesi'nin W. P. Carey İşletme Fakültesi'nden bir video](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
+
+> 🎥 Videoyu izlemek için yukarıdaki görsele tıklayın
+
+IoT cihazları eklemek, tedarik zincirinizi büyük ölçüde iyileştirebilir, öğelerin nerede olduğunu yönetmenize, taşıma ve malzeme işleme planlamanızı daha iyi yapmanıza ve sorunlara daha hızlı yanıt vermenize olanak tanır.
+
+Bir kamyon filosu gibi araçları yönetirken, her bir aracın belirli bir zamanda nerede olduğunu bilmek faydalıdır. Araçlara GPS sensörleri takılarak konumlarının IoT sistemlerine gönderilmesi sağlanabilir, bu da sahiplerinin araçların konumunu belirlemesine, izledikleri rotayı görmesine ve varış noktalarına ne zaman ulaşacaklarını bilmesine olanak tanır. Çoğu araç WiFi kapsama alanı dışında çalıştığı için bu tür verileri göndermek için hücresel ağlar kullanır. Bazen GPS sensörü, elektronik seyir defterleri gibi daha karmaşık IoT cihazlarına entegre edilir. Bu cihazlar, sürücülerin çalışma saatleriyle ilgili yerel yasalara uyduğundan emin olmak için bir kamyonun ne kadar süredir yolda olduğunu takip eder.
+
+Bu derste, bir Global Konumlandırma Sistemi (GPS) sensörü kullanarak bir aracın konumunu nasıl takip edeceğinizi öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Bağlı araçlar](../../../../../3-transport/lessons/1-location-tracking)
+* [Coğrafi koordinatlar](../../../../../3-transport/lessons/1-location-tracking)
+* [Global Konumlandırma Sistemleri (GPS)](../../../../../3-transport/lessons/1-location-tracking)
+* [GPS sensör verilerini okuma](../../../../../3-transport/lessons/1-location-tracking)
+* [NMEA GPS verileri](../../../../../3-transport/lessons/1-location-tracking)
+* [GPS sensör verilerini çözme](../../../../../3-transport/lessons/1-location-tracking)
+
+## Bağlı Araçlar
+
+IoT, *bağlı araçlar* filoları oluşturarak mal taşımacılığını dönüştürüyor. Bu araçlar, konumları ve diğer sensör verileri hakkında bilgi raporlayan merkezi BT sistemlerine bağlıdır. Bağlı araçlardan oluşan bir filoya sahip olmanın birçok avantajı vardır:
+
+* Konum takibi - bir aracın herhangi bir zamanda nerede olduğunu belirleyebilir, böylece:
+
+  * Bir araç bir varış noktasına yaklaşırken uyarılar alarak boşaltma ekibini hazırlayabilirsiniz.
+  * Çalınan araçları bulabilirsiniz.
+  * Konum ve rota verilerini trafik sorunlarıyla birleştirerek araçları yolculuk sırasında yeniden yönlendirebilirsiniz.
+  * Vergi uyumluluğu sağlayabilirsiniz. Bazı ülkeler, kamu yollarında kat edilen mesafeye göre araçlardan vergi alır (örneğin [Yeni Zelanda'nın RUC](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/)), bu nedenle bir aracın kamu yollarında mı yoksa özel yollarında mı olduğunu bilmek, ödenecek vergiyi hesaplamayı kolaylaştırır.
+  * Arıza durumunda bakım ekiplerini nereye göndereceğinizi bilirsiniz.
+
+* Sürücü telemetrisi - sürücülerin hız sınırlarına uyduğundan, uygun hızlarda viraj aldığından, erken ve verimli fren yaptığından ve güvenli bir şekilde sürdüğünden emin olabilirsiniz. Bağlı araçlar ayrıca olayları kaydetmek için kameralarla donatılabilir. Bu, sigorta ile bağlantılı olabilir ve iyi sürücüler için indirimli oranlar sunabilir.
+
+* Sürücü saatleri uyumluluğu - sürücülerin motoru açma ve kapama zamanlarına göre yasal olarak izin verilen saatlerde sürüş yaptığından emin olabilirsiniz.
+
+Bu avantajlar birleştirilebilir - örneğin, sürücü saatleri uyumluluğunu konum takibi ile birleştirerek sürücüleri yasal sürüş saatleri içinde varış noktalarına ulaşamayacaklarsa yeniden yönlendirebilirsiniz. Bunlar ayrıca sıcaklık kontrollü kamyonlardan sıcaklık verileri gibi araçlara özgü diğer telemetri ile birleştirilebilir, böylece malların sıcaklıkta tutulamayacağı bir rota mevcutsa araçlar yeniden yönlendirilebilir.
+
+> 🎓 Lojistik, malları bir yerden başka bir yere taşımak sürecidir, örneğin bir çiftlikten bir süpermarkete bir veya daha fazla depo aracılığıyla. Bir çiftçi, bir kamyona yüklenen domates kutularını paketler, merkezi bir depoya teslim edilir ve ardından farklı türde ürünler içerebilecek ikinci bir kamyona yüklenir ve süpermarkete teslim edilir.
+
+Araç takibinin temel bileşeni, konumlarını Dünya üzerinde herhangi bir yerde belirleyebilen GPS sensörleridir. Bu derste bir GPS sensörü kullanmayı öğreneceksiniz, önce Dünya üzerinde bir konumu nasıl tanımlayacağınızı öğrenerek başlayacağız.
+
+## Coğrafi Koordinatlar
+
+Coğrafi koordinatlar, Dünya yüzeyindeki noktaları tanımlamak için kullanılır, tıpkı bir bilgisayar ekranında bir piksel çizmek veya çapraz dikişte dikişleri konumlandırmak için koordinatların kullanılması gibi. Tek bir nokta için bir çift koordinatınız vardır. Örneğin, Microsoft Kampüsü, Redmond, Washington, ABD'de 47.6423109, -122.1390293 konumunda bulunur.
+
+### Enlem ve Boylam
+
+Dünya bir küredir - üç boyutlu bir daire. Bu nedenle, noktalar, dairelerin geometrisiyle aynı şekilde 360 dereceye bölünerek tanımlanır. Enlem, kuzeyden güneye olan derece sayısını ölçer, boylam ise doğudan batıya olan derece sayısını ölçer.
+
+> 💁 Kimse dairelerin neden 360 dereceye bölündüğünün orijinal nedenini tam olarak bilmiyor. [Wikipedia'daki derece (açı) sayfası](https://wikipedia.org/wiki/Degree_(angle)) bazı olası nedenleri ele alıyor.
+
+![Kuzey Kutbu'nda 90°, Kuzey Kutbu ile ekvator arasında yarı yolda 45°, ekvatorda 0°, ekvator ile Güney Kutbu arasında yarı yolda -45° ve Güney Kutbu'nda -90° enlem çizgileri](../../../../../translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.tr.png)
+
+Enlem, Dünya'yı çevreleyen ve ekvatora paralel olarak uzanan çizgiler kullanılarak ölçülür, Kuzey ve Güney Yarımküreleri her biri 90° olacak şekilde böler. Ekvator 0°'dedir, Kuzey Kutbu 90°'dedir, ayrıca 90° Kuzey olarak da bilinir ve Güney Kutbu -90°'dedir veya 90° Güney olarak bilinir.
+
+Boylam, doğu ve batı yönünde ölçülen derece sayısı olarak ölçülür. Boylamın 0° başlangıcı *Baş Meridyen* olarak adlandırılır ve 1884 yılında [İngiltere'deki Greenwich Kraliyet Gözlemevi](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich) üzerinden geçen Kuzey Kutbu'ndan Güney Kutbu'na uzanan bir çizgi olarak tanımlanmıştır.
+
+![Baş Meridyen'in batısında -180°'den, Baş Meridyen'de 0°'ye, Baş Meridyen'in doğusunda 180°'ye kadar uzanan boylam meridyenleri](../../../../../translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.tr.png)
+
+> 🎓 Meridyen, Kuzey Kutbu'ndan Güney Kutbu'na uzanan ve bir yarım daire oluşturan hayali bir düz çizgidir.
+
+Bir noktanın boylamını ölçmek için, Baş Meridyen'den o noktadan geçen bir meridyene kadar ekvator boyunca ölçülen derece sayısını ölçersiniz. Boylam -180°'den, yani 180° Batı'dan, Baş Meridyen'de 0°'ye, 180°'ye veya 180° Doğu'ya kadar uzanır. 180° ve -180° aynı noktayı ifade eder, antimeridyen veya 180. meridyen. Bu, Baş Meridyen'in tam karşısındaki Dünya üzerindeki bir meridyendir.
+
+> 💁 Antimeridyen, yaklaşık olarak aynı konumda olan ancak düz bir çizgi olmayan ve jeopolitik sınırların etrafında değişen Uluslararası Tarih Çizgisi ile karıştırılmamalıdır.
+
+✅ Araştırma yapın: Şu anki konumunuzun enlem ve boylamını bulmaya çalışın.
+
+### Derece, Dakika ve Saniye vs Ondalık Dereceler
+
+Geleneksel olarak, enlem ve boylam derecelerinin ölçümleri, ilk zaman ve mesafe ölçümlerini ve kayıtlarını yapan Antik Babilliler tarafından kullanılan bir numaralandırma sistemi olan seksagesimal numaralandırma veya taban-60 kullanılarak yapılırdı. Muhtemelen farkında bile olmadan her gün seksagesimal kullanıyorsunuz - saatleri 60 dakikaya ve dakikaları 60 saniyeye bölerek.
+
+Boylam ve enlem, derece, dakika ve saniye cinsinden ölçülür, bir dakika bir derecenin 1/60'ı ve bir saniye bir dakikanın 1/60'ıdır.
+
+Örneğin, ekvatorda:
+
+* 1° enlem **111.3 kilometre**dir.
+* 1 dakika enlem 111.3/60 = **1.855 kilometre**dir.
+* 1 saniye enlem 1.855/60 = **0.031 kilometre**dir.
+
+Bir dakika için sembol tek bir tırnak işareti, bir saniye için ise çift tırnak işaretidir. Örneğin, 2 derece, 17 dakika ve 43 saniye, 2°17'43" olarak yazılır. Saniyenin kesirleri ondalık olarak verilir, örneğin yarım saniye 0°0'0.5" olarak yazılır.
+
+Bilgisayarlar taban-60 ile çalışmaz, bu nedenle bu koordinatlar çoğu bilgisayar sisteminde GPS verileri kullanılırken ondalık dereceler olarak verilir. Örneğin, 2°17'43", 2.295277 olarak ifade edilir. Derece sembolü genellikle çıkarılır.
+
+Bir noktanın koordinatları her zaman `enlem, boylam` olarak verilir, bu nedenle daha önceki Microsoft Kampüsü örneği olan 47.6423109,-122.117198 şu değerlere sahiptir:
+
+* Enlem: 47.6423109 (ekvatordan 47.6423109 derece kuzey)
+* Boylam: -122.1390293 (Baş Meridyen'den 122.1390293 derece batı).
+
+![Microsoft Kampüsü, 47.6423109,-122.117198](../../../../../translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.tr.png)
+
+## Global Konumlandırma Sistemleri (GPS)
+
+GPS sistemleri, Dünya'nın etrafında dönen birden fazla uydu kullanarak konumunuzu bulur. Muhtemelen farkında bile olmadan GPS sistemlerini kullandınız - telefonunuzdaki Apple Haritalar veya Google Haritalar gibi bir harita uygulamasında konumunuzu bulmak için, bir yolculuk uygulamasında (Uber veya Lyft gibi) aracınızın nerede olduğunu görmek için veya aracınızdaki uydu navigasyonunu (sat-nav) kullanırken.
+
+> 🎓 'Uydu navigasyonu'ndaki uydular GPS uydularıdır!
+
+GPS sistemleri, her bir uydunun mevcut konumunu ve doğru bir zaman damgasını içeren bir sinyal göndererek çalışır. Bu sinyaller radyo dalgaları üzerinden gönderilir ve GPS sensöründeki bir anten tarafından algılanır. Bir GPS sensörü bu sinyalleri algılar ve mevcut zamanı kullanarak sinyalin uydu ile sensör arasındaki mesafeyi ölçer. Radyo dalgalarının hızı sabit olduğu için, GPS sensörü gönderilen zaman damgasını kullanarak sensörün uyduya olan uzaklığını hesaplayabilir. En az 3 uydudan gelen verileri ve gönderilen konumları birleştirerek, GPS sensörü Dünya üzerindeki konumunu belirleyebilir.
+
+> 💁 GPS sensörlerinin radyo dalgalarını algılamak için antenlere ihtiyacı vardır. Yerleşik GPS'e sahip kamyonlar ve arabalarda antenler genellikle ön camda veya çatıda iyi bir sinyal almak için konumlandırılır. Ayrı bir GPS sistemi kullanıyorsanız, örneğin bir akıllı telefon veya bir IoT cihazı, GPS sistemine veya telefona entegre edilmiş antenin gökyüzünü net bir şekilde görebildiğinden emin olmanız gerekir, örneğin ön camınıza monte edilerek.
+
+![Sensörün birden fazla uyduya olan mesafesini bilerek konum hesaplanabilir](../../../../../translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.tr.png)
+
+GPS uyduları Dünya'nın etrafında döner, sensörün üzerinde sabit bir noktada değildir, bu nedenle konum verileri enlem ve boylamın yanı sıra deniz seviyesinden yükseklik içerir.
+
+GPS, ABD ordusu tarafından uygulanan doğruluk sınırlamalarına sahipti ve doğruluğu yaklaşık 5 metre ile sınırlıyordu. Bu sınırlama 2000 yılında kaldırıldı ve 30 santimetre doğruluğa izin verildi. Ancak, bu doğruluğu elde etmek her zaman mümkün değildir çünkü sinyallerdeki parazitler doğruluğu etkileyebilir.
+
+✅ Eğer bir akıllı telefonunuz varsa, harita uygulamasını açın ve konumunuzun ne kadar doğru olduğunu görün. Telefonunuzun daha doğru bir konum elde etmek için birden fazla uydu algılaması biraz zaman alabilir.
+💁 Uydular, son derece hassas atom saatleri içerir, ancak Einstein'ın özel ve genel görelilik teorilerinin öngördüğü gibi hız arttıkça zamanın yavaşlaması nedeniyle Dünya'daki atom saatlerine kıyasla günde 38 mikrosaniye (0.0000038 saniye) sapma gösterir - uydular Dünya'nın dönüşünden daha hızlı hareket eder. Bu sapma, özel ve genel görelilik teorilerinin öngörülerini kanıtlamak için kullanılmıştır ve GPS sistemlerinin tasarımında buna göre ayarlama yapılması gerekir. Kelimenin tam anlamıyla, bir GPS uydusunda zaman daha yavaş akar.
+GPS sistemleri, ABD, Rusya, Japonya, Hindistan, AB ve Çin gibi birçok ülke ve siyasi birlik tarafından geliştirilmiş ve kullanıma sunulmuştur. Modern GPS sensörleri, daha hızlı ve daha doğru konum belirlemek için bu sistemlerin çoğuna bağlanabilir.
+
+> 🎓 Her bir sistemdeki uydu gruplarına "takımyıldızlar" denir.
+
+## GPS sensör verilerini okuma
+
+Çoğu GPS sensörü, GPS verilerini UART üzerinden gönderir.
+
+> ⚠️ UART, [proje 2, ders 2](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart) kapsamında ele alınmıştır. Gerekirse bu derse geri dönün.
+
+IoT cihazınızda bir GPS sensörü kullanarak GPS verilerini alabilirsiniz.
+
+### Görev - GPS sensörünü bağlayın ve GPS verilerini okuyun
+
+IoT cihazınızı kullanarak GPS verilerini okumak için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-gps-sensor.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-gps-sensor.md)
+
+## NMEA GPS verileri
+
+Kodunuzu çalıştırdığınızda, çıktıda anlamsız gibi görünen bir şeyler görmüş olabilirsiniz. Aslında bu, standart GPS verileridir ve hepsinin bir anlamı vardır.
+
+GPS sensörleri, NMEA mesajlarını kullanarak veri gönderir ve bu mesajlar NMEA 0183 standardına dayanır. NMEA, ABD merkezli bir ticaret organizasyonu olan [National Marine Electronics Association](https://www.nmea.org) (Ulusal Deniz Elektroniği Derneği) için kullanılan bir kısaltmadır ve deniz elektroniği arasındaki iletişim için standartlar belirler.
+
+> 💁 Bu standart tescillidir ve en az 2.000 ABD doları karşılığında satılmaktadır, ancak standart hakkında yeterli bilgi kamuya açık olduğundan, çoğu kısmı tersine mühendislik ile çözülmüş ve açık kaynaklı veya ticari olmayan kodlarda kullanılabilir hale gelmiştir.
+
+Bu mesajlar metin tabanlıdır. Her mesaj, `$` karakteriyle başlayan bir *cümle*den oluşur, ardından mesajın kaynağını belirten 2 karakter (örneğin, ABD GPS sistemi için GP, Rus GPS sistemi GLONASS için GN) ve mesaj türünü belirten 3 karakter gelir. Mesajın geri kalanı, virgülle ayrılmış alanlardan oluşur ve bir yeni satır karakteriyle biter.
+
+Alınabilecek mesaj türlerinden bazıları şunlardır:
+
+| Tür  | Açıklama |
+| ---- | -------- |
+| GGA  | GPS Konum Verileri, GPS sensörünün enlem, boylam ve rakımı ile bu konumu hesaplamak için görülebilen uydu sayısını içerir. |
+| ZDA  | Mevcut tarih ve saat, yerel saat dilimi dahil |
+| GSV  | Görülebilen uyduların detayları - GPS sensörünün sinyal algılayabildiği uydular olarak tanımlanır |
+
+> 💁 GPS verileri zaman damgalarını içerir, bu nedenle IoT cihazınız bir GPS sensöründen zaman alabilir ve bir NTP sunucusuna veya dahili gerçek zamanlı saate bağımlı kalmaz.
+
+GGA mesajı, `(dd)dmm.mmmm` formatında mevcut konumu ve yönü belirten tek bir karakter içerir. Formatta `d` dereceyi, `m` dakikayı ve saniyeler dakikanın ondalık kısmı olarak gösterir. Örneğin, 2°17'43" 217.716666667 olarak ifade edilir - 2 derece, 17.716666667 dakika.
+
+Yön karakteri, kuzey veya güneyi belirtmek için enlemde `N` veya `S`, doğu veya batıyı belirtmek için boylamda `E` veya `W` olabilir. Örneğin, 2°17'43" enlemi için yön karakteri `N`, -2°17'43" için ise `S` olur.
+
+Örnek - NMEA cümlesi `$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
+
+* Enlem kısmı `4738.538654,N`, bu da ondalık derece olarak 47.6423109'a dönüşür. `4738.538654` 47.6423109'dur ve yön `N` (kuzey) olduğu için pozitif bir enlemdir.
+
+* Boylam kısmı `12208.341758,W`, bu da ondalık derece olarak -122.1390293'e dönüşür. `12208.341758` 122.1390293°'dir ve yön `W` (batı) olduğu için negatif bir boylamdır.
+
+## GPS sensör verilerini çözümleme
+
+Ham NMEA verilerini kullanmak yerine, bunları daha kullanışlı bir formata dönüştürmek daha iyidir. Ham NMEA mesajlarından faydalı veriler çıkarmak için kullanabileceğiniz birçok açık kaynaklı kütüphane bulunmaktadır.
+
+### Görev - GPS sensör verilerini çözümleme
+
+IoT cihazınızı kullanarak GPS sensör verilerini çözümlemek için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal IoT cihazı](single-board-computer-gps-decode.md)
+
+---
+
+## 🚀 Meydan Okuma
+
+Kendi NMEA çözümleyicinizi yazın! NMEA cümlelerini çözümlemek için üçüncü taraf kütüphanelere güvenmek yerine, NMEA cümlelerinden enlem ve boylamı çıkarmak için kendi çözümleyicinizi yazabilir misiniz?
+
+## Ders sonrası test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* Wikipedia'daki [Coğrafi koordinat sistemi sayfasında](https://wikipedia.org/wiki/Geographic_coordinate_system) Coğrafi Koordinatlar hakkında daha fazla bilgi edinin.
+* Wikipedia'daki [Baş Meridyen sayfasında](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies) Dünya dışındaki diğer gök cisimlerindeki Baş Meridyenler hakkında bilgi edinin.
+* AB, Japonya, Rusya, Hindistan ve ABD gibi çeşitli dünya hükümetleri ve siyasi birlikler tarafından geliştirilen farklı GPS sistemlerini araştırın.
+
+## Ödev
+
+[Diğer GPS verilerini araştırın](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/1-location-tracking/assignment.md b/translations/tr/3-transport/lessons/1-location-tracking/assignment.md
new file mode 100644
index 00000000..439805a5
--- /dev/null
+++ b/translations/tr/3-transport/lessons/1-location-tracking/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
+  "translation_date": "2025-08-28T03:16:29+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Diğer GPS Verilerini Araştırın
+
+## Talimatlar
+
+GPS sensörünüzden gelen NMEA cümleleri, konumun yanı sıra başka veriler de içerir. Ek verileri araştırın ve IoT cihazınızda kullanın.
+
+Örneğin - mevcut tarih ve saati alabilir misiniz? Bir mikrodenetleyici kullanıyorsanız, saati önceki projede NTP sinyalleri kullanarak ayarladığınız gibi GPS verilerini kullanarak ayarlayabilir misiniz? Deniz seviyesinden yüksekliğinizi (irtifa) veya mevcut hızınızı alabilir misiniz?
+
+Eğer sanal bir IoT cihazı kullanıyorsanız, bu verilerin bir kısmını [nmeagen.org](https://www.nmeagen.org) gibi araçlar kullanarak oluşturulan NMEA cümlelerini göndererek alabilirsiniz.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| ------- | ----------------- | ------- | -------------------- |
+| Daha Fazla GPS Verisi Alma | Daha fazla GPS verisi alabilir ve bunu telemetri olarak veya IoT cihazını kurmak için kullanabilir | Daha fazla GPS verisi alabilir, ancak bunu kullanamaz | Daha fazla GPS verisi alamaz |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/tr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
new file mode 100644
index 00000000..1400fe5d
--- /dev/null
+++ b/translations/tr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
@@ -0,0 +1,193 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
+  "translation_date": "2025-08-28T03:14:08+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
+  "language_code": "tr"
+}
+-->
+# GPS Verilerini Okuma - Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi'ye bir GPS sensörü ekleyecek ve ondan veri okuyacaksınız.
+
+## Donanım
+
+Raspberry Pi'nin bir GPS sensörüne ihtiyacı var.
+
+Kullanacağınız sensör, [Grove GPS Air530 sensörü](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). Bu sensör, hızlı ve doğru bir konum belirlemek için birden fazla GPS sistemine bağlanabilir. Sensör iki parçadan oluşur - sensörün temel elektronik bileşenleri ve uydulardan gelen radyo dalgalarını almak için ince bir kabloyla bağlanan harici bir anten.
+
+Bu bir UART sensörüdür, bu nedenle GPS verilerini UART üzerinden gönderir.
+
+## GPS Sensörünü Bağlama
+
+Grove GPS sensörü Raspberry Pi'ye bağlanabilir.
+
+### Görev - GPS sensörünü bağlayın
+
+GPS sensörünü bağlayın.
+
+![Bir Grove GPS sensörü](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.tr.png)
+
+1. Grove kablosunun bir ucunu GPS sensöründeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Raspberry Pi kapalıyken, Grove kablosunun diğer ucunu Pi'ye bağlı Grove Base hat üzerindeki **UART** olarak işaretlenmiş UART soketine bağlayın. Bu soket, SD Kart yuvasına en yakın olan tarafta, orta sıradadır ve USB portları ile ethernet soketinin diğer ucundadır.
+
+    ![Grove GPS sensörü UART soketine bağlı](../../../../../translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.tr.png)
+
+1. GPS sensörünü, bağlı antenin gökyüzüne görünürlüğü olacak şekilde konumlandırın - ideal olarak açık bir pencerenin yanında veya dışarıda. Antenin önünde hiçbir şey olmadan daha net bir sinyal almak daha kolaydır.
+
+## GPS Sensörünü Programlama
+
+Artık Raspberry Pi, bağlı GPS sensörünü kullanacak şekilde programlanabilir.
+
+### Görev - GPS sensörünü programlayın
+
+Cihazı programlayın.
+
+1. Pi'yi açın ve başlatılmasını bekleyin.
+
+1. GPS sensöründe 2 LED bulunur - veri iletildiğinde yanıp sönen mavi bir LED ve uydulardan veri alındığında her saniye yanıp sönen yeşil bir LED. Pi'yi açtığınızda mavi LED'in yanıp söndüğünden emin olun. Birkaç dakika sonra yeşil LED yanıp sönecektir - eğer yanıp sönmezse, anteni yeniden konumlandırmanız gerekebilir.
+
+1. VS Code'u başlatın, ya doğrudan Pi üzerinde ya da Remote SSH uzantısı aracılığıyla bağlanarak.
+
+    > ⚠️ Gerekirse [1. dersteki VS Code'u kurma ve başlatma talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md) başvurabilirsiniz.
+
+1. Bluetooth'u destekleyen daha yeni Raspberry Pi sürümlerinde, Bluetooth için kullanılan seri port ile Grove UART portu için kullanılan seri port arasında bir çakışma vardır. Bunu düzeltmek için şu adımları izleyin:
+
+    1. VS Code terminalinden, `nano` adlı yerleşik bir terminal metin düzenleyicisini kullanarak `/boot/config.txt` dosyasını şu komutla düzenleyin:
+
+        ```sh
+        sudo nano /boot/config.txt
+        ```
+
+        > Bu dosya, `sudo` yetkileriyle düzenlenmesi gerektiğinden VS Code tarafından düzenlenemez. VS Code bu yetkilerle çalışmaz.
+
+    1. İmleç tuşlarını kullanarak dosyanın sonuna gidin, ardından aşağıdaki kodu kopyalayıp dosyanın sonuna yapıştırın:
+
+        ```ini
+        dtoverlay=pi3-miniuart-bt
+        dtoverlay=pi3-disable-bt
+        enable_uart=1
+        ```
+
+        Normal klavye kısayollarını kullanarak yapıştırabilirsiniz (`Windows, Linux veya Raspberry Pi OS'de Ctrl+v`, macOS'ta `Cmd+v`).
+
+    1. Bu dosyayı kaydedin ve `Ctrl+x` tuşlarına basarak nano'dan çıkın. Değiştirilen tamponu kaydetmek isteyip istemediğiniz sorulduğunda `y` tuşuna basın, ardından `/boot/config.txt` dosyasını üzerine yazmayı onaylamak için `enter` tuşuna basın.
+
+        > Bir hata yaparsanız, kaydetmeden çıkabilir ve bu adımları tekrar edebilirsiniz.
+
+    1. `nano` ile `/boot/cmdline.txt` dosyasını şu komutla düzenleyin:
+
+        ```sh
+        sudo nano /boot/cmdline.txt
+        ```
+
+    1. Bu dosyada boşluklarla ayrılmış bir dizi anahtar/değer çifti bulunur. `console` anahtarı için olan tüm anahtar/değer çiftlerini kaldırın. Bunlar muhtemelen şu şekilde görünecektir:
+
+        ```output
+        console=serial0,115200 console=tty1 
+        ```
+
+        İmleç tuşlarını kullanarak bu girişlere gidin, ardından normal `del` veya `backspace` tuşlarını kullanarak silin.
+
+        Örneğin, orijinal dosyanız şu şekilde görünüyorsa:
+
+        ```output
+        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+        Yeni sürüm şu şekilde olacaktır:
+
+        ```output
+        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+    1. Yukarıdaki adımları izleyerek bu dosyayı kaydedin ve nano'dan çıkın.
+
+    1. Pi'yi yeniden başlatın, ardından Pi yeniden başlatıldıktan sonra VS Code'a yeniden bağlanın.
+
+1. Terminalden, `pi` kullanıcısının ana dizininde `gps-sensor` adlı yeni bir klasör oluşturun. Bu klasörde `app.py` adlı bir dosya oluşturun.
+
+1. Bu klasörü VS Code'da açın.
+
+1. GPS modülü, seri port üzerinden UART verileri gönderir. Python kodunuzdan seri portla iletişim kurmak için `pyserial` Pip paketini yükleyin:
+
+    ```sh
+    pip3 install pyserial
+    ```
+
+1. `app.py` dosyanıza aşağıdaki kodu ekleyin:
+
+    ```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)
+    ```
+
+    Bu kod, `pyserial` Pip paketinden `serial` modülünü içe aktarır. Ardından, Grove Pi Base Hat'in UART portu için kullanılan `/dev/ttyAMA0` seri portuna bağlanır. Bu seri bağlantıdaki mevcut verileri temizler.
+
+    Daha sonra, kendisine iletilen satırı konsola yazdıran `print_gps_data` adlı bir fonksiyon tanımlanır.
+
+    Ardından kod, her döngüde seri porttan mümkün olduğunca çok sayıda metin satırı okuyarak sonsuza kadar döner. Her satır için `print_gps_data` fonksiyonunu çağırır.
+
+    Tüm veriler okunduktan sonra, döngü 1 saniye uyur ve ardından tekrar dener.
+
+1. Bu kodu çalıştırın. GPS sensöründen gelen ham çıktıyı göreceksiniz, örneğin şu şekilde:
+
+    ```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
+    ```
+
+    > Kodunuzu durdurup yeniden başlattığınızda aşağıdaki hatalardan birini alırsanız, while döngünüze bir `try - except` bloğu ekleyin.
+
+      ```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)
+    ```
+
+> 💁 Bu kodu [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi) klasöründe bulabilirsiniz.
+
+😀 GPS sensörü programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/tr/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
new file mode 100644
index 00000000..d887c42d
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:15:34+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
+  "language_code": "tr"
+}
+-->
+# GPS Verilerini Çözümleme - Sanal IoT Donanımı ve Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi veya Sanal IoT Cihazı tarafından GPS sensöründen okunan NMEA mesajlarını çözümleyecek ve enlem ile boylam bilgilerini çıkaracaksınız.
+
+## GPS Verilerini Çözümleme
+
+Ham NMEA verileri seri porttan okunduktan sonra, açık kaynaklı bir NMEA kütüphanesi kullanılarak çözümlenebilir.
+
+### Görev - GPS verilerini çözümleme
+
+Cihazı GPS verilerini çözümleyecek şekilde programlayın.
+
+1. `gps-sensor` uygulama projesini henüz açmadıysanız açın.
+
+1. `pynmea2` Pip paketini yükleyin. Bu paket, NMEA mesajlarını çözümlemek için kod içerir.
+
+    ```sh
+    pip3 install pynmea2
+    ```
+
+1. `app.py` dosyasındaki importlara aşağıdaki kodu ekleyerek `pynmea2` modülünü içe aktarın:
+
+    ```python
+    import pynmea2
+    ```
+
+1. `print_gps_data` fonksiyonunun içeriğini aşağıdaki kodla değiştirin:
+
+    ```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')
+    ```
+
+    Bu kod, UART seri portundan okunan satırı çözümlemek için `pynmea2` kütüphanesini kullanır.
+
+    Mesajın cümle türü `GGA` ise, bu bir konum sabitleme mesajıdır ve işlenir. Mesajdan enlem ve boylam değerleri okunur ve NMEA `(d)ddmm.mmmm` formatından ondalık dereceye dönüştürülür. `dm_to_sd` fonksiyonu bu dönüşümü gerçekleştirir.
+
+    Daha sonra enlemin yönü kontrol edilir ve eğer enlem güneyde ise, değer negatif bir sayıya dönüştürülür. Aynı şekilde, boylam batıda ise negatif bir sayıya dönüştürülür.
+
+    Son olarak, koordinatlar konsola yazdırılır ve konumu belirlemek için kullanılan uydu sayısı da gösterilir.
+
+1. Kodu çalıştırın. Eğer sanal bir IoT cihazı kullanıyorsanız, CounterFit uygulamasının çalıştığından ve GPS verilerinin gönderildiğinden emin olun.
+
+    ```output
+    pi@raspberrypi:~/gps-sensor $ python3 app.py 
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 Bu kodu [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device) klasöründe veya [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi) klasöründe bulabilirsiniz.
+
+😀 GPS sensör programınız veri çözümleme ile başarıyla tamamlandı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/tr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
new file mode 100644
index 00000000..57b8831b
--- /dev/null
+++ b/translations/tr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
@@ -0,0 +1,144 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
+  "translation_date": "2025-08-28T03:16:01+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
+  "language_code": "tr"
+}
+-->
+# GPS Verilerini Okuma - Sanal IoT Donanımı
+
+Bu dersin bu bölümünde, sanal IoT cihazınıza bir GPS sensörü ekleyecek ve ondan değerler okuyacaksınız.
+
+## Sanal Donanım
+
+Sanal IoT cihazı, bir seri port üzerinden UART ile erişilebilen simüle edilmiş bir GPS sensörü kullanacaktır.
+
+Fiziksel bir GPS sensörü, GPS uydularından gelen radyo dalgalarını almak için bir antene sahip olacak ve GPS sinyallerini GPS verilerine dönüştürecektir. Sanal versiyon, bir enlem ve boylam ayarlamanıza, ham NMEA cümleleri göndermenize veya sırasıyla döndürülebilecek birden fazla konum içeren bir GPX dosyası yüklemenize olanak tanıyarak bunu simüle eder.
+
+> 🎓 NMEA cümleleri bu dersin ilerleyen bölümlerinde ele alınacaktır.
+
+### Sensörü CounterFit'e Ekleme
+
+Sanal bir GPS sensörü kullanmak için, CounterFit uygulamasına bir tane eklemeniz gerekir.
+
+#### Görev - Sensörü CounterFit'e ekleyin
+
+GPS sensörünü CounterFit uygulamasına ekleyin.
+
+1. Bilgisayarınızda `gps-sensor` adlı bir klasörde tek bir dosya olan `app.py` ile yeni bir Python uygulaması oluşturun, bir Python sanal ortamı oluşturun ve CounterFit pip paketlerini ekleyin.
+
+    > ⚠️ Gerekirse [ders 1'de CounterFit Python projesi oluşturma ve ayarlama talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md) başvurabilirsiniz.
+
+1. Seri bağlantı üzerinden UART tabanlı sensörlerle iletişim kurabilen bir CounterFit shim yüklemek için ek bir Pip paketi yükleyin. Bu işlemi, sanal ortamın etkin olduğu bir terminalden yaptığınızdan emin olun.
+
+    ```sh
+    pip install counterfit-shims-serial
+    ```
+
+1. CounterFit web uygulamasının çalıştığından emin olun.
+
+1. Bir GPS sensörü oluşturun:
+
+    1. *Sensors* panelindeki *Create sensor* kutusunda, *Sensor type* açılır kutusunu açın ve *UART GPS* seçeneğini seçin.
+
+    1. *Port* ayarını */dev/ttyAMA0* olarak bırakın.
+
+    1. **Add** düğmesini seçerek `/dev/ttyAMA0` portunda GPS sensörünü oluşturun.
+
+    ![GPS sensör ayarları](../../../../../translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.tr.png)
+
+    GPS sensörü oluşturulacak ve sensörler listesinde görünecektir.
+
+    ![Oluşturulan GPS sensörü](../../../../../translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.tr.png)
+
+## GPS Sensörünü Programlama
+
+Sanal IoT cihazı artık sanal GPS sensörünü kullanacak şekilde programlanabilir.
+
+### Görev - GPS sensörünü programlayın
+
+GPS sensörü uygulamasını programlayın.
+
+1. `gps-sensor` uygulamasının VS Code'da açık olduğundan emin olun.
+
+1. `app.py` dosyasını açın.
+
+1. Uygulamayı CounterFit'e bağlamak için `app.py` dosyasının en üstüne aşağıdaki kodu ekleyin:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Bunun altına, CounterFit seri port kütüphanesi dahil olmak üzere bazı gerekli kütüphaneleri içe aktarmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    import time
+    import counterfit_shims_serial
+    
+    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
+    ```
+
+    Bu kod, `counterfit_shims_serial` Pip paketinden `serial` modülünü içe aktarır. Daha sonra sanal GPS sensörünün UART portu için kullandığı `/dev/ttyAMA0` seri portuna bağlanır.
+
+1. Bunun altına, seri porttan veri okumak ve değerleri konsola yazdırmak için aşağıdaki kodu ekleyin:
+
+    ```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)
+    ```
+
+    `print_gps_data` adlı bir fonksiyon tanımlanır ve kendisine iletilen satırı konsola yazdırır.
+
+    Daha sonra kod, her döngüde seri porttan mümkün olduğunca çok metin satırı okuyarak sonsuza kadar döner. Her satır için `print_gps_data` fonksiyonunu çağırır.
+
+    Tüm veriler okunduktan sonra döngü 1 saniye uyur ve tekrar denemeye başlar.
+
+1. Bu kodu çalıştırın, CounterFit uygulamasının çalışmaya devam etmesi için CounterFit uygulamasını çalıştırdığınız terminalden farklı bir terminal kullandığınızdan emin olun.
+
+1. CounterFit uygulamasından GPS sensörünün değerini değiştirin. Bunu şu yöntemlerden biriyle yapabilirsiniz:
+
+    * **Source**'u `Lat/Lon` olarak ayarlayın ve GPS sabitlemesi için kullanılan açık bir enlem, boylam ve uydu sayısı ayarlayın. Bu değer yalnızca bir kez gönderilecektir, bu nedenle verilerin her saniye tekrarlanması için **Repeat** kutusunu işaretleyin.
+
+      ![Lat/Lon seçili GPS sensörü](../../../../../translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.tr.png)
+
+    * **Source**'u `NMEA` olarak ayarlayın ve metin kutusuna bazı NMEA cümleleri ekleyin. Tüm bu değerler gönderilecek ve her yeni GGA (konum sabitleme) cümlesi okunmadan önce 1 saniyelik bir gecikme olacaktır.
+
+      ![NMEA cümleleri ayarlanmış GPS sensörü](../../../../../translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.tr.png)
+
+      Bu cümleleri oluşturmak için [nmeagen.org](https://www.nmeagen.org) gibi bir araç kullanabilirsiniz. Bu değerler yalnızca bir kez gönderilecektir, bu nedenle tümü gönderildikten bir saniye sonra verilerin tekrarlanması için **Repeat** kutusunu işaretleyin.
+
+    * **Source**'u GPX dosyası olarak ayarlayın ve bir GPX dosyası yükleyin. Bu dosyaları [AllTrails](https://www.alltrails.com/) gibi popüler haritalama ve yürüyüş sitelerinden indirebilirsiniz. Bu dosyalar bir iz olarak birden fazla GPS konumu içerir ve GPS sensörü her yeni konumu 1 saniyelik aralıklarla döndürecektir.
+
+      ![GPX dosyası ayarlanmış GPS sensörü](../../../../../translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.tr.png)
+
+      Bu değerler yalnızca bir kez gönderilecektir, bu nedenle tümü gönderildikten bir saniye sonra verilerin tekrarlanması için **Repeat** kutusunu işaretleyin.
+
+    GPS ayarlarını yapılandırdıktan sonra, bu değerleri sensöre uygulamak için **Set** düğmesini seçin.
+
+1. GPS sensöründen gelen ham çıktıyı göreceksiniz, örneğin:
+
+    ```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
+    ```
+
+> 💁 Bu kodu [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device) klasöründe bulabilirsiniz.
+
+😀 GPS sensörü programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/tr/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
new file mode 100644
index 00000000..113efd1e
--- /dev/null
+++ b/translations/tr/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
@@ -0,0 +1,83 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
+  "translation_date": "2025-08-28T03:14:44+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
+  "language_code": "tr"
+}
+-->
+# GPS Verilerini Çözümleme - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal tarafından GPS sensöründen okunan NMEA mesajlarını çözümleyecek ve enlem ile boylam bilgilerini çıkaracaksınız.
+
+## GPS Verilerini Çözümleme
+
+Ham NMEA verileri seri porttan okunduktan sonra, açık kaynaklı bir NMEA kütüphanesi kullanılarak çözümlenebilir.
+
+### Görev - GPS Verilerini Çözümleme
+
+Cihazı GPS verilerini çözümleyecek şekilde programlayın.
+
+1. `gps-sensor` uygulama projesini henüz açmadıysanız açın.
+
+1. Projenin `platformio.ini` dosyasına [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) kütüphanesi için bir kütüphane bağımlılığı ekleyin. Bu kütüphane, NMEA verilerini çözümlemek için kod içerir.
+
+    ```ini
+    lib_deps =
+        mikalhart/TinyGPSPlus @ 1.0.2
+    ```
+
+1. `main.cpp` dosyasına TinyGPSPlus kütüphanesi için bir include yönergesi ekleyin:
+
+    ```cpp
+    #include <TinyGPS++.h>
+    ```
+
+1. `Serial3` deklarasyonunun altına, NMEA cümlelerini işlemek için bir TinyGPSPlus nesnesi tanımlayın:
+
+    ```cpp
+    TinyGPSPlus gps;
+    ```
+
+1. `printGPSData` fonksiyonunun içeriğini aşağıdaki gibi değiştirin:
+
+    ```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");
+        }
+    }
+    ```
+
+    Bu kod, UART seri portundan bir sonraki karakteri `gps` NMEA çözümleyicisine okur. Her karakterden sonra, çözümleyicinin geçerli bir cümle okuyup okumadığını kontrol eder, ardından geçerli bir konum okuyup okumadığını kontrol eder. Konum geçerliyse, seri monitöre gönderir ve bu düzeltmeye katkıda bulunan uydu sayısını da ekler.
+
+1. Kodu Wio Terminal'e derleyin ve yükleyin.
+
+1. Yükleme tamamlandıktan sonra, seri monitör kullanarak GPS konum verilerini izleyebilirsiniz.
+
+    ```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
+    ```
+
+> 💁 Bu kodu [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 GPS sensör programınız veri çözümleme ile başarıyla tamamlandı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/tr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
new file mode 100644
index 00000000..3b7f78c8
--- /dev/null
+++ b/translations/tr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
+  "translation_date": "2025-08-28T03:15:08+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
+  "language_code": "tr"
+}
+-->
+# GPS Verilerini Okuma - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal'inize bir GPS sensörü ekleyecek ve ondan değerler okuyacaksınız.
+
+## Donanım
+
+Wio Terminal için bir GPS sensörü gereklidir.
+
+Kullanacağınız sensör [Grove GPS Air530 sensörü](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). Bu sensör, hızlı ve doğru bir konum belirleme için birden fazla GPS sistemine bağlanabilir. Sensör, iki parçadan oluşur - sensörün temel elektronik bileşenleri ve uydulardan radyo dalgalarını almak için ince bir kabloyla bağlanan harici anten.
+
+Bu bir UART sensörüdür, dolayısıyla GPS verilerini UART üzerinden gönderir.
+
+### GPS Sensörünü Bağlama
+
+Grove GPS sensörü, Wio Terminal'e bağlanabilir.
+
+#### Görev - GPS sensörünü bağlayın
+
+GPS sensörünü bağlayın.
+
+![Bir Grove GPS sensörü](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.tr.png)
+
+1. Grove kablosunun bir ucunu GPS sensöründeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Wio Terminal'i bilgisayarınızdan veya başka bir güç kaynağından ayırarak, Grove kablosunun diğer ucunu ekranı size dönük şekilde Wio Terminal'in sol tarafındaki Grove soketine bağlayın. Bu soket, güç düğmesine en yakın olan sokettir.
+
+    ![Grove GPS sensörü sol sokete bağlı](../../../../../translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.tr.png)
+
+1. GPS sensörünü, bağlı antenin gökyüzüne görünürlüğü olacak şekilde konumlandırın - ideal olarak açık bir pencere yanında veya dışarıda. Antenin önünde hiçbir engel olmaması, daha net bir sinyal almayı kolaylaştırır.
+
+1. Artık Wio Terminal'i bilgisayarınıza bağlayabilirsiniz.
+
+1. GPS sensöründe 2 LED bulunur - veri iletildiğinde yanıp sönen mavi bir LED ve uydulardan veri alındığında her saniye yanıp sönen yeşil bir LED. Wio Terminal'i açtığınızda mavi LED'in yanıp söndüğünden emin olun. Birkaç dakika sonra yeşil LED yanıp sönecektir - eğer yanıp sönmezse, anteni yeniden konumlandırmanız gerekebilir.
+
+## GPS Sensörünü Programlama
+
+Wio Terminal artık bağlı GPS sensörünü kullanacak şekilde programlanabilir.
+
+### Görev - GPS sensörünü programlayın
+
+Cihazı programlayın.
+
+1. PlatformIO kullanarak yeni bir Wio Terminal projesi oluşturun. Bu projeye `gps-sensor` adını verin. `setup` fonksiyonunda seri portu yapılandırmak için kod ekleyin.
+
+1. `main.cpp` dosyasının en üstüne aşağıdaki include direktifini ekleyin. Bu, UART için sol Grove portunu yapılandırmak üzere işlevler içeren bir başlık dosyasını dahil eder:
+
+    ```cpp
+    #include <wiring_private.h>
+    ```
+
+1. Bunun altına, UART portuna bir seri port bağlantısı tanımlamak için aşağıdaki kod satırını ekleyin:
+
+    ```cpp
+    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
+    ```
+
+1. Bazı dahili sinyal işleyicilerini bu seri porta yönlendirmek için kod eklemeniz gerekiyor. `Serial3` tanımının altına aşağıdaki kodu ekleyin:
+
+    ```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` fonksiyonunda, `Serial` port yapılandırmasının altına, UART seri portunu yapılandırmak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    Serial3.begin(9600);
+
+    while (!Serial3)
+        ; // Wait for Serial3 to be ready
+
+    delay(1000);
+    ```
+
+1. `setup` fonksiyonundaki bu kodun altına, Grove pinini seri porta bağlamak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
+    ```
+
+1. `loop` fonksiyonundan önce, GPS verilerini seri monitöre göndermek için aşağıdaki işlevi ekleyin:
+
+    ```cpp
+    void printGPSData()
+    {
+        Serial.println(Serial3.readStringUntil('\n'));
+    }
+    ```
+
+1. `loop` fonksiyonunda, UART seri portundan veri okumak ve seri monitöre çıktı göndermek için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    while (Serial3.available() > 0)
+    {
+        printGPSData();
+    }
+    
+    delay(1000);
+    ```
+
+    Bu kod, UART seri portundan veri okur. `readStringUntil` işlevi, bir sonlandırıcı karaktere kadar okuma yapar, bu durumda bir yeni satır karakteri. Bu, bir NMEA cümlesini tamamen okuyacaktır (NMEA cümleleri bir yeni satır karakteri ile sonlandırılır). UART seri portundan veri okunabildiği sürece, veri okunur ve `printGPSData` işlevi aracılığıyla seri monitöre gönderilir. Daha fazla veri okunamadığında, `loop` 1 saniye (1,000ms) bekler.
+
+1. Kodu derleyin ve Wio Terminal'e yükleyin.
+
+1. Yükleme tamamlandıktan sonra, seri monitör kullanarak GPS verilerini izleyebilirsiniz.
+
+    ```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
+    ```
+
+> 💁 Bu kodu [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 GPS sensörü programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/2-store-location-data/README.md b/translations/tr/3-transport/lessons/2-store-location-data/README.md
new file mode 100644
index 00000000..352d2553
--- /dev/null
+++ b/translations/tr/3-transport/lessons/2-store-location-data/README.md
@@ -0,0 +1,477 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e345843ccfeb7261d81500d19c64d476",
+  "translation_date": "2025-08-28T03:22:39+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/README.md",
+  "language_code": "tr"
+}
+-->
+# Mağaza Konum Verileri
+
+![Bu dersin genel bir sketchnote görünümü](../../../../../translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için resme tıklayın.
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
+
+## Giriş
+
+Son derste, bir GPS sensörü kullanarak konum verilerini nasıl yakalayacağınızı öğrendiniz. Bu verileri, yiyecek yüklü bir kamyonun konumunu ve yolculuğunu görselleştirmek için kullanmak istiyorsanız, verilerin bir IoT hizmetine gönderilmesi ve ardından bir yerde depolanması gerekir.
+
+Bu derste, IoT verilerini depolamanın farklı yollarını öğrenecek ve IoT hizmetinizden gelen verileri sunucusuz kod kullanarak nasıl depolayacağınızı keşfedeceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Yapılandırılmış ve yapılandırılmamış veri](../../../../../3-transport/lessons/2-store-location-data)
+* [GPS verilerini bir IoT Hub'a gönderme](../../../../../3-transport/lessons/2-store-location-data)
+* [Sıcak, ılık ve soğuk yollar](../../../../../3-transport/lessons/2-store-location-data)
+* [GPS olaylarını sunucusuz kod kullanarak işleme](../../../../../3-transport/lessons/2-store-location-data)
+* [Azure Depolama Hesapları](../../../../../3-transport/lessons/2-store-location-data)
+* [Sunucusuz kodunuzu depolamaya bağlama](../../../../../3-transport/lessons/2-store-location-data)
+
+## Yapılandırılmış ve Yapılandırılmamış Veri
+
+Bilgisayar sistemleri veriyle çalışır ve bu veriler farklı şekil ve boyutlarda olabilir. Tek bir sayıdan büyük metin miktarlarına, videolara ve görüntülere, IoT verilerine kadar çeşitlilik gösterebilir. Veriler genellikle iki kategoriye ayrılır: *yapılandırılmış* veri ve *yapılandırılmamış* veri.
+
+* **Yapılandırılmış veri**, iyi tanımlanmış, katı bir yapıya sahip olan ve genellikle ilişkili veri tablolarına eşlenen veridir. Örneğin, bir kişinin adı, doğum tarihi ve adresi gibi bilgileri.
+
+* **Yapılandırılmamış veri**, iyi tanımlanmış, katı bir yapıya sahip olmayan ve sık sık yapısını değiştirebilen veridir. Örneğin, yazılı belgeler veya elektronik tablolar gibi dokümanlar.
+
+✅ Araştırma yapın: Yapılandırılmış ve yapılandırılmamış veriye başka hangi örnekleri verebilirsiniz?
+
+> 💁 Ayrıca, yapılandırılmış ancak sabit veri tablolarına uymayan yarı yapılandırılmış veri de vardır.
+
+IoT verileri genellikle yapılandırılmamış veri olarak kabul edilir.
+
+Büyük bir ticari çiftlikteki araç filosuna IoT cihazları eklediğinizi hayal edin. Farklı araç türleri için farklı cihazlar kullanmak isteyebilirsiniz. Örneğin:
+
+* Traktör gibi çiftlik araçları için doğru tarlalarda çalıştıklarından emin olmak için GPS verisi
+* Depolara yiyecek taşıyan teslimat kamyonları için GPS verisi, hız ve ivme verisi, sürücünün güvenli bir şekilde sürdüğünden emin olmak için sürücü kimliği ve başlama/durma verisi
+* Soğutmalı kamyonlar için yiyeceklerin çok sıcak veya soğuk olmamasını ve taşınırken bozulmamasını sağlamak için sıcaklık verisi
+
+Bu veriler sürekli değişebilir. Örneğin, IoT cihazı bir kamyon kabinindeyse, gönderdiği veriler römork değiştikçe değişebilir; örneğin, yalnızca soğutmalı bir römork kullanıldığında sıcaklık verisi gönderir.
+
+✅ Başka hangi IoT verileri yakalanabilir? Kamyonların taşıyabileceği yük türlerini ve bakım verilerini düşünün.
+
+Bu veriler araçtan araca değişir, ancak hepsi işlenmek üzere aynı IoT hizmetine gönderilir. IoT hizmeti, bu yapılandırılmamış veriyi işleyebilmeli, farklı veri yapılarıyla çalışabilmeli ve veriyi aranabilir veya analiz edilebilir bir şekilde depolayabilmelidir.
+
+### SQL ve NoSQL Depolama
+
+Veritabanları, verileri depolamanıza ve sorgulamanıza olanak tanıyan hizmetlerdir. Veritabanları iki türde gelir: SQL ve NoSQL.
+
+#### SQL Veritabanları
+
+İlk veritabanları İlişkisel Veritabanı Yönetim Sistemleri (RDBMS) veya ilişkisel veritabanlarıydı. Bunlar, Structured Query Language (SQL) kullanılarak veri ekleme, kaldırma, güncelleme veya sorgulama işlemleri yapılan SQL veritabanları olarak bilinir. Bu veritabanları, bir elektronik tabloya benzer şekilde iyi tanımlanmış bir veri tabloları kümesinden oluşur. Her tablo, birden fazla adlandırılmış sütuna sahiptir. Veri eklediğinizde, tabloya bir satır ekler ve her sütuna değerler koyarsınız. Bu, veriyi çok katı bir yapıda tutar - sütunları boş bırakabilirsiniz, ancak yeni bir sütun eklemek isterseniz, bunu veritabanında yapmanız ve mevcut satırlar için değerler doldurmanız gerekir. Bu veritabanları ilişkiseldir - bir tablo başka bir tabloyla ilişki kurabilir.
+
+![Bir kullanıcı tablosunun ID'sinin, satın alımlar tablosundaki kullanıcı ID sütunuyla ve ürünler tablosunun ID'sinin, satın alımlar tablosundaki ürün ID sütunuyla ilişkili olduğu bir ilişkisel veritabanı](../../../../../translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.tr.png)
+
+Örneğin, bir kullanıcının kişisel bilgilerini bir tabloda depolarsanız, her kullanıcı için bir tür benzersiz iç ID'niz olur ve bu ID, kullanıcının adı ve adresi gibi bilgileri içeren bir tablodaki bir satırda kullanılır. Daha sonra bu kullanıcı hakkında başka ayrıntılar, örneğin satın alımları, başka bir tabloda depolamak isterseniz, yeni tablodaki bir sütun bu kullanıcının ID'si için ayrılır. Bir kullanıcıyı aradığınızda, bir tablodan kişisel bilgilerini ve başka bir tablodan satın alımlarını almak için ID'sini kullanabilirsiniz.
+
+SQL veritabanları, yapılandırılmış verileri depolamak ve verilerin şemanıza uygun olmasını sağlamak için idealdir.
+
+✅ Daha önce SQL kullanmadıysanız, [Wikipedia'daki SQL sayfasını](https://wikipedia.org/wiki/SQL) okuyarak bilgi edinin.
+
+Bazı tanınmış SQL veritabanları Microsoft SQL Server, MySQL ve PostgreSQL'dir.
+
+✅ Araştırma yapın: Bu SQL veritabanları ve özellikleri hakkında bilgi edinin.
+
+#### NoSQL Veritabanları
+
+NoSQL veritabanları, SQL veritabanlarının katı yapısına sahip olmadıkları için NoSQL olarak adlandırılır. Ayrıca, belgeleri depolayabildikleri için belge veritabanları olarak da bilinirler.
+
+> 💁 Adlarına rağmen, bazı NoSQL veritabanları veriyi sorgulamak için SQL kullanılmasına izin verir.
+
+![Bir NoSQL veritabanında klasörlerde belgeler](../../../../../translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.tr.png)
+
+NoSQL veritabanları, verilerin nasıl depolandığını sınırlayan önceden tanımlanmış bir şemaya sahip değildir; bunun yerine genellikle JSON belgeleri kullanarak herhangi bir yapılandırılmamış veri ekleyebilirsiniz. Bu belgeler, bilgisayarınızdaki dosyalara benzer şekilde klasörlere organize edilebilir. Her belge, diğer belgelerden farklı alanlara sahip olabilir - örneğin, çiftlik araçlarınızdan IoT verilerini depoluyorsanız, bazıları ivmeölçer ve hız verisi alanlarına sahip olabilir, diğerleri römorktaki sıcaklık için alanlara sahip olabilir. Dahili tartılarla donatılmış yeni bir kamyon türü eklemek isterseniz, IoT cihazınız bu yeni alanı ekleyebilir ve veritabanında herhangi bir değişiklik yapmadan depolanabilir.
+
+Bazı tanınmış NoSQL veritabanları Azure CosmosDB, MongoDB ve CouchDB'dir.
+
+✅ Araştırma yapın: Bu NoSQL veritabanları ve özellikleri hakkında bilgi edinin.
+
+Bu derste, IoT verilerini depolamak için NoSQL depolama kullanacaksınız.
+
+## GPS Verilerini Bir IoT Hub'a Gönderme
+
+Son derste, IoT cihazınıza bağlı bir GPS sensöründen GPS verilerini yakaladınız. Bu IoT verilerini bulutta depolamak için bir IoT hizmetine göndermeniz gerekir. Yine, önceki projede kullandığınız aynı IoT bulut hizmeti olan Azure IoT Hub'ı kullanacaksınız.
+
+![Bir IoT cihazından IoT Hub'a GPS telemetri gönderme](../../../../../translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.tr.png)
+
+### Görev - GPS Verilerini Bir IoT Hub'a Gönderme
+
+1. Ücretsiz katmanı kullanarak yeni bir IoT Hub oluşturun.
+
+    > ⚠️ Gerekirse [Proje 2, Ders 4'teki IoT Hub oluşturma talimatlarına](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud) başvurabilirsiniz.
+
+    Yeni bir Kaynak Grubu oluşturmayı unutmayın. Yeni Kaynak Grubuna `gps-sensor` adını verin ve yeni IoT Hub'a `gps-sensor` tabanlı benzersiz bir ad verin, örneğin `gps-sensor-<adınız>`.
+
+    > 💁 Önceki projeden IoT Hub'ınız hâlâ varsa, yeniden kullanabilirsiniz. Diğer hizmetleri oluştururken bu IoT Hub'ın adını ve bulunduğu Kaynak Grubu adını kullanmayı unutmayın.
+
+1. IoT Hub'a yeni bir cihaz ekleyin. Bu cihaza `gps-sensor` adını verin. Cihazın bağlantı dizesini alın.
+
+1. Cihaz kodunuzu, GPS verilerini yeni IoT Hub'a cihaz bağlantı dizesini kullanarak gönderecek şekilde güncelleyin.
+
+    > ⚠️ Gerekirse [Proje 2, Ders 4'teki cihazınızı IoT hizmetine bağlama talimatlarına](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service) başvurabilirsiniz.
+
+1. GPS verilerini JSON formatında şu şekilde gönderin:
+
+    ```json
+    {
+        "gps" :
+        {
+            "lat" : <latitude>,
+            "lon" : <longitude>
+        }
+    }
+    ```
+
+1. Günlük mesaj kotanızı aşmamak için GPS verilerini her dakika gönderin.
+
+Wio Terminal kullanıyorsanız, gerekli tüm kütüphaneleri eklemeyi ve zamanı bir NTP sunucusu kullanarak ayarlamayı unutmayın. Kodunuz ayrıca, GPS konumunu göndermeden önce seri porttan tüm verileri okuduğundan emin olmalıdır; önceki dersteki mevcut kodu kullanabilirsiniz. JSON belgesini oluşturmak için şu kodu kullanın:
+
+```cpp
+DynamicJsonDocument doc(1024);
+doc["gps"]["lat"] = gps.location.lat();
+doc["gps"]["lon"] = gps.location.lng();
+```
+
+Sanal IoT cihazı kullanıyorsanız, sanal bir ortam kullanarak gerekli tüm kütüphaneleri yüklemeyi unutmayın.
+
+Hem Raspberry Pi hem de Sanal IoT cihazı için, önceki dersteki mevcut kodu kullanarak enlem ve boylam değerlerini alın ve ardından aşağıdaki kodla doğru JSON formatında gönderin:
+
+```python
+message_json = { "gps" : { "lat":lat, "lon":lon } }
+print("Sending telemetry", message_json)
+message = Message(json.dumps(message_json))
+```
+
+> 💁 Bu kodu [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal), [code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) veya [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device) klasöründe bulabilirsiniz.
+
+Cihaz kodunuzu çalıştırın ve `az iot hub monitor-events` CLI komutunu kullanarak IoT Hub'a mesajların aktığını doğrulayın.
+
+## Sıcak, Ilık ve Soğuk Yollar
+
+Bir IoT cihazından buluta akan veri her zaman gerçek zamanlı olarak işlenmez. Bazı veriler gerçek zamanlı işleme gerektirirken, diğer veriler kısa bir süre sonra işlenebilir ve bazı veriler çok daha sonra işlenebilir. Verilerin farklı zamanlarda işlenmek üzere farklı hizmetlere akışı, sıcak, ılık ve soğuk yollar olarak adlandırılır.
+
+### Sıcak Yol
+
+Sıcak yol, gerçek zamanlı veya gerçek zamana yakın işlenmesi gereken verileri ifade eder. Sıcak yol verilerini, bir aracın bir depoya yaklaştığı veya soğutmalı bir kamyondaki sıcaklığın çok yüksek olduğu gibi uyarılar için kullanabilirsiniz.
+
+Sıcak yol verilerini kullanmak için kodunuz, bulut hizmetleriniz tarafından alınan olaylara hemen yanıt verir.
+
+### Ilık Yol
+
+Ilık yol, alındıktan kısa bir süre sonra işlenebilecek verileri ifade eder; örneğin, raporlama veya kısa vadeli analizler için. Ilık yol verilerini, önceki gün toplanan verileri kullanarak araç kilometre raporları için kullanabilirsiniz.
+
+Ilık yol verileri, bulut hizmeti tarafından alındıktan sonra hızlı bir şekilde erişilebilecek bir tür depolama alanında saklanır.
+
+### Soğuk Yol
+
+Soğuk yol, uzun vadeli depolama için tasarlanmış, gerektiğinde işlenebilecek tarihi verileri ifade eder. Örneğin, yıllık araç kilometre raporları almak veya yakıt maliyetlerini azaltmak için en uygun rotayı bulmak üzere rotalar üzerinde analiz yapmak için soğuk yolu kullanabilirsiniz.
+
+Soğuk yol verileri, büyük miktarda değişmeyen veriyi depolamak ve hızlı bir şekilde sorgulamak için tasarlanmış veri ambarlarında saklanır. Bulut uygulamanızda, verileri ılık yol depolamasından veri ambarına taşımak için her gün, hafta veya ay düzenli olarak çalışan bir işiniz olur.
+
+✅ Bu derslerde şimdiye kadar topladığınız verileri düşünün. Bu veriler sıcak, ılık veya soğuk yol verisi mi?
+
+## GPS Olaylarını Sunucusuz Kod Kullanarak İşleme
+
+Veriler IoT Hub'a akmaya başladığında, Event-Hub uyumlu uç noktaya yayınlanan olayları dinlemek için sunucusuz kod yazabilirsiniz. Bu, ılık yol olarak adlandırılır - bu veriler depolanacak ve bir sonraki derste yolculuk raporlaması için kullanılacaktır.
+
+![Bir IoT cihazından IoT Hub'a GPS telemetri gönderme, ardından bir olay hub tetikleyicisi aracılığıyla Azure Functions'a](../../../../../translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.tr.png)
+
+### Görev - GPS Olaylarını Sunucusuz Kod Kullanarak İşleme
+
+1. Azure Functions CLI kullanarak bir Azure Functions uygulaması oluşturun. Python çalışma zamanını kullanın ve bunu `gps-trigger` adlı bir klasörde oluşturun; Functions App proje adı için aynı adı kullanın. Bunun için bir sanal ortam oluşturduğunuzdan emin olun.
+> ⚠️ Azure Functions Projesi oluşturma talimatlarına ihtiyaç duyarsanız, [proje 2, ders 5'ten](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application) başvurabilirsiniz.
+1. IoT Hub'un Event Hub uyumlu uç noktasını kullanan bir IoT Hub olay tetikleyicisi ekleyin.
+
+    > ⚠️ Gerekirse [proje 2, ders 5'teki IoT Hub olay tetikleyicisi oluşturma talimatlarına](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger) başvurabilirsiniz.
+
+1. Event Hub uyumlu uç nokta bağlantı dizesini `local.settings.json` dosyasına ekleyin ve bu giriş için anahtarı `function.json` dosyasında kullanın.
+
+1. Yerel depolama emülatörü olarak Azurite uygulamasını kullanın.
+
+1. GPS cihazınızdan gelen olayları aldığından emin olmak için işlev uygulamanızı çalıştırın. IoT cihazınızın da çalıştığından ve GPS verilerini gönderdiğinden emin olun.
+
+    ```output
+    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
+    ```
+
+## Azure Depolama Hesapları
+
+![Azure Depolama logosu](../../../../../translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.tr.png)
+
+Azure Depolama Hesapları, verileri farklı şekillerde depolayabilen genel amaçlı bir depolama hizmetidir. Verileri bloblar, kuyruklar, tablolar veya dosyalar olarak ve aynı anda depolayabilirsiniz.
+
+### Blob depolama
+
+*Blob* kelimesi, ikili büyük nesneler anlamına gelir, ancak yapılandırılmamış herhangi bir veri için kullanılan bir terim haline gelmiştir. IoT verilerini içeren JSON belgelerinden görüntü ve film dosyalarına kadar herhangi bir veriyi blob depolamada saklayabilirsiniz. Blob depolama, ilişkisel bir veritabanındaki tablolara benzer şekilde, verilerinizi saklayabileceğiniz adlandırılmış kaplar olan *konteynerler* kavramına sahiptir. Bu konteynerler, blobları saklamak için bir veya daha fazla klasöre sahip olabilir ve her klasör, bilgisayarınızın sabit diskindeki dosyaların saklanmasına benzer şekilde başka klasörler içerebilir.
+
+Bu derste IoT verilerini saklamak için blob depolamayı kullanacaksınız.
+
+✅ Araştırma yapın: [Azure Blob Depolama](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn) hakkında bilgi edinin.
+
+### Tablo depolama
+
+Tablo depolama, yarı yapılandırılmış verileri saklamanıza olanak tanır. Tablo depolama aslında bir NoSQL veritabanıdır, bu nedenle önceden tanımlanmış bir tablo setine ihtiyaç duymaz, ancak bir veya daha fazla tabloda, her satırı tanımlamak için benzersiz anahtarlarla veri saklamak üzere tasarlanmıştır.
+
+✅ Araştırma yapın: [Azure Tablo Depolama](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn) hakkında bilgi edinin.
+
+### Kuyruk depolama
+
+Kuyruk depolama, bir kuyruğa 64KB boyutuna kadar mesajlar saklamanıza olanak tanır. Mesajları kuyruğun sonuna ekleyebilir ve önünden okuyabilirsiniz. Kuyruklar, depolama alanı olduğu sürece mesajları süresiz olarak saklar, bu nedenle mesajların uzun vadeli saklanmasına olanak tanır ve gerektiğinde okunabilir. Örneğin, GPS verilerini işlemek için aylık bir iş çalıştırmak istiyorsanız, bir ay boyunca her gün kuyruğa ekleyebilir ve ardından ay sonunda kuyruğun tüm mesajlarını işleyebilirsiniz.
+
+✅ Araştırma yapın: [Azure Kuyruk Depolama](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn) hakkında bilgi edinin.
+
+### Dosya depolama
+
+Dosya depolama, bulutta dosya depolamadır ve herhangi bir uygulama veya cihaz, endüstri standardı protokoller kullanarak bağlanabilir. Dosyaları dosya depolamaya yazabilir, ardından PC'nizde veya Mac'inizde bir sürücü olarak bağlayabilirsiniz.
+
+✅ Araştırma yapın: [Azure Dosya Depolama](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn) hakkında bilgi edinin.
+
+## Sunucusuz kodunuzu depolamaya bağlayın
+
+Artık işlev uygulamanızın, IoT Hub'dan gelen mesajları blob depolamada saklamak için blob depolamaya bağlanması gerekiyor. Bunu yapmanın 2 yolu vardır:
+
+* İşlev kodunun içinde, blob depolamaya bağlanmak için blob depolama Python SDK'sını kullanın ve verileri blob olarak yazın.
+* İşlevin dönüş değerini blob depolamaya bağlamak ve blobun otomatik olarak kaydedilmesini sağlamak için bir çıkış işlevi bağlaması kullanın.
+
+Bu derste, blob depolamayla nasıl etkileşimde bulunacağınızı görmek için Python SDK'sını kullanacaksınız.
+
+![IoT cihazından GPS telemetrisini IoT Hub'a, ardından bir olay hub tetikleyicisi aracılığıyla Azure Functions'a gönderme ve blob depolamaya kaydetme](../../../../../translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.tr.png)
+
+Veriler, aşağıdaki formatta bir JSON blobu olarak kaydedilecektir:
+
+```json
+{
+    "device_id": <device_id>,
+    "timestamp" : <time>,
+    "gps" :
+    {
+        "lat" : <latitude>,
+        "lon" : <longitude>
+    }
+}
+```
+
+### Görev - sunucusuz kodunuzu depolamaya bağlayın
+
+1. Bir Azure Depolama hesabı oluşturun. Buna `gps<adınız>` gibi bir ad verin.
+
+    > ⚠️ Gerekirse [proje 2, ders 5'teki depolama hesabı oluşturma talimatlarına](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources) başvurabilirsiniz.
+
+    Önceki projeden bir depolama hesabınız varsa, bunu yeniden kullanabilirsiniz.
+
+    > 💁 Bu depolama hesabını, bu derste daha sonra Azure Functions uygulamanızı dağıtmak için kullanabileceksiniz.
+
+1. Depolama hesabı için bağlantı dizesini almak üzere aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az storage account show-connection-string --output table \
+                                              --name <storage_name>
+    ```
+
+    `<storage_name>` yerine bir önceki adımda oluşturduğunuz depolama hesabının adını yazın.
+
+1. Depolama hesabı bağlantı dizesi için `local.settings.json` dosyasına yeni bir giriş ekleyin ve buna `STORAGE_CONNECTION_STRING` adını verin.
+
+1. Azure depolama Pip paketlerini yüklemek için `requirements.txt` dosyasına aşağıdakileri ekleyin:
+
+    ```sh
+    azure-storage-blob
+    ```
+
+    Bu dosyadaki paketleri sanal ortamınıza yükleyin.
+
+    > Bir hata alırsanız, sanal ortamınızdaki Pip sürümünü aşağıdaki komutla en son sürüme yükseltin ve tekrar deneyin:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. `iot-hub-trigger` için `__init__.py` dosyasına aşağıdaki import ifadelerini ekleyin:
+
+    ```python
+    import json
+    import os
+    import uuid
+    from azure.storage.blob import BlobServiceClient, PublicAccess
+    ```
+
+    `json` sistem modülü JSON okumak ve yazmak için, `os` sistem modülü bağlantı dizesini okumak için, `uuid` sistem modülü GPS okuması için benzersiz bir kimlik oluşturmak için kullanılacaktır.
+
+    `azure.storage.blob` paketi, blob depolama ile çalışmak için Python SDK'sını içerir.
+
+1. `main` yönteminden önce aşağıdaki yardımcı işlevi ekleyin:
+
+    ```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'sı, mevcut değilse bir konteyner oluşturmak için bir yardımcı yöntem içermez. Bu kod, bağlantı dizesini `local.settings.json` dosyasından (veya buluta dağıtıldığında Uygulama Ayarlarından) yükler, ardından blob depolama hesabıyla etkileşimde bulunmak için bundan bir `BlobServiceClient` sınıfı oluşturur. Daha sonra blob depolama hesabındaki tüm konteynerleri döngüye alır ve sağlanan adla bir konteyner arar - eğer bulursa, blobları oluşturmak için konteynerle etkileşimde bulunabilen bir `ContainerClient` sınıfı döndürür. Eğer bulamazsa, konteyner oluşturulur ve yeni konteyner için istemci döndürülür.
+
+    Yeni konteyner oluşturulduğunda, konteynerdeki blobları sorgulamak için genel erişim sağlanır. Bu, bir sonraki derste GPS verilerini bir harita üzerinde görselleştirmek için kullanılacaktır.
+
+1. Toprak nemi ile olduğu gibi, bu kodla her olayı saklamak istiyoruz, bu yüzden `main` fonksiyonundaki `for event in events:` döngüsünün içine, `logging` ifadesinin altına aşağıdaki kodu ekleyin:
+
+    ```python
+    device_id = event.iothub_metadata['connection-device-id']
+    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
+    ```
+
+    Bu kod, olay meta verilerinden cihaz kimliğini alır ve ardından bunu bir blob adı oluşturmak için kullanır. Bloblar klasörlerde saklanabilir ve cihaz kimliği klasör adı olarak kullanılacaktır, böylece her cihazın tüm GPS olayları bir klasörde olacaktır. Blob adı, bu klasör, ardından bir belge adı, ileri eğik çizgilerle ayrılmıştır, bu da Linux ve macOS yollarına benzer (Windows'a da benzer, ancak Windows ters eğik çizgiler kullanır). Belge adı, Python `uuid` modülü kullanılarak oluşturulan benzersiz bir kimliktir ve dosya türü `json`dur.
+
+    Örneğin, `gps-sensor` cihaz kimliği için blob adı `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json` olabilir.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```python
+    container_client = get_or_create_container('gps-data')
+    blob = container_client.get_blob_client(blob_name)
+    ```
+
+    Bu kod, `get_or_create_container` yardımcı sınıfını kullanarak konteyner istemcisini alır ve ardından blob adı kullanarak bir blob istemci nesnesi alır. Bu blob istemcileri mevcut bloblara veya bu durumda olduğu gibi yeni bloblara atıfta bulunabilir.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```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']
+    }
+    ```
+
+    Bu, blob depolamaya yazılacak blobun gövdesini oluşturur. Bu, cihaz kimliğini, telemetri IoT Hub'a gönderildiği zamanı ve telemetri verilerinden GPS koordinatlarını içeren bir JSON belgesidir.
+
+    > 💁 Mesajın gönderildiği zamanı almak için mesajın sıraya alınma zamanını kullanmak, mevcut zamanı kullanmaktan daha önemlidir. Mesaj, Functions App çalışmıyorsa bir süre hub'da bekliyor olabilir.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```python
+    logging.info(f'Writing blob to {blob_name} - {blob_body}')
+    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
+    ```
+
+    Bu kod, bir blobun yazılmak üzere olduğunu ve ayrıntılarını kaydeder, ardından blob gövdesini yeni blobun içeriği olarak yükler.
+
+1. Functions uygulamasını çalıştırın. Çıktıda tüm GPS olayları için blobların yazıldığını göreceksiniz:
+
+    ```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}}
+    ```
+
+    > 💁 IoT Hub olay monitörünü aynı anda çalıştırmadığınızdan emin olun.
+
+> 💁 Bu kodu [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions) klasöründe bulabilirsiniz.
+
+### Görev - yüklenen blobları doğrulayın
+
+1. Oluşturulan blobları görüntülemek için [Azure Storage Explorer](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn) adlı ücretsiz bir aracı veya CLI'yı kullanabilirsiniz.
+
+    1. CLI'yı kullanmak için önce bir hesap anahtarına ihtiyacınız olacak. Bu anahtarı almak için aşağıdaki komutu çalıştırın:
+
+        ```sh
+        az storage account keys list --output table \
+                                     --account-name <storage_name>
+        ```
+
+        `<storage_name>` yerine depolama hesabının adını yazın.
+
+        `key1` değerini kopyalayın.
+
+    1. Konteynerdeki blobları listelemek için aşağıdaki komutu çalıştırın:
+
+        ```sh
+        az storage blob list --container-name gps-data \
+                             --output table \
+                             --account-name <storage_name> \
+                             --account-key <key1>
+        ```
+
+        `<storage_name>` yerine depolama hesabının adını ve `<key1>` yerine bir önceki adımda kopyaladığınız `key1` değerini yazın.
+
+        Bu, konteynerdeki tüm blobları listeleyecektir:
+
+        ```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. Bloblardan birini indirmek için aşağıdaki komutu çalıştırın:
+
+        ```sh
+        az storage blob download --container-name gps-data \
+                                 --account-name <storage_name> \
+                                 --account-key <key1> \
+                                 --name <blob_name> \
+                                 --file <file_name>
+        ```
+
+        `<storage_name>` yerine depolama hesabının adını, `<key1>` yerine daha önce kopyaladığınız `key1` değerini yazın.
+
+        `<blob_name>` yerine, bir önceki adımın çıktısındaki `Name` sütunundan tam adı, klasör adı dahil yazın. `<file_name>` yerine, blobu kaydetmek için yerel bir dosya adı yazın.
+
+    İndirildikten sonra JSON dosyasını VS Code'da açabilirsiniz ve blobun GPS konum detaylarını içerdiğini göreceksiniz:
+
+    ```json
+    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
+    ```
+
+### Görev - Functions uygulamanızı buluta dağıtın
+
+Artık Functions uygulamanız çalışıyor, bunu buluta dağıtabilirsiniz.
+
+1. Daha önce oluşturduğunuz depolama hesabını kullanarak yeni bir Azure Functions uygulaması oluşturun. Buna `gps-sensor-` gibi bir ad verin ve sonuna rastgele kelimeler veya adınız gibi benzersiz bir tanımlayıcı ekleyin.
+
+    > ⚠️ Gerekirse [proje 2, ders 5'teki Functions uygulaması oluşturma talimatlarına](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources) başvurabilirsiniz.
+
+1. `IOT_HUB_CONNECTION_STRING` ve `STORAGE_CONNECTION_STRING` değerlerini Uygulama Ayarlarına yükleyin.
+
+    > ⚠️ Gerekirse [proje 2, ders 5'teki Uygulama Ayarlarını yükleme talimatlarına](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings) başvurabilirsiniz.
+
+1. Yerel Functions uygulamanızı buluta dağıtın.
+> ⚠️ Gerekirse [proje 2, ders 5'teki Functions uygulamanızı dağıtma talimatlarına](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud) başvurabilirsiniz.
+## 🚀 Zorluk
+
+GPS verileri mükemmel derecede doğru değildir ve tespit edilen konumlar birkaç metre, hatta daha fazla sapma gösterebilir, özellikle tünellerde ve yüksek binaların bulunduğu bölgelerde.
+
+Uydu navigasyonu bunu nasıl aşabilir? Konumunuzu daha iyi tahmin etmek için sat-nav'ınızın sahip olduğu hangi veriler kullanılabilir?
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* Yapılandırılmış veri hakkında [Wikipedia'daki Veri modeli sayfasını](https://wikipedia.org/wiki/Data_model) okuyun.
+* Yarı yapılandırılmış veri hakkında [Wikipedia'daki Yarı yapılandırılmış veri sayfasını](https://wikipedia.org/wiki/Semi-structured_data) okuyun.
+* Yapılandırılmamış veri hakkında [Wikipedia'daki Yapılandırılmamış veri sayfasını](https://wikipedia.org/wiki/Unstructured_data) okuyun.
+* Azure Depolama ve farklı depolama türleri hakkında daha fazla bilgi için [Azure Depolama belgelerini](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn) okuyun.
+
+## Ödev
+
+[Fonksiyon bağlamalarını araştırın](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/2-store-location-data/assignment.md b/translations/tr/3-transport/lessons/2-store-location-data/assignment.md
new file mode 100644
index 00000000..f243a010
--- /dev/null
+++ b/translations/tr/3-transport/lessons/2-store-location-data/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
+  "translation_date": "2025-08-28T03:24:12+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Fonksiyon Bağlantılarını İnceleyin
+
+## Talimatlar
+
+Fonksiyon bağlantıları, `main` fonksiyonundan döndürülerek kodunuzun blobları blob depolamaya kaydetmesine olanak tanır. Azure Depolama hesabı, koleksiyon ve diğer ayrıntılar `function.json` dosyasında yapılandırılır.
+
+Azure veya diğer Microsoft teknolojileriyle çalışırken, en iyi bilgi kaynağı [docs.com'daki Microsoft belgeleridir](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn). Bu görevde, çıktı bağlantısını nasıl ayarlayacağınızı öğrenmek için Azure Functions bağlantı belgelerini okumanız gerekecek.
+
+Başlamak için bakabileceğiniz bazı sayfalar şunlardır:
+
+* [Azure Functions tetikleyicileri ve bağlantı kavramları](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
+* [Azure Functions için Azure Blob depolama bağlantılarına genel bakış](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
+* [Azure Functions için Azure Blob depolama çıktı bağlantısı](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## Değerlendirme Kriterleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirmeye İhtiyaç Var |
+| ------- | ----------------- | ------- | ----------------------- |
+| Blob depolama çıktı bağlantısını yapılandırma | Çıktı bağlantısını yapılandırabildi, blobu döndürdü ve blob depolamaya başarıyla kaydedebildi | Çıktı bağlantısını yapılandırabildi veya blobu döndürdü ancak blob depolamaya başarıyla kaydedemedi | Çıktı bağlantısını yapılandıramadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/3-visualize-location-data/README.md b/translations/tr/3-transport/lessons/3-visualize-location-data/README.md
new file mode 100644
index 00000000..b2c80e09
--- /dev/null
+++ b/translations/tr/3-transport/lessons/3-visualize-location-data/README.md
@@ -0,0 +1,359 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
+  "translation_date": "2025-08-28T03:20:00+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
+  "language_code": "tr"
+}
+-->
+# Konum Verilerini Görselleştirme
+
+![Bu dersin genel bir sketchnote görünümü](../../../../../translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için resme tıklayın.
+
+Bu video, bu derste ele alınacak bir hizmet olan Azure Maps ile IoT'nin genel bir görünümünü sunar.
+
+[![Azure Maps - Microsoft Azure Kurumsal Konum Platformu](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
+
+> 🎥 Videoyu izlemek için yukarıdaki resme tıklayın
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
+
+## Giriş
+
+Son derste, sensörlerinizden GPS verilerini alıp, sunucusuz kod kullanarak bulutta bir depolama konteynerine kaydetmeyi öğrendiniz. Şimdi bu noktaları bir Azure haritasında nasıl görselleştireceğinizi keşfedeceksiniz. Bir web sayfasında harita oluşturmayı, GeoJSON veri formatını ve yakalanan tüm GPS noktalarını haritanızda nasıl çizeceğinizi öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Veri görselleştirme nedir](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Harita hizmetleri](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Azure Maps kaynağı oluşturma](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Bir web sayfasında harita gösterme](../../../../../3-transport/lessons/3-visualize-location-data)
+* [GeoJSON formatı](../../../../../3-transport/lessons/3-visualize-location-data)
+* [GeoJSON kullanarak GPS verilerini bir haritada çizme](../../../../../3-transport/lessons/3-visualize-location-data)
+
+> 💁 Bu ders, az miktarda HTML ve JavaScript içerecek. HTML ve JavaScript kullanarak web geliştirme hakkında daha fazla bilgi edinmek isterseniz, [Web development for beginners](https://github.com/microsoft/Web-Dev-For-Beginners) kaynağına göz atabilirsiniz.
+
+## Veri Görselleştirme Nedir
+
+Veri görselleştirme, adından da anlaşılacağı gibi, verileri insanların daha kolay anlamasını sağlayacak şekilde görselleştirmektir. Genellikle grafikler ve tablolarla ilişkilendirilir, ancak verileri görsel olarak temsil eden herhangi bir yöntemdir. Bu, insanların veriyi daha iyi anlamasına ve kararlar almasına yardımcı olur.
+
+Basit bir örnek alalım - çiftlik projesinde toprak nemi ölçümlerini yakalamıştınız. 1 Haziran 2021 tarihinde her saat başı yakalanan toprak nemi verilerinin bir tablosu şu şekilde olabilir:
+
+| Tarih            | Okuma   |
+| ----------------- | -------:|
+| 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 |
+
+Bu veriyi anlamak insan için zor olabilir. Anlamı olmayan bir sayı duvarı gibidir. Bu veriyi görselleştirmek için ilk adım olarak bir çizgi grafiğe dökebiliriz:
+
+![Yukarıdaki verilerin çizgi grafiği](../../../../../translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.tr.png)
+
+Bu grafik, otomatik sulama sisteminin 450 nem okumasında açıldığı noktayı gösteren bir çizgi eklenerek daha da geliştirilebilir:
+
+![450 nem okumasında bir çizgi ile toprak nemi grafiği](../../../../../translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.tr.png)
+
+Bu grafik, toprak nemi seviyelerinin ne olduğunu ve sulama sisteminin açıldığı noktaları çok hızlı bir şekilde gösterir.
+
+Grafikler, veriyi görselleştirmek için tek araç değildir. Hava durumu izleyen IoT cihazları, hava koşullarını bulut simgesi, yağmur bulutu gibi sembollerle görselleştiren web veya mobil uygulamalara sahip olabilir. Veriyi görselleştirmek için ciddi ve eğlenceli birçok yöntem vardır.
+
+✅ Verilerin görselleştirildiği yöntemleri düşünün. Hangi yöntemler en netti ve karar vermenizi en hızlı şekilde sağladı?
+
+En iyi görselleştirmeler, insanların hızlı kararlar almasını sağlar. Örneğin, endüstriyel makinelerden gelen tüm okuma türlerini gösteren bir gösterge duvarı işlenmesi zor olabilir, ancak bir şeyler ters gittiğinde yanıp sönen kırmızı bir ışık bir insanın karar vermesini sağlar. Bazen en iyi görselleştirme yanıp sönen bir ışık olabilir!
+
+GPS verileriyle çalışırken, en net görselleştirme veriyi bir haritada çizmek olabilir. Örneğin, teslimat kamyonlarını gösteren bir harita, bir işleme tesisindeki çalışanların kamyonların ne zaman geleceğini görmesine yardımcı olabilir. Bu harita, yalnızca kamyonların mevcut konumlarını değil, aynı zamanda bir kamyonun içeriği hakkında bilgi verirse, tesis çalışanları buna göre plan yapabilir - örneğin, yakınlarda bir soğutmalı kamyon görürlerse buzdolabında yer hazırlayabilirler.
+
+## Harita Hizmetleri
+
+Haritalarla çalışmak ilginç bir egzersizdir ve Bing Maps, Leaflet, Open Street Maps ve Google Maps gibi birçok seçenek vardır. Bu derste, [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) hakkında bilgi edinecek ve GPS verilerinizi nasıl görüntüleyebileceğinizi öğreneceksiniz.
+
+![Azure Maps logosu](../../../../../translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.tr.png)
+
+Azure Maps, "coğrafi bağlamı web ve mobil uygulamalara sağlamak için taze harita verilerini kullanan bir dizi coğrafi hizmet ve SDK'dır." Geliştiricilere, önerilen trafik rotaları sağlama, trafik olayları hakkında bilgi verme, iç mekan navigasyonu, arama yetenekleri, yükseklik bilgisi, hava durumu hizmetleri ve daha fazlasını yapabilen güzel, etkileşimli haritalar oluşturmak için araçlar sunar.
+
+✅ Bazı [harita kodu örneklerini](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps) deneyin
+
+Haritaları boş bir tuval, döşemeler, uydu görüntüleri, yolların üstüne bindirilmiş uydu görüntüleri, çeşitli gri tonlamalı haritalar, yükseklik göstermek için gölgeli kabartma haritaları, gece görünümü haritaları ve yüksek kontrastlı harita olarak görüntüleyebilirsiniz. Haritalarınızı [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn) ile entegre ederek gerçek zamanlı güncellemeler alabilirsiniz. Haritalarınızın davranışını ve görünümünü kontrol etmek için haritanın sıkıştırma, sürükleme ve tıklama gibi olaylara tepki vermesini sağlayan çeşitli kontrolleri etkinleştirebilirsiniz. Haritanızın görünümünü kontrol etmek için baloncuklar, çizgiler, çokgenler, ısı haritaları ve daha fazlasını içeren katmanlar ekleyebilirsiniz. Hangi harita stilini uygulayacağınız, seçtiğiniz SDK'ya bağlıdır.
+
+Azure Maps API'lerine [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) veya bir mobil uygulama geliştiriyorsanız [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) kullanarak erişebilirsiniz.
+
+Bu derste, bir harita çizmek ve sensörünüzün GPS konumlarının yolunu göstermek için web SDK'sını kullanacaksınız.
+
+## Azure Maps Kaynağı Oluşturma
+
+İlk adımınız bir Azure Maps hesabı oluşturmaktır.
+
+### Görev - Azure Maps kaynağı oluşturma
+
+1. `gps-sensor` kaynak grubunuzda bir Azure Maps kaynağı oluşturmak için Terminal veya Komut İsteminden aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az maps account create --name gps-sensor \
+                           --resource-group gps-sensor \
+                           --accept-tos \
+                           --sku S1
+    ```
+
+    Bu, `gps-sensor` adlı bir Azure Maps kaynağı oluşturacaktır. Kullanılan katman `S1` olup, ücretsiz bir dizi çağrı içeren bir dizi özellik sunan ücretli bir katmandır.
+
+    > 💁 Azure Maps kullanmanın maliyetini görmek için [Azure Maps fiyatlandırma sayfasına](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn) göz atın.
+
+1. Harita kaynağı için bir API anahtarına ihtiyacınız olacak. Bu anahtarı almak için aşağıdaki komutu kullanın:
+
+    ```sh
+    az maps account keys list --name gps-sensor \
+                              --resource-group gps-sensor \
+                              --output table
+    ```
+
+    `PrimaryKey` değerini kopyalayın.
+
+## Bir Web Sayfasında Harita Gösterme
+
+Şimdi bir sonraki adımı atabilir ve haritanızı bir web sayfasında görüntüleyebilirsiniz. Küçük web uygulamanız için yalnızca bir `html` dosyası kullanacağız; unutmayın ki üretim veya ekip ortamında web uygulamanız muhtemelen daha fazla hareketli parçaya sahip olacaktır!
+
+### Görev - bir web sayfasında harita gösterme
+
+1. Yerel bilgisayarınızda bir klasörde `index.html` adlı bir dosya oluşturun. Haritayı tutacak HTML işaretlemesini ekleyin:
+
+    ```html
+    <html>
+    <head>
+        <style>
+            #myMap {
+                width:100%;
+                height:100%;
+            }
+        </style>
+    </head>
+    
+    <body onload="init()">
+        <div id="myMap"></div>
+    </body>
+    </html>
+    ```
+
+    Harita, `myMap` `div` içinde yüklenecektir. Birkaç stil, sayfanın genişliğini ve yüksekliğini kaplamasına izin verir.
+
+    > 🎓 Bir `div`, bir web sayfasının adlandırılabilir ve stillendirilebilir bir bölümüdür.
+
+1. Açılış `<head>` etiketinin altına, harita görüntüsünü kontrol etmek için bir harici stil sayfası ve davranışını yönetmek için Web SDK'dan bir harici betik ekleyin:
+
+    ```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>
+    ```
+
+    Bu stil sayfası, haritanın nasıl göründüğüne dair ayarları içerir ve betik dosyası haritayı yüklemek için kod içerir. Bu kodu eklemek, C++ başlık dosyalarını dahil etmeye veya Python modüllerini içe aktarmaya benzer.
+
+1. Bu betiğin altına, haritayı başlatmak için bir betik bloğu ekleyin.
+
+    ```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>` kısmını Azure Maps hesabınızın API anahtarıyla değiştirin.
+
+    `index.html` sayfanızı bir web tarayıcısında açarsanız, bir harita yüklendiğini ve Seattle bölgesine odaklandığını görmelisiniz.
+
+    ![Washington Eyaleti, ABD'deki bir şehir olan Seattle'ı gösteren bir harita](../../../../../translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.tr.png)
+
+    ✅ Harita görüntünüzü değiştirmek için zoom ve merkez parametreleriyle deney yapın. Haritanın merkezini yeniden ayarlamak için verilerinizin enlem ve boylamına karşılık gelen farklı koordinatlar ekleyebilirsiniz.
+
+> 💁 Web uygulamalarıyla yerel olarak çalışmanın daha iyi bir yolu [http-server](https://www.npmjs.com/package/http-server) kurmaktır. Bu aracı kullanmadan önce [node.js](https://nodejs.org/) ve [npm](https://www.npmjs.com/) kurulu olmalıdır. Bu araçlar kurulduktan sonra, `index.html` dosyanızın bulunduğu konuma gidip `http-server` yazabilirsiniz. Web uygulaması yerel bir web sunucusunda [http://127.0.0.1:8080/](http://127.0.0.1:8080/) adresinde açılacaktır.
+
+## GeoJSON Formatı
+
+Web uygulamanızın haritayı görüntülediği yer artık hazır olduğuna göre, depolama hesabınızdan GPS verilerini çıkarıp haritanın üzerine bir katman olarak işaretçilerle görüntülemeniz gerekiyor. Bunu yapmadan önce, Azure Maps tarafından gereksinim duyulan [GeoJSON](https://wikipedia.org/wiki/GeoJSON) formatına bir göz atalım.
+
+[GeoJSON](https://geojson.org/), coğrafi verileri işlemek için özel bir formatlama ile tasarlanmış açık bir JSON standart spesifikasyonudur. Örnek verileri test ederek [geojson.io](https://geojson.io) kullanarak öğrenebilir ve GeoJSON dosyalarını hata ayıklamak için bu aracı kullanabilirsiniz.
+
+Örnek GeoJSON verisi şu şekilde görünür:
+
+```json
+{
+  "type": "FeatureCollection",
+  "features": [
+    {
+      "type": "Feature",
+      "geometry": {
+        "type": "Point",
+        "coordinates": [
+          -2.10237979888916,
+          57.164918677004714
+        ]
+      }
+    }
+  ]
+}
+```
+
+Özellikle dikkat edilmesi gereken, verilerin bir `FeatureCollection` içinde bir `Feature` olarak nasıl iç içe geçtiğidir. Bu nesne içinde, `geometry` ve `coordinates` bulunur; bunlar enlem ve boylamı belirtir.
+
+✅ GeoJSON oluştururken, nesnedeki `latitude` ve `longitude` sırasına dikkat edin, aksi takdirde noktalarınız olması gereken yerde görünmez! GeoJSON, noktalar için veriyi `lon,lat` sırasıyla bekler, `lat,lon` değil.
+
+`Geometry` farklı türlere sahip olabilir, örneğin tek bir nokta veya bir çokgen. Bu örnekte, iki koordinat belirtilmiş bir nokta vardır: boylam ve enlem.
+✅ Azure Maps, standart GeoJSON'u ve daireler ile diğer geometrileri çizme yeteneği gibi [gelişmiş özellikleri](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn) destekler.
+
+## GeoJSON kullanarak GPS verilerini bir haritada gösterme
+
+Artık önceki derste oluşturduğunuz depolamadan veri almaya hazırsınız. Hatırlatma olarak, bu veriler blob depolamada bir dizi dosya olarak saklanır, bu nedenle dosyaları almanız ve Azure Maps'in verileri kullanabilmesi için bunları ayrıştırmanız gerekir.
+
+### Görev - depolamayı bir web sayfasından erişilebilir hale getirme
+
+Depolamanıza veri almak için bir çağrı yaptığınızda, tarayıcınızın konsolunda hatalar görürseniz şaşırmayın. Bunun nedeni, bu depolamanın verilerini harici web uygulamalarının okuyabilmesi için [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) izinlerini ayarlamanız gerektiğidir.
+
+> 🎓 CORS, "Cross-Origin Resource Sharing" (Kaynaklar Arası Paylaşım) anlamına gelir ve genellikle güvenlik nedenleriyle Azure'da açıkça ayarlanması gerekir. Beklemediğiniz sitelerin verilerinize erişmesini engeller.
+
+1. CORS'u etkinleştirmek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az storage cors add --methods GET \
+                        --origins "*" \
+                        --services b \
+                        --account-name <storage_name> \
+                        --account-key <key1>
+    ```
+
+    `<storage_name>` ile depolama hesabınızın adını değiştirin. `<key1>` ile depolama hesabınızın hesap anahtarını değiştirin.
+
+    Bu komut, herhangi bir web sitesinin (joker karakter `*` herhangi bir site anlamına gelir) depolama hesabınızdan veri almak için bir *GET* isteği yapmasına izin verir. `--services b` yalnızca bloblar için bu ayarı uygulamak anlamına gelir.
+
+### Görev - GPS verilerini depolamadan yükleme
+
+1. `init` fonksiyonunun tüm içeriğini aşağıdaki kodla değiştirin:
+
+    ```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>` ile depolama hesabınızın adını değiştirin. `<subscription_key>` ile Azure Maps hesabınızın API anahtarını değiştirin.
+
+    Burada birkaç şey oluyor. İlk olarak, kod blob konteynerinizden GPS verilerinizi depolama hesabınızın adını kullanarak oluşturulan bir URL uç noktası aracılığıyla alır. Bu URL, `gps-data`dan veri alır, kaynak türünün bir konteyner olduğunu (`restype=container`) belirtir ve tüm bloblar hakkında bilgi listeler. Bu liste blobların kendisini döndürmez, ancak blob verilerini yüklemek için kullanılabilecek bir URL döndürür.
+
+    > 💁 Bu URL'yi tarayıcınıza koyarak konteynerinizdeki tüm blobların detaylarını görebilirsiniz. Her öğe, tarayıcınızda blobun içeriğini görmek için de yüklenebilecek bir `Url` özelliğine sahip olacaktır.
+
+    Bu kod daha sonra her bir blobu yükler, bir `loadJSON` fonksiyonunu çağırır ve bu fonksiyon bir sonraki adımda oluşturulacaktır. Ardından harita kontrolünü oluşturur ve `ready` olayına kod ekler. Bu olay, harita web sayfasında görüntülendiğinde çağrılır.
+
+    Ready olayı, daha sonra doldurulacak GeoJSON verilerini içeren bir Azure Maps veri kaynağı oluşturur. Bu veri kaynağı, haritada GeoJSON'daki her bir noktanın merkezinde bir dizi daire olan bir baloncuk katmanı oluşturmak için kullanılır.
+
+1. `init` fonksiyonunun altına, script bloğunuza `loadJSON` fonksiyonunu ekleyin:
+
+    ```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();
+    }    
+    ```
+
+    Bu fonksiyon, JSON verilerini ayrıştırmak ve bunları GeoJSON olarak uzunluk ve enlem koordinatları şeklinde okunabilir hale getirmek için fetch rutini tarafından çağrılır. 
+    Ayrıştırıldıktan sonra, veriler bir GeoJSON `Feature` olarak ayarlanır. Harita başlatılır ve verilerinizin izlediği yolun etrafında küçük baloncuklar görünür:
+
+1. HTML sayfasını tarayıcınızda yükleyin. Harita yüklenecek, ardından depolamadan tüm GPS verileri yüklenecek ve haritada gösterilecektir.
+
+    ![Seattle yakınlarındaki Saint Edward State Park'ın bir haritası, parkın kenarındaki yolu gösteren daireler](../../../../../translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.tr.png)
+
+> 💁 Bu kodu [code](../../../../../3-transport/lessons/3-visualize-location-data/code) klasöründe bulabilirsiniz.
+
+---
+
+## 🚀 Meydan Okuma
+
+Statik verileri haritada işaretleyiciler olarak göstermek güzel. Zaman damgalı JSON dosyalarını kullanarak işaretleyicilerin yolunu zaman içinde göstermek için bu web uygulamasını animasyon ekleyerek geliştirebilir misiniz? İşte haritalarda animasyon kullanımıyla ilgili [bazı örnekler](https://azuremapscodesamples.azurewebsites.net/).
+
+## Ders sonrası test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+Azure Maps, IoT cihazlarıyla çalışmak için özellikle kullanışlıdır.
+
+* [Microsoft dokümanlarındaki Azure Maps dokümantasyonu](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn) üzerinde bazı kullanım alanlarını araştırın.
+* [Microsoft Learn'deki Azure Maps ile ilk rota bulma uygulamanızı oluşturun](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn) adlı kendi kendine öğrenme modülü ile harita yapımı ve yol noktaları hakkındaki bilginizi derinleştirin.
+
+## Ödev
+
+[Uygulamanızı dağıtın](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/tr/3-transport/lessons/3-visualize-location-data/assignment.md
new file mode 100644
index 00000000..958a20a3
--- /dev/null
+++ b/translations/tr/3-transport/lessons/3-visualize-location-data/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
+  "translation_date": "2025-08-28T03:21:02+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Uygulamanızı Dağıtın
+
+## Talimatlar
+
+Uygulamanızı dünyayla paylaşmak için GitHub Pages veya birçok hizmet sağlayıcıdan birini kullanmak gibi çeşitli yollar vardır. Bunun için gerçekten harika bir yöntem Azure Static Web Apps kullanmaktır. Bu ödevde, web uygulamanızı oluşturun ve [bu talimatları](https://github.com/Azure/static-web-apps-cli) izleyerek veya [bu videoları](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3) izleyerek buluta dağıtın. Azure Static Web Apps kullanmanın bir avantajı, API anahtarlarınızı portaldan gizleyebilmenizdir. Bu fırsatı değerlendirerek subscriptionKey'inizi bir değişken olarak yeniden düzenleyin ve bulutta saklayın.
+
+## Değerlendirme Kriterleri
+
+| Kriter   | Örnek Niteliğinde                                                                                                                       | Yeterli                                                                                                            | Geliştirmeye İhtiyaç Var                          |
+| -------- | ---------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------ |
+|          | Çalışan bir web uygulaması, subscriptionKey'in bulutta saklandığı ve bir değişken aracılığıyla çağrıldığı belgelenmiş bir GitHub deposunda sunulmuştur | Çalışan bir web uygulaması, subscriptionKey'in bulutta saklanmadığı belgelenmiş bir GitHub deposunda sunulmuştur   | Web uygulaması hatalar içeriyor veya düzgün çalışmıyor |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dilindeki hali, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul edilmez.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/4-geofences/README.md b/translations/tr/3-transport/lessons/4-geofences/README.md
new file mode 100644
index 00000000..893a45b5
--- /dev/null
+++ b/translations/tr/3-transport/lessons/4-geofences/README.md
@@ -0,0 +1,486 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
+  "translation_date": "2025-08-28T03:17:38+00:00",
+  "source_file": "3-transport/lessons/4-geofences/README.md",
+  "language_code": "tr"
+}
+-->
+# Coğrafi Çitler
+
+![Bu dersin genel bir sketchnote özeti](../../../../../translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için resme tıklayın.
+
+Bu video, coğrafi çitlerin ne olduğunu ve Azure Maps'te nasıl kullanılacağını anlatıyor. Bu dersin konuları:
+
+[![Microsoft Developer IoT şovundan Azure Maps ile Coğrafi Çitler](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
+
+> 🎥 Videoyu izlemek için yukarıdaki resme tıklayın
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
+
+## Giriş
+
+Son 3 derste, çiftliğinizden işleme merkezine ürün taşıyan kamyonların konumunu IoT kullanarak takip ettiniz. GPS verilerini yakaladınız, buluta gönderip depoladınız ve harita üzerinde görselleştirdiniz. Tedarik zincirinizin verimliliğini artırmanın bir sonraki adımı, bir kamyon işleme merkezine yaklaşırken bir uyarı almak olacaktır. Böylece, araç geldiğinde boşaltma ekibi forkliftler ve diğer ekipmanlarla hazır olabilir. Bu şekilde hızlı bir şekilde boşaltma yapılabilir ve kamyon ile sürücünün bekleme süresi için ödeme yapmanız gerekmez.
+
+Bu derste, coğrafi çitler hakkında bilgi edineceksiniz - işleme merkezine 2 km'lik bir sürüş mesafesi gibi tanımlanmış coğrafi bölgeler. Ayrıca GPS koordinatlarının bir coğrafi çitin içinde mi yoksa dışında mı olduğunu test etmeyi öğreneceksiniz. Böylece GPS sensörünüzün bir alana ulaşıp ulaşmadığını veya bir alandan ayrıldığını görebilirsiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Coğrafi çitler nedir](../../../../../3-transport/lessons/4-geofences)
+* [Bir coğrafi çit tanımlama](../../../../../3-transport/lessons/4-geofences)
+* [Noktaları bir coğrafi çite karşı test etme](../../../../../3-transport/lessons/4-geofences)
+* [Sunucusuz koddan coğrafi çitler kullanma](../../../../../3-transport/lessons/4-geofences)
+
+> 🗑 Bu proje için son ders, bu nedenle bu dersi ve ödevi tamamladıktan sonra bulut hizmetlerinizi temizlemeyi unutmayın. Ödevi tamamlamak için hizmetlere ihtiyacınız olacak, bu yüzden önce ödevi tamamladığınızdan emin olun.
+>
+> Gerekirse [projenizi temizleme rehberine](../../../clean-up.md) başvurabilirsiniz.
+
+## Coğrafi Çitler Nedir?
+
+Coğrafi çit, gerçek dünyadaki bir coğrafi bölge için sanal bir sınırdır. Coğrafi çitler, bir nokta ve bir yarıçap olarak tanımlanan daireler (örneğin bir binanın etrafında 100m genişliğinde bir daire) veya bir okul bölgesi, şehir sınırları, üniversite veya ofis kampüsü gibi bir alanı kapsayan çokgenler olabilir.
+
+![Microsoft şirket mağazası etrafında dairesel bir coğrafi çit ve Microsoft batı kampüsü etrafında çokgen bir coğrafi çit örnekleri](../../../../../translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.tr.png)
+
+> 💁 Belki de farkında olmadan coğrafi çitler kullanmış olabilirsiniz. iOS hatırlatıcılar uygulaması veya Google Keep'te bir konuma dayalı hatırlatıcı ayarladıysanız, bir coğrafi çit kullanmışsınızdır. Bu uygulamalar, verilen konuma dayalı bir coğrafi çit oluşturur ve telefonunuz coğrafi çite girdiğinde sizi uyarır.
+
+Bir aracın bir coğrafi çitin içinde mi yoksa dışında mı olduğunu bilmek istemenizin birçok nedeni vardır:
+
+* Boşaltma hazırlığı - bir aracın sahaya geldiğine dair bir bildirim almak, ekibin aracı boşaltmaya hazır olmasını sağlar ve araç bekleme süresini azaltır. Bu, bir sürücünün daha az bekleme süresiyle bir günde daha fazla teslimat yapmasını sağlayabilir.
+* Vergi uyumu - Yeni Zelanda gibi bazı ülkeler, yalnızca kamu yollarında sürüş sırasında araç ağırlığına dayalı olarak dizel araçlar için yol vergisi alır. Coğrafi çitler kullanarak kamu yollarında sürülen kilometreyi, çiftlikler veya ağaç kesim alanları gibi özel yollarla karşılaştırabilirsiniz.
+* Hırsızlık izleme - bir araç yalnızca belirli bir alanda kalmalıysa, örneğin bir çiftlikte, ve coğrafi çitten çıkarsa, çalınmış olabilir.
+* Konum uyumu - bir iş sahasının, çiftliğin veya fabrikanın bazı bölümleri belirli araçlar için yasak olabilir. Örneğin, yapay gübre ve pestisit taşıyan araçların organik ürün yetiştirilen tarlalardan uzak tutulması gerekebilir. Bir coğrafi çite girilirse, araç uyum dışıdır ve sürücü bilgilendirilebilir.
+
+✅ Coğrafi çitler için başka kullanım alanları düşünebilir misiniz?
+
+Son derste GPS verilerini görselleştirmek için kullandığınız Azure Maps hizmeti, coğrafi çitler tanımlamanıza ve ardından bir noktanın coğrafi çitin içinde mi yoksa dışında mı olduğunu test etmenize olanak tanır.
+
+## Bir Coğrafi Çit Tanımlama
+
+Coğrafi çitler, önceki derste haritaya eklenen noktalarla aynı şekilde GeoJSON kullanılarak tanımlanır. Bu durumda, `Point` değerlerinden oluşan bir `FeatureCollection` yerine, bir `Polygon` içeren bir `FeatureCollection` olacaktır.
+
+```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"
+       }
+     }
+   ]
+}
+```
+
+Çokgendeki her nokta, bir dizideki bir uzunluk ve enlem çifti olarak tanımlanır ve bu noktalar, `coordinates` olarak ayarlanan bir dizide bulunur. Önceki derste bir `Point` için `coordinates`, enlem ve boylam içeren bir dizi idi. Bir `Polygon` için ise, uzunluk ve enlem içeren dizilerden oluşan bir dizidir.
+
+> 💁 Unutmayın, GeoJSON noktalar için `boylam, enlem` kullanır, `enlem, boylam` değil.
+
+Çokgen koordinatları dizisi, çokgendeki nokta sayısından her zaman 1 fazla girişe sahiptir. Son giriş, çokgeni kapatmak için ilk girişle aynıdır. Örneğin, bir dikdörtgen için 5 nokta olacaktır.
+
+![Koordinatları olan bir dikdörtgen](../../../../../translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.tr.png)
+
+Yukarıdaki resimde bir dikdörtgen var. Çokgen koordinatları, sol üstteki 47,-122'den başlar, sonra sağa 47,-121'e gider, sonra aşağıya 46,-121'e, sonra sola 46,-122'ye ve sonra başlangıç noktasına, yani 47,-122'ye geri döner. Bu, çokgene 5 nokta verir - sol üst, sağ üst, sağ alt, sol alt ve sonra sol üst noktayı kapatmak için.
+
+✅ Evinizin veya okulunuzun etrafında bir GeoJSON çokgeni oluşturmaya çalışın. [GeoJSON.io](https://geojson.io) gibi bir araç kullanabilirsiniz.
+
+### Görev - Bir Coğrafi Çit Tanımlama
+
+Azure Maps'te bir coğrafi çit kullanmak için önce Azure Maps hesabınıza yüklenmesi gerekir. Yüklendikten sonra, coğrafi çite karşı bir noktayı test etmek için kullanabileceğiniz benzersiz bir kimlik alırsınız. Coğrafi çitleri Azure Maps'e yüklemek için haritalar web API'sini kullanmanız gerekir. Azure Maps web API'sini [curl](https://curl.se) adlı bir araç kullanarak çağırabilirsiniz.
+
+> 🎓 Curl, web uç noktalarına karşı istekler yapmak için bir komut satırı aracıdır.
+
+1. Linux, macOS veya Windows 10'un yeni bir sürümünü kullanıyorsanız, muhtemelen curl zaten yüklüdür. Curl'ün yüklü olup olmadığını kontrol etmek için terminalinizden veya komut satırından aşağıdaki komutu çalıştırın:
+
+    ```sh
+    curl --version
+    ```
+
+    Curl için sürüm bilgilerini görmüyorsanız, [curl indirme sayfasından](https://curl.se/download.html) yüklemeniz gerekir.
+
+    > 💁 Postman konusunda deneyimliyseniz, tercihinize bağlı olarak onu kullanabilirsiniz.
+
+1. Bir çokgen içeren bir GeoJSON dosyası oluşturun. Bunu GPS sensörünüzle test edeceğiniz için, mevcut konumunuzun etrafında bir çokgen oluşturun. Bunu, yukarıda verilen GeoJSON örneğini manuel olarak düzenleyerek veya [GeoJSON.io](https://geojson.io) gibi bir araç kullanarak yapabilirsiniz.
+
+    GeoJSON, `Polygon` türünde bir `geometry` içeren bir `FeatureCollection` içermelidir.
+
+    Ayrıca, `geometry` öğesiyle aynı seviyede bir `properties` öğesi eklemeniz **GEREKİR** ve bu öğe bir `geometryId` içermelidir:
+
+    ```json
+    "properties": {
+        "geometryId": "1"
+    }
+    ```
+
+    [GeoJSON.io](https://geojson.io) kullanıyorsanız, bu öğeyi boş `properties` öğesine manuel olarak eklemeniz gerekecektir. Bunu, JSON dosyasını indirdikten sonra veya uygulamadaki JSON düzenleyicisinde yapabilirsiniz.
+
+    Bu `geometryId` bu dosyada benzersiz olmalıdır. Birden fazla coğrafi çiti, aynı GeoJSON dosyasındaki bir `FeatureCollection` içindeki birden fazla `Feature` olarak yükleyebilirsiniz. Ancak her birinin farklı bir `geometryId` olması gerekir. Çokgenler, farklı bir dosyadan farklı bir zamanda yüklendiyse aynı `geometryId`ye sahip olabilir.
+
+1. Bu dosyayı `geofence.json` olarak kaydedin ve terminalinizde veya konsolunuzda kaydedildiği yere gidin.
+
+1. Coğrafi Çit oluşturmak için aşağıdaki curl komutunu çalıştırın:
+
+    ```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'deki `<subscription_key>` öğesini Azure Maps hesabınızın API anahtarıyla değiştirin.
+
+    URL, `https://atlas.microsoft.com/mapData/upload` API'si aracılığıyla harita verilerini yüklemek için kullanılır. Çağrı, hangi Azure Maps API'sinin kullanılacağını belirtmek için bir `api-version` parametresi içerir. Bu, API'nin zaman içinde değişmesine ancak geriye dönük uyumluluğu korumasına olanak tanır. Yüklenen veri formatı `geojson` olarak ayarlanır.
+
+    Bu, yükleme API'sine POST isteğini çalıştırır ve `location` adlı bir başlık içeren yanıt başlıklarının bir listesini döndürür.
+
+    ```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
+    ```
+
+    > 🎓 Bir web uç noktasını çağırırken, çağrıya `?` ardından `key=value` olarak anahtar-değer çiftleri ekleyerek parametreler geçirebilirsiniz. Anahtar-değer çiftlerini `&` ile ayırabilirsiniz.
+
+1. Azure Maps bunu hemen işlemez, bu nedenle yükleme isteğinin tamamlanıp tamamlanmadığını kontrol etmek için `location` başlığında verilen URL'yi kullanmanız gerekir. Bu konuma bir GET isteği yaparak durumu görebilirsiniz. Azure Maps hesabınızın API anahtarını ekleyerek `location` URL'sinin sonuna `&subscription-key=<subscription_key>` eklemeniz gerekir. `<subscription_key>` öğesini Azure Maps hesabınızın API anahtarıyla değiştirin ve aşağıdaki komutu çalıştırın:
+
+    ```sh
+    curl --request GET '<location>&subscription-key=<subscription_key>'
+    ```
+
+    `<location>` öğesini `location` başlığının değeriyle ve `<subscription_key>` öğesini Azure Maps hesabınızın API anahtarıyla değiştirin.
+
+1. Yanıttaki `status` değerini kontrol edin. Eğer `Succeeded` değilse, bir dakika bekleyin ve tekrar deneyin.
+
+1. Durum `Succeeded` olarak döndüğünde, yanıttaki `resourceLocation` öğesine bakın. Bu, GeoJSON nesnesi için benzersiz kimlik (UDID) ayrıntılarını içerir. UDID, `metadata/` öğesinden sonra gelen ve `api-version` öğesini içermeyen değerdir. Örneğin, `resourceLocation` şu şekilde olsaydı:
+
+    ```json
+    {
+      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
+    }
+    ```
+
+    UDID `7c3776eb-da87-4c52-ae83-caadf980323a` olurdu.
+
+    Bu UDID'nin bir kopyasını saklayın, çünkü coğrafi çiti test etmek için buna ihtiyacınız olacak.
+
+## Noktaları Bir Coğrafi Çite Karşı Test Etme
+
+Çokgen Azure Maps'e yüklendikten sonra, bir noktanın coğrafi çitin içinde mi yoksa dışında mı olduğunu test edebilirsiniz. Bunu, coğrafi çitin UDID'sini ve test edilecek noktanın enlem ve boylamını geçirerek bir web API isteği yaparak gerçekleştirirsiniz.
+
+Bu isteği yaparken, `searchBuffer` adlı bir değer de geçirebilirsiniz. Bu, sonuçları döndürürken Maps API'nin ne kadar hassas olması gerektiğini belirtir. Bunun nedeni, GPS'in mükemmel bir şekilde doğru olmaması ve bazen konumların metrelerce veya daha fazla sapma gösterebilmesidir. Arama tamponu için varsayılan değer 50m'dir, ancak 0m ile 500m arasında değerler ayarlayabilirsiniz.
+
+API çağrısından dönen sonuçlarda, sonuçlardan biri coğrafi çitin kenarına en yakın noktaya ölçülen bir `distance` değeridir. Bu değer, nokta coğrafi çitin dışındaysa pozitif, içindeyse negatif olur. Bu mesafe arama tamponundan küçükse, gerçek mesafe metre cinsinden döndürülür. Aksi takdirde değer 999 veya -999 olur. 999, noktanın coğrafi çitin dışında arama tamponundan daha fazla olduğu anlamına gelir. -999, noktanın coğrafi çitin içinde arama tamponundan daha fazla olduğu anlamına gelir.
+
+![Etrafında 50m arama tamponu olan bir coğrafi çit](../../../../../translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.tr.png)
+
+Yukarıdaki resimde, coğrafi çitin etrafında 50m arama tamponu var.
+
+* Coğrafi çitin merkezindeki bir nokta, arama tamponunun içinde, mesafesi **-999**.
+* Arama tamponunun dışında olan bir nokta, mesafesi **999**.
+* Coğrafi çitin içinde ve arama tamponunun içinde olan bir nokta, coğrafi çitten 6m uzaklıkta, mesafesi **6m**.
+* Coğrafi çitin dışında ve arama tamponunun içinde olan bir nokta, coğrafi çitten 39m uzaklıkta, mesafesi **39m**.
+
+Coğrafi çitin kenarına olan mesafeyi bilmek ve bunu araç konumuna dayalı kararlar alırken diğer bilgilerle, örneğin diğer GPS okumaları, hız ve yol verileriyle birleştirmek önemlidir.
+
+Örneğin, bir aracın bir coğrafi çitin yanından geçen bir yolda ilerlediğini gösteren GPS okumalarını hayal edin. Eğer tek bir GPS değeri yanlışsa ve aracı coğrafi çitin içinde gösteriyorsa, bu değer görmezden gelinebilir.
+
+![Microsoft kampüsünün yanından geçen 520 yolunda bir aracın GPS izi, yol boyunca GPS okumaları, ancak bir tanesi kampüste, bir coğrafi çitin içinde](../../../../../translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.tr.png)
+Yukarıdaki görselde, Microsoft kampüsünün bir kısmını kapsayan bir jeoçit bulunmaktadır. Kırmızı çizgi, 520 boyunca ilerleyen bir kamyonu ve GPS okumalarını gösteren daireleri temsil eder. Bu okumaların çoğu doğru ve 520 boyunca yer alırken, bir tanesi jeoçitin içinde yanlış bir okuma olarak görünmektedir. Bu okumanın doğru olması mümkün değildir - kamyonun 520'den kampüse aniden sapıp, ardından tekrar 520'ye dönmesi için yollar yoktur. Bu jeoçiti kontrol eden kod, jeoçit testi sonuçlarına göre işlem yapmadan önce önceki okumaları dikkate almalıdır.
+
+✅ Bir GPS okumasının doğru kabul edilip edilemeyeceğini kontrol etmek için hangi ek verilere ihtiyaç duyarsınız?
+
+### Görev - noktaları bir jeoçite karşı test etme
+
+1. Web API sorgusu için URL'yi oluşturmakla başlayın. Format şu şekildedir:
+
+    ```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>` kısmını Azure Maps hesabınızın API anahtarı ile değiştirin.
+
+    `<UDID>` kısmını önceki görevdeki jeoçitin UDID'si ile değiştirin.
+
+    `<lat>` ve `<lon>` kısmını test etmek istediğiniz enlem ve boylam ile değiştirin.
+
+    Bu URL, GeoJSON kullanılarak tanımlanan bir jeoçiti sorgulamak için `https://atlas.microsoft.com/spatial/geofence/json` API'sini kullanır. `1.0` API sürümünü hedefler. `deviceId` parametresi gereklidir ve enlem ve boylamın geldiği cihazın adı olmalıdır.
+
+    Varsayılan arama tamponu 50m'dir ve bunu `searchBuffer=<distance>` ek parametresini geçirerek değiştirebilirsiniz. `<distance>` değerini metre cinsinden 0 ile 500 arasında bir mesafeye ayarlayın.
+
+1. Bu URL'ye bir GET isteği yapmak için curl kullanın:
+
+    ```sh
+    curl --request GET '<URL>'
+    ```
+
+    > 💁 Eğer `BadRequest` yanıt kodu alırsanız ve hata şu şekilde olursa:
+    >
+    > ```output
+    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
+    > ```
+    >
+    > GeoJSON'unuzda `geometryId` içeren `properties` bölümü eksiktir. GeoJSON'unuzu düzeltmeniz, ardından yukarıdaki adımları tekrarlayarak yeniden yüklemeniz ve yeni bir UDID almanız gerekecek.
+
+1. Yanıt, jeoçiti oluşturmak için kullanılan GeoJSON'da tanımlanan her bir çokgen için bir `geometries` listesi içerecektir. Her bir geometri, `distance`, `nearestLat` ve `nearestLon` olmak üzere 3 ilgi alanına sahip alana sahiptir.
+
+    ```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` ve `nearestLon`, test edilen konuma en yakın jeoçitin kenarındaki bir noktanın enlem ve boylamıdır.
+
+    * `distance`, test edilen konumdan jeoçitin kenarındaki en yakın noktaya olan mesafedir. Negatif sayılar jeoçitin içinde, pozitif sayılar dışında anlamına gelir. Bu değer 50'den (varsayılan arama tamponu) küçük veya 999 olacaktır.
+
+1. Bu işlemi jeoçitin içinde ve dışında bulunan konumlarla birden fazla kez tekrarlayın.
+
+## Sunucusuz koddan jeoçitleri kullanma
+
+Artık IoT Hub GPS olay verilerini jeoçite karşı test etmek için Functions uygulamanıza yeni bir tetikleyici ekleyebilirsiniz.
+
+### Tüketici grupları
+
+Önceki derslerden hatırlayacağınız gibi, IoT Hub, hub tarafından alınan ancak işlenmeyen olayları yeniden oynatmanıza izin verir. Ancak birden fazla tetikleyici bağlanırsa ne olur? Hangi tetikleyicinin hangi olayları işlediğini nasıl bilecek?
+
+Cevap şu ki, bilemez! Bunun yerine, olayları okumak için birden fazla ayrı bağlantı tanımlayabilirsiniz ve her biri okunmamış mesajların yeniden oynatılmasını yönetebilir. Bunlara *tüketici grupları* denir. Uç noktaya bağlandığınızda, bağlanmak istediğiniz tüketici grubunu belirtebilirsiniz. Uygulamanızın her bir bileşeni farklı bir tüketici grubuna bağlanacaktır.
+
+![Tek bir IoT Hub, aynı mesajları 3 farklı Functions uygulamasına dağıtan 3 tüketici grubuna sahip](../../../../../translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.tr.png)
+
+Teorik olarak her tüketici grubuna 5 uygulama bağlanabilir ve mesajlar geldiğinde hepsi mesajları alır. En iyi uygulama, her tüketici grubuna yalnızca bir uygulamanın erişmesini sağlamak, böylece yinelenen mesaj işleme önlenir ve yeniden başlatıldığında tüm sıraya alınmış mesajlar doğru şekilde işlenir. Örneğin, Functions uygulamanızı hem yerel olarak hem de bulutta çalıştırırsanız, her ikisi de mesajları işler ve bu da depolama hesabında yinelenen blobların saklanmasına yol açar.
+
+Önceki derste oluşturduğunuz IoT Hub tetikleyicisinin `function.json` dosyasını incelerseniz, olay hub tetikleyici bağlama bölümünde tüketici grubunu göreceksiniz:
+
+```json
+"consumerGroup": "$Default"
+```
+
+Bir IoT Hub oluşturduğunuzda, varsayılan olarak `$Default` tüketici grubu oluşturulur. Ek bir tetikleyici eklemek isterseniz, bunu yeni bir tüketici grubu kullanarak ekleyebilirsiniz.
+
+> 💁 Bu derste, GPS verilerini depolamak için kullanılan işlevden farklı bir işlev kullanarak jeoçiti test edeceksiniz. Bu, tüketici gruplarını nasıl kullanacağınızı ve kodu daha okunabilir ve anlaşılır hale getirmek için nasıl ayıracağınızı göstermek içindir. Üretim uygulamasında bunu yapmanın birçok yolu vardır - her ikisini bir işlevde birleştirmek, depolama hesabındaki bir tetikleyiciyi kullanarak jeoçiti kontrol etmek için bir işlev çalıştırmak veya birden fazla işlev kullanmak. 'Doğru yol' yoktur, bu uygulamanızın geri kalanına ve ihtiyaçlarınıza bağlıdır.
+
+### Görev - yeni bir tüketici grubu oluşturma
+
+1. IoT Hub için `geofence` adlı yeni bir tüketici grubu oluşturmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az iot hub consumer-group create --name geofence \
+                                     --hub-name <hub_name>
+    ```
+
+    `<hub_name>` kısmını IoT Hub için kullandığınız ad ile değiştirin.
+
+1. IoT Hub için tüm tüketici gruplarını görmek isterseniz, aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az iot hub consumer-group list --output table \
+                                   --hub-name <hub_name>
+    ```
+
+    `<hub_name>` kısmını IoT Hub için kullandığınız ad ile değiştirin. Bu, tüm tüketici gruplarını listeleyecektir.
+
+    ```output
+    Name      ResourceGroup
+    --------  ---------------
+    $Default  gps-sensor
+    geofence  gps-sensor
+    ```
+
+> 💁 Önceki derste IoT Hub olay monitörünü çalıştırdığınızda, `$Default` tüketici grubuna bağlandı. Bu nedenle olay monitörünü ve bir olay tetikleyicisini aynı anda çalıştıramazsınız. Her işlev uygulaması için diğer tüketici gruplarını kullanabilir ve `$Default` grubunu olay monitörü için saklayabilirsiniz.
+
+### Görev - yeni bir IoT Hub tetikleyici oluşturma
+
+1. Daha önceki derste oluşturduğunuz `gps-trigger` işlev uygulamasına yeni bir IoT Hub olay tetikleyici ekleyin. Bu işlevi `geofence-trigger` olarak adlandırın.
+
+    > ⚠️ [Proje 2, ders 5'teki IoT Hub olay tetikleyici oluşturma talimatlarına gerekirse buradan bakabilirsiniz](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger).
+
+1. `function.json` dosyasındaki IoT Hub bağlantı dizesini yapılandırın. `local.settings.json` dosyası, Functions uygulamasındaki tüm tetikleyiciler arasında paylaşılır.
+
+1. `function.json` dosyasındaki `consumerGroup` değerini yeni `geofence` tüketici grubunu referans alacak şekilde güncelleyin:
+
+    ```json
+    "consumerGroup": "geofence"
+    ```
+
+1. Bu tetikleyicide Azure Maps hesabınızın abonelik anahtarını kullanmanız gerekecek, bu yüzden `local.settings.json` dosyasına `MAPS_KEY` adlı yeni bir giriş ekleyin.
+
+1. Functions uygulamasını çalıştırarak bağlandığından ve mesajları işlediğinden emin olun. Önceki dersten `iot-hub-trigger` da çalışacak ve blobları depolamaya yükleyecektir.
+
+    > Blob depolamada yinelenen GPS okumalarını önlemek için bulutta çalışan Functions uygulamanızı durdurabilirsiniz. Bunu yapmak için aşağıdaki komutu kullanın:
+    >
+    > ```sh
+    > az functionapp stop --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > `<functions_app_name>` kısmını Functions uygulamanız için kullandığınız ad ile değiştirin.
+    >
+    > Daha sonra aşağıdaki komutla yeniden başlatabilirsiniz:
+    >
+    > ```sh
+    > az functionapp start --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > `<functions_app_name>` kısmını Functions uygulamanız için kullandığınız ad ile değiştirin.
+
+### Görev - tetikleyiciden jeoçiti test etme
+
+Bu derste daha önce bir noktanın jeoçitin içinde mi dışında mı olduğunu görmek için curl kullanarak bir jeoçiti sorguladınız. Benzer bir web isteğini tetikleyicinizin içinden yapabilirsiniz.
+
+1. Jeoçiti sorgulamak için UDID'sine ihtiyacınız var. `local.settings.json` dosyasına `GEOFENCE_UDID` adlı yeni bir giriş ekleyin ve bu değeri girin.
+
+1. Yeni `geofence-trigger` tetikleyicisinin `__init__.py` dosyasını açın.
+
+1. Dosyanın üst kısmına aşağıdaki import'u ekleyin:
+
+    ```python
+    import json
+    import os
+    import requests
+    ```
+
+    `requests` paketi, web API çağrıları yapmanıza olanak tanır. Azure Maps'in bir Python SDK'sı yoktur, Python kodundan kullanmak için web API çağrıları yapmanız gerekir.
+
+1. `main` metodunun başına aşağıdaki 2 satırı ekleyerek Maps abonelik anahtarını alın:
+
+    ```python
+    maps_key = os.environ['MAPS_KEY']
+    geofence_udid = os.environ['GEOFENCE_UDID']    
+    ```
+
+1. `for event in events` döngüsünün içine aşağıdaki kodu ekleyerek her olaydan enlem ve boylamı alın:
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    lat = event_body['gps']['lat']
+    lon = event_body['gps']['lon']
+    ```
+
+    Bu kod, olay gövdesindeki JSON'u bir sözlüğe dönüştürür ve ardından `gps` alanından `lat` ve `lon` değerlerini çıkarır.
+
+1. `requests` kullanırken, curl ile yaptığınız gibi uzun bir URL oluşturmak yerine, yalnızca URL kısmını kullanabilir ve parametreleri bir sözlük olarak geçirebilirsiniz. Çağrılacak URL'yi tanımlamak ve parametreleri yapılandırmak için aşağıdaki kodu ekleyin:
+
+    ```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` sözlüğündeki öğeler, curl ile web API'yi çağırırken kullandığınız anahtar-değer çiftleriyle eşleşecektir.
+
+1. Web API'yi çağırmak için aşağıdaki kod satırlarını ekleyin:
+
+    ```python
+    response = requests.get(url, params=params)
+    response_body = json.loads(response.text)
+    ```
+
+    Bu, URL'yi parametrelerle çağırır ve bir yanıt nesnesi alır.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```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')
+    ```
+
+    Bu kod, 1 geometri varsayar ve bu tek geometriden mesafeyi çıkarır. Ardından mesafeye göre farklı mesajlar kaydeder.
+
+1. Bu kodu çalıştırın. GPS koordinatlarının jeoçitin içinde mi dışında mı olduğunu, eğer 50m içinde ise mesafeyi günlük çıktısında göreceksiniz. GPS sensörünüzün konumuna göre farklı jeoçitlerle bu kodu deneyin, sensörü hareket ettirmeyi deneyin (örneğin bir mobil telefonun WiFi'sine bağlı veya sanal IoT cihazında farklı koordinatlarla) ve değişimi gözlemleyin.
+
+1. Hazır olduğunuzda, bu kodu buluttaki Functions uygulamanıza dağıtın. Yeni Uygulama Ayarlarını dağıtmayı unutmayın.
+
+    > ⚠️ [Proje 2, ders 5'teki Uygulama Ayarlarını yükleme talimatlarına gerekirse buradan bakabilirsiniz](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings).
+
+    > ⚠️ [Proje 2, ders 5'teki Functions uygulamanızı buluta dağıtma talimatlarına gerekirse buradan bakabilirsiniz](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud).
+
+> 💁 Bu kodu [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions) klasöründe bulabilirsiniz.
+
+---
+
+## 🚀 Meydan Okuma
+
+Bu derste, tek bir çokgen içeren bir GeoJSON dosyası kullanarak bir jeoçit eklediniz. Farklı `geometryId` değerlerine sahip birden fazla çokgen içeren bir GeoJSON dosyası yüklemeyi deneyin ve GPS koordinatlarının hangi çokgene en yakın veya içinde olduğunu bulmak için kodunuzu ayarlayın.
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
+
+## İnceleme ve Kendi Kendine Çalışma
+
+* Jeoçitler ve bazı kullanım alanları hakkında daha fazla bilgi için [Wikipedia'daki Jeoçit sayfasını](https://en.wikipedia.org/wiki/Geo-fence) okuyun.
+* Azure Maps jeoçit API'si hakkında daha fazla bilgi için [Microsoft Azure Maps Spatial - Get Geofence belgelerini](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn) okuyun.
+* Tüketici grupları hakkında daha fazla bilgi için [Azure Event Hubs'daki Özellikler ve Terminoloji - Olay Tüketicileri belgelerini](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers) okuyun.
+
+## Ödev
+
+[Twilio kullanarak bildirim gönderin](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/3-transport/lessons/4-geofences/assignment.md b/translations/tr/3-transport/lessons/4-geofences/assignment.md
new file mode 100644
index 00000000..e612a337
--- /dev/null
+++ b/translations/tr/3-transport/lessons/4-geofences/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
+  "translation_date": "2025-08-28T03:18:59+00:00",
+  "source_file": "3-transport/lessons/4-geofences/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Twilio Kullanarak Bildirim Gönderme
+
+## Talimatlar
+
+Şu ana kadar yazdığınız kodda yalnızca coğrafi çit (geofence) mesafesini logladınız. Bu görevde, GPS koordinatları coğrafi çitin içinde olduğunda bir bildirim eklemeniz gerekecek; bu bildirim bir kısa mesaj (SMS) veya e-posta olabilir.
+
+Azure Functions, Twilio gibi üçüncü taraf hizmetlere bağlanmak da dahil olmak üzere birçok bağlama seçeneği sunar.
+
+* [Twilio.com](https://www.twilio.com) adresinden ücretsiz bir hesap oluşturun.
+* Azure Functions'ı Twilio SMS ile bağlama hakkında [Microsoft dokümanlarındaki Twilio binding for Azure Functions sayfasını](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python) okuyun.
+* Azure Functions'ı Twilio SendGrid ile bağlayarak e-posta gönderme hakkında [Microsoft dokümanlarındaki Azure Functions SendGrid bindings sayfasını](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python) okuyun.
+* GPS koordinatlarının coğrafi çitin içinde veya dışında olduğuna dair bildirim almak için Functions uygulamanıza bağlama ekleyin - ancak her ikisi için değil.
+
+## Değerlendirme Kriterleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| ------- | ----------------- | ------- | -------------------- |
+| Fonksiyon bağlamalarını yapılandırma ve e-posta veya SMS alma | Fonksiyon bağlamalarını yapılandırabildi ve coğrafi çitin içinde veya dışında olduğunda bir e-posta veya SMS almayı başardı, ancak her ikisi için değil | Bağlamaları yapılandırabildi ancak e-posta veya SMS gönderemedi ya da yalnızca koordinatlar hem içinde hem de dışındayken gönderebildi | Bağlamaları yapılandıramadı ve e-posta veya SMS gönderemedi |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/README.md b/translations/tr/4-manufacturing/README.md
new file mode 100644
index 00000000..56d193c4
--- /dev/null
+++ b/translations/tr/4-manufacturing/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3764e089adf2d5801272bc0895f8498b",
+  "translation_date": "2025-08-28T02:36:12+00:00",
+  "source_file": "4-manufacturing/README.md",
+  "language_code": "tr"
+}
+-->
+# Üretim ve işleme - IoT kullanarak gıda işleme süreçlerini iyileştirme
+
+Gıda bir merkezi hub'a veya işleme tesisine ulaştığında, her zaman doğrudan süpermarketlere gönderilmez. Çoğu zaman, gıda kaliteye göre ayrıştırma gibi bir dizi işleme adımından geçer. Bu, eskiden manuel bir süreçti - tarlada çalışanlar sadece olgun meyveleri toplar, ardından fabrikada meyveler bir taşıma bandında ilerler ve çalışanlar çürük veya bozulmuş meyveleri manuel olarak ayırırdı. Okul döneminde yaz işinde çilek toplama ve ayırma işi yapmış biri olarak, bunun eğlenceli bir iş olmadığını söyleyebilirim.
+
+Daha modern sistemler, ayrıştırma için IoT'ye dayanır. [Weco](https://wecotek.com) gibi erken dönem cihazlar, optik sensörler kullanarak ürün kalitesini tespit eder ve örneğin yeşil domatesleri reddeder. Bu cihazlar, çiftlikteki hasat makinelerinde veya işleme tesislerinde kullanılabilir.
+
+Yapay Zeka (AI) ve Makine Öğrenimi (ML) alanındaki ilerlemelerle birlikte, bu makineler daha gelişmiş hale gelebilir. ML modelleri, meyve ile taş, toprak veya böcek gibi yabancı nesneleri ayırt etmek için eğitilebilir. Bu modeller ayrıca sadece çürük meyveleri değil, hastalıkların erken tespiti veya diğer mahsul sorunlarını da belirlemek için eğitilebilir.
+
+> 🎓 *ML modeli* terimi, bir veri seti üzerinde makine öğrenimi yazılımını eğitmenin çıktısını ifade eder. Örneğin, olgun ve olgunlaşmamış domatesleri ayırt etmek için bir ML modeli eğitebilir, ardından yeni görüntülerde domateslerin olgun olup olmadığını kontrol etmek için bu modeli kullanabilirsiniz.
+
+Bu 4 derste, meyve kalitesini tespit etmek için görüntü tabanlı AI modellerini nasıl eğiteceğinizi, bunları bir IoT cihazında nasıl kullanacağınızı ve bunları bulut yerine IoT cihazında, yani uçta nasıl çalıştıracağınızı öğreneceksiniz.
+
+> 💁 Bu derslerde bazı bulut kaynakları kullanılacaktır. Bu projedeki tüm dersleri tamamlamazsanız, [projenizi temizlediğinizden](../clean-up.md) emin olun.
+
+## Konular
+
+1. [Meyve kalitesi tespit edici eğitimi](./lessons/1-train-fruit-detector/README.md)
+1. [IoT cihazından meyve kalitesini kontrol etme](./lessons/2-check-fruit-from-device/README.md)
+1. [Meyve tespit ediciyi uçta çalıştırma](./lessons/3-run-fruit-detector-edge/README.md)
+1. [Sensörden meyve kalitesi tespiti tetikleme](./lessons/4-trigger-fruit-detector/README.md)
+
+## Katkıda Bulunanlar
+
+Tüm dersler [Jen Fox](https://github.com/jenfoxbot) ve [Jim Bennett](https://GitHub.com/JimBobBennett) tarafından ♥️ ile yazılmıştır.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/tr/4-manufacturing/lessons/1-train-fruit-detector/README.md
new file mode 100644
index 00000000..c3836453
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/1-train-fruit-detector/README.md
@@ -0,0 +1,244 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
+  "translation_date": "2025-08-28T02:37:14+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
+  "language_code": "tr"
+}
+-->
+# Meyve Kalite Dedektörü Eğitimi
+
+![Bu dersin genel bir sketchnote özeti](../../../../../translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için resme tıklayın.
+
+Bu video, bu derste ele alınacak olan Azure Custom Vision hizmetine genel bir bakış sunar.
+
+[![Custom Vision – Makine Öğrenimi Kolaylaştırıldı | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
+
+> 🎥 Videoyu izlemek için yukarıdaki resme tıklayın
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
+
+## Giriş
+
+Son yıllarda Yapay Zeka (AI) ve Makine Öğrenimi (ML) alanındaki gelişmeler, günümüz geliştiricilerine geniş bir yelpazede yetenekler sunuyor. ML modelleri, olgunlaşmamış meyveler gibi farklı şeyleri görüntülerde tanıyacak şekilde eğitilebilir ve bu, IoT cihazlarında, hasat sırasında veya fabrikalarda ve depolarda işleme sırasında ürünleri ayırmaya yardımcı olmak için kullanılabilir.
+
+Bu derste, görüntü sınıflandırmayı öğreneceksiniz - ML modellerini kullanarak farklı şeylerin görüntülerini ayırt etmeyi. İyi meyve ile kötü meyveyi, yani olgunlaşmamış, fazla olgunlaşmış, çürük veya ezilmiş meyveleri ayırt etmek için bir görüntü sınıflandırıcıyı nasıl eğiteceğinizi öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [AI ve ML kullanarak gıda ayırma](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Makine Öğrenimi ile görüntü sınıflandırma](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Bir görüntü sınıflandırıcı eğitme](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Görüntü sınıflandırıcınızı test etme](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Görüntü sınıflandırıcınızı yeniden eğitme](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+
+## AI ve ML Kullanarak Gıda Ayırma
+
+Dünya nüfusunu beslemek zordur, özellikle de herkes için uygun fiyatlı gıda sağlamak açısından. En büyük maliyetlerden biri iş gücüdür, bu nedenle çiftçiler giderek artan bir şekilde otomasyon ve IoT gibi araçlara yöneliyorlar. Elle hasat yapmak emek yoğun (ve genellikle yorucu) bir iştir ve özellikle zengin ülkelerde makinelerle değiştirilmektedir. Ancak makinelerle hasat yapmanın maliyet tasarrufu sağlasa da bir dezavantajı vardır - hasat sırasında gıdaları ayırma yeteneği.
+
+Tüm mahsuller eşit şekilde olgunlaşmaz. Örneğin, domatesler çoğunluğu hasat için hazır olduğunda hala dalında yeşil meyveler bulundurabilir. Bu meyveleri erken hasat etmek israf olsa da, çiftçi için her şeyi makinelerle hasat etmek ve olgunlaşmamış ürünleri daha sonra atmak daha ucuz ve kolaydır.
+
+✅ Çevrenizdeki çiftliklerde, bahçenizde veya mağazalarda yetişen farklı meyve veya sebzelere bir göz atın. Hepsi aynı olgunlukta mı, yoksa bir çeşitlilik görüyor musunuz?
+
+Otomatik hasatın yükselişi, ürünlerin ayıklanmasını hasattan fabrikaya taşıdı. Gıdalar uzun konveyör bantlarında ilerlerken, ekipler ürünleri inceleyip kalite standartlarına uymayanları ayırırdı. Makineler sayesinde hasat daha ucuz hale geldi, ancak gıdaları elle ayırmanın hala bir maliyeti vardı.
+
+![Kırmızı bir domates algılanırsa yoluna devam eder. Yeşil bir domates algılanırsa bir kol tarafından bir atık kutusuna fırlatılır.](../../../../../translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.tr.png)
+
+Bir sonraki evrim, ayırma işlemini makinelerle yapmak oldu; bu makineler ya hasat makinesine entegre edildi ya da işleme tesislerinde kullanıldı. Bu makinelerin ilk nesli, renkleri algılamak için optik sensörler kullanarak, yeşil domatesleri kollar veya hava püskürtücüleriyle bir atık kutusuna itip, kırmızı domateslerin konveyör bantlarında yoluna devam etmesini sağladı.
+
+Bu videoda, domatesler bir konveyör bandından diğerine düşerken, yeşil domatesler algılanır ve kollarla bir kutuya fırlatılır.
+
+✅ Bu optik sensörlerin bir fabrikada veya tarlada doğru çalışması için hangi koşullara ihtiyaç duyulacağını düşünün.
+
+Bu ayırma makinelerinin en son evrimi, AI ve ML'den yararlanarak, yalnızca yeşil domatesler ile kırmızı domatesler gibi belirgin renk farklarını değil, aynı zamanda hastalık veya ezikliği gösterebilecek daha ince görünüm farklılıklarını da ayırt edebilen modeller kullanır.
+
+## Makine Öğrenimi ile Görüntü Sınıflandırma
+
+Geleneksel programlama, verileri alıp bir algoritma uygulayarak çıktı elde ettiğiniz bir yöntemdir. Örneğin, bir önceki projede GPS koordinatlarını ve bir coğrafi çiti alıp, Azure Maps tarafından sağlanan bir algoritmayı uygulayarak, noktanın çitin içinde mi yoksa dışında mı olduğunu belirleyen bir sonuç elde ettiniz. Daha fazla veri girdiniz, daha fazla çıktı aldınız.
+
+![Geleneksel geliştirme, girdiyi ve bir algoritmayı alır ve çıktı verir. Makine öğrenimi, girdiyi ve çıktı verilerini kullanarak bir model eğitir ve bu model yeni girdilerle yeni çıktılar oluşturabilir.](../../../../../translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.tr.png)
+
+Makine öğrenimi bu süreci tersine çevirir - veriler ve bilinen çıktılarla başlarsınız ve makine öğrenimi algoritması verilerden öğrenir. Daha sonra bu eğitilmiş algoritmayı, yani bir *makine öğrenimi modeli* veya *modeli* alabilir, yeni verilerle besleyebilir ve yeni çıktılar elde edebilirsiniz.
+
+> 🎓 Makine öğrenimi algoritmasının verilerden öğrenme sürecine *eğitim* denir. Girdiler ve bilinen çıktılar *eğitim verileri* olarak adlandırılır.
+
+Örneğin, bir modele milyonlarca olgunlaşmamış muz fotoğrafını giriş eğitim verisi olarak verebilir, eğitim çıktısını `olgunlaşmamış` olarak ayarlayabilir ve milyonlarca olgun muz fotoğrafını eğitim verisi olarak verip çıktıyı `olgun` olarak ayarlayabilirsiniz. ML algoritması bu verilere dayanarak bir model oluşturur. Daha sonra bu modele yeni bir muz fotoğrafı verirsiniz ve model, yeni fotoğrafın olgun mu yoksa olgunlaşmamış mı olduğunu tahmin eder.
+
+> 🎓 ML modellerinin sonuçlarına *tahminler* denir.
+
+![2 muz, biri olgun ve tahmini %99.7 olgun, %0.3 olgunlaşmamış; diğeri olgunlaşmamış ve tahmini %1.4 olgun, %98.6 olgunlaşmamış.](../../../../../translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.tr.png)
+
+ML modelleri ikili bir cevap vermez, bunun yerine olasılıklar sunar. Örneğin, bir model bir muz fotoğrafı alabilir ve `olgun` için %99.7, `olgunlaşmamış` için %0.3 tahmininde bulunabilir. Kodunuz en iyi tahmini seçer ve muzun olgun olduğunu belirler.
+
+Bu tür görüntüleri algılamak için kullanılan ML modeline *görüntü sınıflandırıcı* denir - etiketlenmiş görüntüler alır ve bu etiketlere dayanarak yeni görüntüleri sınıflandırır.
+
+> 💁 Bu bir basitleştirmedir ve etiketlenmiş çıktılara ihtiyaç duymayan, denetimsiz öğrenme gibi başka model eğitme yöntemleri de vardır. ML hakkında daha fazla bilgi edinmek isterseniz, [Makine Öğrenimi için Başlangıç, 24 derslik bir müfredat](https://aka.ms/ML-beginners) kaynağına göz atabilirsiniz.
+
+## Bir Görüntü Sınıflandırıcı Eğitme
+
+Başarılı bir görüntü sınıflandırıcı eğitmek için milyonlarca görüntüye ihtiyacınız vardır. Ancak, milyonlarca veya milyarlarca farklı görüntü üzerinde eğitilmiş bir görüntü sınıflandırıcıya sahip olduğunuzda, bunu yeniden kullanabilir ve az sayıda görüntüyle yeniden eğiterek harika sonuçlar elde edebilirsiniz. Bu sürece *transfer öğrenimi* denir.
+
+> 🎓 Transfer öğrenimi, mevcut bir ML modelinden öğrenilen bilgilerin, yeni verilere dayalı olarak yeni bir modele aktarılmasıdır.
+
+Bir görüntü sınıflandırıcı geniş bir yelpazede görüntüler için eğitildiğinde, şekilleri, renkleri ve desenleri tanımada oldukça iyi hale gelir. Transfer öğrenimi, modelin görüntü parçalarını tanımada öğrendiklerini almasına ve yeni görüntüleri tanımak için kullanmasına olanak tanır.
+
+![Bir kez şekilleri tanıyabilirseniz, bunları farklı konfigürasyonlarda bir tekne veya kedi yapmak için kullanabilirsiniz.](../../../../../translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.tr.png)
+
+Bunu, çocukların şekil kitaplarına benzetebilirsiniz; bir yarım daire, bir dikdörtgen ve bir üçgeni tanıyabildiğinizde, bunların bir tekne mi yoksa bir kedi mi olduğunu şekillerin düzenine göre anlayabilirsiniz. Görüntü sınıflandırıcı şekilleri tanıyabilir ve transfer öğrenimi, hangi kombinasyonun bir tekne veya kedi - ya da olgun bir muz - oluşturduğunu öğretir.
+
+Bu işlemi yapmanıza yardımcı olabilecek çok çeşitli araçlar vardır, bunlar arasında modelinizi eğitmenize ve ardından web API'leri aracılığıyla kullanmanıza olanak tanıyan bulut tabanlı hizmetler de bulunur.
+
+> 💁 Bu modelleri eğitmek çok fazla bilgisayar gücü gerektirir, genellikle Grafik İşleme Birimleri (GPU'lar) aracılığıyla. Xbox'ınızdaki oyunları harika gösteren aynı özel donanım, makine öğrenimi modellerini eğitmek için de kullanılabilir. Bulut kullanarak, bu modelleri eğitmek için yalnızca ihtiyacınız olan süre boyunca güçlü GPU'lara sahip bilgisayarları kiralayabilirsiniz.
+
+## Custom Vision
+
+Custom Vision, görüntü sınıflandırıcıları eğitmek için bulut tabanlı bir araçtır. Sadece az sayıda görüntü kullanarak bir sınıflandırıcı eğitmenize olanak tanır. Görüntüleri bir web portalı, web API veya SDK aracılığıyla yükleyebilir ve her görüntüye o görüntünün sınıflandırmasını belirten bir *etiket* verebilirsiniz. Daha sonra modeli eğitip, performansını test edebilirsiniz. Modelden memnun kaldığınızda, web API veya SDK aracılığıyla erişilebilecek sürümlerini yayınlayabilirsiniz.
+
+![Azure Custom Vision logosu](../../../../../translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.tr.png)
+
+> 💁 Custom Vision modeli, her sınıflandırma için sadece 5 görüntüyle eğitilebilir, ancak daha fazla görüntü daha iyidir. En az 30 görüntüyle daha iyi sonuçlar elde edebilirsiniz.
+
+Custom Vision, Microsoft'un Cognitive Services adı verilen bir dizi AI aracının bir parçasıdır. Bu araçlar, ya hiç eğitim gerektirmeyen ya da az miktarda eğitimle kullanılabilen AI araçlarıdır. Bunlar arasında konuşma tanıma ve çeviri, dil anlama ve görüntü analizi bulunur. Azure'da ücretsiz bir katman olarak sunulurlar.
+
+> 💁 Ücretsiz katman, bir model oluşturmak, eğitmek ve ardından geliştirme çalışmaları için kullanmak için fazlasıyla yeterlidir. Ücretsiz katmanın sınırlarını [Microsoft dokümanlarındaki Custom Vision Limits and Quotas sayfasında](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn) okuyabilirsiniz.
+
+### Görev - Cognitive Services Kaynağı Oluşturma
+
+Custom Vision'ı kullanmak için önce Azure CLI kullanarak Azure'da iki cognitive services kaynağı oluşturmanız gerekir: biri Custom Vision eğitimi için, diğeri Custom Vision tahmini için.
+
+1. Bu proje için `fruit-quality-detector` adında bir Kaynak Grubu oluşturun.
+
+1. Aşağıdaki komutu kullanarak ücretsiz bir Custom Vision eğitim kaynağı oluşturun:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-training \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Training \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    `<location>` kısmını Kaynak Grubu oluştururken kullandığınız konumla değiştirin.
+
+    Bu, Kaynak Grubunuzda bir Custom Vision eğitim kaynağı oluşturacaktır. Bu kaynak `fruit-quality-detector-training` olarak adlandırılacak ve ücretsiz katman olan `F0` SKU'sunu kullanacaktır. `--yes` seçeneği, cognitive services kullanım şartlarını kabul ettiğiniz anlamına gelir.
+
+> 💁 Zaten herhangi bir Cognitive Services için ücretsiz bir hesabınız varsa, `S0` SKU'sunu kullanabilirsiniz.
+
+1. Aşağıdaki komutu kullanarak ücretsiz bir Custom Vision tahmin kaynağı oluşturun:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-prediction \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Prediction \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    `<location>` kısmını Kaynak Grubu oluştururken kullandığınız konumla değiştirin.
+
+    Bu, Kaynak Grubunuzda bir Custom Vision tahmin kaynağı oluşturacaktır. Bu kaynak `fruit-quality-detector-prediction` olarak adlandırılacak ve ücretsiz katman olan `F0` SKU'sunu kullanacaktır. `--yes` seçeneği, cognitive services kullanım şartlarını kabul ettiğiniz anlamına gelir.
+
+### Görev - Görüntü Sınıflandırıcı Projesi Oluşturma
+
+1. [CustomVision.ai](https://customvision.ai) adresindeki Custom Vision portalını açın ve Azure hesabınızla kullandığınız Microsoft hesabıyla oturum açın.
+
+1. Microsoft dokümanlarındaki [bir sınıflandırıcı oluşturma hızlı başlangıcının yeni bir proje oluşturma bölümünü](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) takip ederek yeni bir Custom Vision projesi oluşturun. Kullanıcı arayüzü değişebilir, bu nedenle bu dokümanlar her zaman en güncel referans olacaktır.
+
+    Projenizi `fruit-quality-detector` olarak adlandırın.
+
+    Projenizi oluştururken, daha önce oluşturduğunuz `fruit-quality-detector-training` kaynağını kullandığınızdan emin olun. *Sınıflandırma* proje türünü, *Çoklu sınıf* sınıflandırma türünü ve *Gıda* alanını seçin.
+
+    ![Custom Vision projesi için ayarlar: isim fruit-quality-detector, açıklama yok, kaynak fruit-quality-detector-training, proje türü sınıflandırma, sınıflandırma türü çoklu sınıf, alan gıda](../../../../../translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.tr.png)
+
+✅ Görüntü sınıflandırıcınız için Custom Vision kullanıcı arayüzünü keşfetmek için biraz zaman ayırın.
+
+### Görev - Görüntü Sınıflandırıcı Projenizi Eğitme
+
+Bir görüntü sınıflandırıcıyı eğitmek için, hem iyi hem de kötü kalitede meyvelerin, örneğin olgun ve fazla olgun bir muzun, birden fazla fotoğrafına ihtiyacınız olacak. Bu görüntüleri iyi ve kötü olarak etiketleyerek sınıflandırıcıyı eğitebilirsiniz.
+💁 Bu sınıflandırıcılar, herhangi bir şeyin görüntülerini sınıflandırabilir, bu yüzden farklı kalitede meyveleriniz yoksa, iki farklı türde meyve veya kedi ve köpek kullanabilirsiniz!
+Her bir resimde yalnızca meyve olmalı, ya arka planlar tutarlı olmalı ya da çok çeşitli arka planlar kullanılmalı. Arka planda olgun veya olgunlaşmamış meyveye özgü bir şey olmamasına dikkat edin.
+
+> 💁 Her bir etiket için sınıflandırılan şeyle ilgisi olmayan belirli arka planlar veya öğeler olmaması önemlidir, aksi takdirde sınıflandırıcı yalnızca arka plana göre sınıflandırabilir. Örneğin, cilt kanseri için bir sınıflandırıcı normal ve kanserli benler üzerinde eğitilmişti ve kanserli olanların hepsinde boyutlarını ölçmek için cetveller vardı. Sonuçta sınıflandırıcının, resimlerdeki cetvelleri neredeyse %100 doğrulukla tanımladığı, ancak kanserli benleri tanımlamadığı ortaya çıktı.
+
+Görüntü sınıflandırıcılar çok düşük çözünürlükte çalışır. Örneğin, Custom Vision eğitim ve tahmin görüntülerini 10240x10240 boyutuna kadar alabilir, ancak modeli 227x227 boyutundaki görüntülerle eğitir ve çalıştırır. Daha büyük görüntüler bu boyuta küçültülür, bu nedenle sınıflandırdığınız şeyin görüntünün büyük bir kısmını kapladığından emin olun, aksi takdirde sınıflandırıcı tarafından kullanılan daha küçük görüntüde çok küçük kalabilir.
+
+1. Sınıflandırıcınız için resimler toplayın. Sınıflandırıcıyı eğitmek için her etiket için en az 5 resme ihtiyacınız olacak, ancak ne kadar çok olursa o kadar iyi. Ayrıca sınıflandırıcıyı test etmek için birkaç ek resme ihtiyacınız olacak. Bu resimlerin hepsi aynı şeyin farklı görüntüleri olmalı. Örneğin:
+
+    * 2 olgun muz kullanarak, her birinin birkaç farklı açıdan en az 7 resmini (5 eğitim, 2 test için) çekin, ancak ideal olarak daha fazla çekin.
+
+        ![2 farklı muzun fotoğrafları](../../../../../translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.tr.png)
+
+    * Aynı işlemi 2 olgunlaşmamış muz için tekrarlayın.
+
+    En az 10 eğitim görüntünüz olmalı, en az 5 olgun ve 5 olgunlaşmamış, ve 4 test görüntüsü, 2 olgun, 2 olgunlaşmamış. Görüntüleriniz png veya jpeg formatında, 6MB'den küçük olmalı. Örneğin bir iPhone ile oluşturulmuşlarsa, yüksek çözünürlüklü HEIC görüntüler olabilirler, bu nedenle dönüştürülmeleri ve muhtemelen küçültülmeleri gerekebilir. Ne kadar çok görüntü olursa o kadar iyi olur ve olgun ve olgunlaşmamış görüntü sayısı benzer olmalıdır.
+
+    Eğer hem olgun hem de olgunlaşmamış meyveye sahip değilseniz, farklı meyveler veya elinizde bulunan herhangi iki nesneyi kullanabilirsiniz. Ayrıca olgun ve olgunlaşmamış muzların örnek görüntülerini [images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images) klasöründe bulabilirsiniz.
+
+1. [Microsoft dokümanlarındaki sınıflandırıcı oluşturma hızlı başlangıç rehberinin görüntüleri yükleme ve etiketleme bölümünü](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) takip ederek eğitim görüntülerinizi yükleyin. Olgun meyveleri `ripe`, olgunlaşmamış meyveleri `unripe` olarak etiketleyin.
+
+    ![Olgun ve olgunlaşmamış muz resimlerinin yüklenmesini gösteren yükleme diyalogları](../../../../../translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.tr.png)
+
+1. [Microsoft dokümanlarındaki sınıflandırıcıyı eğitme bölümünü](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) takip ederek yüklediğiniz görüntüler üzerinde görüntü sınıflandırıcısını eğitin.
+
+    Size bir eğitim türü seçme seçeneği sunulacak. **Hızlı Eğitim** seçeneğini seçin.
+
+Sınıflandırıcı daha sonra eğitilecek. Eğitimin tamamlanması birkaç dakika sürecektir.
+
+> 🍌 Eğer sınıflandırıcı eğitilirken meyvenizi yemeye karar verirseniz, önce test için yeterli görüntüye sahip olduğunuzdan emin olun!
+
+## Görüntü sınıflandırıcınızı test edin
+
+Sınıflandırıcınız eğitildikten sonra, ona sınıflandırması için yeni bir görüntü vererek test edebilirsiniz.
+
+### Görev - görüntü sınıflandırıcınızı test edin
+
+1. [Microsoft dokümanlarındaki modelinizi test etme dokümantasyonunu](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) takip ederek görüntü sınıflandırıcınızı test edin. Daha önce oluşturduğunuz test görüntülerini kullanın, eğitim için kullandığınız görüntüleri değil.
+
+    ![Olgunlaşmamış bir muzun %98.9 olasılıkla olgunlaşmamış, %1.1 olasılıkla olgun olarak tahmin edilmesi](../../../../../translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.tr.png)
+
+1. Erişebildiğiniz tüm test görüntülerini deneyin ve olasılıkları gözlemleyin.
+
+## Görüntü sınıflandırıcınızı yeniden eğitin
+
+Sınıflandırıcınızı test ettiğinizde, beklediğiniz sonuçları vermeyebilir. Görüntü sınıflandırıcılar, bir görüntüde ne olduğunu anlamak yerine, bir görüntünün belirli özelliklerinin belirli bir etikete uyduğunu gösteren olasılıklara dayanarak tahminler yapar. Görüntüde ne olduğunu anlamaz - bir muzun ne olduğunu bilmez veya bir muzu bir tekneden ayıran şeyin ne olduğunu anlamaz. Yanlış sonuçlar verdiği görüntülerle sınıflandırıcınızı yeniden eğiterek iyileştirebilirsiniz.
+
+Hızlı test seçeneğini kullanarak her tahmin yaptığınızda, görüntü ve sonuçlar kaydedilir. Bu görüntüleri modelinizi yeniden eğitmek için kullanabilirsiniz.
+
+### Görev - görüntü sınıflandırıcınızı yeniden eğitin
+
+1. [Microsoft dokümanlarındaki tahmin edilen görüntüyü eğitim için kullanma dokümantasyonunu](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) takip ederek modelinizi yeniden eğitin, her görüntü için doğru etiketi kullanarak.
+
+1. Modeliniz yeniden eğitildikten sonra, yeni görüntüler üzerinde test yapın.
+
+---
+
+## 🚀 Meydan Okuma
+
+Muzlar üzerinde eğitilmiş bir modelle bir çilek resmi, şişme bir muz, muz kostümü giymiş bir kişi veya Simpsons'tan biri gibi sarı bir çizgi film karakteri kullanırsanız ne olacağını düşünüyorsunuz?
+
+Deneyin ve tahminlerin ne olduğunu görün. Denemek için [Bing Görsel arama](https://www.bing.com/images/trending) kullanarak görüntüler bulabilirsiniz.
+
+## Ders sonrası sınav
+
+[Ders sonrası sınav](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* Sınıflandırıcınızı eğittiğinizde, oluşturulan modeli derecelendiren *Precision*, *Recall* ve *AP* değerlerini görmüş olmalısınız. Bu değerlerin ne olduğunu [Microsoft dokümanlarındaki sınıflandırıcıyı değerlendirme bölümünü](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#evaluate-the-classifier) kullanarak okuyun.
+* Sınıflandırıcınızı nasıl iyileştireceğinizi [Microsoft dokümanlarındaki Custom Vision modelinizi iyileştirme rehberinden](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn) okuyun.
+
+## Ödev
+
+[Birden fazla meyve ve sebze için sınıflandırıcınızı eğitin](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/tr/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
new file mode 100644
index 00000000..923af45c
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
+  "translation_date": "2025-08-28T02:38:41+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Sınıflandırıcınızı birden fazla meyve ve sebze için eğitin
+
+## Talimatlar
+
+Bu derste, olgun ve olgunlaşmamış meyveleri ayırt edebilen bir görüntü sınıflandırıcıyı yalnızca bir tür meyve kullanarak eğittiniz. Bir sınıflandırıcı, birden fazla meyveyi tanıyacak şekilde eğitilebilir, ancak başarı oranı meyve türüne ve olgun ile olgunlaşmamış arasındaki farklara bağlı olarak değişir.
+
+Örneğin, olgunlaştığında renk değiştiren meyveler için görüntü sınıflandırıcılar, genellikle gri tonlamalı görüntülerle çalıştıkları için tam renkli bir sensöre göre daha az etkili olabilir.
+
+Sınıflandırıcınızı diğer meyvelerle eğitin ve ne kadar iyi çalıştığını görün, özellikle meyveler birbirine benziyorsa. Örneğin, elmalar ve domatesler.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| ------ | ----------------- | ------- | -------------------- |
+| Sınıflandırıcıyı birden fazla meyve için eğitmek | Sınıflandırıcıyı birden fazla meyve için eğitebildi | Sınıflandırıcıyı bir ek meyve için eğitebildi | Sınıflandırıcıyı daha fazla meyve için eğitemedi |
+| Sınıflandırıcının ne kadar iyi çalıştığını belirlemek | Sınıflandırıcının farklı meyvelerle ne kadar iyi çalıştığını doğru bir şekilde yorumlayabildi | Ne kadar iyi çalıştığını gözlemleyip öneriler sunabildi | Sınıflandırıcının ne kadar iyi çalıştığını yorumlayamadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/README.md
new file mode 100644
index 00000000..76d88777
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/README.md
@@ -0,0 +1,172 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
+  "translation_date": "2025-08-28T02:47:20+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
+  "language_code": "tr"
+}
+-->
+# IoT Cihazından Meyve Kalitesini Kontrol Etme
+
+![Bu dersin genel bir sketchnote'u](../../../../../translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
+
+## Giriş
+
+Son derste, görüntü sınıflandırıcıları ve bunları iyi ve kötü meyveleri tespit etmek için nasıl eğitebileceğinizi öğrendiniz. Bu görüntü sınıflandırıcıyı bir IoT uygulamasında kullanmak için, bir tür kamera kullanarak bir görüntü yakalayabilmeli ve bu görüntüyü sınıflandırılması için buluta gönderebilmelisiniz.
+
+Bu derste, kamera sensörlerini ve bunları bir IoT cihazıyla görüntü yakalamak için nasıl kullanacağınızı öğreneceksiniz. Ayrıca IoT cihazınızdan görüntü sınıflandırıcıyı nasıl çağıracağınızı da öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Kamera sensörleri](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Bir IoT cihazı kullanarak görüntü yakalama](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Görüntü sınıflandırıcınızı yayınlama](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [IoT cihazınızdan görüntüleri sınıflandırma](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Modeli geliştirme](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+
+## Kamera Sensörleri
+
+Kamera sensörleri, adından da anlaşılacağı gibi, IoT cihazınıza bağlayabileceğiniz kameralardır. Bu kameralar sabit görüntüler çekebilir veya akışlı video kaydedebilir. Bazıları ham görüntü verisi dönerken, diğerleri görüntü verisini JPEG veya PNG gibi bir görüntü dosyasına sıkıştırır. Genellikle IoT cihazlarıyla çalışan kameralar, alışık olduğunuz kameralardan çok daha küçük ve düşük çözünürlüklüdür, ancak üst düzey telefonlarla yarışabilecek yüksek çözünürlüklü kameralar da bulabilirsiniz. Değiştirilebilir lensler, çoklu kamera kurulumları, kızılötesi termal kameralar veya UV kameralar gibi birçok seçenek mevcuttur.
+
+![Bir sahneden gelen ışık bir lensin içinden geçer ve bir CMOS sensör üzerinde odaklanır](../../../../../translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.tr.png)
+
+Çoğu kamera sensörü, her pikselin bir fotodiyot olduğu görüntü sensörlerini kullanır. Bir lens, görüntüyü görüntü sensörüne odaklar ve binlerce veya milyonlarca fotodiyot, her birine düşen ışığı algılar ve bunu piksel verisi olarak kaydeder.
+
+> 💁 Lensler görüntüleri ters çevirir, kamera sensörü daha sonra görüntüyü doğru şekilde çevirir. Gözlerinizde de aynı durum geçerlidir - gördüğünüz şey gözünüzün arkasında ters algılanır ve beyniniz bunu düzeltir.
+
+> 🎓 Görüntü sensörü, Aktif Piksel Sensörü (APS) olarak bilinir ve en popüler APS türü, tamamlayıcı metal oksit yarı iletken sensör veya CMOS'tur. Kamera sensörleri için kullanılan CMOS sensörü terimini duymuş olabilirsiniz.
+
+Kamera sensörleri dijital sensörlerdir ve genellikle iletişimi sağlayan bir kütüphanenin yardımıyla görüntü verilerini dijital olarak gönderir. Kameralar, büyük miktarda veri göndermelerine olanak tanıyan SPI gibi protokoller kullanarak bağlanır - görüntüler, bir sıcaklık sensörü gibi bir sensörden gelen tek bir sayıdan çok daha büyüktür.
+
+✅ IoT cihazlarında görüntü boyutuyla ilgili sınırlamalar nelerdir? Özellikle mikrodenetleyici donanımındaki kısıtlamaları düşünün.
+
+## Bir IoT Cihazı Kullanarak Görüntü Yakalama
+
+IoT cihazınızı kullanarak sınıflandırılacak bir görüntü yakalayabilirsiniz.
+
+### Görev - Bir IoT Cihazı Kullanarak Görüntü Yakalama
+
+IoT cihazınızı kullanarak bir görüntü yakalamak için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-camera.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-camera.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-camera.md)
+
+## Görüntü Sınıflandırıcınızı Yayınlama
+
+Son derste görüntü sınıflandırıcınızı eğittiniz. IoT cihazınızdan kullanabilmek için modeli yayınlamanız gerekir.
+
+### Model İterasyonları
+
+Modeliniz son derste eğitilirken, **Performans** sekmesinde yan tarafta iterasyonların gösterildiğini fark etmiş olabilirsiniz. Modeli ilk eğittiğinizde, eğitim sırasında *İterasyon 1* görmüş olacaksınız. Tahmin görüntülerini kullanarak modeli geliştirdiğinizde, eğitim sırasında *İterasyon 2* görmüş olacaksınız.
+
+Modeli her eğittiğinizde yeni bir iterasyon elde edersiniz. Bu, farklı veri setleriyle eğitilmiş modelinizin farklı sürümlerini takip etmenin bir yoludur. **Hızlı Test** yaptığınızda, birden fazla iterasyon arasındaki sonuçları karşılaştırmak için kullanabileceğiniz bir açılır menü vardır.
+
+Bir iterasyondan memnun olduğunuzda, bunu harici uygulamalar tarafından kullanılabilir hale getirmek için yayınlayabilirsiniz. Bu şekilde cihazlarınız tarafından kullanılan bir yayınlanmış sürümünüz olabilir, ardından yeni bir sürüm üzerinde birden fazla iterasyon boyunca çalışabilir ve memnun olduğunuzda bunu yayınlayabilirsiniz.
+
+### Görev - Bir İterasyonu Yayınlama
+
+İterasyonlar Custom Vision portalından yayınlanır.
+
+1. [CustomVision.ai](https://customvision.ai) adresinden Custom Vision portalını başlatın ve henüz açık değilse oturum açın. Ardından `fruit-quality-detector` projenizi açın.
+
+1. Üstteki seçeneklerden **Performans** sekmesini seçin.
+
+1. Yan taraftaki *İterasyonlar* listesinden en son iterasyonu seçin.
+
+1. İterasyon için **Yayınla** düğmesini seçin.
+
+    ![Yayınla düğmesi](../../../../../translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.tr.png)
+
+1. *Modeli Yayınla* iletişim kutusunda, *Tahmin kaynağı* olarak önceki derste oluşturduğunuz `fruit-quality-detector-prediction` kaynağını seçin. Adı `Iteration2` olarak bırakın ve **Yayınla** düğmesini seçin.
+
+1. Yayınlandıktan sonra, **Tahmin URL'si** düğmesini seçin. Bu, tahmin API'sinin ayrıntılarını gösterecek ve modeli IoT cihazınızdan çağırmak için bunlara ihtiyacınız olacak. Alt bölüm *Bir görüntü dosyanız varsa* olarak etiketlenmiştir ve istediğiniz ayrıntılar bunlardır. Şu şekilde bir URL'nin bir kopyasını alın:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
+    ```
+
+    Burada `<location>`, özel görüş kaynağınızı oluştururken kullandığınız konum olacak ve `<id>` harfler ve rakamlardan oluşan uzun bir kimlik olacaktır.
+
+    Ayrıca *Tahmin Anahtarı* değerinin bir kopyasını alın. Bu, modeli çağırırken geçirmeniz gereken güvenli bir anahtardır. Sadece bu anahtarı geçen uygulamaların modeli kullanmasına izin verilir, diğer tüm uygulamalar reddedilir.
+
+    ![Tahmin API'si iletişim kutusu, URL ve anahtarı gösteriyor](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.tr.png)
+
+✅ Yeni bir iterasyon yayınlandığında, farklı bir adı olacaktır. IoT cihazının kullandığı iterasyonu nasıl değiştirebileceğinizi düşünün.
+
+## IoT Cihazınızdan Görüntüleri Sınıflandırma
+
+Artık bu bağlantı ayrıntılarını kullanarak IoT cihazınızdan görüntü sınıflandırıcıyı çağırabilirsiniz.
+
+### Görev - IoT Cihazınızdan Görüntüleri Sınıflandırma
+
+IoT cihazınızı kullanarak görüntüleri sınıflandırmak için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal IoT cihazı](single-board-computer-classify-image.md)
+
+## Modeli Geliştirme
+
+IoT cihazınıza bağlı kamerayı kullanırken elde ettiğiniz sonuçların beklediğinizle eşleşmediğini fark edebilirsiniz. Tahminler, bilgisayarınızdan yüklenen görüntüleri kullanmaya kıyasla her zaman o kadar doğru olmayabilir. Bunun nedeni, modelin tahminlerde kullanılan verilerden farklı verilerle eğitilmiş olmasıdır.
+
+Bir görüntü sınıflandırıcıdan en iyi sonuçları almak için, modeli tahminlerde kullanılan görüntülere mümkün olduğunca benzeyen görüntülerle eğitmek istersiniz. Örneğin, eğitmek için telefon kameranızı kullandıysanız, görüntü kalitesi, keskinlik ve renk, bir IoT cihazına bağlı bir kameradan farklı olacaktır.
+
+![2 muz resmi, biri IoT cihazından düşük çözünürlüklü ve kötü aydınlatmalı, diğeri telefondan yüksek çözünürlüklü ve iyi aydınlatmalı](../../../../../translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.tr.png)
+
+Yukarıdaki görüntüde, soldaki muz resmi bir Raspberry Pi Kamerası kullanılarak çekildi, sağdaki ise aynı muzun aynı konumda bir iPhone kullanılarak çekildi. Kalite açısından belirgin bir fark var - iPhone resmi daha keskin, daha parlak renkler ve daha fazla kontrast içeriyor.
+
+✅ IoT cihazınızın yakaladığı görüntülerin yanlış tahminlere neden olmasına başka neler sebep olabilir? IoT cihazının kullanılabileceği ortamı düşünün, görüntünün yakalanmasını etkileyebilecek faktörler nelerdir?
+
+Modeli geliştirmek için, IoT cihazından yakalanan görüntüleri kullanarak yeniden eğitebilirsiniz.
+
+### Görev - Modeli Geliştirme
+
+1. IoT cihazınızı kullanarak hem olgun hem de olgunlaşmamış meyvelerin birden fazla görüntüsünü sınıflandırın.
+
+1. Custom Vision portalında, *Tahminler* sekmesindeki görüntüleri kullanarak modeli yeniden eğitin.
+
+    > ⚠️ [Görüntü sınıflandırıcınızı yeniden eğitme talimatlarına 1. derste ihtiyaç duyarsanız buradan ulaşabilirsiniz](../1-train-fruit-detector/README.md#retrain-your-image-classifier).
+
+1. Görüntüleriniz, eğitmek için kullanılan orijinal görüntülerden çok farklı görünüyorsa, *Eğitim Görüntüleri* sekmesindeki tüm orijinal görüntüleri seçip **Sil** düğmesini seçerek silebilirsiniz. Bir görüntüyü seçmek için, imlecinizi üzerine getirin ve bir işaret görünecektir, bu işareti seçerek görüntüyü seçebilir veya seçimden kaldırabilirsiniz.
+
+1. Modelin yeni bir iterasyonunu eğitin ve yukarıdaki adımları kullanarak yayınlayın.
+
+1. Kodunuzdaki uç nokta URL'sini güncelleyin ve uygulamayı yeniden çalıştırın.
+
+1. Tahmin sonuçlarından memnun kalana kadar bu adımları tekrarlayın.
+
+---
+
+## 🚀 Zorluk
+
+Görüntü çözünürlüğü veya aydınlatma tahmini ne kadar etkiler?
+
+Cihaz kodunuzdaki görüntülerin çözünürlüğünü değiştirin ve bunun görüntü kalitesine bir fark yaratıp yaratmadığını görün. Ayrıca aydınlatmayı değiştirmeyi deneyin.
+
+Çiftliklere veya fabrikalara satılacak bir üretim cihazı oluşturacak olsaydınız, her zaman tutarlı sonuçlar vermesini nasıl sağlardınız?
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+Custom Vision modelinizi portalı kullanarak eğittiniz. Bu, görüntülerin mevcut olmasına dayanır - ve gerçek dünyada cihazınızdaki kameranın yakaladığı görüntülerle eşleşen eğitim verilerini elde edemeyebilirsiniz. Bunu, IoT cihazınızdan yakalanan görüntüleri kullanarak bir modeli eğitmek için eğitim API'sini doğrudan cihazınızdan kullanarak aşabilirsiniz.
+
+* [Custom Vision SDK hızlı başlangıcında](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) eğitim API'si hakkında bilgi edinin.
+
+## Ödev
+
+[Sınıflandırma sonuçlarına yanıt verin](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
new file mode 100644
index 00000000..6a1e0e79
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "022e21f8629b721424c1de25195fff67",
+  "translation_date": "2025-08-28T02:50:44+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Sınıflandırma sonuçlarına yanıt verin
+
+## Talimatlar
+
+Cihazınız görüntüleri sınıflandırdı ve tahminler için değerler elde etti. Cihazınız bu bilgiyi bir şeyler yapmak için kullanabilir - bunu diğer sistemler tarafından işlenmek üzere IoT Hub'a gönderebilir ya da meyve olgunlaşmamış olduğunda yanacak bir LED gibi bir aktüatörü kontrol edebilir.
+
+Cihazınıza, seçtiğiniz bir şekilde yanıt verecek kod ekleyin - verileri bir IoT Hub'a gönderin, bir aktüatörü kontrol edin ya da ikisini birleştirerek meyvenin olgun olup olmadığını belirleyen ve bir aktüatörü kontrol etmek için bir komut gönderen sunucusuz bir kodla verileri bir IoT Hub'a gönderin.
+
+## Değerlendirme Kriterleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| ------- | ----------------- | ------- | -------------------- |
+| Tahminlere yanıt verme | Aynı değere sahip tahminlerle tutarlı bir şekilde çalışan bir yanıt uygulayabildi. | Tahminlere bağlı olmayan, örneğin ham verileri bir IoT Hub'a göndermek gibi bir yanıt uygulayabildi. | Cihazı tahminlere yanıt verecek şekilde programlayamadı. |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
new file mode 100644
index 00000000..362a5abc
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
@@ -0,0 +1,155 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c677667095f6133eee418c7e53615d05",
+  "translation_date": "2025-08-28T02:48:12+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
+  "language_code": "tr"
+}
+-->
+# Bir görüntü yakalama - Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi'nize bir kamera sensörü ekleyecek ve ondan görüntü okuyacaksınız.
+
+## Donanım
+
+Raspberry Pi'nin bir kameraya ihtiyacı var.
+
+Kullanacağınız kamera [Raspberry Pi Kamera Modülü](https://www.raspberrypi.org/products/camera-module-v2/). Bu kamera, Raspberry Pi ile çalışmak üzere tasarlanmıştır ve Pi üzerinde özel bir konektör aracılığıyla bağlanır.
+
+> 💁 Bu kamera, [Mobil Endüstri İşlemci Arayüzü İttifakı tarafından geliştirilen bir protokol olan Kamera Seri Arayüzü](https://wikipedia.org/wiki/Camera_Serial_Interface) (MIPI-CSI) kullanır. Bu, görüntüleri göndermek için özel bir protokoldür.
+
+## Kamerayı bağlama
+
+Kamera, Raspberry Pi'ye bir şerit kablo kullanılarak bağlanabilir.
+
+### Görev - kamerayı bağlama
+
+![Bir Raspberry Pi Kamera](../../../../../translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.tr.png)
+
+1. Pi'yi kapatın.
+
+1. Kamerayla birlikte gelen şerit kabloyu kameraya bağlayın. Bunu yapmak için, tutucudaki siyah plastik klipsi hafifçe çekerek biraz dışarı çıkarın, ardından kabloyu sokete kaydırın. Mavi taraf lensin dışına, metal pin şeritleri lensin içine bakacak şekilde yerleştirin. Kablo tamamen yerleştirildikten sonra siyah plastik klipsi tekrar yerine itin.
+
+    Klipsi nasıl açacağınızı ve kabloyu nasıl yerleştireceğinizi gösteren bir animasyonu [Raspberry Pi Kamera Modülü ile Başlangıç Belgelerinde](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2) bulabilirsiniz.
+
+    ![Şerit kablo kamera modülüne yerleştirilmiş](../../../../../translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.tr.png)
+
+1. Grove Base Hat'ı Pi'den çıkarın.
+
+1. Şerit kabloyu Grove Base Hat'taki kamera yuvasından geçirin. Kablonun mavi tarafının **A0**, **A1** gibi analog portlara doğru baktığından emin olun.
+
+    ![Şerit kablo Grove Base Hat'tan geçiyor](../../../../../translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.tr.png)
+
+1. Şerit kabloyu Pi üzerindeki kamera portuna yerleştirin. Yine siyah plastik klipsi yukarı çekin, kabloyu yerleştirin ve klipsi tekrar yerine itin. Kablonun mavi tarafı USB ve ethernet portlarına doğru bakmalıdır.
+
+    ![Şerit kablo Pi üzerindeki kamera soketine bağlı](../../../../../translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.tr.png)
+
+1. Grove Base Hat'ı tekrar takın.
+
+## Kamerayı programlama
+
+Raspberry Pi artık [PiCamera](https://pypi.org/project/picamera/) Python kütüphanesini kullanarak kamerayı programlamak için hazır.
+
+### Görev - eski kamera modunu etkinleştirme
+
+Ne yazık ki, Raspberry Pi OS Bullseye sürümüyle birlikte işletim sistemiyle gelen kamera yazılımı değişti ve varsayılan olarak PiCamera artık çalışmıyor. Bunun yerine PiCamera2 adlı bir alternatif geliştiriliyor, ancak henüz kullanıma hazır değil.
+
+Şimdilik, PiCamera'nın çalışmasına izin vermek için Pi'nizi eski kamera moduna ayarlayabilirsiniz. Kamera soketi varsayılan olarak devre dışıdır, ancak eski kamera yazılımını açmak soketi otomatik olarak etkinleştirir.
+
+1. Pi'yi açın ve başlatılmasını bekleyin.
+
+1. VS Code'u doğrudan Pi üzerinde veya Remote SSH uzantısı aracılığıyla bağlanarak başlatın.
+
+1. Terminalden aşağıdaki komutları çalıştırın:
+
+    ```sh
+    sudo raspi-config nonint do_legacy 0
+    sudo reboot
+    ```
+
+    Bu, eski kamera yazılımını etkinleştirmek için bir ayarı değiştirecek ve ardından bu ayarın etkili olması için Pi'yi yeniden başlatacaktır.
+
+1. Pi'nin yeniden başlatılmasını bekleyin ve ardından VS Code'u tekrar başlatın.
+
+### Görev - kamerayı programlama
+
+Cihazı programlayın.
+
+1. Terminalden, `pi` kullanıcısının ana dizininde `fruit-quality-detector` adlı yeni bir klasör oluşturun. Bu klasörde `app.py` adlı bir dosya oluşturun.
+
+1. Bu klasörü VS Code'da açın.
+
+1. Kamera ile etkileşim kurmak için PiCamera Python kütüphanesini kullanabilirsiniz. Bunun için aşağıdaki komutla Pip paketini yükleyin:
+
+    ```sh
+    pip3 install picamera
+    ```
+
+1. `app.py` dosyanıza aşağıdaki kodu ekleyin:
+
+    ```python
+    import io
+    import time
+    from picamera import PiCamera
+    ```
+
+    Bu kod, `PiCamera` kütüphanesi dahil olmak üzere gerekli bazı kütüphaneleri içe aktarır.
+
+1. Kamerayı başlatmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    
+    time.sleep(2)
+    ```
+
+    Bu kod, bir PiCamera nesnesi oluşturur ve çözünürlüğü 640x480 olarak ayarlar. Daha yüksek çözünürlükler desteklenir (3280x2464'e kadar), ancak görüntü sınıflandırıcı çok daha küçük görüntülerde (227x227) çalıştığı için daha büyük görüntüleri yakalamaya ve göndermeye gerek yoktur.
+
+    `camera.rotation = 0` satırı görüntünün dönüşünü ayarlar. Şerit kablo kameranın altına gelir, ancak kameranız sınıflandırmak istediğiniz öğeye daha kolay yönelmesi için döndürülmüşse, bu satırı döndürme derecesine göre değiştirebilirsiniz.
+
+    ![Kamera bir içecek kutusunun üzerine asılmış](../../../../../translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.tr.png)
+
+    Örneğin, şerit kabloyu bir şeyin üzerine asarak kameranın üst kısmında olacak şekilde yerleştirirseniz, dönüşü 180 olarak ayarlayın:
+
+    ```python
+    camera.rotation = 180
+    ```
+
+    Kamera başlatılmak için birkaç saniye alır, bu nedenle `time.sleep(2)` satırı eklenmiştir.
+
+1. Görüntüyü ikili veri olarak yakalamak için aşağıdaki kodu ekleyin:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    Bu kod, ikili verileri depolamak için bir `BytesIO` nesnesi oluşturur. Görüntü kameradan bir JPEG dosyası olarak okunur ve bu nesneye kaydedilir. Bu nesne, daha fazla veri gerektiğinde sona yazılabilmesi için bir konum göstergesine sahiptir, bu nedenle `image.seek(0)` satırı bu konumu başlangıca geri taşır, böylece tüm veri daha sonra okunabilir.
+
+1. Bunun altına, görüntüyü bir dosyaya kaydetmek için aşağıdaki kodu ekleyin:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    Bu kod, yazma için `image.jpg` adlı bir dosya açar, ardından `BytesIO` nesnesinden tüm veriyi okur ve dosyaya yazar.
+
+    > 💁 Görüntüyü doğrudan bir dosyaya yakalayabilirsiniz, `camera.capture` çağrısına dosya adını geçirerek. Bu dersin ilerleyen bölümlerinde görüntüyü görüntü sınıflandırıcınıza gönderebilmek için `BytesIO` nesnesi kullanılmıştır.
+
+1. Kamerayı bir şeye doğrultun ve bu kodu çalıştırın.
+
+1. Bir görüntü yakalanacak ve mevcut klasörde `image.jpg` olarak kaydedilecektir. Bu dosyayı VS Code gezgininde göreceksiniz. Dosyayı seçerek görüntüyü görüntüleyin. Döndürme gerekiyorsa, `camera.rotation = 0` satırını gerektiği gibi güncelleyin ve başka bir fotoğraf çekin.
+
+> 💁 Bu kodu [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi) klasöründe bulabilirsiniz.
+
+😀 Kamera programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
new file mode 100644
index 00000000..28ea6329
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T02:51:03+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
+  "language_code": "tr"
+}
+-->
+# Bir Görüntüyü Sınıflandırma - Sanal IoT Donanımı ve Raspberry Pi
+
+Bu dersin bu bölümünde, kamera tarafından yakalanan görüntüyü sınıflandırmak için Custom Vision hizmetine göndereceksiniz.
+
+## Görüntüleri Custom Vision'a Gönderme
+
+Custom Vision hizmeti, görüntüleri sınıflandırmak için kullanabileceğiniz bir Python SDK'sına sahiptir.
+
+### Görev - Görüntüleri Custom Vision'a Gönderme
+
+1. VS Code'da `fruit-quality-detector` klasörünü açın. Eğer sanal bir IoT cihazı kullanıyorsanız, sanal ortamın terminalde çalıştığından emin olun.
+
+1. Görüntüleri Custom Vision'a göndermek için gereken Python SDK'sı bir Pip paketi olarak mevcuttur. Aşağıdaki komutla yükleyin:
+
+    ```sh
+    pip3 install azure-cognitiveservices-vision-customvision
+    ```
+
+1. `app.py` dosyasının en üstüne aşağıdaki import ifadelerini ekleyin:
+
+    ```python
+    from msrest.authentication import ApiKeyCredentials
+    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
+    ```
+
+    Bu, Custom Vision kütüphanelerinden bazı modülleri içeri alır; biri tahmin anahtarıyla kimlik doğrulama yapmak için, diğeri ise Custom Vision'ı çağırabilecek bir tahmin istemci sınıfı sağlamak için.
+
+1. Dosyanın sonuna aşağıdaki kodu ekleyin:
+
+    ```python
+    prediction_url = '<prediction_url>'
+    prediction_key = '<prediction key>'
+    ```
+
+    `<prediction_url>` kısmını bu derste daha önce *Prediction URL* diyalog kutusundan kopyaladığınız URL ile değiştirin. `<prediction key>` kısmını ise aynı diyalog kutusundan kopyaladığınız tahmin anahtarı ile değiştirin.
+
+1. *Prediction URL* diyalog kutusu tarafından sağlanan tahmin URL'si, doğrudan REST uç noktasını çağırırken kullanılmak üzere tasarlanmıştır. Python SDK, URL'nin farklı bölümlerini farklı yerlerde kullanır. Bu URL'yi gerekli parçalara ayırmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    parts = prediction_url.split('/')
+    endpoint = 'https://' + parts[2]
+    project_id = parts[6]
+    iteration_name = parts[9]
+    ```
+
+    Bu kod, URL'yi bölerek `https://<location>.api.cognitive.microsoft.com` uç noktasını, proje kimliğini ve yayınlanmış iterasyonun adını çıkarır.
+
+1. Tahmin işlemini gerçekleştirmek için bir tahminci nesnesi oluşturun:
+
+    ```python
+    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
+    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
+    ```
+
+    `prediction_credentials`, tahmin anahtarını sarar. Bunlar, uç noktayı işaret eden bir tahmin istemci nesnesi oluşturmak için kullanılır.
+
+1. Görüntüyü Custom Vision'a aşağıdaki kodla gönderin:
+
+    ```python
+    image.seek(0)
+    results = predictor.classify_image(project_id, iteration_name, image)
+    ```
+
+    Bu kod, görüntüyü başa sarar ve ardından tahmin istemcisine gönderir.
+
+1. Son olarak, sonuçları aşağıdaki kodla gösterin:
+
+    ```python
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    Bu kod, döndürülen tüm tahminler arasında döngü yapar ve bunları terminalde gösterir. Döndürülen olasılıklar, 0-1 arasında kayan noktalı sayılardır; 0, etiketle eşleşme olasılığının %0 olduğunu, 1 ise %100 olduğunu ifade eder.
+
+    > 💁 Görüntü sınıflandırıcılar, kullanılan tüm etiketler için yüzdeleri döndürecektir. Her etiket, görüntünün o etiketle eşleşme olasılığını gösterecektir.
+
+1. Kodunuzu çalıştırın; kameranız meyvelere, uygun bir görüntü setine veya sanal IoT donanımı kullanıyorsanız webcam'de görünen meyvelere yönelmiş olsun. Konsolda çıktıyı göreceksiniz:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    Alınan görüntüyü ve bu değerleri Custom Vision'daki **Predictions** sekmesinde görebileceksiniz.
+
+    ![Custom Vision'da olgun bir muz %56.8 olgun ve %43.1 olgun değil olarak tahmin edildi](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.tr.png)
+
+> 💁 Bu kodu [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) veya [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device) klasöründe bulabilirsiniz.
+
+😀 Meyve kalite sınıflandırıcı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
new file mode 100644
index 00000000..f7e7c443
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T02:48:52+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
+  "language_code": "tr"
+}
+-->
+# Bir Görüntü Yakalama - Sanal IoT Donanımı
+
+Bu dersin bu bölümünde, sanal IoT cihazınıza bir kamera sensörü ekleyecek ve bu sensörden görüntüler okuyacaksınız.
+
+## Donanım
+
+Sanal IoT cihazı, dosyalardan veya web kameranızdan görüntüler gönderen simüle edilmiş bir kamera kullanacaktır.
+
+### Kamerayı CounterFit'e Ekleme
+
+Sanal bir kamera kullanmak için, CounterFit uygulamasına bir kamera eklemeniz gerekir.
+
+#### Görev - Kamerayı CounterFit'e ekleyin
+
+Kamerayı CounterFit uygulamasına ekleyin.
+
+1. Bilgisayarınızda `fruit-quality-detector` adlı bir klasörde `app.py` adlı tek bir dosya ve bir Python sanal ortamı ile yeni bir Python uygulaması oluşturun ve CounterFit pip paketlerini ekleyin.
+
+    > ⚠️ Gerekirse [ders 1'de CounterFit Python projesi oluşturma ve ayarlama talimatlarına](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md) başvurabilirsiniz.
+
+1. Kamera sensörleriyle iletişim kurabilen ve bazı [Picamera Pip paketi](https://pypi.org/project/picamera/) özelliklerini simüle eden bir CounterFit shim yüklemek için ek bir Pip paketi yükleyin. Bu işlemi, sanal ortamın etkin olduğu bir terminalden yaptığınızdan emin olun.
+
+    ```sh
+    pip install counterfit-shims-picamera
+    ```
+
+1. CounterFit web uygulamasının çalıştığından emin olun.
+
+1. Bir kamera oluşturun:
+
+    1. *Sensors* panelindeki *Create sensor* kutusunda, *Sensor type* açılır kutusundan *Camera* seçeneğini seçin.
+
+    1. *Name* alanına `Picamera` yazın.
+
+    1. Kamerayı oluşturmak için **Add** düğmesini seçin.
+
+    ![Kamera ayarları](../../../../../translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.tr.png)
+
+    Kamera oluşturulacak ve sensörler listesinde görünecektir.
+
+    ![Oluşturulan kamera](../../../../../translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.tr.png)
+
+## Kamerayı Programlama
+
+Sanal IoT cihazı artık sanal kamerayı kullanacak şekilde programlanabilir.
+
+### Görev - Kamerayı programlayın
+
+Cihazı programlayın.
+
+1. `fruit-quality-detector` uygulamasının VS Code'da açık olduğundan emin olun.
+
+1. `app.py` dosyasını açın.
+
+1. Uygulamayı CounterFit'e bağlamak için aşağıdaki kodu `app.py` dosyasının en üstüne ekleyin:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Aşağıdaki kodu `app.py` dosyanıza ekleyin:
+
+    ```python
+    import io
+    from counterfit_shims_picamera import PiCamera
+    ```
+
+    Bu kod, gerekli bazı kütüphaneleri, CounterFit shim'inden `PiCamera` sınıfı dahil olmak üzere içe aktarır.
+
+1. Kamerayı başlatmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    ```
+
+    Bu kod, bir PiCamera nesnesi oluşturur ve çözünürlüğü 640x480 olarak ayarlar. Daha yüksek çözünürlükler desteklenmesine rağmen, görüntü sınıflandırıcı çok daha küçük görüntülerle (227x227) çalışır, bu nedenle daha büyük görüntüler yakalamaya ve göndermeye gerek yoktur.
+
+    `camera.rotation = 0` satırı, görüntünün döndürülme açısını derece cinsinden ayarlar. Web kamerasından veya dosyadan gelen görüntüyü döndürmeniz gerekiyorsa, bu değeri uygun şekilde ayarlayın. Örneğin, bir web kamerasındaki yatay moddaki bir muz görüntüsünü dikey moda çevirmek istiyorsanız, `camera.rotation = 90` olarak ayarlayın.
+
+1. Görüntüyü ikili veri olarak yakalamak için aşağıdaki kodu ekleyin:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    Bu kod, ikili verileri depolamak için bir `BytesIO` nesnesi oluşturur. Görüntü, kameradan bir JPEG dosyası olarak okunur ve bu nesnede saklanır. Bu nesne, verilerin neresinde olduğunu bilmek için bir konum göstergesine sahiptir, böylece gerekirse daha fazla veri sona yazılabilir. `image.seek(0)` satırı, bu konumu başa döndürerek tüm verilerin daha sonra okunabilmesini sağlar.
+
+1. Görüntüyü bir dosyaya kaydetmek için aşağıdakileri ekleyin:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    Bu kod, yazma için `image.jpg` adlı bir dosya açar, ardından `BytesIO` nesnesinden tüm verileri okur ve bu dosyaya yazar.
+
+    > 💁 Görüntüyü bir `BytesIO` nesnesi yerine doğrudan bir dosyaya yakalamak için `camera.capture` çağrısına dosya adını geçebilirsiniz. Bu derste daha sonra görüntüyü görüntü sınıflandırıcınıza gönderebilmek için `BytesIO` nesnesi kullanılmıştır.
+
+1. CounterFit'teki kameranın yakalayacağı görüntüyü yapılandırın. *Source* seçeneğini *File* olarak ayarlayabilir ve bir görüntü dosyası yükleyebilir veya *Source* seçeneğini *WebCam* olarak ayarlayarak görüntülerin web kameranızdan yakalanmasını sağlayabilirsiniz. Bir resim seçtikten veya web kameranızı seçtikten sonra **Set** düğmesini seçtiğinizden emin olun.
+
+    ![CounterFit'te bir dosyanın görüntü kaynağı olarak ayarlandığı ve bir kişinin muz tuttuğu bir web kamerası önizlemesi](../../../../../translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.tr.png)
+
+1. Bir görüntü yakalanacak ve mevcut klasörde `image.jpg` olarak kaydedilecektir. Bu dosyayı VS Code gezgininde göreceksiniz. Dosyayı seçerek görüntüyü görüntüleyin. Döndürme gerekiyorsa, `camera.rotation = 0` satırını uygun şekilde güncelleyin ve başka bir fotoğraf çekin.
+
+> 💁 Bu kodu [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device) klasöründe bulabilirsiniz.
+
+😀 Kamera programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
new file mode 100644
index 00000000..f1536fa5
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T02:49:48+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
+  "language_code": "tr"
+}
+-->
+# Bir Görüntü Yakalama - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal'inize bir kamera ekleyecek ve bu kameradan görüntüler yakalayacaksınız.
+
+## Donanım
+
+Wio Terminal bir kameraya ihtiyaç duyar.
+
+Kullanacağınız kamera bir [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/). Bu, OV2640 görüntü sensörüne dayalı 2 megapiksel bir kameradır. Görüntüleri yakalamak için bir SPI arayüzü üzerinden iletişim kurar ve sensörü yapılandırmak için I2C kullanır.
+
+## Kamerayı Bağlama
+
+ArduCam bir Grove soketine sahip değildir, bunun yerine SPI ve I2C veri yollarına Wio Terminal'in GPIO pinleri üzerinden bağlanır.
+
+### Görev - Kamerayı bağlayın
+
+Kamerayı bağlayın.
+
+![Bir ArduCam sensörü](../../../../../translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.tr.png)
+
+1. ArduCam'in altındaki pinler, Wio Terminal'in GPIO pinlerine bağlanmalıdır. Doğru pinleri bulmayı kolaylaştırmak için, Wio Terminal ile birlikte gelen GPIO pin etiketini pinlerin etrafına yapıştırın:
+
+    ![GPIO pin etiketi takılmış Wio Terminal](../../../../../translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.tr.png)
+
+1. Jumper kabloları kullanarak aşağıdaki bağlantıları yapın:
+
+    | ArduCAM pini | Wio Terminal pini | Açıklama                                |
+    | ------------ | ----------------- | --------------------------------------- |
+    | CS           | 24 (SPI_CS)       | SPI Yonga Seçimi                        |
+    | MOSI         | 19 (SPI_MOSI)     | SPI Kontrolcü Çıkışı, Çevresel Giriş    |
+    | MISO         | 21 (SPI_MISO)     | SPI Kontrolcü Girişi, Çevresel Çıkış    |
+    | SCK          | 23 (SPI_SCLK)     | SPI Seri Saat                          |
+    | GND          | 6 (GND)           | Topraklama - 0V                         |
+    | VCC          | 4 (5V)            | 5V güç kaynağı                          |
+    | SDA          | 3 (I2C1_SDA)      | I2C Seri Veri                           |
+    | SCL          | 5 (I2C1_SCL)      | I2C Seri Saat                           |
+
+    ![Jumper kablolarla ArduCam'e bağlanmış Wio Terminal](../../../../../translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.tr.png)
+
+    GND ve VCC bağlantıları, ArduCam'e 5V güç sağlar. Bu, 3V ile çalışan Grove sensörlerinden farklı olarak 5V ile çalışır. Bu güç, cihazı besleyen USB-C bağlantısından gelir.
+
+    > 💁 SPI bağlantısı için, ArduCam üzerindeki pin etiketleri ve Wio Terminal pin adları kodda eski adlandırma düzenini kullanır. Bu dersteki talimatlar, kodda kullanılan pin adları hariç, yeni adlandırma düzenini kullanacaktır.
+
+1. Artık Wio Terminal'i bilgisayarınıza bağlayabilirsiniz.
+
+## Kameraya Bağlanmak için Cihazı Programlama
+
+Wio Terminal artık bağlı ArduCAM kamerayı kullanacak şekilde programlanabilir.
+
+### Görev - Kameraya bağlanmak için cihazı programlayın
+
+1. PlatformIO kullanarak yeni bir Wio Terminal projesi oluşturun. Bu projeye `fruit-quality-detector` adını verin. Seri portu yapılandırmak için `setup` fonksiyonuna kod ekleyin.
+
+1. WiFi'ye bağlanmak için kod ekleyin ve WiFi kimlik bilgilerinizi `config.h` adlı bir dosyada saklayın. Gerekli kütüphaneleri `platformio.ini` dosyasına eklemeyi unutmayın.
+
+1. ArduCam kütüphanesi, `platformio.ini` dosyasından yüklenebilecek bir Arduino kütüphanesi olarak mevcut değildir. Bunun yerine, GitHub sayfasından kaynak kod olarak yüklenmesi gerekir. Bunu şu şekilde yapabilirsiniz:
+
+    * [https://github.com/ArduCAM/Arduino.git](https://github.com/ArduCAM/Arduino.git) adresinden repo'yu klonlayarak
+    * GitHub'daki repo'ya giderek [github.com/ArduCAM/Arduino](https://github.com/ArduCAM/Arduino) ve **Code** düğmesinden kodu zip olarak indirerek
+
+1. Bu koddan yalnızca `ArduCAM` klasörüne ihtiyacınız var. Tüm klasörü projenizin `lib` klasörüne kopyalayın.
+
+    > ⚠️ Tüm klasör kopyalanmalıdır, böylece kod `lib/ArduCam` içinde olur. `ArduCam` klasörünün içeriğini `lib` klasörüne kopyalamayın, tüm klasörü taşıyın.
+
+1. ArduCam kütüphane kodu, birden fazla kamera türü için çalışır. Kullanmak istediğiniz kamera türü, derleyici bayrakları kullanılarak yapılandırılır - bu, kullanmadığınız kameralar için olan kodu kaldırarak oluşturulan kütüphaneyi olabildiğince küçük tutar. OV2640 kamera için kütüphaneyi yapılandırmak için, `platformio.ini` dosyasının sonuna aşağıdakileri ekleyin:
+
+    ```ini
+    build_flags =
+        -DARDUCAM_SHIELD_V2
+        -DOV2640_CAM
+    ```
+
+    Bu, 2 derleyici bayrağı ayarlar:
+
+      * `ARDUCAM_SHIELD_V2`, kütüphaneye kameranın bir Arduino kartında (shield) olduğunu söyler.
+      * `OV2640_CAM`, kütüphaneye yalnızca OV2640 kamera için kod eklemesini söyler.
+
+1. `src` klasörüne `camera.h` adlı bir başlık dosyası ekleyin. Bu dosya, kamera ile iletişim kurmak için kod içerecektir. Bu dosyaya şu kodu ekleyin:
+
+    ```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;
+    };
+    ```
+
+    Bu, ArduCam kütüphanelerini kullanarak kamerayı yapılandıran ve gerektiğinde SPI veri yolu üzerinden görüntüleri çıkaran düşük seviyeli bir koddur. Bu kod, ArduCam'e çok özeldir, bu yüzden şu anda nasıl çalıştığını anlamanız gerekmez.
+
+1. `main.cpp` dosyasında, diğer `include` ifadelerinin altına bu yeni dosyayı dahil etmek ve bir kamera sınıfı örneği oluşturmak için şu kodu ekleyin:
+
+    ```cpp
+    #include "camera.h"
+
+    Camera camera = Camera(JPEG, OV2640_640x480);
+    ```
+
+    Bu, görüntüleri 640x480 çözünürlükte JPEG olarak kaydeden bir `Camera` oluşturur. Daha yüksek çözünürlükler desteklenir (3280x2464'e kadar), ancak görüntü sınıflandırıcı çok daha küçük görüntülerde (227x227) çalışır, bu nedenle daha büyük görüntüleri yakalamaya ve göndermeye gerek yoktur.
+
+1. Kamerayı kurmak için bir fonksiyon tanımlamak üzere aşağıdaki kodu ekleyin:
+
+    ```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!");
+        }
+    }
+    ```
+
+    Bu `setupCamera` fonksiyonu, SPI yonga seçme pinini (`PIN_SPI_SS`) yüksek olarak yapılandırarak Wio Terminal'i SPI kontrolcüsü yapar. Daha sonra I2C ve SPI veri yollarını başlatır. Son olarak, kamera sensör ayarlarını yapılandıran ve her şeyin doğru şekilde bağlandığından emin olan kamera sınıfını başlatır.
+
+1. Bu fonksiyonu `setup` fonksiyonunun sonunda çağırın:
+
+    ```cpp
+    setupCamera();
+    ```
+
+1. Bu kodu derleyin ve yükleyin, ardından seri monitörden çıktıyı kontrol edin. Eğer `Error setting up the camera!` mesajını görürseniz, tüm kabloların ArduCam üzerindeki doğru pinlere ve Wio Terminal'in GPIO pinlerine bağlandığından ve tüm jumper kabloların düzgün oturduğundan emin olun.
+
+## Bir Görüntü Yakalama
+
+Wio Terminal artık bir düğmeye basıldığında bir görüntü yakalayacak şekilde programlanabilir.
+
+### Görev - Bir görüntü yakalayın
+
+1. Mikrodenetleyiciler kodunuzu sürekli çalıştırır, bu nedenle bir fotoğraf çekmek gibi bir işlemi tetiklemek için bir sensöre tepki vermek gerekir. Wio Terminal'in düğmeleri vardır, bu nedenle kamera, düğmelerden biriyle tetiklenecek şekilde ayarlanabilir. Güç anahtarına en yakın olan üstteki üç düğmeden biri olan C düğmesini yapılandırmak için `setup` fonksiyonunun sonuna şu kodu ekleyin:
+
+    ![Güç anahtarına en yakın C düğmesi](../../../../../translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.tr.png)
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+    `INPUT_PULLUP` modu, bir girişi tersine çevirir. Örneğin, normalde bir düğme basılmadığında düşük bir sinyal, basıldığında ise yüksek bir sinyal gönderir. `INPUT_PULLUP` olarak ayarlandığında, basılmadığında yüksek bir sinyal, basıldığında ise düşük bir sinyal gönderir.
+
+1. `loop` fonksiyonundan önce düğme basılmasına yanıt verecek boş bir fonksiyon ekleyin:
+
+    ```cpp
+    void buttonPressed()
+    {
+        
+    }
+    ```
+
+1. Düğme basıldığında bu fonksiyonu `loop` metodunda çağırın:
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW)
+        {
+            buttonPressed();
+            delay(2000);
+        }
+    
+        delay(200);
+    }
+    ```
+
+    Bu kod, düğmenin basılıp basılmadığını kontrol eder. Eğer basılmışsa, `buttonPressed` fonksiyonu çağrılır ve döngü 2 saniye gecikir. Bu, düğmenin bırakılması için zaman tanır, böylece uzun bir basış iki kez kaydedilmez.
+
+    > 💁 Wio Terminal üzerindeki düğme `INPUT_PULLUP` olarak ayarlanmıştır, bu nedenle basılmadığında yüksek bir sinyal, basıldığında ise düşük bir sinyal gönderir.
+
+1. `buttonPressed` fonksiyonuna şu kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, `startCapture` çağrısıyla kamera yakalamayı başlatır. Kamera donanımı, verileri talep ettiğinizde döndürmek yerine, bir görüntü yakalamayı başlatma talimatı gönderir ve kamera arka planda görüntüyü yakalamak, JPEG'e dönüştürmek ve kameranın kendi yerel tamponunda saklamak için çalışır. Daha sonra `captureReady` çağrısı, görüntü yakalamanın tamamlanıp tamamlanmadığını kontrol eder.
+
+    Yakalama tamamlandıktan sonra, görüntü verileri kameranın tamponundan yerel bir tampona (bayt dizisi) `readImageToBuffer` çağrısıyla kopyalanır. Tamponun uzunluğu daha sonra seri monitöre gönderilir.
+
+1. Bu kodu derleyin ve yükleyin, ardından seri monitördeki çıktıyı kontrol edin. Her C düğmesine bastığınızda bir görüntü yakalanacak ve görüntü boyutu seri monitöre gönderilecektir.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 9224
+    Image captured
+    Image read to buffer with length 11272
+    ```
+
+    Farklı görüntülerin farklı boyutları olacaktır. Bunlar JPEG olarak sıkıştırılmıştır ve belirli bir çözünürlükteki bir JPEG dosyasının boyutu, görüntünün içeriğine bağlıdır.
+
+> 💁 Bu kodu [code-camera/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Wio Terminal ile başarıyla görüntü yakaladınız.
+
+## İsteğe Bağlı - Kamera Görüntülerini Bir SD Kart Kullanarak Doğrulama
+
+Kamera tarafından yakalanan görüntüleri görmenin en kolay yolu, bunları Wio Terminal'deki bir SD karta yazmak ve ardından bilgisayarınızda görüntülemektir. Bu adımı, yedek bir microSD kartınız ve bilgisayarınızda bir microSD kart yuvası veya bir adaptör varsa yapabilirsiniz.
+
+Wio Terminal yalnızca 16GB'a kadar microSD kartları destekler. Daha büyük bir SD kartınız varsa çalışmaz.
+
+### Görev - Kamera görüntülerini bir SD kart kullanarak doğrulayın
+
+1. Bilgisayarınızdaki ilgili uygulamaları (macOS'ta Disk Utility, Windows'ta File Explorer veya Linux'ta komut satırı araçları) kullanarak bir microSD kartı FAT32 veya exFAT olarak biçimlendirin.
+
+1. MicroSD kartı güç anahtarının hemen altındaki yuvaya yerleştirin. Yerine oturup tıklayana kadar tamamen yerleştirdiğinizden emin olun, bunu yapmak için bir tırnak veya ince bir araç kullanmanız gerekebilir.
+
+1. `main.cpp` dosyasının en üstüne şu include ifadelerini ekleyin:
+
+    ```cpp
+    #include "SD/Seeed_SD.h"
+    #include <Seeed_FS.h>
+    ```
+
+1. `setup` fonksiyonundan önce şu fonksiyonu ekleyin:
+
+    ```cpp
+    void setupSDCard()
+    {
+        while (!SD.begin(SDCARD_SS_PIN, SDCARD_SPI))
+        {
+            Serial.println("SD Card Error");
+        }
+    }
+    ```
+
+    Bu, SPI veri yolunu kullanarak SD kartı yapılandırır.
+
+1. Bunu `setup` fonksiyonundan çağırın:
+
+    ```cpp
+    setupSDCard();
+    ```
+
+1. `buttonPressed` fonksiyonunun üstüne şu kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu, bir dosya sayacı için bir global değişken tanımlar. Bu, görüntü dosya adları için kullanılır, böylece birden fazla görüntü artan dosya adlarıyla yakalanabilir - `1.jpg`, `2.jpg` ve benzeri.
+
+    Daha sonra, bir bayt veri tamponu ve tamponun uzunluğunu alan `saveToSDCard` fonksiyonunu tanımlar. Bir dosya adı dosya sayacını kullanarak oluşturulur ve dosya sayacı bir sonraki dosya için artırılır. Tampondaki ikili veriler daha sonra dosyaya yazılır.
+
+1. `saveToSDCard` fonksiyonunu `buttonPressed` fonksiyonundan çağırın. Çağrı **tampon silinmeden önce** yapılmalıdır:
+
+    ```cpp
+    Serial.print("Image read to buffer with length ");
+    Serial.println(length);
+
+    saveToSDCard(buffer, length);
+    
+    delete(buffer);
+    ```
+
+1. Bu kodu derleyin ve yükleyin, ardından seri monitördeki çıktıyı kontrol edin. Her C düğmesine bastığınızda bir görüntü yakalanacak ve SD karta kaydedilecektir.
+
+    ```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. MicroSD kartı kapatın ve hafifçe içeri itip serbest bırakarak çıkarın, kart dışarı fırlayacaktır. Bunu yapmak için ince bir araç kullanmanız gerekebilir. MicroSD kartı bilgisayarınıza takarak görüntüleri görüntüleyin.
+
+    ![ArduCam kullanılarak çekilmiş bir muz resmi](../../../../../translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.tr.jpg)
+💁 Kameranın beyaz dengesinin kendini ayarlaması birkaç görüntü alabilir. Bunu, çekilen görüntülerin renginden fark edeceksiniz, ilk birkaç görüntü renk açısından farklı görünebilir. Bunu her zaman `setup` fonksiyonunda birkaç görüntü yakalayıp bunları görmezden gelecek şekilde kodu değiştirerek aşabilirsiniz.
+
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/tr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
new file mode 100644
index 00000000..7677b17a
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T02:51:35+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
+  "language_code": "tr"
+}
+-->
+# Bir Görüntüyü Sınıflandır - Wio Terminal
+
+Bu dersin bu bölümünde, kamera tarafından yakalanan görüntüyü sınıflandırmak için Custom Vision servisine göndereceksiniz.
+
+## Bir Görüntüyü Sınıflandır
+
+Custom Vision servisi, Wio Terminal'den görüntüleri sınıflandırmak için çağırabileceğiniz bir REST API'ye sahiptir. Bu REST API, güvenli bir HTTP bağlantısı olan HTTPS üzerinden erişilir.
+
+HTTPS uç noktalarıyla etkileşim kurarken, istemci kodunun erişilen sunucudan genel anahtar sertifikasını talep etmesi ve gönderdiği trafiği şifrelemek için bunu kullanması gerekir. Web tarayıcınız bunu otomatik olarak yapar, ancak mikrodenetleyiciler yapmaz. Bu sertifikayı manuel olarak talep etmeniz ve REST API'ye güvenli bir bağlantı oluşturmak için kullanmanız gerekecek. Bu sertifikalar değişmez, bu nedenle bir sertifikaya sahip olduğunuzda, uygulamanızda sabit kodlanabilir.
+
+Bu sertifikalar genel anahtarlar içerir ve güvenli tutulmaları gerekmez. Bunları kaynak kodunuzda kullanabilir ve GitHub gibi yerlerde herkese açık olarak paylaşabilirsiniz.
+
+### Görev - SSL istemcisi kurma
+
+1. `fruit-quality-detector` uygulama projesini henüz açmadıysanız açın.
+
+1. `config.h` başlık dosyasını açın ve aşağıdakileri ekleyin:
+
+    ```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";
+    ```
+
+    Bu, *Microsoft Azure DigiCert Global Root G2 sertifikasıdır* - dünya genelinde birçok Azure hizmeti tarafından kullanılan sertifikalardan biridir.
+
+    > 💁 Bu sertifikanın kullanılacak sertifika olduğunu görmek için macOS veya Linux'ta aşağıdaki komutu çalıştırın. Windows kullanıyorsanız, bu komutu [Windows Subsystem for Linux (WSL)](https://docs.microsoft.com/windows/wsl/?WT.mc_id=academic-17441-jabenn) kullanarak çalıştırabilirsiniz:
+    >
+    > ```sh
+    > openssl s_client -showcerts -verify 5 -connect api.cognitive.microsoft.com:443
+    > ```
+    >
+    > Çıktı, DigiCert Global Root G2 sertifikasını listeleyecektir.
+
+1. `main.cpp` dosyasını açın ve aşağıdaki include yönergesini ekleyin:
+
+    ```cpp
+    #include <WiFiClientSecure.h>
+    ```
+
+1. Include yönergelerinin altına, bir `WifiClientSecure` örneği tanımlayın:
+
+    ```cpp
+    WiFiClientSecure client;
+    ```
+
+    Bu sınıf, HTTPS üzerinden web uç noktalarıyla iletişim kurmak için kod içerir.
+
+1. `connectWiFi` yönteminde, WiFiClientSecure'ü DigiCert Global Root G2 sertifikasını kullanacak şekilde ayarlayın:
+
+    ```cpp
+    client.setCACert(CERTIFICATE);
+    ```
+
+### Görev - Bir görüntüyü sınıflandırma
+
+1. `platformio.ini` dosyasındaki `lib_deps` listesine ek bir satır olarak aşağıdakileri ekleyin:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    Bu, [ArduinoJson](https://arduinojson.org) adlı bir Arduino JSON kütüphanesini içe aktarır ve REST API'den gelen JSON yanıtını çözmek için kullanılacaktır.
+
+1. `config.h` dosyasında, Custom Vision servisinden tahmin URL'si ve Anahtarı için sabitler ekleyin:
+
+    ```cpp
+    const char *PREDICTION_URL = "<PREDICTION_URL>";
+    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
+    ```
+
+    `<PREDICTION_URL>` yerine Custom Vision'dan tahmin URL'sini yazın. `<PREDICTION_KEY>` yerine tahmin anahtarını yazın.
+
+1. `main.cpp` dosyasında, ArduinoJson kütüphanesi için bir include yönergesi ekleyin:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. `main.cpp` dosyasına, `buttonPressed` fonksiyonunun üstüne aşağıdaki fonksiyonu ekleyin:
+
+    ```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();
+    }
+    ```
+
+    Bu kod, bir REST API ile etkileşim kurmak için yöntemler içeren bir `HTTPClient` tanımlayarak başlar. Daha sonra istemciyi, Azure genel anahtarıyla ayarlanmış olan `WiFiClientSecure` örneğini kullanarak tahmin URL'sine bağlar.
+
+    Bağlandıktan sonra, REST API'ye yapılacak istekle ilgili bilgileri içeren başlıklar gönderir. `Content-Type` başlığı, API çağrısının ham ikili veri göndereceğini belirtir, `Prediction-Key` başlığı ise Custom Vision tahmin anahtarını iletir.
+
+    Daha sonra, HTTP istemcisine bir POST isteği yapılır ve bir bayt dizisi yüklenir. Bu, bu fonksiyon çağrıldığında kameradan yakalanan JPEG görüntüsünü içerecektir.
+
+    > 💁 POST istekleri, veri göndermek ve bir yanıt almak için kullanılır. GET istekleri gibi başka istek türleri de vardır; bunlar veri almak için kullanılır. Web tarayıcınız, web sayfalarını yüklemek için GET isteklerini kullanır.
+
+    POST isteği bir yanıt durum kodu döndürür. Bunlar iyi tanımlanmış değerlerdir ve 200, **OK** anlamına gelir - POST isteği başarılı olmuştur.
+
+    > 💁 Tüm yanıt durum kodlarını [Wikipedia'daki HTTP durum kodları listesi](https://wikipedia.org/wiki/List_of_HTTP_status_codes) sayfasında görebilirsiniz.
+
+    Eğer 200 dönerse, sonuç HTTP istemcisinden okunur. Bu, tahmin sonuçlarını bir JSON belgesi olarak içeren REST API'den gelen bir metin yanıtıdır. JSON şu formatta olur:
+
+    ```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"
+            }
+        ]
+    }
+    ```
+
+    Burada önemli olan kısım `predictions` dizisidir. Bu, her bir etiket için etiket adını ve olasılığı içeren tahminleri içerir. Döndürülen olasılıklar, 0-1 arasında kayan noktalı sayılardır; 0, etiketle eşleşme olasılığının %0 olduğunu, 1 ise %100 olduğunu belirtir.
+
+    > 💁 Görüntü sınıflandırıcılar, kullanılan tüm etiketler için yüzdeleri döndürür. Her etiket, görüntünün o etiketle eşleşme olasılığını gösteren bir olasılığa sahip olacaktır.
+
+    Bu JSON çözülür ve her etiket için olasılıklar seri monitörüne gönderilir.
+
+1. `buttonPressed` fonksiyonunda, SD karta kaydetme kodunu `classifyImage` fonksiyonunu çağıracak şekilde değiştirin veya görüntü yazıldıktan sonra, ancak **buffer silinmeden önce** ekleyin:
+
+    ```cpp
+    classifyImage(buffer, length);
+    ```
+
+    > 💁 Eğer SD karta kaydetme kodunu değiştirirseniz, `setupSDCard` ve `saveToSDCard` fonksiyonlarını kaldırarak kodunuzu temizleyebilirsiniz.
+
+1. Kodunuzu yükleyin ve çalıştırın. Kamerayı bir meyveye doğrultun ve C düğmesine basın. Seri monitörde çıktıyı göreceksiniz:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    Çekilen görüntüyü ve bu değerleri Custom Vision'daki **Predictions** sekmesinde görebileceksiniz.
+
+    ![Custom Vision'da bir muz, %56.8 olgun ve %43.1 olgunlaşmamış olarak tahmin edildi](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.tr.png)
+
+> 💁 Bu kodu [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Meyve kalite sınıflandırıcı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
new file mode 100644
index 00000000..4dbf579a
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
@@ -0,0 +1,626 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2625af24587465c5547ae33d6cc000a5",
+  "translation_date": "2025-08-28T02:43:51+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
+  "language_code": "tr"
+}
+-->
+# Meyve Dedektörünüzü Uç Cihazda Çalıştırın
+
+![Bu dersin genel bir sketchnote özeti](../../../../../translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için resme tıklayın.
+
+Bu video, IoT cihazlarında görüntü sınıflandırıcılarını çalıştırmayı, yani bu derste ele alınan konuyu genel olarak açıklamaktadır.
+
+[![Azure IoT Edge'de Özel Görü AI](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
+
+## Giriş
+
+Son derste, görüntü sınıflandırıcınızı kullanarak olgun ve olgunlaşmamış meyveleri sınıflandırdınız. IoT cihazınızdaki kamerayla yakalanan bir görüntüyü internet üzerinden bir bulut hizmetine gönderdiniz. Bu çağrılar zaman alır, maliyetlidir ve kullandığınız görüntü verilerinin türüne bağlı olarak gizlilikle ilgili sorunlara yol açabilir.
+
+Bu derste, makine öğrenimi (ML) modellerini uçta - yani bulutta değil, kendi ağınızda çalışan IoT cihazlarında - nasıl çalıştıracağınızı öğreneceksiniz. Uç bilişimin bulut bilişime göre avantajlarını ve dezavantajlarını, AI modelinizi uca nasıl dağıtacağınızı ve IoT cihazınızdan nasıl erişeceğinizi öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Uç bilişim](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Bir IoT Edge cihazı kaydedin](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Bir IoT Edge cihazı kurun](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Modelinizi dışa aktarın](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Dağıtım için konteynerinizi hazırlayın](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Konteynerinizi dağıtın](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [IoT Edge cihazınızı kullanın](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+
+## Uç Bilişim
+
+Uç bilişim, IoT verilerini işleyen bilgisayarların, verilerin oluşturulduğu yere mümkün olduğunca yakın olmasını içerir. Bu işlem bulutta yapılmak yerine, bulutun kenarına - yani iç ağınıza - taşınır.
+
+![Bulutta internet hizmetlerini ve yerel ağdaki IoT cihazlarını gösteren bir mimari diyagram](../../../../../translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.tr.png)
+
+Şimdiye kadarki derslerde, verileri toplayan ve analiz için buluta gönderen cihazlar kullandınız; bu işlemler bulutta sunucusuz işlevler veya AI modelleri çalıştırılarak gerçekleştirildi.
+
+![Yerel ağdaki IoT cihazlarının uç cihazlara bağlandığını ve bu uç cihazların buluta bağlandığını gösteren bir mimari diyagram](../../../../../translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.tr.png)
+
+Uç bilişim, bazı bulut hizmetlerini buluttan çıkarıp IoT cihazlarıyla aynı ağda çalışan bilgisayarlara taşımayı içerir. Bulutla yalnızca gerektiğinde iletişim kurulur. Örneğin, olgunluk analizi için meyveleri inceleyen AI modellerini uç cihazlarda çalıştırabilir ve yalnızca olgun ve olgunlaşmamış meyve sayısı gibi analizleri buluta gönderebilirsiniz.
+
+✅ Şimdiye kadar oluşturduğunuz IoT uygulamalarını düşünün. Bunların hangi bölümleri uca taşınabilir?
+
+### Avantajlar
+
+Uç bilişimin avantajları şunlardır:
+
+1. **Hız** - Uç bilişim, zaman açısından hassas veriler için idealdir çünkü işlemler cihazla aynı ağda yapılır, internet üzerinden çağrılar yapılmaz. Bu, daha yüksek hızlar sağlar çünkü iç ağlar, internet bağlantılarından çok daha hızlı çalışabilir ve veriler çok daha kısa mesafeler kat eder.
+
+    > 💁 İnternet bağlantılarında optik kablolar kullanılarak veriler ışık hızında taşınabilse de, verilerin dünya çapında bulut sağlayıcılarına ulaşması zaman alabilir. Örneğin, Avrupa'dan ABD'deki bulut hizmetlerine veri gönderiyorsanız, verilerin Atlantik'i geçmesi en az 28 ms sürer. Bu süre, verilerin transatlantik kabloya ulaşması, elektrikten ışık sinyallerine ve tekrar geri dönmesi ve ardından bulut sağlayıcısına ulaşması için geçen süreyi içermez.
+
+    Uç bilişim ayrıca daha az ağ trafiği gerektirir, bu da internet bağlantısının sınırlı bant genişliği nedeniyle yavaşlama riskini azaltır.
+
+1. **Uzaktan erişilebilirlik** - Uç bilişim, sınırlı veya hiç bağlantı olmadığında ya da bağlantının sürekli kullanımı çok pahalı olduğunda çalışır. Örneğin, altyapının sınırlı olduğu insani yardım bölgelerinde veya gelişmekte olan ülkelerde.
+
+1. **Daha düşük maliyetler** - Veri toplama, depolama, analiz ve eylemleri uç cihazda gerçekleştirmek, bulut hizmetlerinin kullanımını azaltır ve IoT uygulamanızın toplam maliyetini düşürebilir. Son zamanlarda, [NVIDIA'nın Jetson Nano'su](https://developer.nvidia.com/embedded/jetson-nano-developer-kit) gibi AI iş yüklerini çalıştırabilen ve 100 ABD dolarından daha düşük maliyetli cihazlar gibi uç bilişim için tasarlanmış cihazlarda artış olmuştur.
+
+1. **Gizlilik ve güvenlik** - Uç bilişimle, veriler ağınızda kalır ve buluta yüklenmez. Bu, özellikle hassas ve kişisel olarak tanımlanabilir bilgiler için tercih edilir. Ayrıca, analiz edildikten sonra verilerin saklanmasına gerek kalmaz, bu da veri sızıntısı riskini büyük ölçüde azaltır. Örnekler arasında tıbbi veriler ve güvenlik kamerası görüntüleri bulunur.
+
+1. **Güvensiz cihazlarla başa çıkma** - Güvenlik açıkları bilinen cihazları doğrudan ağınıza veya internete bağlamak istemiyorsanız, bu cihazları ayrı bir ağa bağlayarak bir IoT Edge cihazı geçidi olarak kullanabilirsiniz. Bu uç cihaz, daha geniş ağınıza veya internete bir bağlantıya da sahip olabilir ve veri akışlarını yönetebilir.
+
+1. **Uyumsuz cihazlar için destek** - IoT Hub'a bağlanamayan cihazlarınız varsa, örneğin yalnızca HTTP bağlantıları kullanabilen veya yalnızca Bluetooth ile bağlanabilen cihazlar, bir IoT Edge cihazını geçit cihazı olarak kullanabilirsiniz. Bu cihaz, mesajları IoT Hub'a iletebilir.
+
+✅ Araştırma yapın: Uç bilişimin başka hangi avantajları olabilir?
+
+### Dezavantajlar
+
+Uç bilişimin dezavantajları vardır ve bazı durumlarda bulut daha iyi bir seçenek olabilir:
+
+1. **Ölçek ve esneklik** - Bulut bilişim, ağ ve veri ihtiyaçlarına gerçek zamanlı olarak sunucu ve diğer kaynakları ekleyerek veya azaltarak uyum sağlar. Daha fazla uç bilgisayar eklemek, manuel olarak daha fazla cihaz eklemeyi gerektirir.
+
+1. **Güvenilirlik ve dayanıklılık** - Bulut bilişim, genellikle birden fazla konumda birden fazla sunucu sağlar ve bu da yedeklilik ve felaket kurtarma sağlar. Uçta aynı düzeyde yedeklilik sağlamak büyük yatırımlar ve çok fazla yapılandırma çalışması gerektirir.
+
+1. **Bakım** - Bulut hizmet sağlayıcıları sistem bakımı ve güncellemeleri sağlar.
+
+✅ Araştırma yapın: Uç bilişimin başka hangi dezavantajları olabilir?
+
+Dezavantajlar, bulut kullanmanın avantajlarının tam tersidir - bu cihazları kendiniz oluşturup yönetmeniz gerekir, bulut sağlayıcılarının uzmanlığına ve ölçeğine güvenemezsiniz.
+
+Bazı riskler, uç bilişimin doğası gereği hafifletilir. Örneğin, bir fabrikada makinelerden veri toplayan bir uç cihaz çalıştırıyorsanız, bazı felaket kurtarma senaryolarını düşünmenize gerek yoktur. Fabrikanın elektriği kesilirse, verileri işleyen uç cihazın yedeğine ihtiyacınız olmaz çünkü verileri üreten makineler de elektriksiz kalacaktır.
+
+IoT sistemleri için genellikle bulut ve uç bilişimin bir karışımını kullanmak istersiniz. Sistemin, müşterilerinin ve bakımını yapanların ihtiyaçlarına göre her hizmetten yararlanabilirsiniz.
+
+## Azure IoT Edge
+
+![Azure IoT Edge logosu](../../../../../translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.tr.png)
+
+Azure IoT Edge, iş yüklerini buluttan uca taşımaya yardımcı olabilecek bir hizmettir. Bir cihazı uç cihaz olarak ayarlarsınız ve buluttan bu uç cihaza kod dağıtabilirsiniz. Bu, bulut ve uç yeteneklerini karıştırmanıza olanak tanır.
+
+> 🎓 *İş yükleri*, AI modelleri, uygulamalar veya sunucusuz işlevler gibi bir tür iş yapan herhangi bir hizmet için kullanılan bir terimdir.
+
+Örneğin, bir görüntü sınıflandırıcısını bulutta eğitebilir, ardından buluttan bir uç cihaza dağıtabilirsiniz. IoT cihazınız daha sonra görüntüleri sınıflandırma için uç cihaza gönderir, internet üzerinden göndermek yerine. Modelin yeni bir iterasyonunu dağıtmanız gerekirse, bulutta eğitebilir ve IoT Edge'i kullanarak uç cihazdaki modeli yeni iterasyonunuza güncelleyebilirsiniz.
+
+> 🎓 IoT Edge'e dağıtılan yazılımlar *modüller* olarak bilinir. Varsayılan olarak IoT Edge, `edgeAgent` ve `edgeHub` gibi IoT Hub ile iletişim kuran modülleri çalıştırır. Bir görüntü sınıflandırıcısı dağıttığınızda, bu ek bir modül olarak dağıtılır.
+
+IoT Edge, IoT Hub'a entegredir, bu nedenle IoT cihazlarını yönetmek için kullandığınız aynı hizmeti kullanarak uç cihazları yönetebilirsiniz ve aynı güvenlik seviyesine sahiptir.
+
+IoT Edge, *konteynerler* adı verilen kodları çalıştırır - bilgisayarınızdaki diğer uygulamalardan izole edilmiş şekilde çalışan kendi kendine yeten uygulamalar. Bir konteyner çalıştırdığınızda, bilgisayarınızda ayrı bir bilgisayar gibi davranır; kendi yazılımı, hizmetleri ve uygulamaları çalışır. Çoğu zaman konteynerler, bir klasör gibi şeyleri paylaşmayı seçmediğiniz sürece bilgisayarınızdaki hiçbir şeye erişemez. Konteyner daha sonra bir açık port üzerinden hizmetleri sunar ve bu porta bağlanabilir veya ağınıza açabilirsiniz.
+
+![Bir web isteğinin bir konteynere yönlendirilmesi](../../../../../translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.tr.png)
+
+Örneğin, bir konteynerde port 80'de (varsayılan HTTP portu) çalışan bir web sitesi olabilir ve bunu bilgisayarınızdan da port 80 üzerinden sunabilirsiniz.
+
+✅ Araştırma yapın: Konteynerler ve Docker veya Moby gibi hizmetler hakkında bilgi edinin.
+
+Custom Vision'ı kullanarak görüntü sınıflandırıcılarını indirip bunları konteyner olarak dağıtabilirsiniz. Bu konteynerler doğrudan bir cihaza çalıştırılabilir veya IoT Edge aracılığıyla dağıtılabilir. Bir konteynerde çalıştırıldıklarında, bulut versiyonuyla aynı REST API'si kullanılarak erişilebilirler, ancak uç cihazdaki konteyneri çalıştıran uç cihazın uç noktasına işaret eder.
+
+## Bir IoT Edge Cihazı Kaydedin
+
+Bir IoT Edge cihazını kullanmak için, IoT Hub'da kaydedilmesi gerekir.
+
+### Görev - Bir IoT Edge cihazı kaydedin
+
+1. `fruit-quality-detector` kaynak grubunda bir IoT Hub oluşturun. `fruit-quality-detector` tabanlı benzersiz bir ad verin.
+
+1. IoT Hub'ınızda `fruit-quality-detector-edge` adında bir IoT Edge cihazı kaydedin. Bunu yapmak için kullanılan komut, bir uç cihaz olmayan bir cihaz kaydetmek için kullanılan komuta benzerdir, ancak `--edge-enabled` bayrağını geçirirsiniz.
+
+    ```sh
+    az iot hub device-identity create --edge-enabled \
+                                      --device-id fruit-quality-detector-edge \
+                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` yerine IoT Hub'ınızın adını yazın.
+
+1. Aşağıdaki komutu kullanarak cihazınızın bağlantı dizesini alın:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` yerine IoT Hub'ınızın adını yazın.
+
+    Çıktıda gösterilen bağlantı dizesinin bir kopyasını alın.
+
+## Bir IoT Edge Cihazı Kurun
+
+Uç cihaz kaydını IoT Hub'da oluşturduktan sonra, uç cihazı kurabilirsiniz.
+
+### Görev - IoT Edge Çalışma Zamanını Yükleyin ve Başlatın
+
+**IoT Edge çalışma zamanı yalnızca Linux konteynerlerini çalıştırır.** Linux'ta veya Linux Sanal Makineleri kullanarak Windows'ta çalıştırılabilir.
+
+* Eğer IoT cihazınız olarak bir Raspberry Pi kullanıyorsanız, bu desteklenen bir Linux sürümünü çalıştırır ve IoT Edge çalışma zamanını barındırabilir. [Microsoft dokümanlarındaki Azure IoT Edge for Linux yükleme kılavuzunu](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) takip ederek IoT Edge'i yükleyin ve bağlantı dizesini ayarlayın.
+
+    > 💁 Unutmayın, Raspberry Pi OS, Debian Linux'un bir varyantıdır.
+
+* Eğer bir Raspberry Pi kullanmıyorsanız ancak bir Linux bilgisayarınız varsa, IoT Edge çalışma zamanını çalıştırabilirsiniz. [Microsoft dokümanlarındaki Azure IoT Edge for Linux yükleme kılavuzunu](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) takip ederek IoT Edge'i yükleyin ve bağlantı dizesini ayarlayın.
+
+* Eğer Windows kullanıyorsanız, IoT Edge çalışma zamanını bir Linux Sanal Makinesinde yükleyebilirsiniz. [Microsoft dokümanlarındaki bir Windows cihazına ilk IoT Edge modülünüzü dağıtma hızlı başlangıcının IoT Edge çalışma zamanını yükleme ve başlatma bölümünü](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime) takip edin. *Bir modül dağıtın* bölümüne ulaştığınızda durabilirsiniz.
+
+* Eğer macOS kullanıyorsanız, IoT Edge cihazınız olarak kullanmak üzere bulutta bir sanal makine (VM) oluşturabilirsiniz. Bunlar, internet üzerinden erişebileceğiniz bulutta oluşturabileceğiniz bilgisayarlardır. IoT Edge yüklü bir Linux VM oluşturabilirsiniz. Bunun nasıl yapılacağına dair talimatlar için [IoT Edge çalıştıran bir sanal makine oluşturma kılavuzunu](vm-iotedge.md) takip edin.
+
+## Modelinizi Dışa Aktarın
+
+Sınıflandırıcıyı uçta çalıştırmak için, Custom Vision'dan dışa aktarılması gerekir. Custom Vision, iki tür model oluşturabilir - standart modeller ve kompakt modeller. Kompakt modeller, modelin boyutunu küçültmek için çeşitli teknikler kullanır ve bu da onu IoT cihazlarına indirilebilir ve dağıtılabilir hale getirir.
+
+Görüntü sınıflandırıcısını oluşturduğunuzda, yiyecek görüntüleri üzerinde eğitim için optimize edilmiş bir model versiyonu olan *Food* alanını kullandınız. Custom Vision'da, projenizin alanını değiştirerek, eğitim verilerinizi kullanarak yeni alanla yeni bir model eğitebilirsiniz. Custom Vision tarafından desteklenen tüm alanlar standart ve kompakt olarak mevcuttur.
+
+### Görev - Modelinizi Food (compact) alanını kullanarak eğitin
+1. [CustomVision.ai](https://customvision.ai) portalunu açın ve henüz açık değilse giriş yapın. Ardından `fruit-quality-detector` projenizi açın.
+
+1. **Ayarlar** düğmesini (⚙ simgesi) seçin.
+
+1. *Alanlar* listesinden *Food (compact)* seçeneğini seçin.
+
+1. *Export Capabilities* altında, *Basic platforms (Tensorflow, CoreML, ONNX, ...)* seçeneğinin seçili olduğundan emin olun.
+
+1. Ayarlar sayfasının en altındaki **Değişiklikleri Kaydet** düğmesini seçin.
+
+1. **Train** düğmesini kullanarak modeli yeniden eğitin ve *Quick training* seçeneğini seçin.
+
+### Görev - modelinizi dışa aktarın
+
+Model eğitildikten sonra bir konteyner olarak dışa aktarılması gerekir.
+
+1. **Performance** sekmesini seçin ve kompakt alan kullanılarak eğitilmiş en son iterasyonu bulun.
+
+1. Üstteki **Export** düğmesini seçin.
+
+1. **DockerFile** seçeneğini seçin ve edge cihazınıza uygun bir versiyonu seçin:
+
+    * IoT Edge'i bir Linux bilgisayarda, Windows bilgisayarda veya Sanal Makinede çalıştırıyorsanız, *Linux* versiyonunu seçin.
+    * IoT Edge'i bir Raspberry Pi üzerinde çalıştırıyorsanız, *ARM (Raspberry Pi 3)* versiyonunu seçin.
+
+> 🎓 Docker, konteynerleri yönetmek için en popüler araçlardan biridir ve bir DockerFile, konteynerin nasıl kurulacağına dair bir talimat setidir.
+
+1. Custom Vision'ın ilgili dosyaları oluşturması için **Export** seçeneğini seçin, ardından bir zip dosyası olarak indirmek için **Download** seçeneğini seçin.
+
+1. Dosyaları bilgisayarınıza kaydedin ve klasörü açın.
+
+## Konteynerinizi dağıtıma hazırlayın
+
+![Konteynerler oluşturulur, bir konteyner kaydına gönderilir ve IoT Edge kullanılarak edge cihazına dağıtılır](../../../../../translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.tr.png)
+
+Modelinizi indirdikten sonra, bir konteyner olarak oluşturulması ve bir konteyner kaydına gönderilmesi gerekir - konteynerleri saklayabileceğiniz çevrimiçi bir yer. IoT Edge daha sonra konteyneri kayıttan indirip cihazınıza gönderebilir.
+
+![Azure Container Registry logosu](../../../../../translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.tr.png)
+
+Bu ders için kullanacağınız konteyner kaydı Azure Container Registry'dir. Bu ücretsiz bir hizmet değildir, bu yüzden işiniz bittiğinde [projenizi temizleyerek](../../../clean-up.md) para tasarrufu yapmayı unutmayın.
+
+> 💁 Azure Container Registry kullanmanın maliyetlerini [Azure Container Registry fiyatlandırma sayfasında](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn) görebilirsiniz.
+
+### Görev - Docker'ı yükleyin
+
+Sınıflandırıcıyı oluşturmak ve dağıtmak için [Docker](https://www.docker.com/) yüklemeniz gerekebilir.
+
+Bunu yalnızca IoT Edge'i yüklediğiniz cihazdan farklı bir cihazda konteyner oluşturmayı planlıyorsanız yapmanız gerekir - IoT Edge'i yüklemenin bir parçası olarak Docker sizin için yüklenir.
+
+1. Docker konteynerini IoT Edge cihazınızdan farklı bir cihazda oluşturuyorsanız, [Docker yükleme sayfasındaki](https://www.docker.com/products/docker-desktop) talimatları izleyerek Docker Desktop veya Docker motorunu yükleyin. Yükleme tamamlandıktan sonra çalıştığından emin olun.
+
+### Görev - bir konteyner kaydı kaynağı oluşturun
+
+1. Terminal veya komut istemcinizden aşağıdaki komutu çalıştırarak bir Azure Container Registry kaynağı oluşturun:
+
+    ```sh
+    az acr create --resource-group fruit-quality-detector \
+                  --sku Basic \
+                  --name <Container registry name>
+    ```
+
+    `<Container registry name>` öğesini yalnızca harf ve rakamlar kullanarak konteyner kaydınız için benzersiz bir adla değiştirin. Bu adı `fruitqualitydetector` üzerine kurun. Bu ad, konteyner kaydına erişmek için URL'nin bir parçası haline gelir, bu nedenle küresel olarak benzersiz olmalıdır.
+
+1. Aşağıdaki komutla Azure Container Registry'ye giriş yapın:
+
+    ```sh
+    az acr login --name <Container registry name>
+    ```
+
+    `<Container registry name>` öğesini konteyner kaydınız için kullandığınız adla değiştirin.
+
+1. Aşağıdaki komutla konteyner kaydını yönetici moduna ayarlayın, böylece bir şifre oluşturabilirsiniz:
+
+    ```sh
+    az acr update --admin-enabled true \
+                 --name <Container registry name>
+    ```
+
+    `<Container registry name>` öğesini konteyner kaydınız için kullandığınız adla değiştirin.
+
+1. Aşağıdaki komutla konteyner kaydınız için şifreler oluşturun:
+
+    ```sh
+     az acr credential renew --password-name password \
+                             --output table \
+                             --name <Container registry name>
+    ```
+
+    `<Container registry name>` öğesini konteyner kaydınız için kullandığınız adla değiştirin.
+
+    `PASSWORD` değerini bir yere kaydedin, çünkü bunu daha sonra kullanmanız gerekecek.
+
+### Görev - konteynerinizi oluşturun
+
+Custom Vision'dan indirdiğiniz şey, konteynerin nasıl oluşturulması gerektiğine dair talimatlar içeren bir DockerFile ve özel görüntü modelinizi barındırmak için konteyner içinde çalıştırılacak uygulama koduydu. Ayrıca bir REST API içerir. Docker'ı kullanarak DockerFile'dan etiketlenmiş bir konteyner oluşturabilir ve ardından bunu konteyner kaydınıza gönderebilirsiniz.
+
+> 🎓 Konteynerlere bir ad ve versiyon tanımlayan bir etiket verilir. Bir konteyneri güncellemeniz gerektiğinde, aynı etiketi kullanarak daha yeni bir versiyonla oluşturabilirsiniz.
+
+1. Terminal veya komut istemcinizi açın ve Custom Vision'dan indirdiğiniz açılmış modelin bulunduğu dizine gidin.
+
+1. Görüntüyü oluşturmak ve etiketlemek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
+    ```
+
+    `<platform>` öğesini bu konteynerin çalışacağı platformla değiştirin. IoT Edge'i bir Raspberry Pi üzerinde çalıştırıyorsanız, bunu `linux/armhf` olarak ayarlayın, aksi takdirde `linux/amd64` olarak ayarlayın.
+
+    > 💁 Bu komutu IoT Edge'i çalıştırdığınız cihazdan çalıştırıyorsanız, örneğin Raspberry Pi'den çalıştırıyorsanız, `--platform <platform>` kısmını atlayabilirsiniz çünkü varsayılan olarak mevcut platformu kullanır.
+
+    `<Container registry name>` öğesini konteyner kaydınız için kullandığınız adla değiştirin.
+
+    > 💁 Linux veya Raspberry Pi OS kullanıyorsanız bu komutu çalıştırmak için `sudo` kullanmanız gerekebilir.
+
+    Docker görüntüyü oluşturacak ve gerekli tüm yazılımları yapılandıracaktır. Görüntü daha sonra `classifier:v1` olarak etiketlenecektir.
+
+    ```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
+    ```
+
+### Görev - konteynerinizi konteyner kaydınıza gönderin
+
+1. Konteynerinizi konteyner kaydınıza göndermek için aşağıdaki komutu kullanın:
+
+    ```sh
+    docker push <Container registry name>.azurecr.io/classifier:v1
+    ```
+
+    `<Container registry name>` öğesini konteyner kaydınız için kullandığınız adla değiştirin.
+
+    > 💁 Linux kullanıyorsanız bu komutu çalıştırmak için `sudo` kullanmanız gerekebilir.
+
+    Konteyner konteyner kaydına gönderilecektir.
+
+    ```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. Gönderimi doğrulamak için aşağıdaki komutla kaydınızdaki konteynerleri listeleyebilirsiniz:
+
+    ```sh
+    az acr repository list --output table \
+                           --name <Container registry name> 
+    ```
+
+    `<Container registry name>` öğesini konteyner kaydınız için kullandığınız adla değiştirin.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
+    Result
+    ----------
+    classifier
+    ```
+
+    Çıktıda sınıflandırıcınızı göreceksiniz.
+
+## Konteynerinizi dağıtın
+
+Konteyneriniz artık IoT Edge cihazınıza dağıtılabilir. Dağıtım için bir dağıtım manifesti tanımlamanız gerekir - edge cihazına dağıtılacak modülleri listeleyen bir JSON belgesi.
+
+### Görev - dağıtım manifestini oluşturun
+
+1. Bilgisayarınızda bir yerde `deployment.json` adlı yeni bir dosya oluşturun.
+
+1. Bu dosyaya aşağıdakileri ekleyin:
+
+    ```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
+                        }
+                    }
+                }
+            }
+        }
+    }
+    ```
+
+    > 💁 Bu dosyayı [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment) klasöründe bulabilirsiniz.
+
+    `<Container registry name>` öğesini konteyner kaydınız için kullandığınız adla değiştirin. Biri `ImageClassifier` modül bölümünde, diğer ikisi `registryCredentials` bölümünde.
+
+    `registryCredentials` bölümündeki `<Container registry password>` öğesini konteyner kaydı şifrenizle değiştirin.
+
+1. Dağıtım manifestinizi içeren klasörden aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az iot edge set-modules --device-id fruit-quality-detector-edge \
+                            --content deployment.json \
+                            --hub-name <hub_name>
+    ```
+
+    `<hub_name>` öğesini IoT Hub adınızla değiştirin.
+
+    Görüntü sınıflandırıcı modülü edge cihazınıza dağıtılacaktır.
+
+### Görev - sınıflandırıcının çalıştığını doğrulayın
+
+1. IoT Edge cihazına bağlanın:
+
+    * IoT Edge'i çalıştırmak için bir Raspberry Pi kullanıyorsanız, terminalinizden veya VS Code'da bir uzak SSH oturumu üzerinden ssh ile bağlanın.
+    * IoT Edge'i Windows'da bir Linux konteynerinde çalıştırıyorsanız, IoT Edge cihazına bağlanmak için [başarılı yapılandırmayı doğrulama kılavuzundaki](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) adımları izleyin.
+    * IoT Edge'i bir sanal makinede çalıştırıyorsanız, VM oluştururken ayarladığınız `adminUsername` ve `password` kullanarak ve IP adresi veya DNS adını kullanarak makineye SSH ile bağlanabilirsiniz:
+
+        ```sh
+        ssh <adminUsername>@<IP address>
+        ```
+
+        Veya:
+
+        ```sh
+        ssh <adminUsername>@<DNS Name>
+        ```
+
+        İstendiğinde şifrenizi girin.
+
+1. Bağlandıktan sonra IoT Edge modüllerinin listesini almak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    iotedge list
+    ```
+
+    > 💁 Bu komutu `sudo` ile çalıştırmanız gerekebilir.
+
+    Çalışan modülleri göreceksiniz:
+
+    ```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. Görüntü sınıflandırıcı modülünün günlüklerini aşağıdaki komutla kontrol edin:
+
+    ```sh
+    iotedge logs ImageClassifier
+    ```
+
+    > 💁 Bu komutu `sudo` ile çalıştırmanız gerekebilir.
+
+    ```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)
+    ```
+
+### Görev - görüntü sınıflandırıcıyı test edin
+
+1. IoT Edge aracını çalıştıran bilgisayarın IP adresini veya ana bilgisayar adını kullanarak görüntü sınıflandırıcıyı test etmek için CURL kullanabilirsiniz. IP adresini bulun:
+
+    * IoT Edge'in çalıştığı aynı makinedeyseniz, ana bilgisayar adı olarak `localhost` kullanabilirsiniz.
+    * Bir VM kullanıyorsanız, VM'nin IP adresini veya DNS adını kullanabilirsiniz.
+    * Aksi takdirde IoT Edge'i çalıştıran makinenin IP adresini şu şekilde bulabilirsiniz:
+      * Windows 10'da [IP adresinizi bulma kılavuzunu](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn) takip edin.
+      * macOS'ta [Mac'te IP adresinizi nasıl bulacağınızı](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac) öğrenin.
+      * Linux'ta [Linux'ta IP adresinizi bulma kılavuzundaki](https://opensource.com/article/18/5/how-find-ip-address-linux) özel IP adresinizi bulma bölümünü takip edin.
+
+1. Yerel bir dosya ile konteyneri test etmek için aşağıdaki curl komutunu çalıştırabilirsiniz:
+
+    ```sh
+    curl --location \
+         --request POST 'http://<IP address or name>/image' \
+         --header 'Content-Type: image/png' \
+         --data-binary '@<file_Name>' 
+    ```
+
+    `<IP address or name>` öğesini IoT Edge'i çalıştıran bilgisayarın IP adresi veya ana bilgisayar adıyla değiştirin. `<file_Name>` öğesini test edilecek dosyanın adıyla değiştirin.
+
+    Çıktıda tahmin sonuçlarını göreceksiniz:
+
+    ```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": ""
+    }
+    ```
+
+    > 💁 Burada bir tahmin anahtarı sağlamaya gerek yoktur, çünkü bu bir Azure kaynağı kullanmıyor. Bunun yerine güvenlik, dahili güvenlik ihtiyaçlarına dayalı olarak dahili ağda yapılandırılır, halka açık bir uç nokta ve bir API anahtarına güvenmek yerine.
+
+## IoT Edge cihazınızı kullanın
+
+Artık Görüntü Sınıflandırıcı IoT Edge cihazınıza dağıtıldı, IoT cihazınızdan kullanabilirsiniz.
+
+### Görev - IoT Edge cihazınızı kullanın
+
+IoT Edge sınıflandırıcıyı kullanarak görüntüleri sınıflandırmak için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal IoT cihazı](single-board-computer.md)
+
+### Model yeniden eğitimi
+
+IoT Edge üzerinde görüntü sınıflandırıcı çalıştırmanın dezavantajlarından biri, Custom Vision projenize bağlı olmamasıdır. Custom Vision'daki **Predictions** sekmesine bakarsanız, Edge tabanlı sınıflandırıcı kullanılarak sınıflandırılan görüntüleri göremezsiniz.
+
+Bu beklenen bir davranıştır - görüntüler sınıflandırma için buluta gönderilmez, bu yüzden bulutta mevcut olmazlar. IoT Edge kullanmanın avantajlarından biri gizliliktir, görüntülerin ağınızdan çıkmamasını sağlar, bir diğeri ise çevrimdışı çalışabilmektir, yani cihazın internet bağlantısı olmadığında görüntülerin yüklenmesine güvenmek zorunda kalmazsınız. Dezavantajı ise modelinizi geliştirmektir - görüntüleri manuel olarak yeniden sınıflandırmak ve görüntü sınıflandırıcıyı yeniden eğitmek için başka bir yol uygulamanız gerekir.
+
+✅ Sınıflandırıcıyı yeniden eğitmek için görüntüleri yüklemenin yollarını düşünün.
+
+---
+
+## 🚀 Zorluk
+
+AI modellerini edge cihazlarda çalıştırmak bulutta çalıştırmaktan daha hızlı olabilir - ağ geçişi daha kısadır. Ancak, modeli çalıştıran donanım buluttaki kadar güçlü olmayabileceğinden daha yavaş da olabilir.
+
+Zamanlamalar yapın ve edge cihazınıza yapılan çağrının buluta yapılan çağrıdan daha hızlı mı yoksa daha yavaş mı olduğunu karşılaştırın? Farkı veya farkın olmamasını açıklamak için nedenler düşünün. Edge'de AI modellerini daha hızlı çalıştırmanın yollarını araştırın.
+
+## Ders sonrası test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
+
+## İnceleme ve Kendi Kendine Çalışma
+
+* Konteynerler hakkında daha fazla bilgi edinmek için [Wikipedia'daki OS-level virtualization sayfasını](https://wikipedia.org/wiki/OS-level_virtualization) okuyun.
+* 5G'nin uç bilişimi nasıl genişletebileceğine odaklanarak uç bilişim hakkında daha fazla bilgi edinin: [NetworkWorld'deki "Uç bilişim nedir ve neden önemlidir?" makalesi](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html)
+* IoT Edge'de yapay zeka hizmetlerini çalıştırmayı öğrenmek için şu bölümü izleyin: [Microsoft Channel9'daki Learn Live'da "Uçta dil algılama yapmak için önceden oluşturulmuş bir AI hizmetiyle Azure IoT Edge'i nasıl kullanacağınızı öğrenin" bölümü](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)
+
+## Ödev
+
+[Uçta diğer hizmetleri çalıştırın](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
new file mode 100644
index 00000000..a777621c
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
+  "translation_date": "2025-08-28T02:45:54+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Diğer hizmetleri uçta çalıştırma
+
+## Talimatlar
+
+Uçta sadece görüntü sınıflandırıcıları değil, bir konteyner içine paketlenebilen her şey bir IoT Edge cihazına dağıtılabilir. Daha önceki derslerde oluşturduğunuz tetikleyiciler gibi Azure Functions olarak çalışan sunucusuz kodlar konteynerlerde çalıştırılabilir ve dolayısıyla IoT Edge üzerinde çalışabilir.
+
+Önceki derslerden birini seçin ve Azure Functions uygulamasını bir IoT Edge konteynerinde çalıştırmayı deneyin. Bunu farklı bir Functions uygulama projesi kullanarak nasıl yapacağınızı gösteren bir rehberi [Azure Functions'ı IoT Edge modülleri olarak dağıtma eğitimi](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11) bağlantısında bulabilirsiniz.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| ------- | ----------------- | ------- | -------------------- |
+| Azure Functions uygulamasını IoT Edge'e dağıtma | Azure Functions uygulamasını IoT Edge'e dağıtmayı başardı ve IoT verilerinden bir tetikleyici çalıştırmak için bir IoT cihazıyla kullandı | Functions uygulamasını IoT Edge'e dağıtmayı başardı, ancak tetikleyiciyi çalıştıramadı | Functions uygulamasını IoT Edge'e dağıtmayı başaramadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
new file mode 100644
index 00000000..6c4da97a
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T02:46:14+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
+  "language_code": "tr"
+}
+-->
+# IoT Edge tabanlı bir görüntü sınıflandırıcı kullanarak bir görüntüyü sınıflandırma - Sanal IoT Donanımı ve Raspberry Pi
+
+Bu dersin bu bölümünde, IoT Edge cihazında çalışan Görüntü Sınıflandırıcıyı kullanacaksınız.
+
+## IoT Edge sınıflandırıcıyı kullanma
+
+IoT cihazı, IoT Edge görüntü sınıflandırıcıyı kullanacak şekilde yönlendirilebilir. Görüntü Sınıflandırıcı için URL `http://<IP adresi veya adı>/image` şeklindedir. `<IP adresi veya adı>` kısmını IoT Edge çalıştıran bilgisayarın IP adresi veya ana bilgisayar adı ile değiştirin.
+
+Custom Vision için Python kütüphanesi yalnızca bulut barındırmalı modellerle çalışır, IoT Edge üzerinde barındırılan modellerle çalışmaz. Bu, sınıflandırıcıyı çağırmak için REST API kullanmanız gerektiği anlamına gelir.
+
+### Görev - IoT Edge sınıflandırıcıyı kullanma
+
+1. VS Code'da `fruit-quality-detector` projesini açın, eğer zaten açık değilse. Sanal bir IoT cihazı kullanıyorsanız, sanal ortamın etkinleştirildiğinden emin olun.
+
+1. `app.py` dosyasını açın ve `azure.cognitiveservices.vision.customvision.prediction` ve `msrest.authentication` içe aktarma ifadelerini kaldırın.
+
+1. Dosyanın en üstüne aşağıdaki içe aktarma ifadesini ekleyin:
+
+    ```python
+    import requests
+    ```
+
+1. Görüntü bir dosyaya kaydedildikten sonraki tüm kodu silin, `image_file.write(image.read())` ifadesinden dosyanın sonuna kadar.
+
+1. Dosyanın sonuna aşağıdaki kodu ekleyin:
+
+    ```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>` kısmını sınıflandırıcınızın URL'si ile değiştirin.
+
+    Bu kod, sınıflandırıcıya bir REST POST isteği gönderir ve görüntüyü isteğin gövdesi olarak iletir. Sonuçlar JSON formatında geri döner ve bu, olasılıkları yazdırmak için çözülür.
+
+1. Kodunuzu çalıştırın, kameranızı bir meyveye doğrultarak, uygun bir görüntü seti kullanarak veya sanal IoT donanımı kullanıyorsanız webcam üzerinde görünen meyvelerle. Konsolda çıktıyı göreceksiniz:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 Bu kodu [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) veya [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device) klasöründe bulabilirsiniz.
+
+😀 Meyve kalite sınıflandırıcı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul edilmez.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
new file mode 100644
index 00000000..2cee3957
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
@@ -0,0 +1,115 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "24dc783a600e20251211987b36370e93",
+  "translation_date": "2025-08-28T02:45:30+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
+  "language_code": "tr"
+}
+-->
+# IoT Edge çalıştıran bir sanal makine oluşturma
+
+Azure'da, bulutta bir bilgisayar olan ve istediğiniz şekilde yapılandırabileceğiniz, kendi yazılımınızı çalıştırabileceğiniz bir sanal makine oluşturabilirsiniz.
+
+> 💁 Sanal makineler hakkında daha fazla bilgiyi [Wikipedia'daki Sanal Makine sayfasında](https://wikipedia.org/wiki/Virtual_machine) bulabilirsiniz.
+
+## Görev - IoT Edge sanal makinesi kurma
+
+1. Azure IoT Edge'in önceden yüklü olduğu bir sanal makine oluşturmak için aşağıdaki komutu çalıştırın:
+
+    ```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>` yerine bu sanal makine için bir ad yazın. Bu adın küresel olarak benzersiz olması gerektiğinden, adın sonuna kendi adınızı veya başka bir değer ekleyerek `fruit-quality-detector-vm-` gibi bir şey kullanabilirsiniz.
+
+    `<username>` ve `<password>` yerine sanal makineye giriş yapmak için kullanacağınız bir kullanıcı adı ve şifre yazın. Bu bilgilerin nispeten güvenli olması gerektiğinden, admin/password gibi basit kombinasyonlar kullanamazsınız.
+
+    `<connection_string>` yerine `fruit-quality-detector-edge` IoT Edge cihazınızın bağlantı dizesini yazın.
+
+    Bu komut, `DS1 v2` kategorisinde bir sanal makine oluşturacaktır. Bu kategoriler, makinenin ne kadar güçlü olduğunu ve dolayısıyla ne kadar maliyetli olduğunu belirtir. Bu sanal makine 1 CPU ve 3.5GB RAM'e sahiptir.
+
+    > 💰 Bu sanal makinelerin güncel fiyatlarını [Azure Sanal Makine fiyat rehberinde](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn) görebilirsiniz.
+
+    Sanal makine oluşturulduktan sonra, IoT Edge runtime otomatik olarak yüklenecek ve `fruit-quality-detector-edge` cihazınız olarak IoT Hub'a bağlanacak şekilde yapılandırılacaktır.
+
+1. Görüntü sınıflandırıcısını bu sanal makineden çağırmak için IP adresine veya DNS adına ihtiyacınız olacak. Bunu öğrenmek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az vm list --resource-group fruit-quality-detector \
+               --output table \
+               --show-details
+    ```
+
+    `PublicIps` veya `Fqdns` alanındaki değeri kopyalayın.
+
+1. Sanal makineler maliyetlidir. Bu yazının yazıldığı sırada, bir DS1 sanal makinesi saatte yaklaşık 0,06 $ maliyetlidir. Maliyetleri düşürmek için sanal makineyi kullanmadığınız zaman kapatmalı ve bu projeyi tamamladıktan sonra silmelisiniz.
+
+    Sanal makinenizi her gün belirli bir saatte otomatik olarak kapanacak şekilde yapılandırabilirsiniz. Bu, kapatmayı unutursanız, otomatik kapanma zamanına kadar olan süre dışında faturalandırılmamanızı sağlar. Bunu ayarlamak için aşağıdaki komutu kullanın:
+
+    ```sh
+    az vm auto-shutdown --resource-group fruit-quality-detector \
+                        --name <vm_name> \
+                        --time <shutdown_time_utc>
+    ```
+
+    `<vm_name>` yerine sanal makinenizin adını yazın.
+
+    `<shutdown_time_utc>` yerine sanal makinenin UTC saatine göre kapanmasını istediğiniz zamanı 4 haneli HHMM formatında yazın. Örneğin, UTC'de gece yarısı kapanmasını istiyorsanız, `0000` olarak ayarlayın. ABD'nin batı kıyısında saat 7:30PM için `0230` kullanabilirsiniz (ABD batı kıyısında 7:30PM, UTC'de 2:30AM'dir).
+
+1. Görüntü sınıflandırıcınız bu edge cihazında çalışacak ve port 80'de (standart HTTP portu) dinleyecektir. Varsayılan olarak, sanal makinelerde gelen bağlantı portları engellenmiştir, bu yüzden port 80'i etkinleştirmeniz gerekecek. Portlar, ağ güvenlik gruplarında etkinleştirilir, bu yüzden önce sanal makinenizin ağ güvenlik grubunun adını bilmeniz gerekir. Bunu öğrenmek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az network nsg list --resource-group fruit-quality-detector \
+                        --output table
+    ```
+
+    `Name` alanındaki değeri kopyalayın.
+
+1. Port 80'i ağ güvenlik grubuna açmak için aşağıdaki komutu çalıştırın:
+
+    ```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>` yerine önceki adımda aldığınız ağ güvenlik grubu adını yazın.
+
+### Görev - Maliyetleri azaltmak için sanal makinenizi yönetin
+
+1. Sanal makinenizi kullanmadığınızda kapatmalısınız. Sanal makineyi kapatmak için aşağıdaki komutu kullanın:
+
+    ```sh
+    az vm deallocate --resource-group fruit-quality-detector \
+                     --name <vm_name>
+    ```
+
+    `<vm_name>` yerine sanal makinenizin adını yazın.
+
+    > 💁 `az vm stop` adında bir komut vardır, ancak bu komut sanal makineyi durdurur ancak bilgisayarı size tahsis edilmiş halde tutar, bu yüzden hala çalışıyormuş gibi ödeme yaparsınız.
+
+1. Sanal makineyi yeniden başlatmak için aşağıdaki komutu kullanın:
+
+    ```sh
+    az vm start --resource-group fruit-quality-detector \
+                --name <vm_name>
+    ```
+
+    `<vm_name>` yerine sanal makinenizin adını yazın.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
new file mode 100644
index 00000000..bcdda069
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
@@ -0,0 +1,66 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
+  "translation_date": "2025-08-28T02:46:37+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
+  "language_code": "tr"
+}
+-->
+# IoT Edge Tabanlı Görüntü Sınıflandırıcı Kullanarak Bir Görüntüyü Sınıflandırma - Wio Terminal
+
+Bu dersin bu bölümünde, IoT Edge cihazında çalışan Görüntü Sınıflandırıcıyı kullanacaksınız.
+
+## IoT Edge Sınıflandırıcıyı Kullanma
+
+IoT cihazı, IoT Edge görüntü sınıflandırıcısını kullanacak şekilde yönlendirilebilir. Görüntü Sınıflandırıcının URL'si `http://<IP address or name>/image` şeklindedir. `<IP address or name>` kısmını, IoT Edge çalıştıran bilgisayarın IP adresi veya ana bilgisayar adıyla değiştirin.
+
+### Görev - IoT Edge sınıflandırıcıyı kullanma
+
+1. `fruit-quality-detector` uygulama projesini henüz açmadıysanız açın.
+
+1. Görüntü sınıflandırıcı, HTTPS yerine HTTP kullanarak bir REST API olarak çalışır, bu nedenle çağrı yalnızca HTTP çağrılarıyla çalışan bir WiFi istemcisi kullanmalıdır. Bu, sertifikanın gerekli olmadığı anlamına gelir. `config.h` dosyasından `CERTIFICATE` kısmını silin.
+
+1. `config.h` dosyasındaki tahmin URL'si yeni URL ile güncellenmelidir. Ayrıca, `PREDICTION_KEY` kısmını da silebilirsiniz çünkü bu gerekli değildir.
+
+    ```cpp
+    const char *PREDICTION_URL = "<URL>";
+    ```
+
+    `<URL>` kısmını sınıflandırıcınızın URL'siyle değiştirin.
+
+1. `main.cpp` dosyasında, WiFi Client Secure için olan include direktifini standart HTTP sürümünü içe aktaracak şekilde değiştirin:
+
+    ```cpp
+    #include <WiFiClient.h>
+    ```
+
+1. `WiFiClient` bildiriminin HTTP sürümüne dönüştürülmesini sağlayın:
+
+    ```cpp
+    WiFiClient client;
+    ```
+
+1. WiFi istemcisinde sertifikayı ayarlayan satırı seçin. `connectWiFi` fonksiyonundan `client.setCACert(CERTIFICATE);` satırını kaldırın.
+
+1. `classifyImage` fonksiyonunda, başlıkta tahmin anahtarını ayarlayan `httpClient.addHeader("Prediction-Key", PREDICTION_KEY);` satırını kaldırın.
+
+1. Kodunuzu yükleyin ve çalıştırın. Kamerayı bir meyveye doğrultun ve C düğmesine basın. Seri monitörde çıktıyı göreceksiniz:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 Bu kodu [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Meyve kalite sınıflandırıcı programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
new file mode 100644
index 00000000..196f54e2
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
@@ -0,0 +1,233 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
+  "translation_date": "2025-08-28T02:39:35+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
+  "language_code": "tr"
+}
+-->
+# Sensörden Meyve Kalitesi Tespiti Tetikleme
+
+![Bu dersin genel bir sketchnote özeti](../../../../../translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
+
+## Giriş
+
+Bir IoT uygulaması, yalnızca tek bir cihazın veri toplayıp buluta göndermesinden ibaret değildir. Çoğu zaman, sensörler aracılığıyla fiziksel dünyadan veri toplayan, bu verilere dayanarak kararlar alan ve aktüatörler veya görselleştirmeler aracılığıyla fiziksel dünyayla etkileşimde bulunan birden fazla cihazın birlikte çalıştığı bir sistemdir.
+
+Bu derste, birden fazla sensör ve bulut hizmetini entegre ederek karmaşık IoT uygulamalarını nasıl tasarlayacağınızı, verileri analiz edip depolayacağınızı ve bir aktüatör aracılığıyla yanıt göstereceğinizi öğreneceksiniz. Ayrıca, bir meyve kalite kontrol sistemi prototipini nasıl tasarlayacağınızı, IoT uygulamasını tetiklemek için yakınlık sensörlerini nasıl kullanacağınızı ve bu prototipin mimarisinin nasıl olacağını öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Karmaşık IoT uygulamaları tasarlama](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Bir meyve kalite kontrol sistemi tasarlama](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Sensörden meyve kalitesi kontrolü tetikleme](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Meyve kalite dedektörü için kullanılan veriler](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Birden fazla IoT cihazını simüle etmek için geliştirici cihazları kullanma](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Üretime geçiş](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+
+> 🗑 Bu proje kapsamındaki son derstir, bu nedenle bu dersi ve ödevi tamamladıktan sonra bulut hizmetlerinizi temizlemeyi unutmayın. Ödevi tamamlamak için bu hizmetlere ihtiyacınız olacak, bu yüzden önce ödevi tamamladığınızdan emin olun.
+>
+> Gerekirse [projenizi temizleme rehberine](../../../clean-up.md) başvurabilirsiniz.
+
+## Karmaşık IoT Uygulamaları Tasarlama
+
+IoT uygulamaları birçok bileşenden oluşur. Bu bileşenler, çeşitli cihazlar ve internet hizmetlerini içerir.
+
+IoT uygulamaları, *nesnelerin* (cihazların) veri gönderdiği, bu verilerin *içgörüler* oluşturduğu ve bu *içgörülerin* bir iş veya süreci iyileştirmek için *eylemler* oluşturduğu sistemler olarak tanımlanabilir. Örneğin, bir motor (nesne) sıcaklık verisi gönderir. Bu veri, motorun beklendiği gibi çalışıp çalışmadığını değerlendirmek için kullanılır (içgörü). Bu içgörü, motorun bakım programını önceliklendirmek için kullanılır (eylem).
+
+* Farklı nesneler farklı veri parçalarını toplar.
+* IoT hizmetleri, bu veriler üzerinde içgörüler sağlar ve bazen ek kaynaklardan gelen verilerle bu içgörüleri zenginleştirir.
+* Bu içgörüler, cihazlardaki aktüatörleri kontrol etmek veya verileri görselleştirerek insanların karar vermesini sağlamak gibi eylemleri yönlendirir.
+
+### Referans IoT Mimarisi
+
+![Bir referans IoT mimarisi](../../../../../translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.tr.png)
+
+Yukarıdaki diyagram, bir referans IoT mimarisini göstermektedir.
+
+> 🎓 *Referans mimari*, yeni sistemler tasarlarken kullanabileceğiniz bir örnek mimaridir. Bu durumda, yeni bir IoT sistemi oluşturuyorsanız, referans mimariyi takip edebilir ve uygun yerlerde kendi cihazlarınızı ve hizmetlerinizi yerine koyabilirsiniz.
+
+* **Nesneler**, sensörlerden veri toplayan cihazlardır ve bu verileri yorumlamak için kenar hizmetleriyle etkileşime girebilirler, örneğin görüntü verilerini yorumlamak için görüntü sınıflandırıcılar. Cihazlardan gelen veriler bir IoT hizmetine gönderilir.
+* **İçgörüler**, sunucusuz uygulamalardan veya depolanan veriler üzerinde yapılan analizlerden gelir.
+* **Eylemler**, cihazlara gönderilen komutlar veya insanların karar vermesini sağlayan veri görselleştirmeleri olabilir.
+
+![Azure'da bir referans IoT mimarisi](../../../../../translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.tr.png)
+
+Yukarıdaki diyagram, bu derslerde ele alınan bazı bileşenleri ve hizmetleri ve bunların bir referans IoT mimarisinde nasıl bir araya geldiğini göstermektedir.
+
+* **Nesneler** - Sensörlerden veri toplamak için cihaz kodu yazdınız ve hem bulutta hem de bir kenar cihazında çalışan Custom Vision kullanarak görüntüleri analiz ettiniz. Bu veriler IoT Hub'a gönderildi.
+* **İçgörüler** - IoT Hub'a gönderilen mesajlara yanıt vermek için Azure Functions kullandınız ve verileri daha sonra analiz etmek için Azure Storage'da depoladınız.
+* **Eylemler** - Bulutta alınan kararlara ve cihazlara gönderilen komutlara dayalı olarak aktüatörleri kontrol ettiniz ve Azure Maps kullanarak verileri görselleştirdiniz.
+
+✅ Daha önce kullandığınız diğer IoT cihazlarını düşünün, örneğin akıllı ev cihazları. Bu cihaz ve yazılımında yer alan nesneler, içgörüler ve eylemler nelerdir?
+
+Bu model, ihtiyacınıza göre daha büyük veya daha küçük ölçeklerde uygulanabilir, daha fazla cihaz ve hizmet eklenebilir.
+
+### Veri ve Güvenlik
+
+Sisteminizi tasarlarken, sürekli olarak veri ve güvenliği göz önünde bulundurmanız gerekir.
+
+* Cihazınız hangi verileri gönderiyor ve alıyor?
+* Bu veriler nasıl güvence altına alınmalı ve korunmalı?
+* Cihaza ve bulut hizmetine erişim nasıl kontrol edilmeli?
+
+✅ Sahip olduğunuz IoT cihazlarının veri güvenliğini düşünün. Bu verilerin ne kadarı kişisel ve hem aktarım sırasında hem de depolandığında gizli tutulmalı? Hangi veriler depolanmamalı?
+
+## Bir Meyve Kalite Kontrol Sistemi Tasarlama
+
+Şimdi, nesneler, içgörüler ve eylemler fikrini alıp, bunu meyve kalite dedektörümüze uygulayarak uçtan uca bir uygulama tasarlayalım.
+
+Bir işleme tesisinde kullanılmak üzere bir meyve kalite dedektörü oluşturma görevi verildiğinizi hayal edin. Meyveler, şu anda çalışanların elle kontrol edip olgunlaşmamış meyveleri ayırdığı bir konveyör bant sistemi üzerinde taşınıyor. Maliyetleri azaltmak için tesis sahibi otomatik bir sistem istiyor.
+
+✅ IoT'nin (ve genel olarak teknolojinin) yükselişiyle birlikte manuel işlerin makinelerle değiştirildiği bir trend var. Araştırma yapın: IoT nedeniyle kaç işin kaybedileceği tahmin ediliyor? IoT cihazları oluşturmak için kaç yeni iş yaratılacak?
+
+Bir sistem oluşturmanız gerekiyor: Meyve konveyör bandına geldiğinde algılanacak, fotoğraflanacak ve kenarda çalışan bir yapay zeka modeliyle kontrol edilecek. Sonuçlar buluta gönderilecek ve eğer meyve olgunlaşmamışsa bir bildirim verilerek olgunlaşmamış meyvenin çıkarılması sağlanacak.
+
+|   |   |
+| - | - |
+| **Nesneler** | Konveyör bandına gelen meyveyi algılayan dedektör<br>Meyveyi fotoğraflayıp sınıflandıran kamera<br>Sınıflandırıcıyı çalıştıran kenar cihaz<br>Olgunlaşmamış meyveyi bildiren cihaz |
+| **İçgörüler** | Meyvenin olgunluğunu kontrol etme kararı<br>Olgunluk sınıflandırmasının sonuçlarını depolama<br>Olgunlaşmamış meyve için uyarı gerekip gerekmediğini belirleme |
+| **Eylemler** | Meyveyi fotoğraflayıp bir görüntü sınıflandırıcıyla kontrol etmek için bir cihaza komut gönderme<br>Olgunlaşmamış meyve olduğunu bildirmek için bir cihaza komut gönderme |
+
+### Uygulamanızı Prototipleme
+
+![Meyve kalite kontrolü için bir referans IoT mimarisi](../../../../../translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.tr.png)
+
+Yukarıdaki diyagram, bu prototip uygulama için bir referans mimariyi göstermektedir.
+
+* Bir IoT cihazı, bir yakınlık sensörü ile meyvenin gelişini algılar. Bu, buluta bir mesaj göndererek meyvenin algılandığını bildirir.
+* Buluttaki bir sunucusuz uygulama, başka bir cihaza fotoğraf çekmesi ve görüntüyü sınıflandırması için bir komut gönderir.
+* Kameralı bir IoT cihazı, bir fotoğraf çeker ve bunu kenarda çalışan bir görüntü sınıflandırıcıya gönderir. Sonuçlar daha sonra buluta gönderilir.
+* Buluttaki bir sunucusuz uygulama, bu bilgiyi daha sonra analiz edilmek üzere depolar ve meyve olgunlaşmamışsa, bir IoT cihazına bir LED aracılığıyla fabrika çalışanlarını uyarması için bir komut gönderir.
+
+> 💁 Bu IoT uygulamasının tamamı, tüm mantığın görüntü sınıflandırmasını başlatmak ve LED'i kontrol etmek için yerleşik olduğu tek bir cihaz olarak uygulanabilir. IoT Hub, yalnızca tespit edilen olgunlaşmamış meyve sayısını izlemek ve cihazı yapılandırmak için kullanılabilir. Bu derste, büyük ölçekli IoT uygulamaları için kavramları göstermek amacıyla genişletilmiştir.
+
+Prototip için, tüm bunları tek bir cihazda uygulayacaksınız. Bir mikrodenetleyici kullanıyorsanız, görüntü sınıflandırıcıyı çalıştırmak için ayrı bir kenar cihazı kullanacaksınız. Bunun için gerekenlerin çoğunu zaten öğrendiniz.
+
+## Sensörden Meyve Kalitesi Kontrolü Tetikleme
+
+IoT cihazının, meyvenin sınıflandırılmaya hazır olduğunu belirten bir tür tetikleyiciye ihtiyacı vardır. Bunun bir yolu, bir sensörle mesafeyi ölçerek meyvenin konveyör bandında doğru konumda olup olmadığını belirlemektir.
+
+![Yakınlık sensörleri, muz gibi nesnelere lazer ışınları gönderir ve ışının geri yansıma süresini ölçer](../../../../../translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.tr.png)
+
+Yakınlık sensörleri, sensör ile bir nesne arasındaki mesafeyi ölçmek için kullanılabilir. Genellikle bir lazer ışını veya kızılötesi ışık gibi bir elektromanyetik radyasyon ışını gönderir ve ardından bir nesneden yansıyan radyasyonu algılarlar. Lazer ışınının gönderilmesi ile sinyalin geri yansıması arasındaki süre, sensöre olan mesafeyi hesaplamak için kullanılabilir.
+
+> 💁 Yakınlık sensörlerini farkında olmadan kullanmış olabilirsiniz. Çoğu akıllı telefon, bir arama sırasında ekranı kulağınıza tuttuğunuzda ekranı kapatır ve bu, bir yakınlık sensörü kullanılarak yapılır. Sensör, bir arama sırasında ekrana yakın bir nesne algılar ve telefon belirli bir mesafeye ulaşana kadar dokunmatik özellikleri devre dışı bırakır.
+
+### Görev - Bir Mesafe Sensörü ile Meyve Kalitesi Tespitini Tetikleme
+
+IoT cihazınızı kullanarak bir nesneyi algılamak için bir yakınlık sensörü kullanma rehberini inceleyin:
+
+* [Arduino - Wio Terminal](wio-terminal-proximity.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-proximity.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-proximity.md)
+
+## Meyve Kalite Dedektörü için Kullanılan Veriler
+
+Prototip meyve dedektörü, birbiriyle iletişim kuran birden fazla bileşene sahiptir.
+
+![Birbiriyle iletişim kuran bileşenler](../../../../../translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.tr.png)
+
+* Bir meyveye olan mesafeyi ölçen ve bunu IoT Hub'a gönderen bir yakınlık sensörü
+* Kamerayı kontrol etmek için IoT Hub'dan kamera cihazına gelen komut
+* Görüntü sınıflandırma sonuçlarının IoT Hub'a gönderilmesi
+* Meyvenin olgunlaşmamış olduğunu bildirmek için IoT Hub'dan LED'li cihaza gönderilen komut
+
+Bu mesajların yapısını, uygulamayı oluşturmadan önce tanımlamak iyi bir fikirdir.
+
+> 💁 Deneyimli hemen hemen her geliştirici, kariyerinde bir noktada, gönderilen veriler ile beklenen veriler arasındaki farklılıkların neden olduğu hataları günlerce veya haftalarca takip etmek zorunda kalmıştır.
+
+Örneğin - sıcaklık bilgisi gönderiyorsanız, JSON'u nasıl tanımlarsınız? `temperature` adlı bir alanınız olabilir veya yaygın bir kısaltma olan `temp` kullanabilirsiniz.
+
+```json
+{
+    "temperature": 20.7
+}
+```
+
+ile karşılaştırıldığında:
+
+```json
+{
+    "temp": 20.7
+}
+```
+
+Ayrıca birimleri de göz önünde bulundurmanız gerekir - sıcaklık °C mi yoksa °F cinsinden mi? Bir tüketici cihazı kullanarak sıcaklığı ölçüyorsanız ve kullanıcı ekran birimlerini değiştirirse, buluta gönderilen birimlerin tutarlı kalmasını sağlamanız gerekir.
+
+✅ Araştırma yapın: Birim sorunları, 125 milyon dolarlık Mars Climate Orbiter'ın çarpmasına nasıl neden oldu?
+
+Meyve kalite dedektörü için gönderilen verileri düşünün. Her mesajı nasıl tanımlarsınız? Verileri nerede analiz eder ve hangi verilerin gönderileceğine karar verirsiniz?
+
+Örneğin - yakınlık sensörü kullanarak görüntü sınıflandırmayı tetikleme. IoT cihazı mesafeyi ölçer, ancak karar nerede alınır? Cihaz, meyvenin yeterince yakın olduğuna karar verip IoT Hub'a sınıflandırmayı tetiklemesini söyleyen bir mesaj mı gönderir? Yoksa yakınlık ölçümlerini gönderip IoT Hub'ın karar vermesini mi sağlar?
+
+Bu tür soruların cevabı - duruma bağlıdır. Her kullanım durumu farklıdır, bu yüzden bir IoT geliştiricisi olarak, oluşturduğunuz sistemi, nasıl kullanıldığını ve algılanan verileri anlamanız gerekir.
+
+* Karar IoT Hub tarafından alınırsa, birden fazla mesafe ölçümü göndermeniz gerekir.
+* Çok fazla mesaj gönderirseniz, IoT Hub'ın maliyetini ve IoT cihazlarınızın (özellikle milyonlarca cihazın bulunduğu bir fabrikada) ihtiyaç duyduğu bant genişliğini artırır. Ayrıca cihazınızı yavaşlatabilir.
+* Kararı cihazda alırsanız, cihazı ince ayar yapmak için bir yapılandırma yöntemi sağlamanız gerekir.
+
+## Birden Fazla IoT Cihazını Simüle Etmek için Geliştirici Cihazları Kullanma
+
+Prototipinizi oluşturmak için, IoT geliştirme kitinizin birden fazla cihaz gibi davranmasını, telemetri göndermesini ve komutlara yanıt vermesini sağlamanız gerekecek.
+
+### Raspberry Pi veya Sanal IoT Donanımında Birden Fazla IoT Cihazını Simüle Etme
+
+Bir Raspberry Pi gibi tek kartlı bir bilgisayar kullanırken, aynı anda birden fazla uygulama çalıştırabilirsiniz. Bu, her 'IoT cihazı' için bir uygulama oluşturarak birden fazla IoT cihazını simüle edebileceğiniz anlamına gelir. Örneğin, her cihazı ayrı bir Python dosyası olarak uygulayabilir ve bunları farklı terminal oturumlarında çalıştırabilirsiniz.
+> 💁 Bazı donanımlar, aynı anda çalışan birden fazla uygulama tarafından erişildiğinde çalışmayabilir.
+### Mikrodenetleyicide birden fazla cihazı simüle etme
+
+Mikrodenetleyicilerde birden fazla cihazı simüle etmek daha karmaşıktır. Tek kartlı bilgisayarların aksine, aynı anda birden fazla uygulama çalıştıramazsınız; tüm ayrı IoT cihazlarının mantığını tek bir uygulamaya dahil etmeniz gerekir.
+
+Bu süreci kolaylaştırmak için bazı öneriler:
+
+* IoT cihazı başına bir veya daha fazla sınıf oluşturun - örneğin, `DistanceSensor`, `ClassifierCamera`, `LEDController` adında sınıflar. Her birinin, ana `setup` ve `loop` fonksiyonları tarafından çağrılan kendi `setup` ve `loop` yöntemleri olabilir.
+* Komutları tek bir yerde yönetin ve gerektiğinde ilgili cihaz sınıfına yönlendirin.
+* Ana `loop` fonksiyonunda, her bir cihaz için zamanlamayı dikkate almanız gerekecek. Örneğin, bir cihaz sınıfının her 10 saniyede bir işlem yapması gerekiyorsa ve başka bir cihazın her 1 saniyede bir işlem yapması gerekiyorsa, ana `loop` fonksiyonunda 1 saniyelik bir gecikme kullanın. Her `loop` çağrısı, her saniyede işlem yapması gereken cihaz için ilgili kodu tetikler ve bir sayaç kullanarak her döngüyü sayar, sayaç 10'a ulaştığında diğer cihazı işler (ardından sayacı sıfırlar).
+
+## Üretime geçiş
+
+Prototip, nihai üretim sisteminin temelini oluşturacaktır. Üretime geçtiğinizde bazı farklılıklar şunlar olabilir:
+
+* Dayanıklı bileşenler - fabrikadaki gürültü, ısı, titreşim ve strese dayanacak şekilde tasarlanmış donanımların kullanılması.
+* Dahili iletişimlerin kullanılması - bazı bileşenler, buluta veri göndermek yerine doğrudan iletişim kurar. Bu, fabrikanın kurulumuna bağlı olarak ya doğrudan iletişimle ya da bir ağ geçidi cihazı kullanarak IoT hizmetinin bir kısmını uçta çalıştırarak yapılır.
+* Yapılandırma seçenekleri - her fabrika ve kullanım durumu farklıdır, bu nedenle donanım yapılandırılabilir olmalıdır. Örneğin, yakınlık sensörü farklı mesafelerde farklı meyveleri algılamalı olabilir. Sınıflandırmayı tetiklemek için mesafeyi sabit kodlamak yerine, bunun bulut üzerinden yapılandırılabilir olmasını istersiniz; örneğin bir cihaz ikizi kullanarak.
+* Otomatik meyve çıkarma - olgunlaşmamış meyveyi belirtmek için bir LED yerine, otomatik cihazlar meyveyi çıkarır.
+
+✅ Araştırma yapın: Üretim cihazları, geliştirici kitlerinden başka hangi yönlerden farklıdır?
+
+---
+
+## 🚀 Zorluk
+
+Bu derste, bir IoT sistemini nasıl tasarlayacağınızla ilgili bilmeniz gereken bazı kavramları öğrendiniz. Önceki projeleri düşünün. Bu projeler yukarıda gösterilen referans mimariye nasıl uyuyor?
+
+Şimdiye kadar yapılan projelerden birini seçin ve projelerde ele alınanların ötesinde birden fazla yeteneği bir araya getiren daha karmaşık bir çözüm tasarımını düşünün. Mimarinin bir çizimini yapın ve ihtiyaç duyacağınız tüm cihazları ve hizmetleri düşünün.
+
+Örneğin - GPS ile birleştirilmiş bir araç takip cihazı, soğutmalı bir kamyondaki sıcaklıkları, motorun açılıp kapanma sürelerini ve sürücünün kimliğini izlemek için sensörler içerir. Hangi cihazlar, hangi hizmetler, hangi veriler iletiliyor ve güvenlik ile gizlilikle ilgili hangi hususlar dikkate alınıyor?
+
+## Ders sonrası sınav
+
+[Ders sonrası sınav](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* IoT mimarisi hakkında daha fazla bilgi edinmek için [Microsoft dokümanlarındaki Azure IoT referans mimarisi dokümantasyonunu](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn) okuyun.
+* IoT Hub dokümantasyonundaki [cihaz ikizlerini anlama ve kullanma](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn) hakkında daha fazla bilgi edinin.
+* Endüstriyel otomasyonda kullanılan bir makineden makineye iletişim protokolü olan OPC-UA hakkında [Wikipedia'daki OPC-UA sayfasını](https://wikipedia.org/wiki/OPC_Unified_Architecture) okuyun.
+
+## Ödev
+
+[Meyve kalitesi dedektörü oluşturun](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
new file mode 100644
index 00000000..0a4ed5d2
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
+  "translation_date": "2025-08-28T02:41:50+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Meyve Kalitesi Dedektörü Oluşturma
+
+## Talimatlar
+
+Meyve kalitesi dedektörünü oluşturun!
+
+Şimdiye kadar öğrendiğiniz her şeyi kullanarak prototip bir meyve kalitesi dedektörü oluşturun. Yakınlık temelinde görüntü sınıflandırmayı tetiklemek için kenarda çalışan bir AI modeli kullanın, sınıflandırma sonuçlarını depolamada saklayın ve meyvenin olgunluğuna göre bir LED'i kontrol edin.
+
+Şimdiye kadar tüm derslerde yazdığınız kodları kullanarak bunu bir araya getirebilmelisiniz.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Örnek Düzey | Yeterli | Geliştirme Gerekiyor |
+| ------- | ----------- | ------- | -------------------- |
+| Tüm hizmetleri yapılandırma | IoT Hub, Azure işlevleri uygulaması ve Azure depolamasını kurmayı başardı | IoT Hub'ı kurmayı başardı, ancak Azure işlevleri uygulamasını veya Azure depolamasını kuramadı | Hiçbir internet IoT hizmetini kurmayı başaramadı |
+| Yakınlığı izleme ve bir nesne önceden tanımlanmış bir mesafeden daha yakın olduğunda IoT Hub'a veri gönderme ve bir komutla kamerayı tetikleme | Mesafeyi ölçmeyi, nesne yeterince yakın olduğunda IoT Hub'a bir mesaj göndermeyi ve kamerayı tetiklemek için bir komut göndermeyi başardı | Yakınlığı ölçmeyi ve IoT Hub'a veri göndermeyi başardı, ancak kameraya bir komut gönderemedi | Mesafeyi ölçmeyi ve IoT Hub'a mesaj göndermeyi veya bir komut tetiklemeyi başaramadı |
+| Bir görüntü yakalama, sınıflandırma ve sonuçları IoT Hub'a gönderme | Bir görüntü yakalamayı, kenar cihazı kullanarak sınıflandırmayı ve sonuçları IoT Hub'a göndermeyi başardı | Görüntüyü sınıflandırmayı başardı ancak kenar cihazı kullanmadı veya sonuçları IoT Hub'a gönderemedi | Bir görüntüyü sınıflandıramadı |
+| Sınıflandırma sonuçlarına bağlı olarak bir cihaza gönderilen bir komutla LED'i açma veya kapatma | Meyve olgunlaşmamışsa bir komutla LED'i açmayı başardı | Cihaza komut göndermeyi başardı ancak LED'i kontrol edemedi | LED'i kontrol etmek için bir komut göndermeyi başaramadı |
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Orijinal belgenin kendi dilindeki hali, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
new file mode 100644
index 00000000..d7d38f53
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
@@ -0,0 +1,118 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
+  "translation_date": "2025-08-28T02:40:49+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
+  "language_code": "tr"
+}
+-->
+# Yakınlık Algılama - Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi'ye bir yakınlık sensörü ekleyecek ve ondan mesafe okuyacaksınız.
+
+## Donanım
+
+Raspberry Pi'nin bir yakınlık sensörüne ihtiyacı var.
+
+Kullanacağınız sensör, bir [Grove Time of Flight mesafe sensörü](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). Bu sensör, mesafeyi algılamak için bir lazer ölçüm modülü kullanır. Sensör, 10mm ile 2000mm (1cm - 2m) arasında bir aralığa sahiptir ve bu aralıktaki değerleri oldukça doğru bir şekilde raporlar. 1000mm'nin üzerindeki mesafeler 8109mm olarak rapor edilir.
+
+Lazer mesafe ölçer, sensörün arka tarafında, Grove soketinin karşı tarafında yer alır.
+
+Bu bir I²C sensörüdür.
+
+### Time of Flight Sensörünü Bağlama
+
+Grove time of flight sensörü Raspberry Pi'ye bağlanabilir.
+
+#### Görev - Time of Flight Sensörünü Bağlayın
+
+Time of flight sensörünü bağlayın.
+
+![Bir Grove time of flight sensörü](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.tr.png)
+
+1. Grove kablosunun bir ucunu time of flight sensöründeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Raspberry Pi kapalıyken, Grove kablosunun diğer ucunu, Pi'ye bağlı Grove Base şapkasındaki **I²C** olarak işaretlenmiş soketlerden birine bağlayın. Bu soketler, GPIO pinlerinin karşı ucunda, alt sırada ve kamera kablosu yuvasının yanındadır.
+
+![Grove time of flight sensörünün I²C soketine bağlı hali](../../../../../translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.tr.png)
+
+## Time of Flight Sensörünü Programlama
+
+Artık Raspberry Pi, bağlı time of flight sensörünü kullanacak şekilde programlanabilir.
+
+### Görev - Time of Flight Sensörünü Programlayın
+
+Cihazı programlayın.
+
+1. Pi'yi açın ve başlatılmasını bekleyin.
+
+1. `fruit-quality-detector` kodunu VS Code'da açın. Bunu doğrudan Pi üzerinde yapabilir veya Remote SSH uzantısı aracılığıyla bağlanabilirsiniz.
+
+1. VL53L0X time-of-flight mesafe sensörüyle etkileşim kuran bir Python paketi olan rpi-vl53l0x Pip paketini yükleyin. Aşağıdaki pip komutunu kullanarak yükleyin:
+
+    ```sh
+    pip install rpi-vl53l0x
+    ```
+
+1. Bu projede `distance-sensor.py` adında yeni bir dosya oluşturun.
+
+    > 💁 Birden fazla IoT cihazını simüle etmenin kolay bir yolu, her birini farklı bir Python dosyasında yapmak ve ardından aynı anda çalıştırmaktır.
+
+1. Bu dosyaya aşağıdaki kodu ekleyin:
+
+    ```python
+    import time
+    
+    from grove.i2c import Bus
+    from rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    Bu kod, Grove I²C bus kütüphanesini ve Grove time of flight sensöründe yerleşik olan temel sensör donanımı için bir sensör kütüphanesini içe aktarır.
+
+1. Bunun altına, sensöre erişmek için aşağıdaki kodu ekleyin:
+
+    ```python
+    distance_sensor = VL53L0X(bus = Bus().bus)
+    distance_sensor.begin()    
+    ```
+
+    Bu kod, Grove I²C bus kullanarak bir mesafe sensörü tanımlar ve ardından sensörü başlatır.
+
+1. Son olarak, mesafeleri okumak için sonsuz bir döngü ekleyin:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    Bu kod, sensörden bir değer okumaya hazır olmasını bekler ve ardından konsola yazdırır.
+
+1. Bu kodu çalıştırın.
+
+    > 💁 Bu dosyanın adı `distance-sensor.py`! `app.py` yerine Python ile çalıştırmayı unutmayın.
+
+1. Konsolda mesafe ölçümleri görünecektir. Sensöre yakın nesneler yerleştirin ve mesafe ölçümünü göreceksiniz:
+
+    ```output
+    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    Mesafe ölçer, sensörün arka tarafındadır, bu yüzden mesafeyi ölçerken doğru tarafı kullandığınızdan emin olun.
+
+    ![Time of flight sensörünün arka tarafındaki mesafe ölçer bir muza doğrultulmuş](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.tr.png)
+
+> 💁 Bu kodu [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi) klasöründe bulabilirsiniz.
+
+😀 Yakınlık sensörü programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
new file mode 100644
index 00000000..ca172b2f
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
+  "translation_date": "2025-08-28T02:42:12+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
+  "language_code": "tr"
+}
+-->
+# Yakınlık Algılama - Sanal IoT Donanımı
+
+Bu dersin bu bölümünde, sanal IoT cihazınıza bir yakınlık sensörü ekleyecek ve mesafeyi okuyacaksınız.
+
+## Donanım
+
+Sanal IoT cihazı, simüle edilmiş bir mesafe sensörü kullanacak.
+
+Fiziksel bir IoT cihazında, mesafeyi algılamak için lazer ölçüm modülüne sahip bir sensör kullanılır.
+
+### Mesafe sensörünü CounterFit'e ekleyin
+
+Sanal bir mesafe sensörü kullanmak için CounterFit uygulamasına bir sensör eklemeniz gerekiyor.
+
+#### Görev - Mesafe sensörünü CounterFit'e ekleyin
+
+Mesafe sensörünü CounterFit uygulamasına ekleyin.
+
+1. VS Code'da `fruit-quality-detector` kodunu açın ve sanal ortamın etkin olduğundan emin olun.
+
+1. Mesafe sensörleriyle konuşabilen bir CounterFit shim'i yüklemek için ek bir Pip paketi yükleyin. Bu shim, [rpi-vl53l0x Pip paketi](https://pypi.org/project/rpi-vl53l0x/) adlı bir Python paketi ile [VL53L0X uçuş süresi mesafe sensörü](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/) simülasyonu yapar. Sanal ortamın etkin olduğu bir terminalden yüklediğinizden emin olun.
+
+    ```sh
+    pip install counterfit-shims-rpi-vl53l0x
+    ```
+
+1. CounterFit web uygulamasının çalıştığından emin olun.
+
+1. Bir mesafe sensörü oluşturun:
+
+    1. *Sensors* panelindeki *Create sensor* kutusunda, *Sensor type* açılır kutusundan *Distance* seçeneğini seçin.
+
+    1. *Units* kısmını `Millimeter` olarak bırakın.
+
+    1. Bu sensör bir I²C sensörüdür, bu yüzden adresi `0x29` olarak ayarlayın. Fiziksel bir VL53L0X sensörü kullansaydınız, bu adres sabit kodlanmış olurdu.
+
+    1. Mesafe sensörünü oluşturmak için **Add** düğmesini seçin.
+
+    ![Mesafe sensörü ayarları](../../../../../translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.tr.png)
+
+    Mesafe sensörü oluşturulacak ve sensörler listesinde görünecek.
+
+    ![Oluşturulan mesafe sensörü](../../../../../translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.tr.png)
+
+## Mesafe sensörünü programlayın
+
+Sanal IoT cihazı artık simüle edilmiş mesafe sensörünü kullanacak şekilde programlanabilir.
+
+### Görev - Uçuş süresi sensörünü programlayın
+
+1. `fruit-quality-detector` projesinde `distance-sensor.py` adlı yeni bir dosya oluşturun.
+
+    > 💁 Birden fazla IoT cihazını simüle etmenin kolay bir yolu, her birini farklı bir Python dosyasında yapmak ve ardından aynı anda çalıştırmaktır.
+
+1. CounterFit ile bir bağlantı başlatmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```python
+    import time
+    
+    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    Bu, VL53L0X uçuş süresi sensörü için sensör kütüphanesi shim'ini içe aktarır.
+
+1. Bunun altına sensöre erişmek için aşağıdaki kodu ekleyin:
+
+    ```python
+    distance_sensor = VL53L0X()
+    distance_sensor.begin()
+    ```
+
+    Bu kod bir mesafe sensörü tanımlar ve ardından sensörü başlatır.
+
+1. Son olarak, mesafeleri okumak için sonsuz bir döngü ekleyin:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    Bu kod, sensörden bir değer okumaya hazır olana kadar bekler ve ardından konsola yazdırır.
+
+1. Bu kodu çalıştırın.
+
+    > 💁 Bu dosyanın adı `distance-sensor.py`! Python ile çalıştırdığınızdan emin olun, `app.py` ile değil.
+
+1. Konsolda mesafe ölçümleri görünecek. CounterFit'teki değeri değiştirin veya rastgele değerler kullanın.
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
+    Distance = 37 mm
+    Distance = 42 mm
+    Distance = 29 mm
+    ```
+
+> 💁 Bu kodu [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device) klasöründe bulabilirsiniz.
+
+😀 Yakınlık sensörü programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
new file mode 100644
index 00000000..9fee71d1
--- /dev/null
+++ b/translations/tr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
+  "translation_date": "2025-08-28T02:41:24+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
+  "language_code": "tr"
+}
+-->
+# Yakınlık Algılama - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal'inize bir yakınlık sensörü ekleyecek ve mesafeyi okuyacaksınız.
+
+## Donanım
+
+Wio Terminal bir yakınlık sensörüne ihtiyaç duyar.
+
+Kullanacağınız sensör, bir [Grove Time of Flight mesafe sensörü](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). Bu sensör, mesafeyi algılamak için bir lazer ölçüm modülü kullanır. Sensör, 10mm ile 2000mm (1cm - 2m) arasında bir aralığa sahiptir ve bu aralıktaki değerleri oldukça doğru bir şekilde raporlar. 1000mm'nin üzerindeki mesafeler 8109mm olarak rapor edilir.
+
+Lazer mesafe ölçer, sensörün arka tarafında, Grove soketinin karşı tarafında yer alır.
+
+Bu bir I²C sensörüdür.
+
+### Time of Flight Sensörünü Bağlama
+
+Grove Time of Flight sensörü, Wio Terminal'e bağlanabilir.
+
+#### Görev - Time of Flight Sensörünü Bağlayın
+
+Time of Flight sensörünü bağlayın.
+
+![Bir Grove Time of Flight sensörü](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.tr.png)
+
+1. Grove kablosunun bir ucunu Time of Flight sensöründeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+2. Wio Terminal'inizi bilgisayarınızdan veya başka bir güç kaynağından ayırarak, Grove kablosunun diğer ucunu Wio Terminal'in ekranına bakarken sol taraftaki Grove soketine bağlayın. Bu soket, güç düğmesine en yakın olan sokettir. Bu soket, dijital ve I²C kombinasyonlu bir sokettir.
+
+![Time of Flight sensörünün sol sokete bağlı hali](../../../../../translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.tr.png)
+
+3. Artık Wio Terminal'i bilgisayarınıza bağlayabilirsiniz.
+
+## Time of Flight Sensörünü Programlama
+
+Wio Terminal artık bağlı Time of Flight sensörünü kullanacak şekilde programlanabilir.
+
+### Görev - Time of Flight Sensörünü Programlayın
+
+1. PlatformIO kullanarak yeni bir Wio Terminal projesi oluşturun. Bu projeye `distance-sensor` adını verin. `setup` fonksiyonunda seri portu yapılandırmak için kod ekleyin.
+
+2. Projenin `platformio.ini` dosyasına Seeed Grove Time of Flight mesafe sensörü kütüphanesi için bir bağımlılık ekleyin:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Ranging sensor - VL53L0X @ ^1.1.1
+    ```
+
+3. `main.cpp` dosyasında, mevcut include yönergelerinin altına, Time of Flight sensörüyle etkileşim kurmak için `Seeed_vl53l0x` sınıfının bir örneğini tanımlayın:
+
+    ```cpp
+    #include "Seeed_vl53l0x.h"
+    
+    Seeed_vl53l0x VL53L0X;
+    ```
+
+4. Sensörü başlatmak için `setup` fonksiyonunun sonuna şu kodu ekleyin:
+
+    ```cpp
+    VL53L0X.VL53L0X_common_init();
+    VL53L0X.VL53L0X_high_accuracy_ranging_init();
+    ```
+
+5. `loop` fonksiyonunda, sensörden bir değer okuyun:
+
+    ```cpp
+    VL53L0X_RangingMeasurementData_t RangingMeasurementData;
+    memset(&RangingMeasurementData, 0, sizeof(VL53L0X_RangingMeasurementData_t));
+
+    VL53L0X.PerformSingleRangingMeasurement(&RangingMeasurementData);
+    ```
+
+    Bu kod, verileri okumak için bir veri yapısı başlatır ve ardından bu yapıyı `PerformSingleRangingMeasurement` metoduna geçirir. Bu metod, mesafe ölçümünü veri yapısına doldurur.
+
+6. Bunun altına, mesafe ölçümünü yazdırın ve ardından 1 saniye bekleyin:
+
+    ```cpp
+    Serial.print("Distance = ");
+    Serial.print(RangingMeasurementData.RangeMilliMeter);
+    Serial.println(" mm");
+
+    delay(1000);
+    ```
+
+7. Bu kodu derleyin, yükleyin ve çalıştırın. Seri monitör ile mesafe ölçümlerini görebileceksiniz. Sensöre yakın nesneler yerleştirin ve mesafe ölçümünü gözlemleyin:
+
+    ```output
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    Mesafe ölçer, sensörün arka tarafında yer alır, bu yüzden mesafeyi ölçerken doğru tarafı kullandığınızdan emin olun.
+
+    ![Time of Flight sensörünün arka tarafındaki mesafe ölçer bir muza doğrultulmuş](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.tr.png)
+
+> 💁 Bu kodu [code-proximity/wio-terminal](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Yakınlık sensörü programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/5-retail/README.md b/translations/tr/5-retail/README.md
new file mode 100644
index 00000000..48c55ec5
--- /dev/null
+++ b/translations/tr/5-retail/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
+  "translation_date": "2025-08-28T03:46:22+00:00",
+  "source_file": "5-retail/README.md",
+  "language_code": "tr"
+}
+-->
+# Perakende - Stok Seviyelerini Yönetmek için IoT Kullanımı
+
+Tüketicilere ulaşmadan önceki son aşama perakendedir - pazarlar, manavlar, süpermarketler ve ürünleri tüketicilere satan mağazalar. Bu mağazalar, tüketicilerin görüp satın alabilmesi için raflarda ürün bulundurduklarından emin olmak ister.
+
+Özellikle büyük süpermarketlerde, gıda mağazalarındaki en zahmetli ve zaman alan işlerden biri, rafların dolu olduğundan emin olmaktır. Mağaza depolarından ürün getirerek raflardaki boşlukları doldurmak için tek tek rafları kontrol etmek gerekir.
+
+IoT, bu konuda yardımcı olabilir. IoT cihazlarında çalışan yapay zeka modelleri, stokları saymak için kullanılabilir. Bu modeller, yalnızca görüntüleri sınıflandırmakla kalmaz, aynı zamanda bireysel nesneleri tespit edip sayabilir.
+
+Bu 2 derste, stok sayımı yapmak için görüntü tabanlı yapay zeka modellerini nasıl eğiteceğinizi ve bu modelleri IoT cihazlarında nasıl çalıştıracağınızı öğreneceksiniz.
+
+> 💁 Bu derslerde bazı bulut kaynakları kullanılacaktır. Eğer bu projedeki tüm dersleri tamamlamazsanız, [projenizi temizlediğinizden emin olun](../clean-up.md).
+
+## Konular
+
+1. [Bir stok dedektörü eğitme](./lessons/1-train-stock-detector/README.md)
+1. [Bir IoT cihazından stok kontrolü yapma](./lessons/2-check-stock-device/README.md)
+
+## Katkıda Bulunanlar
+
+Tüm dersler [Jim Bennett](https://GitHub.com/JimBobBennett) tarafından ♥️ ile yazılmıştır.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/5-retail/lessons/1-train-stock-detector/README.md b/translations/tr/5-retail/lessons/1-train-stock-detector/README.md
new file mode 100644
index 00000000..773d74a1
--- /dev/null
+++ b/translations/tr/5-retail/lessons/1-train-stock-detector/README.md
@@ -0,0 +1,206 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8df310a42f902139a01417dacb1ffbef",
+  "translation_date": "2025-08-28T03:47:13+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
+  "language_code": "tr"
+}
+-->
+# Stok Dedektörü Eğitimi
+
+![Bu dersin genel bir sketchnote görünümü](../../../../../translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için resme tıklayın.
+
+Bu video, Azure Custom Vision hizmeti ile Nesne Tespiti hakkında genel bir bakış sunar. Bu ders kapsamında bu hizmet ele alınacaktır.
+
+[![Custom Vision 2 - Nesne Tespiti Kolaylaştırıldı | The Xamarin Show](https://img.youtube.com/vi/wtTYSyBUpFc/0.jpg)](https://www.youtube.com/watch?v=wtTYSyBUpFc)
+
+> 🎥 Videoyu izlemek için yukarıdaki resme tıklayın
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
+
+## Giriş
+
+Önceki projede, bir görüntü sınıflandırıcı eğitmek için yapay zeka kullandınız - bir model, bir görüntünün olgun meyve veya olgunlaşmamış meyve gibi bir şey içerip içermediğini söyleyebilir. Görüntülerle kullanılabilecek başka bir yapay zeka modeli türü ise nesne tespitidir. Bu modeller, bir görüntüyü etiketlerle sınıflandırmaz, bunun yerine nesneleri tanımak için eğitilir ve yalnızca görüntünün mevcut olduğunu değil, görüntüde nerede olduğunu da tespit edebilir. Bu, görüntülerdeki nesneleri saymanıza olanak tanır.
+
+Bu derste nesne tespiti hakkında bilgi edineceksiniz, bunun perakende sektöründe nasıl kullanılabileceğini öğreneceksiniz ve bulutta bir nesne dedektörü eğitmeyi öğreneceksiniz.
+
+Bu derste ele alınacak konular:
+
+* [Nesne tespiti](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Perakende sektöründe nesne tespiti kullanımı](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Bir nesne dedektörü eğitmek](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Nesne dedektörünüzü test etmek](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Nesne dedektörünüzü yeniden eğitmek](../../../../../5-retail/lessons/1-train-stock-detector)
+
+## Nesne Tespiti
+
+Nesne tespiti, yapay zeka kullanarak görüntülerdeki nesneleri tespit etmeyi içerir. Son projede eğittiğiniz görüntü sınıflandırıcıdan farklı olarak, nesne tespiti bir görüntüye bir bütün olarak en iyi etiketi tahmin etmekle ilgili değildir, bir veya daha fazla nesneyi bir görüntüde bulmakla ilgilidir.
+
+### Nesne Tespiti ve Görüntü Sınıflandırma Arasındaki Fark
+
+Görüntü sınıflandırma, bir görüntüyü bir bütün olarak sınıflandırmakla ilgilidir - tüm görüntünün her etikete ne kadar uyduğuna dair olasılıkları belirler. Modeli eğitmek için kullanılan her etiket için olasılıkları geri alırsınız.
+
+![Kaju fıstığı ve domates salçasının görüntü sınıflandırması](../../../../../translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.tr.png)
+
+Yukarıdaki örnekte, iki görüntü, kaju fıstığı kutuları veya domates salçası kutularını sınıflandırmak için eğitilmiş bir model kullanılarak sınıflandırılmıştır. İlk görüntü bir kaju fıstığı kutusudur ve görüntü sınıflandırıcıdan iki sonuç alır:
+
+| Etiket         | Olasılık    |
+| -------------- | ----------: |
+| `kaju fıstığı` | %98.4       |
+| `domates salçası` | %1.6       |
+
+İkinci görüntü bir domates salçası kutusudur ve sonuçlar şunlardır:
+
+| Etiket         | Olasılık    |
+| -------------- | ----------: |
+| `kaju fıstığı` | %0.7        |
+| `domates salçası` | %99.3      |
+
+Bu değerleri, görüntüde ne olduğunu tahmin etmek için bir eşik yüzdesi ile kullanabilirsiniz. Ancak bir görüntüde birden fazla domates salçası kutusu veya hem kaju fıstığı hem de domates salçası varsa ne olur? Sonuçlar muhtemelen istediğiniz şeyi vermez. İşte burada nesne tespiti devreye girer.
+
+Nesne tespiti, bir modeli nesneleri tanımak için eğitmeyi içerir. Görüntüleri nesne içeren görüntüler olarak verip her görüntünün bir etiket veya başka bir şey olduğunu söylemek yerine, görüntünün belirli bir nesneyi içeren bölümünü vurgular ve etiketlersiniz. Bir görüntüde tek bir nesneyi veya birden fazla nesneyi etiketleyebilirsiniz. Bu şekilde model, nesnenin kendisinin nasıl göründüğünü öğrenir, sadece nesneyi içeren görüntülerin nasıl göründüğünü değil.
+
+Sonrasında tahmin yapmak için kullandığınızda, etiketler ve yüzdeler listesi yerine, algılanan nesnelerin bir listesini, sınırlayıcı kutularını ve sınırlayıcı kutunun atanan etikete uyma olasılığını geri alırsınız.
+
+> 🎓 *Sınırlayıcı kutular*, bir nesnenin etrafındaki kutulardır.
+
+![Kaju fıstığı ve domates salçasının nesne tespiti](../../../../../translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.tr.png)
+
+Yukarıdaki görüntüde hem bir kaju fıstığı kutusu hem de üç domates salçası kutusu bulunmaktadır. Nesne dedektörü, kaju fıstığını tespit etmiş ve kaju fıstığını içeren sınırlayıcı kutuyu ve sınırlayıcı kutunun nesneyi içerme olasılığını, bu durumda %97.6 olarak geri döndürmüştür. Nesne dedektörü ayrıca üç domates salçası kutusunu tespit etmiş ve her biri için ayrı sınırlayıcı kutular sağlamıştır. Her biri, sınırlayıcı kutunun bir domates salçası kutusunu içerme olasılığına sahiptir.
+
+✅ Görüntü tabanlı yapay zeka modelleri için kullanmak isteyebileceğiniz farklı senaryoları düşünün. Hangileri sınıflandırma gerektirir ve hangileri nesne tespiti gerektirir?
+
+### Nesne Tespiti Nasıl Çalışır?
+
+Nesne tespiti, karmaşık ML modelleri kullanır. Bu modeller, görüntüyü birden fazla hücreye bölerek çalışır, ardından sınırlayıcı kutunun merkezi, modeli eğitmek için kullanılan görüntülerden birine uyan bir görüntünün merkezi olup olmadığını kontrol eder. Bunu, görüntünün farklı bölümlerinde eşleşmeler aramak için bir görüntü sınıflandırıcı çalıştırmak gibi düşünebilirsiniz.
+
+> 💁 Bu, oldukça basitleştirilmiş bir açıklamadır. Nesne tespiti için birçok teknik vardır ve bunlar hakkında daha fazla bilgiyi [Wikipedia'daki Nesne Tespiti sayfasında](https://wikipedia.org/wiki/Object_detection) okuyabilirsiniz.
+
+Nesne tespiti yapabilen bir dizi farklı model vardır. Özellikle ünlü bir model olan [YOLO (You Only Look Once)](https://pjreddie.com/darknet/yolo/), inanılmaz derecede hızlıdır ve insanlar, köpekler, şişeler ve arabalar gibi 20 farklı nesne sınıfını tespit edebilir.
+
+✅ YOLO modeli hakkında [pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/) adresinden bilgi edinin.
+
+Nesne tespiti modelleri, transfer öğrenimi kullanılarak özel nesneleri tespit etmek için yeniden eğitilebilir.
+
+## Perakende Sektöründe Nesne Tespiti Kullanımı
+
+Nesne tespiti, perakende sektöründe birçok kullanım alanına sahiptir. Bazıları şunlardır:
+
+* **Stok kontrolü ve sayımı** - raflardaki stokun azaldığını tanıma. Stok çok düşükse, personel veya robotlara yeniden stoklama bildirimleri gönderilebilir.
+* **Maske tespiti** - halk sağlığı olayları sırasında maske politikası olan mağazalarda, nesne tespiti maskeli ve maskesiz insanları tanıyabilir.
+* **Otomatik faturalandırma** - otomatik mağazalarda raflardan alınan ürünleri tespit ederek müşterilere uygun şekilde faturalandırma.
+* **Tehlike tespiti** - zemindeki kırık nesneleri veya dökülmüş sıvıları tanıyarak temizlik ekiplerini uyarma.
+
+✅ Araştırma yapın: Perakende sektöründe nesne tespiti için başka hangi kullanım alanları olabilir?
+
+## Bir Nesne Dedektörü Eğitmek
+
+Custom Vision kullanarak bir nesne dedektörü eğitebilirsiniz, tıpkı bir görüntü sınıflandırıcıyı eğittiğiniz gibi.
+
+### Görev - Bir Nesne Dedektörü Oluşturun
+
+1. Bu proje için `stock-detector` adlı bir Kaynak Grubu oluşturun.
+
+1. `stock-detector` kaynak grubunda ücretsiz bir Custom Vision eğitim kaynağı ve ücretsiz bir Custom Vision tahmin kaynağı oluşturun. Bunlara `stock-detector-training` ve `stock-detector-prediction` adını verin.
+
+    > 💁 Sadece bir ücretsiz eğitim ve tahmin kaynağına sahip olabilirsiniz, bu yüzden önceki derslerden projenizi temizlediğinizden emin olun.
+
+    > ⚠️ [Proje 4, Ders 1'deki eğitim ve tahmin kaynakları oluşturma talimatlarına](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource) gerekirse başvurabilirsiniz.
+
+1. [CustomVision.ai](https://customvision.ai) adresindeki Custom Vision portalını açın ve Azure hesabınızda kullandığınız Microsoft hesabıyla oturum açın.
+
+1. Microsoft belgelerindeki [Bir nesne dedektörü oluşturma hızlı başlangıç bölümündeki Yeni bir Proje Oluşturma](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#create-a-new-project) talimatlarını takip ederek yeni bir Custom Vision projesi oluşturun. Kullanıcı arayüzü değişebilir ve bu belgeler her zaman en güncel referanstır.
+
+    Projenize `stock-detector` adını verin.
+
+    Projenizi oluştururken, daha önce oluşturduğunuz `stock-detector-training` kaynağını kullandığınızdan emin olun. *Nesne Tespiti* proje türünü ve *Raflardaki Ürünler* alanını seçin.
+
+    ![Custom Vision projesi ayarları](../../../../../translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.tr.png)
+
+    ✅ Raflardaki ürünler alanı, mağaza raflarındaki stokları tespit etmek için özel olarak tasarlanmıştır. Microsoft belgelerindeki [Bir alan seçme dokümantasyonu](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection) bölümünde farklı alanlar hakkında daha fazla bilgi edinin.
+
+✅ Nesne dedektörünüz için Custom Vision kullanıcı arayüzünü keşfetmek için biraz zaman ayırın.
+
+### Görev - Nesne Dedektörünüzü Eğitin
+
+Modelinizi eğitmek için tespit etmek istediğiniz nesneleri içeren bir dizi görüntüye ihtiyacınız olacak.
+
+1. Tespit edilecek nesneyi içeren görüntüler toplayın. Her nesneyi tespit etmek için en az 15 görüntüye ihtiyacınız olacak, farklı açılardan ve farklı ışık koşullarında çekilmiş, ancak ne kadar çok olursa o kadar iyi. Bu nesne dedektörü *Raflardaki Ürünler* alanını kullanır, bu yüzden nesneleri bir mağaza rafındaymış gibi düzenlemeye çalışın. Ayrıca modeli test etmek için birkaç görüntüye ihtiyacınız olacak. Birden fazla nesneyi tespit ediyorsanız, tüm nesneleri içeren bazı test görüntülerine ihtiyacınız olacak.
+
+    > 💁 Farklı nesneleri içeren görüntüler, görüntüdeki tüm nesneler için 15 görüntü minimumuna katkıda bulunur.
+
+    Görüntüleriniz png veya jpeg formatında olmalı, 6MB'den küçük olmalıdır. Örneğin bir iPhone ile oluşturulmuşlarsa, yüksek çözünürlüklü HEIC görüntüler olabilir, bu yüzden dönüştürülmeleri ve muhtemelen küçültülmeleri gerekebilir. Ne kadar çok görüntü olursa o kadar iyi ve olgun ve olgunlaşmamış nesneler için benzer sayıda görüntüye sahip olmalısınız.
+
+    Model, raflardaki ürünler için tasarlanmıştır, bu yüzden nesnelerin fotoğraflarını raflarda çekmeye çalışın.
+
+    Kaju fıstığı ve domates salçası içeren bazı örnek görüntüleri [images](../../../../../5-retail/lessons/1-train-stock-detector/images) klasöründe bulabilirsiniz.
+
+1. Microsoft belgelerindeki [Bir nesne dedektörü oluşturma hızlı başlangıç bölümündeki Görüntüleri Yükleme ve Etiketleme](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) talimatlarını takip ederek eğitim görüntülerinizi yükleyin. Tespit etmek istediğiniz nesne türlerine bağlı olarak ilgili etiketler oluşturun.
+
+    ![Olgun ve olgunlaşmamış muz resimlerinin yükleme diyalogları](../../../../../translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.tr.png)
+
+    Nesneler için sınırlayıcı kutular çizerken, kutuları nesnenin etrafında sıkı tutun. Tüm görüntüleri çevrelemek biraz zaman alabilir, ancak araç, sınırlayıcı kutuların ne olduğunu düşündüğünü tespit eder, bu da işlemi hızlandırır.
+
+    ![Domates salçasını etiketleme](../../../../../translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.tr.png)
+
+    > 💁 Her nesne için 15'ten fazla görüntünüz varsa, önce 15 görüntüyle eğitip ardından **Önerilen Etiketler** özelliğini kullanabilirsiniz. Bu, eğitilmiş modeli kullanarak etiketlenmemiş görüntülerdeki nesneleri tespit eder. Algılanan nesneleri onaylayabilir veya reddedip sınırlayıcı kutuları yeniden çizebilirsiniz. Bu, *çok* zaman kazandırabilir.
+
+1. Microsoft belgelerindeki [Bir nesne dedektörü oluşturma hızlı başlangıç bölümündeki Dedektörü Eğitme](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector) talimatlarını takip ederek etiketlenmiş görüntülerinizde nesne dedektörünü eğitin.
+
+    Size bir eğitim türü seçeneği sunulacaktır. **Hızlı Eğitim** seçeneğini seçin.
+
+Nesne dedektörü eğitilecektir. Eğitimin tamamlanması birkaç dakika sürecektir.
+
+## Nesne Dedektörünüzü Test Edin
+
+Nesne dedektörünüz eğitildikten sonra, yeni görüntüler vererek nesneleri tespit edip edemediğini test edebilirsiniz.
+
+### Görev - Nesne Dedektörünüzü Test Edin
+
+1. **Hızlı Test** düğmesini kullanarak test görüntülerinizi yükleyin ve nesnelerin tespit edilip edilmediğini doğrulayın. Daha önce oluşturduğunuz test görüntülerini kullanın, eğitim için kullandığınız görüntüleri değil.
+
+    ![3 domates salçası kutusu %38, %35.5 ve %34.6 olasılıklarla tespit edildi](../../../../../translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.tr.png)
+
+1. Erişiminiz olan tüm test görüntülerini deneyin ve olasılıkları gözlemleyin.
+
+## Nesne Dedektörünüzü Yeniden Eğitin
+
+Nesne dedektörünüzü test ettiğinizde, beklediğiniz sonuçları vermeyebilir, tıpkı önceki projedeki görüntü sınıflandırıcılar gibi. Nesne dedektörünüzü yanlış sonuçlar verdiği görüntülerle yeniden eğiterek geliştirebilirsiniz.
+
+Hızlı test seçeneğini kullanarak her tahmin yaptığınızda, görüntü ve sonuçlar saklanır. Bu görüntüleri modelinizi yeniden eğitmek için kullanabilirsiniz.
+
+1. **Tahminler** sekmesini kullanarak test için kullandığınız görüntüleri bulun.
+
+1. Doğru tespitleri onaylayın, yanlış olanları silin ve eksik nesneleri ekleyin.
+
+1. Modeli yeniden eğitin ve yeniden test edin.
+
+---
+
+## 🚀 Zorluk
+
+Domates salçası ve doğranmış domates gibi benzer görünümlü ürünlerle nesne dedektörünü kullansaydınız ne olurdu?
+
+Benzer görünümlü ürünleriniz varsa, nesne dedektörünüze bunların görüntülerini ekleyerek test edin.
+
+## Ders Sonrası Test
+[Post-lecture quiz](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* Nesne algılayıcınızı eğittiğinizde, oluşturulan modeli değerlendiren *Precision*, *Recall* ve *mAP* değerlerini görmüş olmalısınız. Bu değerlerin ne olduğunu öğrenmek için [Microsoft dokümanlarındaki Nesne algılayıcıyı değerlendirme bölümünü](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector) okuyun.
+* Nesne algılama hakkında daha fazla bilgi edinmek için [Wikipedia'daki Nesne algılama sayfasını](https://wikipedia.org/wiki/Object_detection) okuyun.
+
+## Ödev
+
+[Alanları karşılaştır](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/tr/5-retail/lessons/1-train-stock-detector/assignment.md
new file mode 100644
index 00000000..0a2d291d
--- /dev/null
+++ b/translations/tr/5-retail/lessons/1-train-stock-detector/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
+  "translation_date": "2025-08-28T03:48:02+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Alanları Karşılaştır
+
+## Talimatlar
+
+Nesne algılayıcınızı oluştururken, birden fazla alan seçeneğiniz vardı. Bunların stok algılayıcınız için ne kadar iyi çalıştığını karşılaştırın ve hangisinin daha iyi sonuç verdiğini açıklayın.
+
+Alanı değiştirmek için, üst menüdeki **Ayarlar** düğmesini seçin, yeni bir alan seçin, ardından **Değişiklikleri kaydet** düğmesini seçin ve modeli yeniden eğitin. Yeni alanla eğitilmiş modelin yeni iterasyonunu test ettiğinizden emin olun.
+
+## Değerlendirme Kriterleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| ------- | ----------------- | ------- | -------------------- |
+| Modeli farklı bir alanla eğitme | Alanı değiştirebildi ve modeli yeniden eğitebildi | Alanı değiştirebildi ve modeli yeniden eğitebildi | Alanı değiştiremedi veya modeli yeniden eğitemedi |
+| Modeli test etme ve sonuçları karşılaştırma | Modeli farklı alanlarla test edebildi, sonuçları karşılaştırabildi ve hangisinin daha iyi olduğunu açıklayabildi | Modeli farklı alanlarla test edebildi, ancak sonuçları karşılaştıramadı ve hangisinin daha iyi olduğunu açıklayamadı | Modeli farklı alanlarla test edemedi |
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/5-retail/lessons/2-check-stock-device/README.md b/translations/tr/5-retail/lessons/2-check-stock-device/README.md
new file mode 100644
index 00000000..55a67bae
--- /dev/null
+++ b/translations/tr/5-retail/lessons/2-check-stock-device/README.md
@@ -0,0 +1,191 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
+  "translation_date": "2025-08-28T03:48:45+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
+  "language_code": "tr"
+}
+-->
+# IoT Cihazından Stok Kontrolü
+
+![Bu dersin genel görünümünü gösteren bir skeç notu](../../../../../translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.tr.jpg)
+
+> Skeç notu: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
+
+## Giriş
+
+Önceki derste, perakendede nesne tespitinin farklı kullanım alanlarını öğrendiniz. Ayrıca, stokları tanımlamak için bir nesne dedektörünü nasıl eğiteceğinizi de öğrendiniz. Bu derste, IoT cihazınızdan nesne dedektörünüzü kullanarak stok saymayı öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Stok sayımı](../../../../../5-retail/lessons/2-check-stock-device)
+* [IoT cihazınızdan nesne dedektörünüzü çağırma](../../../../../5-retail/lessons/2-check-stock-device)
+* [Sınır kutuları](../../../../../5-retail/lessons/2-check-stock-device)
+* [Modeli yeniden eğitme](../../../../../5-retail/lessons/2-check-stock-device)
+* [Stok sayma](../../../../../5-retail/lessons/2-check-stock-device)
+
+> 🗑 Bu proje içindeki son derstir, bu yüzden bu dersi ve ödevi tamamladıktan sonra bulut hizmetlerinizi temizlemeyi unutmayın. Ödevi tamamlamak için bu hizmetlere ihtiyacınız olacak, bu yüzden önce ödevi tamamladığınızdan emin olun.
+>
+> Gerekirse [projenizi temizleme rehberine](../../../clean-up.md) başvurabilirsiniz.
+
+## Stok Sayımı
+
+Nesne dedektörleri, stok kontrolü için kullanılabilir; stok sayımı yapmak veya stokların olması gereken yerde olup olmadığını kontrol etmek için. Kameralı IoT cihazları, mağaza genelinde stokları izlemek için konuşlandırılabilir. Bu, özellikle az sayıda yüksek değerli ürünlerin bulunduğu alanlar gibi, ürünlerin yeniden stoklanmasının önemli olduğu sıcak noktalardan başlayabilir.
+
+Örneğin, bir kamera 8 kutu domates salçası alabilecek bir rafı izliyorsa ve bir nesne dedektörü yalnızca 7 kutu tespit ediyorsa, bir kutu eksiktir ve yeniden stoklanması gerekir.
+
+![Bir rafta 7 kutu domates salçası, üst sırada 4, alt sırada 3](../../../../../translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.tr.png)
+
+Yukarıdaki görselde, bir nesne dedektörü 8 kutu alabilecek bir rafta 7 kutu domates salçası tespit etmiştir. IoT cihazı yalnızca yeniden stoklama ihtiyacını bildirmekle kalmaz, aynı zamanda eksik ürünün yerini de belirtebilir. Bu, rafları yeniden stoklamak için robotlar kullanıyorsanız önemli bir veridir.
+
+> 💁 Mağazaya ve ürünün popülerliğine bağlı olarak, yalnızca 1 kutu eksikse yeniden stoklama yapılmayabilir. Ürünlerinize, müşterilerinize ve diğer kriterlere göre ne zaman yeniden stoklama yapılacağını belirleyen bir algoritma oluşturmanız gerekir.
+
+✅ Nesne tespiti ve robotları başka hangi senaryolarda birleştirebilirsiniz?
+
+Bazen raflarda yanlış stok bulunabilir. Bu, yeniden stoklama sırasında yapılan bir insan hatası veya müşterilerin satın alma kararlarını değiştirip ürünü ilk buldukları yere geri koymaları nedeniyle olabilir. Bu durum, konserve ürünler gibi bozulmayan ürünler için bir rahatsızlık yaratır. Ancak, dondurulmuş veya soğutulmuş ürünler gibi bozulabilir ürünler için, ürünün ne kadar süreyle dondurucudan çıkarıldığını belirlemek imkansız olabileceğinden, ürün artık satılamaz hale gelebilir.
+
+Nesne tespiti, beklenmeyen ürünleri tespit etmek için kullanılabilir ve bu ürünlerin tespit edildiği anda bir insanı veya robotu uyararak ürünü geri yerine koymasını sağlayabilir.
+
+![Domates salçası rafında yanlış yerleştirilmiş bir bebek mısır konservesi](../../../../../translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.tr.png)
+
+Yukarıdaki görselde, bir bebek mısır konservesi domates salçası rafına yerleştirilmiştir. Nesne dedektörü bunu tespit etmiş ve IoT cihazı bir insanı veya robotu uyararak konservesi doğru yerine koymasını sağlamıştır.
+
+## IoT Cihazınızdan Nesne Dedektörünüzü Çağırma
+
+Son derste eğittiğiniz nesne dedektörü, IoT cihazınızdan çağrılabilir.
+
+### Görev - Nesne Dedektörünüzün Bir Sürümünü Yayınlayın
+
+Sürümler, Custom Vision portalından yayınlanır.
+
+1. [CustomVision.ai](https://customvision.ai) adresinden Custom Vision portalını başlatın ve henüz açık değilse oturum açın. Ardından `stock-detector` projenizi açın.
+
+1. Üstteki seçeneklerden **Performance** sekmesini seçin.
+
+1. Yan taraftaki *Iterations* listesinden en son sürümü seçin.
+
+1. Sürüm için **Publish** düğmesini seçin.
+
+    ![Yayınla düğmesi](../../../../../translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.tr.png)
+
+1. *Publish Model* iletişim kutusunda, *Prediction resource* alanını önceki derste oluşturduğunuz `stock-detector-prediction` kaynağına ayarlayın. Adı `Iteration2` olarak bırakın ve **Publish** düğmesini seçin.
+
+1. Yayınlandıktan sonra **Prediction URL** düğmesini seçin. Bu, tahmin API'sinin ayrıntılarını gösterecektir ve modeli IoT cihazınızdan çağırmak için bu bilgilere ihtiyacınız olacak. Alt bölüm *If you have an image file* olarak etiketlenmiştir ve ihtiyacınız olan ayrıntılar buradadır. Şu şekilde bir URL'nin bir kopyasını alın:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
+    ```
+
+    Burada `<location>`, özel görüş kaynağınızı oluştururken kullandığınız konum olacaktır ve `<id>` harfler ve rakamlardan oluşan uzun bir kimliktir.
+
+    Ayrıca *Prediction-Key* değerinin bir kopyasını alın. Bu, modeli çağırırken geçirmeniz gereken güvenli bir anahtardır. Yalnızca bu anahtarı geçen uygulamalar modeli kullanabilir, diğer tüm uygulamalar reddedilir.
+
+    ![Tahmin API'si iletişim kutusu, URL ve anahtarı gösteriyor](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.tr.png)
+
+✅ Yeni bir sürüm yayınlandığında, farklı bir adı olacaktır. IoT cihazının kullandığı sürümü nasıl değiştireceğinizi düşünüyorsunuz?
+
+### Görev - IoT Cihazınızdan Nesne Dedektörünüzü Çağırın
+
+IoT cihazınızdan nesne dedektörünü kullanmak için aşağıdaki ilgili rehberi takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal cihaz](single-board-computer-object-detector.md)
+
+## Sınır Kutuları
+
+Nesne dedektörünü kullandığınızda, yalnızca tespit edilen nesneleri etiketleri ve olasılıklarıyla birlikte değil, aynı zamanda nesnelerin sınır kutularını da alırsınız. Bu kutular, nesne dedektörünün belirli bir olasılıkla nesneyi tespit ettiği alanı tanımlar.
+
+> 💁 Bir sınır kutusu, tespit edilen nesneyi içeren alanı tanımlayan bir kutudur, nesne için sınırı belirler.
+
+Custom Vision'daki **Predictions** sekmesindeki bir tahminin sonuçları, tahmin için gönderilen görüntüde çizilmiş sınır kutularına sahiptir.
+
+![Bir rafta 4 kutu domates salçası, tahminler 35.8%, 33.5%, 25.7% ve 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.tr.png)
+
+Yukarıdaki görselde, 4 kutu domates salçası tespit edilmiştir. Sonuçlarda, görüntüde tespit edilen her nesne için bir kırmızı kare yerleştirilmiştir ve bu, görüntü için sınır kutusunu belirtir.
+
+✅ Custom Vision'daki tahminleri açın ve sınır kutularını inceleyin.
+
+Sınır kutuları 4 değerle tanımlanır - üst, sol, yükseklik ve genişlik. Bu değerler 0-1 arasında bir ölçekle ifade edilir ve görüntünün boyutuna göre bir yüzde olarak pozisyonları temsil eder. Başlangıç noktası (0,0 pozisyonu) görüntünün sol üst köşesidir, bu nedenle üst değer yukarıdan olan mesafeyi, sınır kutusunun altı ise üst artı yükseklik değerini ifade eder.
+
+![Bir domates salçası kutusunun etrafında bir sınır kutusu](../../../../../translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.tr.png)
+
+Yukarıdaki görsel 600 piksel genişliğinde ve 800 piksel yüksekliğindedir. Sınır kutusu 320 piksel aşağıdan başlar, bu da 0.4 üst koordinatını verir (800 x 0.4 = 320). Soldan, sınır kutusu 240 piksel ileride başlar, bu da 0.4 sol koordinatını verir (600 x 0.4 = 240). Sınır kutusunun yüksekliği 240 piksel, bu da 0.3 yükseklik değerini verir (800 x 0.3 = 240). Sınır kutusunun genişliği 120 piksel, bu da 0.2 genişlik değerini verir (600 x 0.2 = 120).
+
+| Koordinat | Değer |
+| ---------- | ----: |
+| Üst        | 0.4   |
+| Sol        | 0.4   |
+| Yükseklik  | 0.3   |
+| Genişlik   | 0.2   |
+
+0-1 arasındaki yüzde değerlerini kullanmak, görüntü ne kadar ölçeklenirse ölçeklensin, sınır kutusunun 0.4 oranında ileride ve aşağıda başlamasını ve 0.3 yükseklik ve 0.2 genişlikte olmasını sağlar.
+
+Sınır kutularını olasılıklarla birleştirerek bir tespitin ne kadar doğru olduğunu değerlendirebilirsiniz. Örneğin, bir nesne dedektörü üst üste binen birden fazla nesne tespit edebilir, örneğin bir kutunun içinde başka bir kutu tespit edebilir. Kodunuz sınır kutularını inceleyebilir, bunun imkansız olduğunu anlayabilir ve diğer nesnelerle önemli ölçüde örtüşen nesneleri görmezden gelebilir.
+
+![Bir domates salçası kutusunu kapsayan iki sınır kutusu](../../../../../translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.tr.png)
+
+Yukarıdaki örnekte, bir sınır kutusu %78.3 olasılıkla bir domates salçası kutusu tespit ettiğini belirtmiştir. İkinci bir sınır kutusu biraz daha küçüktür ve ilk sınır kutusunun içinde %64.3 olasılıkla bir tespit yapmıştır. Kodunuz sınır kutularını kontrol edebilir, tamamen örtüştüklerini görebilir ve daha düşük olasılığı görmezden gelebilir çünkü bir kutunun başka bir kutunun içinde olması mümkün değildir.
+
+✅ Bir nesnenin başka bir nesnenin içinde tespit edilmesinin geçerli olduğu bir durumu düşünebilir misiniz?
+
+## Modeli Yeniden Eğitme
+
+Görüntü sınıflandırıcıda olduğu gibi, IoT cihazınızdan alınan verilerle modelinizi yeniden eğitebilirsiniz. Bu gerçek dünya verilerini kullanmak, modelinizin IoT cihazınızdan kullanıldığında iyi çalışmasını sağlar.
+
+Görüntü sınıflandırıcıdan farklı olarak, yalnızca bir görüntüyü etiketleyemezsiniz. Bunun yerine, model tarafından tespit edilen her sınır kutusunu gözden geçirmeniz gerekir. Eğer kutu yanlış bir şeyin etrafındaysa silinmesi, yanlış bir konumdaysa düzeltilmesi gerekir.
+
+### Görev - Modeli Yeniden Eğitme
+
+1. IoT cihazınızdan bir dizi görüntü yakaladığınızdan emin olun.
+
+1. **Predictions** sekmesinden bir görüntü seçin. Tespit edilen nesnelerin sınır kutularını gösteren kırmızı kutular göreceksiniz.
+
+1. Her sınır kutusunu gözden geçirin. Önce kutuyu seçin ve bir açılır pencere etiketi gösterecektir. Gerekirse sınır kutusunun boyutunu ayarlamak için köşelerdeki tutamaçları kullanın. Etiket yanlışsa, **X** düğmesiyle kaldırın ve doğru etiketi ekleyin. Sınır kutusu bir nesne içermiyorsa, çöp kutusu düğmesiyle silin.
+
+1. Düzenleyiciyi kapattığınızda, görüntü **Predictions** sekmesinden **Training Images** sekmesine taşınacaktır. Tüm tahminler için bu işlemi tekrarlayın.
+
+1. **Train** düğmesini kullanarak modelinizi yeniden eğitin. Eğitim tamamlandıktan sonra sürümü yayınlayın ve IoT cihazınızı yeni sürümün URL'sini kullanacak şekilde güncelleyin.
+
+1. Kodunuzu yeniden dağıtın ve IoT cihazınızı test edin.
+
+## Stok Sayma
+
+Tespit edilen nesnelerin sayısı ve sınır kutularının bir kombinasyonunu kullanarak, bir raftaki stokları sayabilirsiniz.
+
+### Görev - Stok Sayma
+
+IoT cihazınızdan nesne dedektöründen alınan sonuçları kullanarak stok saymak için aşağıdaki ilgili rehberi takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-count-stock.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal cihaz](single-board-computer-count-stock.md)
+
+---
+
+## 🚀 Zorluk
+
+Yanlış stokları tespit edebilir misiniz? Modelinizi birden fazla nesne üzerinde eğitin, ardından uygulamanızı yanlış stok tespit edildiğinde sizi uyarması için güncelleyin.
+
+Belki bunu bir adım ileri götürerek aynı rafta yan yana duran stokları tespit edin ve sınır kutularına limitler tanımlayarak bir şeyin yanlış yere konulup konulmadığını görün.
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/40)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* Microsoft Docs'taki [Edge'de stok tükenme tespiti desen rehberinden](https://docs.microsoft.com/hybrid/app-solutions/pattern-out-of-stock-at-edge?WT.mc_id=academic-17441-jabenn) uçtan uca bir stok tespit sistemi nasıl tasarlanacağını öğrenin.
+* IoT ve bulut hizmetlerini birleştirerek uçtan uca perakende çözümleri oluşturmanın diğer yollarını öğrenmek için bu [Perakende çözümünün perde arkası - Hands On! YouTube videosunu](https://www.youtube.com/watch?v=m3Pc300x2Mw) izleyin.
+
+## Ödev
+
+[Nesne dedektörünüzü uçta kullanın](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/5-retail/lessons/2-check-stock-device/assignment.md b/translations/tr/5-retail/lessons/2-check-stock-device/assignment.md
new file mode 100644
index 00000000..bea946f6
--- /dev/null
+++ b/translations/tr/5-retail/lessons/2-check-stock-device/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
+  "translation_date": "2025-08-28T03:51:12+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Nesne algılayıcınızı uçta kullanın
+
+## Talimatlar
+
+Son projede, görüntü sınıflandırıcınızı uca dağıttınız. Aynısını nesne algılayıcınızla yapın; onu kompakt bir model olarak dışa aktarın ve uçta çalıştırın, IoT cihazınızdan uç versiyonuna erişin.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Örnek | Yeterli | Geliştirme Gerekiyor |
+| ------- | ------ | -------- | ------------------- |
+| Nesne algılayıcınızı uca dağıtın | Doğru kompakt alanı kullanabildi, nesne algılayıcıyı dışa aktarabildi ve uçta çalıştırabildi | Doğru kompakt alanı kullanabildi ve nesne algılayıcıyı dışa aktarabildi, ancak uçta çalıştıramadı | Doğru kompakt alanı kullanamadı, nesne algılayıcıyı dışa aktaramadı ve uçta çalıştıramadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul edilmez.
\ No newline at end of file
diff --git a/translations/tr/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/tr/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
new file mode 100644
index 00000000..9ff6e32a
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:50:13+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
+  "language_code": "tr"
+}
+-->
+# IoT Cihazınızdan Stok Sayımı - Sanal IoT Donanımı ve Raspberry Pi
+
+Tahminler ve bunlara ait sınırlayıcı kutuların kombinasyonu, bir görüntüdeki stokları saymak için kullanılabilir.
+
+## Sınırlayıcı Kutuları Göster
+
+Sorun giderme adımı olarak, sınırlayıcı kutuları yalnızca konsola yazdırmakla kalmaz, aynı zamanda bir görüntü yakalandığında diske kaydedilen görüntü üzerinde de çizebilirsiniz.
+
+### Görev - Sınırlayıcı Kutuları Yazdır
+
+1. `stock-counter` projesinin VS Code'da açık olduğundan ve sanal bir IoT cihazı kullanıyorsanız sanal ortamın etkinleştirildiğinden emin olun.
+
+1. `for` döngüsündeki `print` ifadesini aşağıdaki gibi değiştirerek sınırlayıcı kutuları konsola yazdırın:
+
+    ```python
+    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
+    ```
+
+1. Kamerayı bir raftaki stoklara doğrultarak uygulamayı çalıştırın. Sınırlayıcı kutular konsola yazdırılacak ve sol, üst, genişlik ve yükseklik değerleri 0-1 arasında olacaktır.
+
+    ```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}
+    ```
+
+### Görev - Görüntü Üzerine Sınırlayıcı Kutuları Çiz
+
+1. [Pillow](https://pypi.org/project/Pillow/) adlı Pip paketi, görüntüler üzerinde çizim yapmak için kullanılabilir. Bunu aşağıdaki komutla yükleyin:
+
+    ```sh
+    pip3 install pillow
+    ```
+
+    Sanal bir IoT cihazı kullanıyorsanız, bu komutu etkinleştirilmiş sanal ortam içinde çalıştırdığınızdan emin olun.
+
+1. `app.py` dosyasının en üstüne aşağıdaki import ifadesini ekleyin:
+
+    ```python
+    from PIL import Image, ImageDraw, ImageColor
+    ```
+
+    Bu, görüntüyü düzenlemek için gereken kodu içe aktarır.
+
+1. `app.py` dosyasının sonuna aşağıdaki kodu ekleyin:
+
+    ```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')
+    ```
+
+    Bu kod, daha önce düzenleme için kaydedilen görüntüyü açar. Ardından tahminler arasında döngü yaparak sınırlayıcı kutuları alır ve 0-1 aralığındaki sınırlayıcı kutu değerlerini kullanarak alt sağ koordinatı hesaplar. Bu değerler, görüntünün ilgili boyutuyla çarpılarak görüntü koordinatlarına dönüştürülür. Örneğin, sol değer 0.5 ve görüntü 600 piksel genişliğindeyse, bu değer 300'e dönüştürülür (0.5 x 600 = 300).
+
+    Her sınırlayıcı kutu, görüntü üzerine kırmızı bir çizgiyle çizilir. Son olarak düzenlenmiş görüntü kaydedilir ve orijinal görüntünün üzerine yazılır.
+
+1. Kamerayı bir raftaki stoklara doğrultarak uygulamayı çalıştırın. VS Code gezgininde `image.jpg` dosyasını göreceksiniz ve sınırlayıcı kutuları görmek için seçebilirsiniz.
+
+    ![Her bir kutunun etrafında sınırlayıcı kutular olan 4 domates salçası kutusu](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.tr.jpg)
+
+## Stok Sayımı
+
+Yukarıda gösterilen görüntüde, sınırlayıcı kutuların küçük bir örtüşmesi var. Eğer bu örtüşme çok daha büyük olsaydı, sınırlayıcı kutular aynı nesneyi gösterebilirdi. Nesneleri doğru bir şekilde saymak için, önemli bir örtüşmeye sahip kutuları görmezden gelmeniz gerekir.
+
+### Görev - Örtüşmeyi Görmezden Gelerek Stok Sayımı
+
+1. [Shapely](https://pypi.org/project/Shapely/) adlı Pip paketi, kesişimi hesaplamak için kullanılabilir. Raspberry Pi kullanıyorsanız, önce bir kütüphane bağımlılığı yüklemeniz gerekir:
+
+    ```sh
+    sudo apt install libgeos-dev
+    ```
+
+1. Shapely Pip paketini yükleyin:
+
+    ```sh
+    pip3 install shapely
+    ```
+
+    Sanal bir IoT cihazı kullanıyorsanız, bu komutu etkinleştirilmiş sanal ortam içinde çalıştırdığınızdan emin olun.
+
+1. `app.py` dosyasının en üstüne aşağıdaki import ifadesini ekleyin:
+
+    ```python
+    from shapely.geometry import Polygon
+    ```
+
+    Bu, örtüşmeyi hesaplamak için çokgenler oluşturmak için gereken kodu içe aktarır.
+
+1. Sınırlayıcı kutuları çizen kodun üstüne aşağıdaki kodu ekleyin:
+
+    ```python
+    overlap_threshold = 0.20
+    ```
+
+    Bu, sınırlayıcı kutuların aynı nesne olarak kabul edilmesi için izin verilen yüzde örtüşme oranını tanımlar. 0.20, %20 örtüşmeyi ifade eder.
+
+1. Shapely kullanarak örtüşmeyi hesaplamak için, sınırlayıcı kutuların Shapely çokgenlerine dönüştürülmesi gerekir. Bunu yapmak için aşağıdaki fonksiyonu ekleyin:
+
+    ```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)])
+    ```
+
+    Bu, bir tahminin sınırlayıcı kutusunu kullanarak bir çokgen oluşturur.
+
+1. Örtüşen nesneleri kaldırma mantığı, tüm sınırlayıcı kutuları karşılaştırmayı içerir. Eğer herhangi bir tahmin çiftinin sınırlayıcı kutuları eşik değerinden fazla örtüşüyorsa, tahminlerden biri silinir. Tüm tahminleri karşılaştırmak için, tahmin 1'i 2, 3, 4, vb. ile, ardından 2'yi 3, 4, vb. ile karşılaştırırsınız. Aşağıdaki kod bunu yapar:
+
+    ```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')
+    ```
+
+    Örtüşme, Shapely'nin `Polygon.intersection` yöntemi kullanılarak hesaplanır ve bu yöntem örtüşmeyi içeren bir çokgen döndürür. Alan, bu çokgenden hesaplanır. Bu örtüşme eşiği mutlak bir değer değildir, ancak en küçük sınırlayıcı kutunun yüzde örtüşme eşiği aşılmaması için gereken alanı hesaplamak için kullanılır. Eğer örtüşme bu değeri aşarsa, tahmin silinmek üzere işaretlenir.
+
+    Bir tahmin silinmek üzere işaretlendikten sonra tekrar kontrol edilmesine gerek yoktur, bu yüzden iç döngü bir sonraki tahmini kontrol etmek için kırılır. Bir liste üzerinde iterasyon yaparken öğeleri silemezsiniz, bu yüzden eşik değerinden fazla örtüşen sınırlayıcı kutular `to_delete` listesine eklenir ve ardından sonunda silinir.
+
+    Son olarak stok sayımı konsola yazdırılır. Bu, stok seviyeleri düşükse bir IoT hizmetine gönderilebilir. Tüm bu kod, sınırlayıcı kutular çizilmeden önce çalışır, böylece oluşturulan görüntülerde örtüşme olmayan stok tahminlerini görürsünüz.
+
+    > 💁 Bu, örtüşmeleri kaldırmak için çok basit bir yöntemdir; sadece örtüşen çiftteki ilk tahmini kaldırır. Üretim kodu için, burada daha fazla mantık eklemek isteyebilirsiniz, örneğin birden fazla nesne arasındaki örtüşmeleri dikkate almak veya bir sınırlayıcı kutunun başka bir kutunun içinde olup olmadığını kontrol etmek gibi.
+
+1. Kamerayı bir raftaki stoklara doğrultarak uygulamayı çalıştırın. Çıktı, eşik değeri aşan örtüşmeleri olmayan sınırlayıcı kutuların sayısını gösterecektir. Tahminlerin görmezden gelindiğini görmek için `overlap_threshold` değerini ayarlamayı deneyin.
+
+> 💁 Bu kodu [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) veya [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device) klasöründe bulabilirsiniz.
+
+😀 Stok sayacı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/tr/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
new file mode 100644
index 00000000..1838d601
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:51:31+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
+  "language_code": "tr"
+}
+-->
+# Nesne Algılayıcınızı IoT Cihazınızdan Çalıştırın - Sanal IoT Donanımı ve Raspberry Pi
+
+Nesne algılayıcınız yayınlandıktan sonra, IoT cihazınızdan kullanılabilir.
+
+## Görüntü sınıflandırıcı projesini kopyalayın
+
+Stok algılayıcınızın büyük bir kısmı, önceki bir derste oluşturduğunuz görüntü sınıflandırıcı ile aynıdır.
+
+### Görev - görüntü sınıflandırıcı projesini kopyalayın
+
+1. Eğer sanal bir IoT cihazı kullanıyorsanız bilgisayarınızda, ya da Raspberry Pi üzerinde `stock-counter` adında bir klasör oluşturun. Sanal bir IoT cihazı kullanıyorsanız, bir sanal ortam kurduğunuzdan emin olun.
+
+1. Kamera donanımını kurun.
+
+    * Eğer bir Raspberry Pi kullanıyorsanız, PiCamera'yı takmanız gerekecek. Ayrıca, kamerayı sabit bir konuma yerleştirmek isteyebilirsiniz; örneğin, kabloyu bir kutunun ya da tenekenin üzerine asarak veya kamerayı çift taraflı bantla bir kutuya sabitleyerek.
+    * Eğer sanal bir IoT cihazı kullanıyorsanız, CounterFit ve CounterFit PyCamera shim'i yüklemeniz gerekecek. Eğer sabit görüntüler kullanacaksanız, nesne algılayıcınızın daha önce görmediği bazı görüntüler yakalayın. Eğer web kameranızı kullanacaksanız, algılayacağınız stokları görebilecek şekilde konumlandırdığınızdan emin olun.
+
+1. Kameradan görüntü yakalamak için [üretim projesinin 2. dersi](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device)'ndeki adımları tekrarlayın.
+
+1. Görüntü sınıflandırıcıyı çağırmak için [üretim projesinin 2. dersi](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device)'ndeki adımları tekrarlayın. Bu kodun büyük bir kısmı nesne algılamak için yeniden kullanılacaktır.
+
+## Kodunuzu bir sınıflandırıcıdan görüntü algılayıcıya dönüştürün
+
+Görüntüleri sınıflandırmak için kullandığınız kod, nesneleri algılamak için kullanılan koda oldukça benzerdir. Ana fark, Custom Vision SDK'da çağrılan yöntem ve çağrının sonuçlarıdır.
+
+### Görev - kodu bir sınıflandırıcıdan görüntü algılayıcıya dönüştürün
+
+1. Görüntüyü sınıflandıran ve tahminleri işleyen üç satırlık kodu silin:
+
+    ```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}%')
+    ```
+
+    Bu üç satırı kaldırın.
+
+1. Görüntüdeki nesneleri algılamak için aşağıdaki kodu ekleyin:
+
+    ```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}%')
+    ```
+
+    Bu kod, nesne algılayıcıyı çalıştırmak için tahmin edicinin `detect_image` yöntemini çağırır. Daha sonra, belirli bir eşik değerinin üzerindeki tüm tahminleri toplar ve bunları konsola yazdırır.
+
+    Görüntü sınıflandırıcı yalnızca her etiket için bir sonuç döndürürken, nesne algılayıcı birden fazla sonuç döndürebilir. Bu nedenle, düşük olasılıklı tahminlerin filtrelenmesi gerekir.
+
+1. Bu kodu çalıştırın; bir görüntü yakalayacak, nesne algılayıcıya gönderecek ve algılanan nesneleri yazdıracaktır. Eğer sanal bir IoT cihazı kullanıyorsanız, CounterFit'te uygun bir görüntü ayarlandığından veya web kameranızın seçili olduğundan emin olun. Eğer bir Raspberry Pi kullanıyorsanız, kameranızın bir raftaki nesnelere yöneldiğinden emin olun.
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   34.13%
+    tomato paste:   33.95%
+    tomato paste:   35.05%
+    tomato paste:   32.80%
+    ```
+
+    > 💁 Görüntüleriniz için uygun bir değer belirlemek amacıyla `threshold` ayarını değiştirmeniz gerekebilir.
+
+    Çekilen görüntüyü ve bu değerleri Custom Vision'daki **Predictions** sekmesinde görebileceksiniz.
+
+    ![Bir rafta 4 kutu domates salçası ve 35.8%, 33.5%, 25.7% ve 16.6% algılama oranlarıyla tahminler](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.tr.png)
+
+> 💁 Bu kodu [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) veya [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) klasöründe bulabilirsiniz.
+
+😀 Stok sayıcı programınız başarıyla tamamlandı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/tr/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
new file mode 100644
index 00000000..2aea881d
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:50:48+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
+  "language_code": "tr"
+}
+-->
+# IoT Cihazınızla Stok Sayımı - Wio Terminal
+
+Tahminler ve bunlara ait sınırlayıcı kutuların kombinasyonu, bir görüntüdeki stokları saymak için kullanılabilir.
+
+## Stok Sayımı
+
+![Her bir kutunun etrafında sınırlayıcı kutular olan 4 domates salçası kutusu](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.tr.jpg)
+
+Yukarıdaki görüntüde, sınırlayıcı kutuların küçük bir örtüşmesi var. Eğer bu örtüşme çok daha büyük olsaydı, sınırlayıcı kutular aynı nesneyi gösterebilirdi. Nesneleri doğru bir şekilde saymak için, önemli ölçüde örtüşen kutuları görmezden gelmeniz gerekir.
+
+### Görev - Örtüşmeyi göz ardı ederek stok sayımı
+
+1. `stock-counter` projenizi henüz açmadıysanız açın.
+
+1. `processPredictions` fonksiyonunun üstüne aşağıdaki kodu ekleyin:
+
+    ```cpp
+    const float overlap_threshold = 0.20f;
+    ```
+
+    Bu, sınırlayıcı kutuların aynı nesne olarak kabul edilmeden önce izin verilen örtüşme yüzdesini tanımlar. 0.20, %20'lik bir örtüşmeyi ifade eder.
+
+1. Bunun altına ve `processPredictions` fonksiyonunun üstüne, iki dikdörtgen arasındaki örtüşmeyi hesaplamak için aşağıdaki kodu ekleyin:
+
+    ```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;
+    }
+    ```
+
+    Bu kod, görüntüdeki noktaları saklamak için bir `Point` yapısı ve bir dikdörtgeni sol üst ve sağ alt koordinatlarla tanımlamak için bir `Rect` yapısı tanımlar. Daha sonra, bir dikdörtgenin alanını sol üst ve sağ alt koordinatlarından hesaplayan bir `area` fonksiyonu tanımlar.
+
+    Ardından, iki dikdörtgenin örtüşen alanını hesaplayan bir `overlappingArea` fonksiyonu tanımlar. Eğer örtüşme yoksa, 0 döner.
+
+1. `overlappingArea` fonksiyonunun altına, bir sınırlayıcı kutuyu `Rect`e dönüştürmek için bir fonksiyon tanımlayın:
+
+    ```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};
+    }
+    ```
+
+    Bu, nesne algılayıcıdan bir tahmin alır, sınırlayıcı kutuyu çıkarır ve sınırlayıcı kutudaki değerleri kullanarak bir dikdörtgen tanımlar. Sağ taraf, sol taraf artı genişlikten hesaplanır. Alt taraf ise üst taraf artı yükseklikten hesaplanır.
+
+1. Tahminlerin birbirleriyle karşılaştırılması gerekir ve eğer iki tahmin, eşik değerinden daha fazla örtüşüyorsa, bunlardan biri silinmelidir. Örtüşme eşiği bir yüzdedir, bu yüzden en küçük sınırlayıcı kutunun boyutuyla çarpılması gerekir. Böylece örtüşmenin, sınırlayıcı kutunun belirli bir yüzdesini aşıp aşmadığı kontrol edilir, tüm görüntünün yüzdesini değil. `processPredictions` fonksiyonunun içeriğini silerek başlayın.
+
+1. Boş `processPredictions` fonksiyonuna aşağıdakileri ekleyin:
+
+    ```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]);
+        }
+    }
+    ```
+
+    Bu kod, örtüşmeyen tahminleri saklamak için bir vektör tanımlar. Daha sonra tüm tahminler arasında döngü yapar ve sınırlayıcı kutudan bir `Rect` oluşturur.
+
+    Ardından, kalan tahminler arasında döngü yapar ve mevcut tahminden sonrakilerle başlar. Bu, tahminlerin birden fazla kez karşılaştırılmasını önler - bir kez 1 ve 2 karşılaştırıldıktan sonra, 2'nin 1 ile tekrar karşılaştırılmasına gerek yoktur, yalnızca 3, 4, vb. ile karşılaştırılır.
+
+    Her tahmin çifti için örtüşen alan hesaplanır. Bu, en küçük sınırlayıcı kutunun alanıyla karşılaştırılır - eğer örtüşme, en küçük sınırlayıcı kutunun eşik yüzdesini aşarsa, tahmin geçerli olarak işaretlenmez. Tüm örtüşmeler karşılaştırıldıktan sonra, tahmin kontrolleri geçerse `passed_predictions` koleksiyonuna eklenir.
+
+    > 💁 Bu, örtüşmeleri kaldırmanın oldukça basit bir yoludur, sadece örtüşen çiftteki ilkini kaldırır. Üretim kodu için, birden fazla nesne arasındaki örtüşmeleri dikkate almak veya bir sınırlayıcı kutunun başka bir kutunun içinde olup olmadığını kontrol etmek gibi daha fazla mantık eklemek isteyebilirsiniz.
+
+1. Bundan sonra, geçen tahminlerin detaylarını seri monitöre göndermek için aşağıdaki kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, geçen tahminler arasında döngü yapar ve detaylarını seri monitöre yazdırır.
+
+1. Bunun altına, sayılan öğelerin sayısını seri monitöre yazdırmak için kod ekleyin:
+
+    ```cpp
+    Serial.print("Counted ");
+    Serial.print(passed_predictions.size());
+    Serial.println(" stock items.");
+    ```
+
+    Bu, stok seviyelerinin düşük olduğunu bildirmek için bir IoT hizmetine gönderilebilir.
+
+1. Kodunuzu yükleyin ve çalıştırın. Kamerayı bir raftaki nesnelere doğrultun ve C düğmesine basın. Tahminlerin göz ardı edildiğini görmek için `overlap_threshold` değerini ayarlamayı deneyin.
+
+    ```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.
+    ```
+
+> 💁 Bu kodu [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Stok sayacı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/tr/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
new file mode 100644
index 00000000..bd61c7df
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:49:36+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
+  "language_code": "tr"
+}
+-->
+# Nesne algılayıcınızı IoT cihazınızdan çağırın - Wio Terminal
+
+Nesne algılayıcınız yayınlandıktan sonra, IoT cihazınızdan kullanılabilir.
+
+## Görüntü sınıflandırıcı projesini kopyalayın
+
+Stok algılayıcınızın büyük bir kısmı, önceki bir derste oluşturduğunuz görüntü sınıflandırıcı ile aynıdır.
+
+### Görev - görüntü sınıflandırıcı projesini kopyalayın
+
+1. ArduCam'i Wio Terminal'inize bağlayın, [üretim projesinin 2. dersindeki adımları](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera) takip ederek.
+
+    Kamerayı sabit bir pozisyonda tutmak isteyebilirsiniz, örneğin kabloyu bir kutunun veya tenekenin üzerine asarak ya da kamerayı çift taraflı bantla bir kutuya sabitleyerek.
+
+1. PlatformIO kullanarak yepyeni bir Wio Terminal projesi oluşturun. Bu projeye `stock-counter` adını verin.
+
+1. Kameradan görüntü yakalamak için [üretim projesinin 2. dersindeki adımları](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) tekrarlayın.
+
+1. Görüntü sınıflandırıcıyı çağırmak için [üretim projesinin 2. dersindeki adımları](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) tekrarlayın. Bu kodun büyük bir kısmı nesneleri algılamak için yeniden kullanılacaktır.
+
+## Kodunuzu sınıflandırıcıdan görüntü algılayıcıya dönüştürün
+
+Görüntüleri sınıflandırmak için kullandığınız kod, nesneleri algılamak için kullanılan koda oldukça benzerdir. Ana fark, Custom Vision'dan aldığınız çağrılan URL ve çağrının sonuçlarıdır.
+
+### Görev - kodu sınıflandırıcıdan görüntü algılayıcıya dönüştürün
+
+1. `main.cpp` dosyasının üst kısmına aşağıdaki include direktifini ekleyin:
+
+    ```cpp
+    #include <vector>
+    ```
+
+1. `classifyImage` fonksiyonunun adını `detectStock` olarak değiştirin, hem fonksiyonun adını hem de `buttonPressed` fonksiyonundaki çağrıyı.
+
+1. `detectStock` fonksiyonunun üstünde, düşük olasılığa sahip algılamaları filtrelemek için bir eşik değeri tanımlayın:
+
+    ```cpp
+    const float threshold = 0.3f;
+    ```
+
+    Görüntü sınıflandırıcı yalnızca her etiket için bir sonuç döndürürken, nesne algılayıcı birden fazla sonuç döndürecektir. Bu nedenle, düşük olasılığa sahip olanlar filtrelenmelidir.
+
+1. `detectStock` fonksiyonunun üstünde, tahminleri işlemek için bir fonksiyon tanımlayın:
+
+    ```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);
+        }
+    }
+    ```
+
+    Bu, bir tahmin listesini alır ve seri monitöre yazdırır.
+
+1. `detectStock` fonksiyonunda, tahminler arasında döngü yapan `for` döngüsünün içeriğini aşağıdakiyle değiştirin:
+
+    ```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);
+    ```
+
+    Bu, tahminler arasında döngü yapar ve olasılığı eşik değeriyle karşılaştırır. Eşik değerinden yüksek olasılığa sahip tüm tahminler bir `list` içine eklenir ve `processPredictions` fonksiyonuna iletilir.
+
+1. Kodunuzu yükleyin ve çalıştırın. Kamerayı bir raftaki nesnelere doğrultun ve C düğmesine basın. Seri monitörde çıktıyı göreceksiniz:
+
+    ```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%
+    ```
+
+    > 💁 Görüntüleriniz için uygun bir değer belirlemek amacıyla `threshold` değerini ayarlamanız gerekebilir.
+
+    Çekilen görüntüyü ve bu değerleri Custom Vision'daki **Predictions** sekmesinde görebileceksiniz.
+
+    ![Bir rafta 4 kutu domates salçası ve 35.8%, 33.5%, 25.7% ve 16.6% algılama tahminleri](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.tr.png)
+
+> 💁 Bu kodu [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Stok sayacı programınız başarıyla tamamlandı!
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Orijinal belgenin kendi dilindeki hali, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/README.md b/translations/tr/6-consumer/README.md
new file mode 100644
index 00000000..6183fe85
--- /dev/null
+++ b/translations/tr/6-consumer/README.md
@@ -0,0 +1,36 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
+  "translation_date": "2025-08-28T02:52:11+00:00",
+  "source_file": "6-consumer/README.md",
+  "language_code": "tr"
+}
+-->
+# Tüketici IoT - Akıllı bir sesli asistan oluşturun
+
+Yiyecekler yetiştirildi, bir işleme tesisine taşındı, kaliteye göre ayrıldı, mağazada satıldı ve şimdi pişirme zamanı! Her mutfağın temel parçalarından biri bir zamanlayıcıdır. Başlangıçta bunlar kum saatleri olarak kullanılıyordu - tüm kum alt hazneye aktığında yemeğiniz pişmiş oluyordu. Daha sonra mekanik, ardından elektrikli zamanlayıcılar ortaya çıktı.
+
+Son versiyonlar artık akıllı cihazlarımızın bir parçası. Dünyanın dört bir yanındaki evlerin mutfaklarında aşçıların "Hey Siri - 10 dakikalık bir zamanlayıcı ayarla" ya da "Alexa - ekmek zamanlayıcımı iptal et" diye bağırdığını duyabilirsiniz. Artık bir zamanlayıcıyı kontrol etmek için mutfağa geri dönmenize gerek yok; bunu telefonunuzdan ya da odanın diğer ucundan seslenerek yapabilirsiniz.
+
+Bu 4 derste, sesinizi tanıyabilen, ne istediğinizi anlayabilen ve zamanlayıcınızla ilgili bilgi verebilen akıllı bir zamanlayıcı oluşturmayı öğreneceksiniz. Ayrıca birden fazla dil desteği ekleyeceksiniz.
+
+> ⚠️ Ses ve mikrofon verileriyle çalışmak çok fazla bellek kullanır, bu da mikrodenetleyicilerde sınırları aşmayı kolaylaştırır. Buradaki proje bu sorunları aşmak için tasarlanmıştır, ancak Wio Terminal laboratuvarlarının karmaşık olduğunu ve bu müfredattaki diğer laboratuvarlardan daha fazla zaman alabileceğini unutmayın.
+
+> 💁 Bu derslerde bazı bulut kaynakları kullanılacaktır. Bu projedeki tüm dersleri tamamlamazsanız, [projenizi temizlediğinizden](../clean-up.md) emin olun.
+
+## Konular
+
+1. [Bir IoT cihazıyla konuşmayı tanıma](./lessons/1-speech-recognition/README.md)
+1. [Dili anlama](./lessons/2-language-understanding/README.md)
+1. [Bir zamanlayıcı ayarlama ve sesli geri bildirim sağlama](./lessons/3-spoken-feedback/README.md)
+1. [Birden fazla dil desteği ekleme](./lessons/4-multiple-language-support/README.md)
+
+## Katkıda Bulunanlar
+
+Tüm dersler [Jim Bennett](https://GitHub.com/JimBobBennett) tarafından ♥️ ile yazılmıştır.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/README.md b/translations/tr/6-consumer/lessons/1-speech-recognition/README.md
new file mode 100644
index 00000000..c714fbd8
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/1-speech-recognition/README.md
@@ -0,0 +1,235 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
+  "translation_date": "2025-08-28T03:01:07+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
+  "language_code": "tr"
+}
+-->
+# IoT Cihazıyla Konuşmayı Tanıma
+
+![Bu dersin genel bir sketchnote özeti](../../../../../translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+Bu video, bu derste ele alınacak olan Azure konuşma hizmetine genel bir bakış sunar:
+
+[![Microsoft Azure YouTube kanalından Cognitive Services Speech kaynağınızı kullanmaya nasıl başlayacağınızı öğrenin](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
+
+> 🎥 Videoyu izlemek için yukarıdaki görsele tıklayın
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
+
+## Giriş
+
+'Alexa, 12 dakikalık bir zamanlayıcı ayarla'
+
+'Alexa, zamanlayıcı durumu'
+
+'Alexa, buharda brokoli için 8 dakikalık bir zamanlayıcı ayarla'
+
+Akıllı cihazlar giderek daha yaygın hale geliyor. Sadece HomePod, Echo ve Google Home gibi akıllı hoparlörler olarak değil, aynı zamanda telefonlarımıza, saatlerimize ve hatta ışık armatürlerimize ve termostatlarımıza entegre ediliyorlar.
+
+> 💁 Evimde sesli asistanı olan en az 19 cihaz var ve bu sadece bildiklerim!
+
+Sesli kontrol, sınırlı hareket kabiliyetine sahip kişilerin cihazlarla etkileşim kurmasını kolaylaştırarak erişilebilirliği artırır. Bu, kolları olmadan doğmak gibi kalıcı bir engelden, kırık kollar gibi geçici engellere veya ellerinizin alışveriş torbaları ya da küçük çocuklarla dolu olmasına kadar değişebilir. Evlerimizi ellerimiz yerine sesimizle kontrol edebilmek, erişim dünyasının kapılarını açar. Bir bebek bezi değiştirirken ve yaramaz bir çocuğu idare ederken 'Hey Siri, garaj kapımı kapat' diye bağırmak, hayatı küçük ama etkili bir şekilde kolaylaştırabilir.
+
+Sesli asistanların en popüler kullanım alanlarından biri zamanlayıcı ayarlamaktır, özellikle de mutfak zamanlayıcıları. Sadece sesinizle birden fazla zamanlayıcı ayarlayabilmek mutfakta büyük bir kolaylık sağlar - hamur yoğurmayı, çorba karıştırmayı bırakmanıza ya da ellerinizi temizlemenize gerek kalmaz.
+
+Bu derste, IoT cihazlarına ses tanıma özelliği eklemeyi öğreneceksiniz. Mikrofonları birer sensör olarak kullanmayı, bir IoT cihazına bağlı mikrofondan ses yakalamayı ve duyulanları metne dönüştürmek için yapay zekayı nasıl kullanacağınızı öğreneceksiniz. Projenin geri kalanında, birden fazla dilde sesle zamanlayıcı ayarlayabilen akıllı bir mutfak zamanlayıcısı oluşturacaksınız.
+
+Bu derste şunları ele alacağız:
+
+* [Mikrofonlar](../../../../../6-consumer/lessons/1-speech-recognition)
+* [IoT cihazınızdan ses yakalama](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Konuşmadan metne](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Konuşmayı metne dönüştürme](../../../../../6-consumer/lessons/1-speech-recognition)
+
+## Mikrofonlar
+
+Mikrofonlar, ses dalgalarını elektrik sinyallerine dönüştüren analog sensörlerdir. Havadaki titreşimler, mikrofondaki bileşenlerin çok küçük miktarlarda hareket etmesine neden olur ve bu da elektrik sinyallerinde küçük değişikliklere yol açar. Bu değişiklikler daha sonra elektriksel bir çıkış üretmek için yükseltilir.
+
+### Mikrofon Türleri
+
+Mikrofonlar çeşitli türlerde gelir:
+
+* Dinamik - Dinamik mikrofonlarda, bir tel bobinin içinde hareket eden bir diyaframa bağlı bir mıknatıs bulunur ve bu, bir elektrik akımı oluşturur. Bu, çoğu hoparlörün tam tersidir; hoparlörler, bir tel bobininde bir mıknatısı hareket ettirmek için elektrik akımı kullanır ve bir diyaframı hareket ettirerek ses oluşturur. Bu, hoparlörlerin dinamik mikrofonlar olarak kullanılabileceği ve dinamik mikrofonların hoparlör olarak kullanılabileceği anlamına gelir. Örneğin, bir kullanıcının ya dinlediği ya da konuştuğu, ancak her ikisini birden yapmadığı interkom gibi cihazlarda, bir cihaz hem hoparlör hem de mikrofon olarak işlev görebilir.
+
+    Dinamik mikrofonların çalışması için güce ihtiyaç yoktur, elektrik sinyali tamamen mikrofon tarafından üretilir.
+
+    ![Patti Smith, bir Shure SM58 (dinamik kardioid türü) mikrofona şarkı söylüyor](../../../../../translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.tr.jpg)
+
+* Şerit - Şerit mikrofonlar, dinamik mikrofonlara benzer, ancak bir diyafram yerine metal bir şerit kullanır. Bu şerit, bir manyetik alan içinde hareket ederek bir elektrik akımı üretir. Dinamik mikrofonlar gibi, şerit mikrofonların çalışması için güce ihtiyaç yoktur.
+
+    ![Edmund Lowe, Amerikan aktör, bir radyo mikrofonunun (NBC Blue Network olarak etiketlenmiş) önünde, elinde senaryo ile, 1942](../../../../../translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.tr.jpg)
+
+* Kondansatör - Kondansatör mikrofonlarda ince bir metal diyafram ve sabit bir metal arka plaka bulunur. Her ikisine de elektrik uygulanır ve diyafram titreştikçe plakalar arasındaki statik yük değişerek bir sinyal oluşturur. Kondansatör mikrofonların çalışması için güce ihtiyaç vardır - buna *Phantom power* denir.
+
+    ![AKG Acoustics tarafından üretilen C451B küçük diyaframlı kondansatör mikrofon](../../../../../translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.tr.jpg)
+
+* MEMS - Mikroelektromekanik sistem mikrofonları veya MEMS, bir çip üzerindeki mikrofonlardır. Silikon bir çip üzerine kazınmış bir basınca duyarlı diyaframa sahiptirler ve bir kondansatör mikrofonuna benzer şekilde çalışırlar. Bu mikrofonlar çok küçük olabilir ve devrelere entegre edilebilir.
+
+    ![Bir devre kartı üzerinde bir MEMS mikrofon](../../../../../translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.tr.png)
+
+    Yukarıdaki görselde, **LEFT** olarak etiketlenmiş çip bir MEMS mikrofondur ve bir milimetreden daha küçük bir diyaframa sahiptir.
+
+✅ Araştırma yapın: Çevrenizde hangi mikrofonlar var - bilgisayarınızda, telefonunuzda, kulaklığınızda veya diğer cihazlarda? Bunlar hangi tür mikrofonlar?
+
+### Dijital Ses
+
+Ses, çok ince ayrıntılı bilgileri taşıyan bir analog sinyaldir. Bu sinyali dijitale dönüştürmek için, sesin saniyede binlerce kez örneklenmesi gerekir.
+
+> 🎓 Örnekleme, ses sinyalini belirli bir anda temsil eden dijital bir değere dönüştürmektir.
+
+![Bir sinyali gösteren bir çizgi grafiği, sabit aralıklarla ayrık noktalar](../../../../../translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.tr.png)
+
+Dijital ses, Darbe Kod Modülasyonu (Pulse Code Modulation - PCM) kullanılarak örneklenir. PCM, sinyalin voltajını okuyup, bu voltaja en yakın ayrık değeri tanımlı bir boyut kullanarak seçmeyi içerir.
+
+> 💁 PCM'yi, darbe genişlik modülasyonunun (PWM) sensör versiyonu olarak düşünebilirsiniz (PWM, [başlangıç projesinin 3. dersinde](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation) ele alınmıştı). PCM, analog bir sinyali dijitale dönüştürmeyi içerirken, PWM dijital bir sinyali analoğa dönüştürmeyi içerir.
+
+Örneğin, çoğu müzik akış hizmeti 16-bit veya 24-bit ses sunar. Bu, voltajı 16-bitlik bir tam sayı veya 24-bitlik bir tam sayıya sığacak bir değere dönüştürdükleri anlamına gelir. 16-bit ses, değeri -32,768 ile 32,767 arasında bir sayıya sığdırır, 24-bit ise −8,388,608 ile 8,388,607 arasında bir değere sığdırır. Bit sayısı arttıkça, örnekleme kulağımızın duyduğuna daha yakın olur.
+
+> 💁 8-bit ses hakkında duymuş olabilirsiniz, genellikle LoFi olarak adlandırılır. Bu, yalnızca 8-bit kullanılarak örneklenen sestir, yani -128 ile 127 arasında. İlk bilgisayar sesleri, donanım sınırlamaları nedeniyle 8-bit ile sınırlıydı, bu nedenle retro oyunlarda sıkça görülür.
+
+Bu örnekler, saniyede binlerce kez alınır ve KHz (saniyede binlerce okuma) cinsinden ölçülen iyi tanımlanmış örnekleme hızları kullanılır. Çoğu müzik akış hizmeti, ses için 48KHz kullanır, ancak bazı 'kayıpsız' sesler 96KHz veya hatta 192KHz'e kadar çıkar. Örnekleme hızı ne kadar yüksekse, ses orijinaline o kadar yakın olur, ancak bir noktaya kadar. İnsanların 48KHz'in üzerindeki farkı anlayıp anlayamayacağı konusunda tartışmalar vardır.
+
+✅ Araştırma yapın: Bir müzik akış hizmeti kullanıyorsanız, hangi örnekleme hızını ve boyutunu kullanıyor? CD kullanıyorsanız, CD sesinin örnekleme hızı ve boyutu nedir?
+
+Birçok farklı ses veri formatı vardır. Muhtemelen mp3 dosyalarını duymuşsunuzdur - kalite kaybı olmadan sıkıştırılmış ses verisi. Sıkıştırılmamış ses genellikle bir WAV dosyası olarak saklanır - bu, 44 baytlık başlık bilgisi ve ardından ham ses verisi içeren bir dosyadır. Başlık, örnekleme hızı (örneğin 16000 için 16KHz), örnekleme boyutu (16 için 16-bit) ve kanal sayısı gibi bilgileri içerir. Başlıktan sonra, WAV dosyası ham ses verilerini içerir.
+
+> 🎓 Kanallar, sesi oluşturan farklı ses akışlarının sayısını ifade eder. Örneğin, sol ve sağ için stereo ses, 2 kanal olurdu. Ev sinema sistemi için 7.1 surround ses, 8 kanal olurdu.
+
+### Ses Verisi Boyutu
+
+Ses verisi nispeten büyüktür. Örneğin, sıkıştırılmamış 16-bit sesi 16KHz'de yakalamak (konuşmadan metne modeli için yeterince iyi bir oran), her saniye için 32KB veri alır:
+
+* 16-bit, örnek başına 2 bayt anlamına gelir (1 bayt 8 bittir).
+* 16KHz, saniyede 16.000 örnek anlamına gelir.
+* 16.000 x 2 bayt = 32.000 bayt/saniye.
+
+Bu küçük bir veri miktarı gibi görünebilir, ancak sınırlı belleğe sahip bir mikrodenetleyici kullanıyorsanız, bu çok olabilir. Örneğin, Wio Terminal'in 192KB belleği vardır ve bu, program kodunu ve değişkenleri depolamak için gereklidir. Program kodunuz çok küçük olsa bile, 5 saniyeden fazla ses yakalayamazsınız.
+
+Mikrodenetleyiciler, SD kartlar veya flash bellek gibi ek depolama alanlarına erişebilir. Ses yakalayan bir IoT cihazı oluştururken, yalnızca ek depolama alanına sahip olduğunuzdan değil, aynı zamanda kodunuzun mikrofondan yakalanan sesi doğrudan bu depolamaya yazdığından ve buluta gönderirken depolamadan web isteğine aktardığından emin olmanız gerekir. Bu şekilde, tüm ses verilerini aynı anda bellekte tutmaya çalışarak belleğin tükenmesini önleyebilirsiniz.
+
+## IoT Cihazınızdan Ses Yakalama
+
+IoT cihazınız, ses yakalamak için bir mikrofona bağlanabilir ve metne dönüştürülmeye hazır hale getirilebilir. Ayrıca, ses çıkışı için hoparlörlere bağlanabilir. İlerleyen derslerde bu, sesli geri bildirim sağlamak için kullanılacaktır, ancak mikrofonu test etmek için hoparlörleri şimdi kurmak faydalı olacaktır.
+
+### Görev - Mikrofonunuzu ve Hoparlörlerinizi Yapılandırın
+
+IoT cihazınız için mikrofon ve hoparlörleri yapılandırmak üzere ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-microphone.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-microphone.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-microphone.md)
+
+### Görev - Ses Yakalama
+
+IoT cihazınızda ses yakalamak için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-audio.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-audio.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-audio.md)
+
+## Konuşmadan Metne
+
+Konuşmadan metne, ya da konuşma tanıma, bir ses sinyalindeki kelimeleri yapay zeka kullanarak metne dönüştürmeyi içerir.
+
+### Konuşma Tanıma Modelleri
+
+Konuşmayı metne dönüştürmek için, ses sinyalinden alınan örnekler gruplandırılır ve bir Tekrarlayan Sinir Ağı (Recurrent Neural Network - RNN) tabanlı bir makine öğrenimi modeline beslenir. Bu, önceki verileri kullanarak gelen veriler hakkında karar verebilen bir tür makine öğrenimi modelidir. Örneğin, RNN bir ses örneği bloğunu 'Hel' sesi olarak algılayabilir ve bir diğerini 'lo' sesi olarak algıladığında, bunu önceki sesle birleştirip 'Hello'nun geçerli bir kelime olduğunu bulabilir ve sonucu buna göre seçebilir.
+
+ML modelleri her zaman aynı boyutta veri kabul eder. Daha önceki bir derste oluşturduğunuz görüntü sınıflandırıcı, görüntüleri sabit bir boyuta yeniden boyutlandırır ve işlerdi. Konuşma modelleri için de aynı durum geçerlidir; sabit boyutlu ses parçalarını işlemeleri gerekir. Konuşma modelleri, birden fazla tahminin çıktısını birleştirebilmelidir, böylece 'Hi' ve 'Highway' ya da 'flock' ve 'floccinaucinihilipilification' gibi kelimeleri ayırt edebilirler.
+
+Konuşma modelleri ayrıca bağlamı anlayacak kadar gelişmiştir ve işlenen daha fazla sesle algıladıkları kelimeleri düzeltebilirler. Örneğin, "Mağazalara gittim ve iki muz ve bir elma da aldım" dediğinizde, üç kelime aynı şekilde telaffuz edilir ancak farklı yazılır - to, two ve too. Konuşma modelleri, bağlamı anlayabilir ve kelimenin uygun yazımını kullanabilir.
+💁 Bazı konuşma hizmetleri, fabrikalar gibi gürültülü ortamlarda veya kimyasal isimler gibi sektöre özgü kelimelerle daha iyi çalışmaları için özelleştirme yapılmasına olanak tanır. Bu özelleştirmeler, örnek ses ve bir transkripsiyon sağlanarak eğitilir ve transfer öğrenimi kullanılarak çalışır; tıpkı önceki bir derste yalnızca birkaç görüntü kullanarak bir görüntü sınıflandırıcıyı eğittiğiniz gibi.
+### Gizlilik
+
+Tüketici IoT cihazlarında konuşmayı metne dönüştürme kullanıldığında, gizlilik son derece önemlidir. Bu cihazlar sürekli olarak ses dinler, bu yüzden bir tüketici olarak söylediğiniz her şeyin buluta gönderilip metne dönüştürülmesini istemezsiniz. Bu sadece çok fazla internet bant genişliği kullanmakla kalmaz, aynı zamanda büyük gizlilik sorunlarına yol açar, özellikle bazı akıllı cihaz üreticilerinin [modellerini geliştirmek için oluşturulan metne karşı sesleri rastgele seçip insanlar tarafından doğrulamasına izin verdiği durumlarda](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings).
+
+Akıllı cihazınızın yalnızca siz onu kullanırken sesi işlemek için buluta göndermesini istersiniz, evinizde duyduğu sesleri değil; bu sesler özel toplantılar veya samimi etkileşimler içerebilir. Çoğu akıllı cihazın çalışma şekli bir *uyandırma kelimesi* ile olur, "Alexa", "Hey Siri" veya "OK Google" gibi bir anahtar ifade cihazın 'uyanmasını' ve konuşmanızda bir duraklama algılayana kadar söylediklerinizi dinlemesini sağlar, bu da cihazla konuşmayı bitirdiğinizi gösterir.
+
+> 🎓 Uyandırma kelimesi algılama, *Anahtar kelime tespiti* veya *Anahtar kelime tanıma* olarak da adlandırılır.
+
+Bu uyandırma kelimeleri cihazda algılanır, bulutta değil. Bu akıllı cihazlar, uyandırma kelimesini dinleyen ve algılandığında sesi tanıma için buluta göndermeye başlayan küçük AI modellerine sahiptir. Bu modeller çok özelleşmiştir ve sadece uyandırma kelimesini dinler.
+
+> 💁 Bazı teknoloji şirketleri cihazlarına daha fazla gizlilik ekliyor ve konuşmayı metne dönüştürme işlemini cihaz üzerinde gerçekleştiriyor. Apple, 2021 iOS ve macOS güncellemelerinin bir parçası olarak konuşmayı metne dönüştürme işlemini cihaz üzerinde destekleyeceğini ve birçok isteği bulutu kullanmadan işleyebileceğini duyurdu. Bu, cihazlarında ML modellerini çalıştırabilecek güçlü işlemciler bulunması sayesinde mümkün oluyor.
+
+✅ Sizce buluta gönderilen seslerin saklanmasının gizlilik ve etik sonuçları nelerdir? Bu sesler saklanmalı mı, saklanacaksa nasıl? Kayıtların kolluk kuvvetleri tarafından kullanılması, gizlilik kaybı karşısında iyi bir takas mı?
+
+Uyandırma kelimesi algılama genellikle TinyML olarak bilinen bir teknik kullanır, bu da ML modellerini mikrodenetleyicilerde çalışabilecek hale dönüştürmektir. Bu modeller küçük boyutludur ve çalıştırmak için çok az güç tüketir.
+
+Bir uyandırma kelimesi modeli eğitme ve kullanma karmaşıklığından kaçınmak için, bu derste inşa ettiğiniz akıllı zamanlayıcı konuşma tanımayı açmak için bir düğme kullanacaktır.
+
+> 💁 Wio Terminal veya Raspberry Pi üzerinde çalıştırmak için bir uyandırma kelimesi algılama modeli oluşturmayı denemek isterseniz, Edge Impulse'un [sesinize yanıt verme eğitimine](https://docs.edgeimpulse.com/docs/responding-to-your-voice) göz atabilirsiniz. Bunu bilgisayarınızda yapmak isterseniz, Microsoft Docs'taki [Özel Anahtar Kelime hızlı başlangıç rehberine](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn) göz atabilirsiniz.
+
+## Konuşmayı Metne Dönüştürme
+
+![Konuşma hizmetleri logosu](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.tr.png)
+
+Daha önceki bir projede görüntü sınıflandırmada olduğu gibi, konuşmayı bir ses dosyası olarak alıp metne dönüştürebilen önceden oluşturulmuş AI hizmetleri vardır. Bu hizmetlerden biri, uygulamalarınızda kullanabileceğiniz önceden oluşturulmuş AI hizmetleri olan Cognitive Services'ın bir parçası olan Konuşma Hizmeti'dir.
+
+### Görev - konuşma AI kaynağını yapılandırma
+
+1. Bu proje için `smart-timer` adlı bir Kaynak Grubu oluşturun.
+
+1. Ücretsiz bir konuşma kaynağı oluşturmak için aşağıdaki komutu kullanın:
+
+    ```sh
+    az cognitiveservices account create --name smart-timer \
+                                        --resource-group smart-timer \
+                                        --kind SpeechServices \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    `<location>` ifadesini Kaynak Grubu oluştururken kullandığınız konumla değiştirin.
+
+1. Kodunuzdan konuşma kaynağına erişmek için bir API anahtarına ihtiyacınız olacak. Anahtarı almak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    Anahtarlardan birinin bir kopyasını alın.
+
+### Görev - konuşmayı metne dönüştürme
+
+IoT cihazınızda konuşmayı metne dönüştürmek için ilgili rehberi takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-speech-to-text.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-speech-to-text.md)
+
+---
+
+## 🚀 Zorluk
+
+Konuşma tanıma uzun zamandır var ve sürekli olarak gelişiyor. Mevcut yetenekleri araştırın ve bunların zaman içinde nasıl evrildiğini, makine transkripsiyonlarının insanlara kıyasla ne kadar doğru olduğunu karşılaştırın.
+
+Konuşma tanımanın geleceği hakkında ne düşünüyorsunuz?
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* Farklı mikrofon türleri ve nasıl çalıştıkları hakkında bilgi edinmek için [Musician's HQ'daki dinamik ve kondansatör mikrofonlar arasındaki farklar makalesini](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/) okuyun.
+* Microsoft Docs'taki [konuşma hizmeti belgelerinde](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn) Cognitive Services konuşma hizmeti hakkında daha fazla bilgi edinin.
+* Microsoft Docs'taki [anahtar kelime tanıma belgelerinde](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn) anahtar kelime tespiti hakkında bilgi edinin.
+
+## Ödev
+
+[](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/tr/6-consumer/lessons/1-speech-recognition/assignment.md
new file mode 100644
index 00000000..a2ead343
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/1-speech-recognition/assignment.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5ae7654f519ae831179409dc8e528055",
+  "translation_date": "2025-08-28T03:05:22+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
+  "language_code": "tr"
+}
+-->
+## Talimatlar
+
+## Değerlendirme Ölçütleri
+
+| Kriterler | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| --------- | ----------------- | ------- | -------------------- |
+| |  |  |  |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/tr/6-consumer/lessons/1-speech-recognition/pi-audio.md
new file mode 100644
index 00000000..52c1d14a
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/1-speech-recognition/pi-audio.md
@@ -0,0 +1,227 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
+  "translation_date": "2025-08-28T03:02:37+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
+  "language_code": "tr"
+}
+-->
+# Ses Kaydı - Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi üzerinde ses kaydı yapmak için kod yazacaksınız. Ses kaydı bir düğme ile kontrol edilecek.
+
+## Donanım
+
+Raspberry Pi'nin ses kaydını kontrol etmek için bir düğmeye ihtiyacı var.
+
+Kullanacağınız düğme bir Grove düğmesidir. Bu, bir sinyali açıp kapatan dijital bir sensördür. Bu düğmeler, düğmeye basıldığında yüksek sinyal, basılmadığında düşük sinyal gönderecek şekilde veya basıldığında düşük, basılmadığında yüksek sinyal gönderecek şekilde yapılandırılabilir.
+
+Eğer mikrofon olarak ReSpeaker 2-Mics Pi HAT kullanıyorsanız, bu HAT üzerinde zaten bir düğme bulunduğundan ekstra bir düğme bağlamanıza gerek yoktur. Bir sonraki bölüme geçebilirsiniz.
+
+### Düğmeyi Bağlama
+
+Düğme, Grove tabanlı HAT'e bağlanabilir.
+
+#### Görev - Düğmeyi Bağlayın
+
+![Bir Grove düğmesi](../../../../../translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.tr.png)
+
+1. Grove kablosunun bir ucunu düğme modülündeki sokete takın. Kablo yalnızca tek bir yönde takılabilir.
+
+1. Raspberry Pi kapalıyken, Grove kablosunun diğer ucunu Pi'ye bağlı Grove Base HAT üzerindeki **D5** işaretli dijital sokete bağlayın. Bu soket, GPIO pinlerinin yanındaki soket sırasının soldan ikinci soketidir.
+
+![Düğme D5 soketine bağlı](../../../../../translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.tr.png)
+
+## Ses Kaydı
+
+Python kodu kullanarak mikrofondan ses kaydı yapabilirsiniz.
+
+### Görev - Ses Kaydı Yapın
+
+1. Pi'yi açın ve başlatılmasını bekleyin.
+
+1. VS Code'u başlatın, ya doğrudan Pi üzerinde ya da Remote SSH uzantısı ile bağlanarak.
+
+1. PyAudio Pip paketi, ses kaydı ve oynatma işlevlerini içerir. Bu paket, öncelikle bazı ses kütüphanelerinin yüklenmesini gerektirir. Terminalde aşağıdaki komutları çalıştırarak bu kütüphaneleri yükleyin:
+
+    ```sh
+    sudo apt update
+    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
+    ```
+
+1. PyAudio Pip paketini yükleyin.
+
+    ```sh
+    pip3 install pyaudio
+    ```
+
+1. `smart-timer` adında yeni bir klasör oluşturun ve bu klasöre `app.py` adında bir dosya ekleyin.
+
+1. Bu dosyanın en üstüne aşağıdaki importları ekleyin:
+
+    ```python
+    import io
+    import pyaudio
+    import time
+    import wave
+    
+    from grove.factory import Factory
+    ```
+
+    Bu, `pyaudio` modülünü, dalga dosyalarını işlemek için bazı standart Python modüllerini ve bir düğme sınıfı oluşturmak için `grove.factory` modülünü içe aktarır.
+
+1. Bunun altına bir Grove düğmesi oluşturmak için kod ekleyin.
+
+    Eğer ReSpeaker 2-Mics Pi HAT kullanıyorsanız, aşağıdaki kodu kullanın:
+
+    ```python
+    # The button on the ReSpeaker 2-Mics Pi HAT
+    button = Factory.getButton("GPIO-LOW", 17)
+    ```
+
+    Bu, ReSpeaker 2-Mics Pi HAT üzerindeki düğmenin bağlı olduğu **D17** portunda bir düğme oluşturur. Bu düğme, basıldığında düşük sinyal gönderecek şekilde ayarlanmıştır.
+
+    Eğer ReSpeaker 2-Mics Pi HAT kullanmıyorsanız ve Grove düğmesini tabanlı HAT'e bağladıysanız, bu kodu kullanın:
+
+    ```python
+    button = Factory.getButton("GPIO-HIGH", 5)
+    ```
+
+    Bu, **D5** portunda bir düğme oluşturur ve basıldığında yüksek sinyal gönderecek şekilde ayarlanmıştır.
+
+1. Bunun altına, ses işlemlerini yönetmek için bir PyAudio sınıfı örneği oluşturun:
+
+    ```python
+    audio = pyaudio.PyAudio()
+    ```
+
+1. Mikrofon ve hoparlör için donanım kart numarasını tanımlayın. Bu, bu derste daha önce `arecord -l` ve `aplay -l` komutlarını çalıştırarak bulduğunuz numara olacaktır.
+
+    ```python
+    microphone_card_number = <microphone card number>
+    speaker_card_number = <speaker card number>
+    ```
+
+    `<microphone card number>` yerine mikrofon kart numaranızı yazın.
+
+    `<speaker card number>` yerine hoparlör kart numaranızı yazın, bu numara `alsa.conf` dosyasında ayarladığınız numarayla aynı olmalıdır.
+
+1. Bunun altına, ses kaydı ve oynatma için kullanılacak örnekleme oranını tanımlayın. Kullandığınız donanıma bağlı olarak bu değeri değiştirmeniz gerekebilir.
+
+    ```python
+    rate = 48000 #48KHz
+    ```
+
+    Eğer bu kodu çalıştırırken örnekleme oranı hataları alırsanız, bu değeri `44100` veya `16000` olarak değiştirin. Değer ne kadar yüksek olursa, ses kalitesi o kadar iyi olur.
+
+1. Bunun altına, `capture_audio` adında yeni bir fonksiyon oluşturun. Bu fonksiyon, mikrofondan ses kaydı yapmak için çağrılacaktır:
+
+    ```python
+    def capture_audio():
+    ```
+
+1. Bu fonksiyonun içine, ses kaydı yapmak için aşağıdaki kodu ekleyin:
+
+    ```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()
+    ```
+
+    Bu kod, PyAudio nesnesini kullanarak bir ses giriş akışı açar. Bu akış, mikrofondan 16KHz hızında ses kaydeder ve 4096 baytlık tamponlar halinde yakalar.
+
+    Kod, Grove düğmesi basılı olduğu sürece döngüye girer ve her seferinde bu 4096 baytlık tamponları bir diziye okur.
+
+    > 💁 `open` metoduna geçirilen seçenekler hakkında daha fazla bilgi için [PyAudio belgelerine](https://people.csail.mit.edu/hubert/pyaudio/docs/) göz atabilirsiniz.
+
+    Düğme bırakıldığında, akış durdurulur ve kapatılır.
+
+1. Bu fonksiyonun sonuna aşağıdaki kodu ekleyin:
+
+    ```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
+    ```
+
+    Bu kod, bir ikili tampon oluşturur ve yakalanan tüm sesleri bir [WAV dosyası](https://wikipedia.org/wiki/WAV) olarak yazar. Bu, sıkıştırılmamış sesleri bir dosyaya yazmanın standart bir yoludur. Bu tampon daha sonra döndürülür.
+
+1. Ses tamponunu oynatmak için aşağıdaki `play_audio` fonksiyonunu ekleyin:
+
+    ```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()
+    ```
+
+    Bu fonksiyon, ses çalmak için bir ses çıkış akışı açar. Giriş akışı ile aynı ayarları kullanır. Tampon, bir dalga dosyası olarak açılır ve 4096 baytlık parçalar halinde çıkış akışına yazılarak ses çalınır. Akış daha sonra kapatılır.
+
+1. `capture_audio` fonksiyonunun altına aşağıdaki kodu ekleyin. Bu kod, düğme basılana kadar döngüye girer. Düğme basıldığında ses kaydedilir ve ardından çalınır.
+
+    ```python
+    while True:
+        while not button.is_pressed():
+            time.sleep(.1)
+        
+        buffer = capture_audio()
+        play_audio(buffer)
+    ```
+
+1. Kodu çalıştırın. Düğmeye basın ve mikrofona konuşun. İşiniz bittiğinde düğmeyi bırakın ve kaydı dinleyin.
+
+    PyAudio örneği oluşturulduğunda bazı ALSA hataları alabilirsiniz. Bu, Pi üzerindeki ses cihazları için yapılandırmadan kaynaklanır ve bu hataları görmezden gelebilirsiniz.
+
+    ```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
+    ```
+
+    Eğer aşağıdaki hatayı alırsanız:
+
+    ```output
+    OSError: [Errno -9997] Invalid sample rate
+    ```
+
+    `rate` değerini `44100` veya `16000` olarak değiştirin.
+
+> 💁 Bu kodu [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi) klasöründe bulabilirsiniz.
+
+😀 Ses kaydı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/tr/6-consumer/lessons/1-speech-recognition/pi-microphone.md
new file mode 100644
index 00000000..d0a1cceb
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/1-speech-recognition/pi-microphone.md
@@ -0,0 +1,157 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
+  "translation_date": "2025-08-28T03:04:20+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
+  "language_code": "tr"
+}
+-->
+# Mikrofonunuzu ve Hoparlörlerinizi Yapılandırma - Raspberry Pi
+
+Bu dersin bu bölümünde, Raspberry Pi'nize bir mikrofon ve hoparlör ekleyeceksiniz.
+
+## Donanım
+
+Raspberry Pi bir mikrofona ihtiyaç duyar.
+
+Pi'nin dahili bir mikrofonu yoktur, bu yüzden harici bir mikrofon eklemeniz gerekecek. Bunu yapmanın birkaç yolu vardır:
+
+* USB mikrofon
+* USB kulaklık
+* USB hepsi bir arada hoparlörlü telefon
+* USB ses adaptörü ve 3.5mm jaklı mikrofon
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+
+> 💁 Bluetooth mikrofonlar Raspberry Pi'de tamamen desteklenmez, bu yüzden bir Bluetooth mikrofon veya kulaklık kullanıyorsanız, eşleştirme veya ses kaydı konusunda sorun yaşayabilirsiniz.
+
+Raspberry Pi'ler 3.5mm kulaklık jakı ile gelir. Bunu kulaklık, kulaklık seti veya hoparlör bağlamak için kullanabilirsiniz. Ayrıca hoparlörleri şu yöntemlerle ekleyebilirsiniz:
+
+* HDMI ses çıkışı ile bir monitör veya TV
+* USB hoparlörler
+* USB kulaklık
+* USB hepsi bir arada hoparlörlü telefon
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) ile bir hoparlör bağlayarak, ya 3.5mm jak üzerinden ya da JST portu üzerinden
+
+## Mikrofon ve Hoparlörleri Bağlama ve Yapılandırma
+
+Mikrofon ve hoparlörlerin bağlanması ve yapılandırılması gerekmektedir.
+
+### Görev - Mikrofonu bağlama ve yapılandırma
+
+1. Mikrofonu uygun yöntemle bağlayın. Örneğin, USB portlarından biri üzerinden bağlayabilirsiniz.
+
+1. Eğer ReSpeaker 2-Mics Pi HAT kullanıyorsanız, Grove tabanlı hattı çıkarabilir ve yerine ReSpeaker hattını takabilirsiniz.
+
+    ![ReSpeaker hattı takılı bir Raspberry Pi](../../../../../translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.tr.png)
+
+    Bu dersin ilerleyen bölümlerinde bir Grove düğmesine ihtiyacınız olacak, ancak bu hattın içine bir düğme yerleştirilmiştir, bu yüzden Grove tabanlı hattı gerekli değildir.
+
+    Hattı taktıktan sonra bazı sürücüleri yüklemeniz gerekecek. Sürücü yükleme talimatları için [Seeed başlangıç talimatlarına](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) başvurun.
+
+    > ⚠️ Talimatlar bir depoyu klonlamak için `git` kullanır. Eğer Pi'nizde `git` yüklü değilse, aşağıdaki komutu çalıştırarak yükleyebilirsiniz:
+    >
+    > ```sh
+    > sudo apt install git --yes
+    > ```
+
+1. Mikrofon hakkında bilgi görmek için Pi'de veya VS Code üzerinden uzaktan SSH oturumu ile bağlı Terminal'de aşağıdaki komutu çalıştırın:
+
+    ```sh
+    arecord -l
+    ```
+
+    Bağlı mikrofonların bir listesini göreceksiniz. Bu liste aşağıdaki gibi görünebilir:
+
+    ```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
+    ```
+
+    Sadece bir mikrofonunuz olduğunu varsayarsak, yalnızca bir giriş görmelisiniz. Linux'ta mikrofon yapılandırması karmaşık olabilir, bu yüzden en kolayı yalnızca bir mikrofon kullanmak ve diğerlerini çıkarmaktır.
+
+    Kart numarasını not alın, çünkü bunu daha sonra kullanacaksınız. Yukarıdaki çıktıda kart numarası 1'dir.
+
+### Görev - Hoparlörü bağlama ve yapılandırma
+
+1. Hoparlörleri uygun yöntemle bağlayın.
+
+1. Hoparlörler hakkında bilgi görmek için Pi'de veya VS Code üzerinden uzaktan SSH oturumu ile bağlı Terminal'de aşağıdaki komutu çalıştırın:
+
+    ```sh
+    aplay -l
+    ```
+
+    Bağlı hoparlörlerin bir listesini göreceksiniz. Bu liste aşağıdaki gibi görünebilir:
+
+    ```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
+    ```
+
+    Her zaman `card 0: Headphones` göreceksiniz çünkü bu dahili kulaklık jakıdır. Eğer ek hoparlörler eklediyseniz, örneğin bir USB hoparlör, bu da listede görünecektir.
+
+1. Eğer dahili kulaklık jakına bağlı bir hoparlör veya kulaklık yerine ek bir hoparlör kullanıyorsanız, bunu varsayılan olarak yapılandırmanız gerekir. Bunu yapmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    sudo nano /usr/share/alsa/alsa.conf
+    ```
+
+    Bu, `nano` adlı terminal tabanlı bir metin düzenleyicide bir yapılandırma dosyasını açacaktır. Klavyenizdeki ok tuşlarını kullanarak aşağı kaydırın ve şu satırı bulun:
+
+    ```output
+    defaults.pcm.card 0
+    ```
+
+    Değeri, `aplay -l` çağrısından gelen listeden kullanmak istediğiniz kart numarasına değiştirin. Örneğin, yukarıdaki çıktıda `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]` adlı ikinci bir ses kartı var, kart 1'i kullanıyor. Bunu kullanmak için satırı şu şekilde güncellerdim:
+
+    ```output
+    defaults.pcm.card 1
+    ```
+
+    Bu değeri uygun kart numarasına ayarlayın. Klavyenizdeki ok tuşlarını kullanarak numaraya gidin, ardından metin dosyalarını düzenlerken normal şekilde silip yeni numarayı yazabilirsiniz.
+
+1. Değişiklikleri kaydedin ve dosyayı kapatmak için `Ctrl+x` tuşlarına basın. Dosyayı kaydetmek için `y` tuşuna basın, ardından dosya adını seçmek için `return` tuşuna basın.
+
+### Görev - Mikrofon ve hoparlörü test etme
+
+1. Mikrofon üzerinden 5 saniyelik ses kaydetmek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
+    ```
+
+    Bu komut çalışırken, mikrofonunuza ses yapın; konuşarak, şarkı söyleyerek, beatbox yaparak, bir enstrüman çalarak veya istediğiniz şekilde.
+
+1. 5 saniye sonra kayıt duracak. Kaydedilen sesi oynatmak için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    aplay --format=S16_LE --rate=16000 out.wav
+    ```
+
+    Sesi hoparlörlerden oynatıldığını duyacaksınız. Hoparlörünüzdeki çıkış sesini gerektiği gibi ayarlayın.
+
+1. Dahili mikrofon portunun ses seviyesini ayarlamanız veya mikrofonun kazancını ayarlamanız gerekiyorsa, `alsamixer` yardımcı programını kullanabilirsiniz. Bu yardımcı program hakkında daha fazla bilgi için [Linux alsamixer man sayfasını](https://linux.die.net/man/1/alsamixer) okuyabilirsiniz.
+
+1. Eğer sesi oynatırken hata alıyorsanız, `alsa.conf` dosyasındaki `defaults.pcm.card` olarak ayarladığınız kartı kontrol edin.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dilindeki hali, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/tr/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
new file mode 100644
index 00000000..391faf5f
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
+  "translation_date": "2025-08-28T03:04:52+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
+  "language_code": "tr"
+}
+-->
+# Konuşmadan Metne - Raspberry Pi
+
+Bu dersin bu bölümünde, yakalanan sesli kayıttaki konuşmayı metne dönüştürmek için konuşma hizmetini kullanarak kod yazacaksınız.
+
+## Sesi konuşma hizmetine gönderme
+
+Ses, REST API kullanılarak konuşma hizmetine gönderilebilir. Konuşma hizmetini kullanmak için önce bir erişim belirteci (access token) talep etmeniz gerekir, ardından bu belirteci REST API'ye erişmek için kullanabilirsiniz. Bu erişim belirteçleri 10 dakika sonra sona erer, bu yüzden kodunuzun düzenli olarak yeni belirteç talep etmesi ve her zaman güncel olmasını sağlaması gerekir.
+
+### Görev - erişim belirteci alın
+
+1. Pi'nizdeki `smart-timer` projesini açın.
+
+1. `play_audio` fonksiyonunu kaldırın. Artık buna ihtiyacınız yok çünkü akıllı zamanlayıcının size söylediklerinizi tekrar etmesini istemiyorsunuz.
+
+1. `app.py` dosyasının en üstüne aşağıdaki import'u ekleyin:
+
+    ```python
+    import requests
+    ```
+
+1. Konuşma hizmeti için bazı ayarları tanımlamak üzere `while True` döngüsünün üstüne aşağıdaki kodu ekleyin:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+    ```
+
+    `<key>` kısmını konuşma hizmeti kaynağınızın API anahtarı ile değiştirin. `<location>` kısmını konuşma hizmeti kaynağını oluşturduğunuz konum ile değiştirin.
+
+    `<language>` kısmını konuşacağınız dilin yerel adı ile değiştirin, örneğin İngilizce için `en-GB` veya Kantonca için `zn-HK`. Desteklenen diller ve yerel adlarının listesini [Microsoft dokümanlarındaki Dil ve ses desteği dokümantasyonunda](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) bulabilirsiniz.
+
+1. Bunun altına, bir erişim belirteci almak için aşağıdaki fonksiyonu ekleyin:
+
+    ```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)
+    ```
+
+    Bu, API anahtarını bir başlık olarak geçirerek bir belirteç verme uç noktasını çağırır. Bu çağrı, konuşma hizmetlerini çağırmak için kullanılabilecek bir erişim belirteci döndürür.
+
+1. Bunun altına, yakalanan sesli kayıttaki konuşmayı REST API kullanarak metne dönüştürmek için bir fonksiyon tanımlayın:
+
+    ```python
+    def convert_speech_to_text(buffer):
+    ```
+
+1. Bu fonksiyonun içinde, REST API URL'sini ve başlıklarını ayarlayın:
+
+    ```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
+    }
+    ```
+
+    Bu, konuşma hizmeti kaynağının konumunu kullanarak bir URL oluşturur. Ardından, `get_access_token` fonksiyonundan gelen erişim belirtecini, ses kaydı için kullanılan örnekleme oranını başlıklara ekler. Son olarak, URL ile birlikte geçilecek dil bilgilerini içeren bazı parametreler tanımlar.
+
+1. Bunun altına, REST API'yi çağırmak ve metni geri almak için aşağıdaki kodu ekleyin:
+
+    ```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 ''
+    ```
+
+    Bu, URL'yi çağırır ve yanıt olarak gelen JSON değerini çözümler. Yanıttaki `RecognitionStatus` değeri, çağrının konuşmayı başarıyla metne dönüştürüp dönüştüremediğini belirtir. Eğer bu değer `Success` ise, metin fonksiyondan döndürülür, aksi takdirde boş bir string döndürülür.
+
+1. `while True:` döngüsünün üstüne, konuşmadan metne hizmetinden dönen metni işlemek için bir fonksiyon tanımlayın. Bu fonksiyon şimdilik sadece metni konsola yazdıracaktır.
+
+    ```python
+    def process_text(text):
+        print(text)
+    ```
+
+1. Son olarak, `while True` döngüsündeki `play_audio` çağrısını `convert_speech_to_text` fonksiyonuna bir çağrı ile değiştirin ve metni `process_text` fonksiyonuna iletin:
+
+    ```python
+    text = convert_speech_to_text(buffer)
+    process_text(text)
+    ```
+
+1. Kodu çalıştırın. Düğmeye basın ve mikrofona konuşun. İşiniz bittiğinde düğmeyi bırakın ve ses metne dönüştürülerek konsola yazdırılsın.
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    Farklı türde cümleler deneyin, ayrıca aynı seslere sahip ancak farklı anlamlara sahip kelimeler içeren cümleler deneyin. Örneğin, İngilizce konuşuyorsanız, 'I want to buy two bananas and an apple too' deyin ve bağlamına göre doğru "to", "two" ve "too" kelimelerinin nasıl kullanıldığını fark edin, sadece sesine göre değil.
+
+> 💁 Bu kodu [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi) klasöründe bulabilirsiniz.
+
+😀 Konuşmadan metne programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/tr/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
new file mode 100644
index 00000000..30f4b0a4
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
+  "translation_date": "2025-08-28T03:05:13+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
+  "language_code": "tr"
+}
+-->
+# Ses Kaydı - Sanal IoT Cihazı
+
+Bu derste konuşmayı metne dönüştürmek için kullanacağınız Python kütüphaneleri, Windows, macOS ve Linux üzerinde yerleşik ses kaydı özelliğine sahiptir. Burada herhangi bir şey yapmanıza gerek yok.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/tr/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
new file mode 100644
index 00000000..e54a0fdd
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
+  "translation_date": "2025-08-28T03:02:12+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
+  "language_code": "tr"
+}
+-->
+# Mikrofonunuzu ve hoparlörlerinizi yapılandırın - Sanal IoT Donanımı
+
+Sanal IoT donanımı, bilgisayarınıza bağlı bir mikrofon ve hoparlör kullanacaktır.
+
+Eğer bilgisayarınızda dahili bir mikrofon ve hoparlör yoksa, bunları aşağıdaki gibi tercih ettiğiniz donanımlarla bağlamanız gerekecek:
+
+* USB mikrofon
+* USB hoparlörler
+* HDMI üzerinden bağlanan ve monitörünüze entegre edilmiş hoparlörler
+* Bluetooth kulaklık
+
+Bu donanımı kurmak ve yapılandırmak için donanım üreticinizin talimatlarına başvurun.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/tr/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
new file mode 100644
index 00000000..6f27498c
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:03:13+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
+  "language_code": "tr"
+}
+-->
+# Konuşmadan Metne - Sanal IoT Cihazı
+
+Bu dersin bu bölümünde, mikrofonunuzdan alınan konuşmayı konuşma hizmetini kullanarak metne dönüştürmek için kod yazacaksınız.
+
+## Konuşmayı Metne Dönüştürme
+
+Windows, Linux ve macOS'ta, konuşma hizmetlerinin Python SDK'sı mikrofonunuzu dinlemek ve algılanan konuşmayı metne dönüştürmek için kullanılabilir. Sürekli olarak dinler, ses seviyelerini algılar ve konuşma bloğunun sonunda ses seviyesi düştüğünde konuşmayı metne dönüştürmek için gönderir.
+
+### Görev - Konuşmayı Metne Dönüştürme
+
+1. Bilgisayarınızda `smart-timer` adlı bir klasörde `app.py` adlı tek bir dosya ve bir Python sanal ortamı ile yeni bir Python uygulaması oluşturun.
+
+1. Konuşma hizmetleri için Pip paketini yükleyin. Sanal ortamın aktif olduğu bir terminalden yüklediğinizden emin olun.
+
+    ```sh
+    pip install azure-cognitiveservices-speech
+    ```
+
+    > ⚠️ Eğer aşağıdaki hatayı alırsanız:
+    >
+    > ```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
+    > ```
+    >
+    > Pip'i güncellemeniz gerekecek. Bunu aşağıdaki komutla yapın ve ardından paketi tekrar yüklemeyi deneyin:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. `app.py` dosyasına aşağıdaki importları ekleyin:
+
+    ```python
+    import requests
+    import time
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
+    ```
+
+    Bu, konuşmayı tanımak için kullanılan bazı sınıfları içe aktarır.
+
+1. Bazı yapılandırmaları tanımlamak için aşağıdaki kodu ekleyin:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+
+    recognizer_config = SpeechConfig(subscription=speech_api_key,
+                                     region=location,
+                                     speech_recognition_language=language)
+    ```
+
+    `<key>` kısmını konuşma hizmetinizin API anahtarı ile değiştirin. `<location>` kısmını konuşma hizmeti kaynağını oluşturduğunuz konum ile değiştirin.
+
+    `<language>` kısmını konuşacağınız dilin yerel adı ile değiştirin, örneğin İngilizce için `en-GB` veya Kantonca için `zn-HK`. Desteklenen diller ve yerel adlarının listesini [Microsoft dokümanlarındaki Dil ve ses desteği dokümantasyonunda](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) bulabilirsiniz.
+
+    Bu yapılandırma, konuşma hizmetlerini yapılandırmak için kullanılacak bir `SpeechConfig` nesnesi oluşturmak için kullanılır.
+
+1. Bir konuşma tanıyıcı oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    recognizer = SpeechRecognizer(speech_config=recognizer_config)
+    ```
+
+1. Konuşma tanıyıcı, bir arka plan iş parçacığında çalışır, sesi dinler ve içindeki konuşmayı metne dönüştürür. Metni bir geri çağırma fonksiyonu kullanarak alabilirsiniz - tanıyıcıya tanımlayıp ilettiğiniz bir fonksiyon. Her konuşma algılandığında, geri çağırma fonksiyonu çağrılır. Aşağıdaki kodu ekleyerek bir geri çağırma tanımlayın ve bu geri çağırmayı tanıyıcıya iletin, ayrıca metni işlemek için bir fonksiyon tanımlayın ve bunu konsola yazdırın:
+
+    ```python
+    def process_text(text):
+        print(text)
+
+    def recognized(args):
+        process_text(args.result.text)
+    
+    recognizer.recognized.connect(recognized)
+    ```
+
+1. Tanıyıcı yalnızca açıkça başlatıldığında dinlemeye başlar. Tanımayı başlatmak için aşağıdaki kodu ekleyin. Bu arka planda çalışır, bu nedenle uygulamanızın çalışmaya devam etmesi için uyuyan bir sonsuz döngüye ihtiyacı olacaktır.
+
+    ```python
+    recognizer.start_continuous_recognition()
+
+    while True:
+        time.sleep(1)
+    ```
+
+1. Bu uygulamayı çalıştırın. Mikrofonunuza konuşun ve metne dönüştürülen sesin konsola çıktısını alın.
+
+    ```output
+    (.venv) ➜  smart-timer python3 app.py
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    Farklı türde cümleler deneyin, ayrıca kelimelerin aynı şekilde ses çıkarıp farklı anlamlara sahip olduğu cümleler deneyin. Örneğin, İngilizce konuşuyorsanız, 'I want to buy two bananas and an apple too' deyin ve kelimenin sadece sesine değil, bağlamına göre doğru "to", "two" ve "too" kullanıldığını fark edin.
+
+> 💁 Bu kodu [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device) klasöründe bulabilirsiniz.
+
+😀 Konuşmadan metne programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/tr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
new file mode 100644
index 00000000..e97e0f82
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
@@ -0,0 +1,548 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
+  "translation_date": "2025-08-28T03:06:08+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
+  "language_code": "tr"
+}
+-->
+# Ses Kaydetme - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal'inizde ses kaydetmek için kod yazacaksınız. Ses kaydı, Wio Terminal'in üst kısmındaki düğmelerden biriyle kontrol edilecektir.
+
+## Cihazı ses kaydetmek için programlama
+
+Mikrofondan ses kaydetmek için C++ kodu kullanabilirsiniz. Wio Terminal yalnızca 192KB RAM'e sahiptir, bu da birkaç saniyeden fazla ses kaydetmek için yeterli değildir. Ancak 4MB flash belleği vardır, bu nedenle kaydedilen ses flash belleğe kaydedilebilir.
+
+Dahili mikrofon, analog bir sinyal yakalar ve bu sinyal, Wio Terminal'in kullanabileceği dijital bir sinyale dönüştürülür. Ses kaydederken, verilerin doğru zamanda yakalanması gerekir - örneğin, 16KHz'de ses kaydetmek için sesin saniyede tam olarak 16.000 kez, her örnek arasında eşit aralıklarla yakalanması gerekir. Bunu yapmak için kodunuzu kullanmak yerine, doğrudan bellek erişim denetleyicisini (DMAC) kullanabilirsiniz. Bu, bir sinyali bir yerden yakalayıp belleğe yazabilen ve işlemcide çalışan kodunuzu kesintiye uğratmayan bir devredir.
+
+✅ DMA hakkında daha fazla bilgi için [Wikipedia'daki doğrudan bellek erişimi sayfasını](https://wikipedia.org/wiki/Direct_memory_access) okuyun.
+
+![Mikrofondan gelen ses ADC'ye, ardından DMAC'ye gider. Bu, bir arabelleğe yazar. Bu arabellek dolduğunda işlenir ve DMAC ikinci bir arabelleğe yazar](../../../../../translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.tr.png)
+
+DMAC, ADC'den sabit aralıklarla ses yakalayabilir, örneğin 16KHz ses için saniyede 16.000 kez. Bu yakalanan verileri önceden ayrılmış bir bellek arabelleğine yazabilir ve bu dolduğunda, işlenmesi için kodunuza sunabilir. Bu belleği kullanmak ses kaydını geciktirebilir, ancak birden fazla arabellek ayarlayabilirsiniz. DMAC, arabellek 1'e yazar, ardından bu dolduğunda, kodunuza arabellek 1'i işlemesi için bildirimde bulunur ve DMAC arabellek 2'ye yazar. Arabellek 2 dolduğunda, kodunuza bildirimde bulunur ve tekrar arabellek 1'e yazmaya başlar. Bu şekilde, her bir arabelleği doldurmak için geçen süreden daha kısa sürede işlerseniz, hiçbir veri kaybetmezsiniz.
+
+Her bir arabellek yakalandıktan sonra, flash belleğe yazılabilir. Flash belleğe, nereye yazılacağını ve ne kadar yazılacağını belirten tanımlı adresler kullanılarak yazılması gerekir; bu, bellekte bir bayt dizisini güncellemeye benzer. Flash belleğin granülerliği vardır, bu da silme ve yazma işlemlerinin yalnızca sabit bir boyutta olmasına değil, aynı zamanda bu boyuta hizalanmasına bağlı olduğu anlamına gelir. Örneğin, granülerlik 4096 bayt ise ve adres 4200'de bir silme işlemi isterseniz, bu 4096 ile 8192 adresleri arasındaki tüm verileri silebilir. Bu, ses verilerini flash belleğe yazarken doğru boyuttaki parçalara bölünmesi gerektiği anlamına gelir.
+
+### Görev - Flash belleği yapılandırma
+
+1. PlatformIO kullanarak yeni bir Wio Terminal projesi oluşturun. Bu projeye `smart-timer` adını verin. `setup` fonksiyonuna seri portu yapılandırmak için kod ekleyin.
+
+1. Flash belleğe erişim sağlamak için aşağıdaki kütüphane bağımlılıklarını `platformio.ini` dosyasına ekleyin:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+    ```
+
+1. `main.cpp` dosyasını açın ve dosyanın en üstüne flash bellek kütüphanesi için aşağıdaki include yönergesini ekleyin:
+
+    ```cpp
+    #include <sfud.h>
+    #include <SPI.h>
+    ```
+
+    > 🎓 SFUD, Seri Flash Evrensel Sürücü anlamına gelir ve tüm flash bellek çipleriyle çalışmak üzere tasarlanmış bir kütüphanedir.
+
+1. `setup` fonksiyonunda, flash depolama kütüphanesini ayarlamak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    while (!(sfud_init() == SFUD_SUCCESS))
+        ;
+
+    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
+    ```
+
+    Bu, SFUD kütüphanesi başlatılana kadar döngü yapar, ardından hızlı okuma işlemlerini etkinleştirir. Dahili flash bellek, bir Kuyruklu Seri Çevresel Arayüz (QSPI) kullanılarak erişilebilir; bu, bir kuyruğu kullanarak sürekli erişime izin veren ve işlemci kullanımını en aza indiren bir SPI denetleyicisidir. Bu, flash belleği okumayı ve yazmayı daha hızlı hale getirir.
+
+1. `src` klasöründe `flash_writer.h` adında yeni bir dosya oluşturun.
+
+1. Bu dosyanın en üstüne aşağıdakileri ekleyin:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <sfud.h>
+    ```
+
+    Bu, flash bellekle etkileşim kurmak için SFUD kütüphanesi için başlık dosyası da dahil olmak üzere bazı gerekli başlık dosyalarını içerir.
+
+1. Bu yeni başlık dosyasında `FlashWriter` adında bir sınıf tanımlayın:
+
+    ```cpp
+    class FlashWriter
+    {
+    public:
+    
+    private:
+    };
+    ```
+
+1. `private` bölümüne aşağıdaki kodu ekleyin:
+
+    ```cpp
+    byte *_sfudBuffer;
+    size_t _sfudBufferSize;
+    size_t _sfudBufferPos;
+    size_t _sfudBufferWritePos;
+
+    const sfud_flash *_flash;
+    ```
+
+    Bu, flash belleğe yazmadan önce verileri depolamak için kullanılacak arabellek için bazı alanları tanımlar. `_sfudBuffer` adlı bir bayt dizisi, verileri yazmak için kullanılır ve bu dolduğunda, veriler flash belleğe yazılır. `_sfudBufferPos` alanı, bu arabellekte yazılacak mevcut konumu saklar ve `_sfudBufferWritePos` flash bellekte yazılacak konumu saklar. `_flash`, yazılacak flash belleğe işaret eden bir işaretçidir - bazı mikrodenetleyiciler birden fazla flash bellek çipine sahiptir.
+
+1. Bu sınıfı başlatmak için `public` bölümüne aşağıdaki yöntemi ekleyin:
+
+    ```cpp
+    void init()
+    {
+        _flash = sfud_get_device_table() + 0;
+        _sfudBufferSize = _flash->chip.erase_gran;
+        _sfudBuffer = new byte[_sfudBufferSize];
+        _sfudBufferPos = 0;
+        _sfudBufferWritePos = 0;
+    }
+    ```
+
+    Bu, Wio Terminal'deki flash belleği yazmak için yapılandırır ve flash belleğin tane boyutuna göre arabellekleri ayarlar. Bu, bir kurucu yerine bir `init` yöntemi olarak yapılır çünkü bu, flash bellek `setup` fonksiyonunda ayarlandıktan sonra çağrılmalıdır.
+
+1. `public` bölümüne aşağıdaki kodu ekleyin:
+
+    ```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;
+        }
+    }
+    ```
+
+    Bu kod, baytları flash depolama sistemine yazmak için yöntemler tanımlar. Bu, flash bellek için doğru boyutta olan bir bellek arabelleğine yazılarak çalışır ve bu dolduğunda, bu flash belleğe yazılır ve o konumdaki mevcut veriler silinir. Ayrıca, eksik bir arabelleği yazmak için bir `flushSfudBuffer` yöntemi vardır, çünkü yakalanan veriler tane boyutunun tam katları olmayacaktır, bu nedenle verilerin son kısmı yazılmalıdır.
+
+    > 💁 Verilerin son kısmı, istenmeyen ek veriler yazacaktır, ancak bu sorun değildir çünkü yalnızca gereken veriler okunacaktır.
+
+### Görev - Ses kaydını ayarlama
+
+1. `src` klasöründe `config.h` adında yeni bir dosya oluşturun.
+
+1. Bu dosyanın en üstüne aşağıdakileri ekleyin:
+
+    ```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
+    ```
+
+    Bu kod, ses kaydı için bazı sabitleri ayarlar.
+
+    | Sabit                | Değer  | Açıklama |
+    | --------------------- | -----: | - |
+    | RATE                  | 16000  | Ses için örnekleme oranı. 16.000, 16KHz'dir |
+    | SAMPLE_LENGTH_SECONDS | 4      | Kaydedilecek sesin uzunluğu. Bu, 4 saniye olarak ayarlanmıştır. Daha uzun ses kaydetmek için bunu artırabilirsiniz. |
+    | SAMPLES               | 64000  | Kaydedilecek toplam ses örneği sayısı. Örnekleme oranı * saniye sayısı olarak ayarlanır |
+    | BUFFER_SIZE           | 128044 | Sesin yakalanacağı arabellek boyutu. Ses bir WAV dosyası olarak yakalanacaktır, bu da 44 bayt başlık ve ardından 128.000 bayt ses verisi (her örnek 2 bayttır) içerir |
+    | ADC_BUF_LEN           | 1600   | DMAC'den ses yakalamak için kullanılacak arabelleklerin boyutu |
+
+    > 💁 Eğer 4 saniye bir zamanlayıcı istemek için çok kısa gelirse, `SAMPLE_LENGTH_SECONDS` değerini artırabilirsiniz ve diğer tüm değerler yeniden hesaplanacaktır.
+
+1. `src` klasöründe `mic.h` adında yeni bir dosya oluşturun.
+
+1. Bu dosyanın en üstüne aşağıdakileri ekleyin:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+
+    #include "config.h"
+    #include "flash_writer.h"
+    ```
+
+    Bu, bazı gerekli başlık dosyalarını içerir, bunlar arasında `config.h` ve `FlashWriter` başlık dosyaları da vardır.
+
+1. Mikrofondan yakalama yapabilen bir `Mic` sınıfını tanımlamak için aşağıdakileri ekleyin:
+
+    ```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;
+    ```
+
+    Bu sınıf şu anda yalnızca kaydın başlatılıp başlatılmadığını ve bir kaydın kullanıma hazır olup olmadığını izlemek için birkaç alana sahiptir. DMAC ayarlandığında, sürekli olarak bellek arabelleklerine yazar, bu nedenle `_isRecording` bayrağı, bunların işlenip işlenmeyeceğini belirler. `_isRecordingReady` bayrağı, gerekli 4 saniyelik ses kaydedildiğinde ayarlanır. `_writer` alanı, ses verilerini flash belleğe kaydetmek için kullanılır.
+
+    Daha sonra `Mic` sınıfının bir örneği için bir global değişken tanımlanır.
+
+1. `Mic` sınıfının `private` bölümüne aşağıdaki kodu ekleyin:
+
+    ```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];
+    ```
+
+    Bu kod, DMAC'yi yapılandıran bir `configureDmaAdc` yöntemi tanımlar, bunu ADC'ye bağlar ve `_adc_buf_0` ve `_adc_buf_1` adlı iki farklı alternatif arabelleği dolduracak şekilde ayarlar.
+
+    > 💁 Mikrodenetleyici geliştirme, donanımla doğrudan etkileşim kuran kod yazmayı gerektirdiği için karmaşıktır. Bu kod, bir tek kartlı bilgisayar veya masaüstü bilgisayar için yazacağınızdan daha karmaşıktır çünkü yardımcı olacak bir işletim sistemi yoktur. Bu süreci basitleştiren bazı kütüphaneler mevcuttur, ancak yine de karmaşıklık vardır.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, 44 baytlık bir bellek alanı kaplayan bir WAV başlığını bir yapı olarak tanımlar. Ses dosyası oranı, boyutu ve kanal sayısı gibi ayrıntıları bu başlığa yazar. Bu başlık daha sonra flash belleğe yazılır.
+
+1. Bu kodun altına, ses arabellekleri işlenmeye hazır olduğunda çağrılacak bir yöntemi bildirmek için aşağıdakileri ekleyin:
+
+    ```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;
+            }
+        }
+    }
+    ```
+
+    Ses arabellekleri, ADC'den gelen sesi içeren 16 bitlik tamsayı dizileridir. ADC, 12 bitlik işaretsiz değerler (0-1023) döndürür, bu nedenle bunların 16 bitlik işaretli değerlere dönüştürülmesi ve ardından ham ikili veri olarak saklanacak 2 bayta dönüştürülmesi gerekir.
+
+    Bu baytlar, flash bellek arabelleklerine yazılır. Yazma işlemi, WAV dosyası başlığı olarak yazılan 44 baytlık ofsetten başlar. Gerekli ses uzunluğu için gereken tüm baytlar yakalandığında, kalan veriler flash belleğe yazılır.
+
+1. `Mic` sınıfının `public` bölümüne aşağıdaki kodu ekleyin:
+
+    ```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;
+        }
+    }
+    ```
+
+    Bu kod, DMAC tarafından arabelleklerin işlenmesi için kodunuza bilgi vermek için çağrılır. İşlenecek veri olup olmadığını kontrol eder ve ilgili arabellekle `audioCallback` yöntemini çağırır.
+
+1. Sınıfın dışında, `Mic mic;` bildiriminin ardından aşağıdaki kodu ekleyin:
+
+    ```cpp
+    void DMAC_1_Handler()
+    {
+        mic.dmaHandler();
+    }
+    ```
+
+    `DMAC_1_Handler`, arabelleklerin işlenmeye hazır olduğu durumlarda DMAC tarafından çağrılacaktır. Bu işlev, adıyla bulunur, bu nedenle yalnızca var olması yeterlidir.
+
+1. `Mic` sınıfının `public` bölümüne aşağıdaki iki yöntemi ekleyin:
+
+    ```cpp
+    void init()
+    {
+        analogReference(AR_INTERNAL2V23);
+
+        _writer.init();
+
+        initBufferHeader();
+        configureDmaAdc();
+    }
+
+    void reset()
+    {
+        _isRecordingReady = false;
+        _isRecording = false;
+
+        _writer.reset();
+
+        initBufferHeader();
+    }
+    ```
+
+    `init` yöntemi, `Mic` sınıfını başlatmak için kod içerir. Bu yöntem, Mic pininin doğru voltajını ayarlar, flash bellek yazıcısını ayarlar, WAV dosyası başlığını yazar ve DMAC'yi yapılandırır. `reset` yöntemi, ses kaydedilip kullanıldıktan sonra flash belleği sıfırlar ve başlığı yeniden yazar.
+
+### Görev - Ses kaydetme
+
+1. `main.cpp` dosyasında, `mic.h` başlık dosyası için bir include yönergesi ekleyin:
+
+    ```cpp
+    #include "mic.h"
+    ```
+
+1. `setup` fonksiyonunda, C düğmesini başlatın. Ses kaydı, bu düğmeye basıldığında başlayacak ve 4 saniye boyunca devam edecektir:
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+1. Bunun altına, mikrofonu başlatın ve ardından sesin kaydedilmeye hazır olduğunu konsola yazdırın:
+
+    ```cpp
+    mic.init();
+
+    Serial.println("Ready.");
+    ```
+
+1. `loop` fonksiyonunun üstüne, yakalanan sesi işlemek için bir işlev tanımlayın. Şimdilik bu işlev hiçbir şey yapmaz, ancak bu dersin ilerleyen bölümlerinde konuşmayı metne dönüştürmek için kullanılacaktır:
+
+    ```cpp
+    void processAudio()
+    {
+    
+    }
+    ```
+
+1. `loop` fonksiyonuna aşağıdakileri ekleyin:
+
+    ```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();
+        }
+    }
+    ```
+
+    Bu kod, C düğmesini kontrol eder ve bu düğmeye basılmışsa ve kayıt başlamamışsa, `Mic` sınıfının `_isRecording` alanını true olarak ayarlar. Bu, `Mic` sınıfının `audioCallback` yönteminin 4 saniye boyunca ses depolamasına neden olur. 4 saniyelik ses kaydedildiğinde, `_isRecording` alanı false olarak ayarlanır ve `_isRecordingReady` alanı true olarak ayarlanır. Bu, `loop` fonksiyonunda kontrol edilir ve true olduğunda `processAudio` işlevi çağrılır, ardından mic sınıfı sıfırlanır.
+
+1. Bu kodu derleyin, Wio Terminal'inize yükleyin ve seri monitör üzerinden test edin. C düğmesine (sol tarafta, güç anahtarına en yakın olan düğme) basın ve konuşun. 4 saniyelik ses kaydedilecektir.
+
+    ```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
+    ```
+💁 Bu kodu [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal) klasöründe bulabilirsiniz.
+😀 Ses kaydı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/tr/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
new file mode 100644
index 00000000..ae9c99a3
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
@@ -0,0 +1,89 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "93d352de36526b8990e41dd538100324",
+  "translation_date": "2025-08-28T03:03:46+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
+  "language_code": "tr"
+}
+-->
+# Mikrofon ve hoparlörlerinizi yapılandırın - Wio Terminal
+
+Bu dersin bu bölümünde, Wio Terminal'inize hoparlör ekleyeceksiniz. Wio Terminal zaten dahili bir mikrofona sahiptir ve bu mikrofon konuşmayı kaydetmek için kullanılabilir.
+
+## Donanım
+
+Wio Terminal zaten dahili bir mikrofona sahiptir ve bu mikrofon, konuşma tanıma için ses kaydetmek amacıyla kullanılabilir.
+
+![Wio Terminal üzerindeki mikrofon](../../../../../translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.tr.png)
+
+Bir hoparlör eklemek için [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) kullanabilirsiniz. Bu, 2 MEMS mikrofonu, bir hoparlör bağlantı noktası ve bir kulaklık soketi içeren harici bir karttır.
+
+![ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.tr.png)
+
+Bir hoparlör eklemek için kulaklık, 3.5mm jaklı bir hoparlör veya [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html) gibi JST bağlantılı bir hoparlör kullanmanız gerekecek.
+
+ReSpeaker 2-Mics Pi Hat'i bağlamak için 40 pinli pin-to-pin (erkek-erkek olarak da adlandırılır) jumper kablolarına ihtiyacınız olacak.
+
+> 💁 Lehim yapmaya alışkınsanız, ReSpeaker'ı bağlamak için [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) kullanabilirsiniz.
+
+Ayrıca ses indirmek ve oynatmak için bir SD karta ihtiyacınız olacak. Wio Terminal yalnızca 16GB'a kadar SD Kartları destekler ve bu kartların FAT32 veya exFAT olarak formatlanmış olması gerekir.
+
+### Görev - ReSpeaker Pi Hat'i bağlayın
+
+1. Wio Terminal kapalıyken, ReSpeaker 2-Mics Pi Hat'i jumper kabloları ve Wio Terminal'in arkasındaki GPIO soketlerini kullanarak Wio Terminal'e bağlayın:
+
+    Pinler şu şekilde bağlanmalıdır:
+
+    ![Bir pin diyagramı](../../../../../translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.tr.png)
+
+1. ReSpeaker ve Wio Terminal'i GPIO soketleri yukarı bakacak şekilde ve sol tarafta olacak şekilde konumlandırın.
+
+1. ReSpeaker'ın GPIO soketinin sol üst kısmındaki soketten başlayın. ReSpeaker'ın sol üst soketinden Wio Terminal'in sol üst soketine bir pin-to-pin jumper kablosu bağlayın.
+
+1. GPIO soketlerinin sol tarafında bu işlemi aşağıya kadar tekrarlayın. Pinlerin sıkıca oturduğundan emin olun.
+
+    ![ReSpeaker'ın sol tarafındaki pinlerin Wio Terminal'in sol tarafındaki pinlere bağlanmış hali](../../../../../translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.tr.png)
+
+    ![ReSpeaker'ın sol tarafındaki pinlerin Wio Terminal'in sol tarafındaki pinlere bağlanmış hali](../../../../../translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.tr.png)
+
+    > 💁 Eğer jumper kablolarınız şeritler halinde bağlıysa, hepsini bir arada tutun - bu, tüm kabloları sırayla bağladığınızdan emin olmayı kolaylaştırır.
+
+1. Aynı işlemi ReSpeaker ve Wio Terminal'in sağ tarafındaki GPIO soketleri için tekrarlayın. Bu kablolar, zaten bağlı olan kabloların etrafından geçmelidir.
+
+    ![ReSpeaker'ın sağ tarafındaki pinlerin Wio Terminal'in sağ tarafındaki pinlere bağlanmış hali](../../../../../translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.tr.png)
+
+    ![ReSpeaker'ın sağ tarafındaki pinlerin Wio Terminal'in sağ tarafındaki pinlere bağlanmış hali](../../../../../translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.tr.png)
+
+    > 💁 Eğer jumper kablolarınız şeritler halinde bağlıysa, bunları iki şeride ayırın. Mevcut kabloların her iki yanından birer şerit geçirin.
+
+    > 💁 Pinlerin bir blok halinde kalmasını sağlamak ve bağlantı sırasında çıkmalarını önlemek için yapışkan bant kullanabilirsiniz.
+    >
+    > ![Bantla sabitlenmiş pinler](../../../../../translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.tr.png)
+
+1. Bir hoparlör eklemeniz gerekecek.
+
+    * Eğer JST kablolu bir hoparlör kullanıyorsanız, bunu ReSpeaker üzerindeki JST portuna bağlayın.
+
+      ![JST kablosuyla ReSpeaker'a bağlanmış bir hoparlör](../../../../../translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.tr.png)
+
+    * Eğer 3.5mm jaklı bir hoparlör veya kulaklık kullanıyorsanız, bunu 3.5mm jak soketine takın.
+
+      ![3.5mm jak soketiyle ReSpeaker'a bağlanmış bir hoparlör](../../../../../translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.tr.png)
+
+### Görev - SD kartı ayarlayın
+
+1. SD Kartı bilgisayarınıza bağlayın, eğer bir SD Kart yuvası yoksa harici bir okuyucu kullanın.
+
+1. Bilgisayarınızdaki uygun aracı kullanarak SD Kartı formatlayın ve FAT32 veya exFAT dosya sistemini seçtiğinizden emin olun.
+
+1. SD kartı, Wio Terminal'in sol tarafındaki güç düğmesinin hemen altındaki SD Kart yuvasına yerleştirin. Kartın tamamen yerleştiğinden ve tıklandığından emin olun - bunu yapmak için ince bir alet veya başka bir SD Kart kullanmanız gerekebilir.
+
+    ![SD kartı güç düğmesinin altındaki SD kart yuvasına yerleştirme](../../../../../translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.tr.png)
+
+    > 💁 SD Kartı çıkarmak için, hafifçe içeri itin ve kart dışarı fırlayacaktır. Bunu yapmak için düz uçlu bir tornavida veya başka bir SD Kart gibi ince bir alete ihtiyacınız olabilir.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/tr/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
new file mode 100644
index 00000000..2d8bb7e8
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:07:23+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
+  "language_code": "tr"
+}
+-->
+# Konuşmadan Metne - Wio Terminal
+
+Bu dersin bu bölümünde, yakalanan seslerdeki konuşmayı konuşma hizmetini kullanarak metne dönüştürmek için kod yazacaksınız.
+
+## Sesi konuşma hizmetine gönderin
+
+Ses, REST API kullanılarak konuşma hizmetine gönderilebilir. Konuşma hizmetini kullanmak için önce bir erişim belirteci (access token) talep etmeniz, ardından bu belirteci REST API'ye erişmek için kullanmanız gerekir. Bu erişim belirteçleri 10 dakika sonra süresi dolar, bu nedenle kodunuzun bunları düzenli olarak talep etmesi ve her zaman güncel olmasını sağlaması gerekir.
+
+### Görev - bir erişim belirteci alın
+
+1. `smart-timer` projesini henüz açmadıysanız açın.
+
+1. WiFi'ye erişmek ve JSON'u işlemek için `platformio.ini` dosyasına aşağıdaki kütüphane bağımlılıklarını ekleyin:
+
+    ```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` başlık dosyasına aşağıdaki kodu ekleyin:
+
+    ```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>` ve `<PASSWORD>` değerlerini WiFi bilgilerinizle değiştirin.
+
+    `<API_KEY>` değerini konuşma hizmeti kaynağınızın API anahtarıyla değiştirin. `<LOCATION>` değerini konuşma hizmeti kaynağını oluştururken kullandığınız konumla değiştirin.
+
+    `<LANGUAGE>` değerini konuşacağınız dilin yerel ayar adıyla değiştirin, örneğin İngilizce için `en-GB` veya Kantonca için `zn-HK`. Desteklenen dillerin ve yerel ayar adlarının bir listesini [Microsoft dokümanlarındaki Dil ve ses desteği dokümanında](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) bulabilirsiniz.
+
+    `TOKEN_URL` sabiti, konum olmadan belirteç sağlayıcısının URL'sidir. Bu, tam URL'yi elde etmek için daha sonra konumla birleştirilecektir.
+
+1. Custom Vision'a bağlanırken olduğu gibi, belirteç sağlayıcı hizmetine bağlanmak için bir HTTPS bağlantısı kullanmanız gerekecek. `config.h` dosyasının sonuna aşağıdaki kodu ekleyin:
+
+    ```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";
+    ```
+
+    Bu, Custom Vision'a bağlanırken kullandığınız aynı sertifikadır.
+
+1. `main.cpp` dosyasının üst kısmına WiFi başlık dosyası ve config başlık dosyası için bir include ekleyin:
+
+    ```cpp
+    #include <rpcWiFi.h>
+
+    #include "config.h"
+    ```
+
+1. `main.cpp` dosyasında `setup` fonksiyonunun üstüne WiFi'ye bağlanmak için kod ekleyin:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+1. Bu fonksiyonu, seri bağlantı kurulduktan sonra `setup` fonksiyonundan çağırın:
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. `src` klasöründe `speech_to_text.h` adında yeni bir başlık dosyası oluşturun. Bu başlık dosyasına aşağıdaki kodu ekleyin:
+
+    ```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;
+    ```
+
+    Bu, bir HTTP bağlantısı, yapılandırma ve `mic.h` başlık dosyası için gerekli başlık dosyalarını içerir ve daha sonra kullanılabilecek bir sınıf örneği tanımlamadan önce `SpeechToText` adlı bir sınıf tanımlar.
+
+1. Bu sınıfın `private` bölümüne aşağıdaki 2 alanı ekleyin:
+
+    ```cpp
+    WiFiClientSecure _token_client;
+    String _access_token;
+    ```
+
+    `_token_client`, HTTPS kullanan bir WiFi Client'tır ve erişim belirtecini almak için kullanılacaktır. Bu belirteç daha sonra `_access_token` içinde saklanacaktır.
+
+1. `private` bölümüne aşağıdaki yöntemi ekleyin:
+
+    ```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;
+    }
+    ```
+
+    Bu kod, konuşma kaynağının konumunu kullanarak belirteç sağlayıcı API'si için URL'yi oluşturur. Daha sonra bir `HTTPClient` oluşturur ve web isteğini yapmak için belirteç uç noktalarının sertifikasıyla yapılandırılmış WiFi istemcisini kullanır. API anahtarını çağrı için bir başlık olarak ayarlar. Daha sonra belirteci almak için bir POST isteği yapar ve herhangi bir hata alırsa yeniden dener. Son olarak erişim belirteci döndürülür.
+
+1. `public` bölümüne, erişim belirteci almak için bir yöntem ekleyin. Bu, sonraki derslerde metni konuşmaya dönüştürmek için gerekli olacaktır.
+
+    ```cpp
+    String AccessToken()
+    {
+        return _access_token;
+    }
+    ```
+
+1. `public` bölümüne, belirteç istemcisini ayarlayan bir `init` yöntemi ekleyin:
+
+    ```cpp
+    void init()
+    {
+        _token_client.setCACert(TOKEN_CERTIFICATE);
+        _access_token = getAccessToken();
+    }
+    ```
+
+    Bu, WiFi istemcisinde sertifikayı ayarlar ve ardından erişim belirtecini alır.
+
+1. `main.cpp` dosyasında, include yönergelerine bu yeni başlık dosyasını ekleyin:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. `setup` fonksiyonunun sonunda, `mic.init` çağrısından sonra ancak `Ready` seri monitöre yazılmadan önce `SpeechToText` sınıfını başlatın:
+
+    ```cpp
+    speechToText.init();
+    ```
+
+### Görev - flash bellekteki sesi okuyun
+
+1. Dersin önceki bir bölümünde, ses flash belleğe kaydedildi. Bu ses, Konuşma Hizmetleri REST API'sine gönderilmesi gerektiğinden, flash bellekten okunmalıdır. Bellek içi bir arabelleğe yüklenemez çünkü çok büyük olur. REST çağrıları yapan `HTTPClient` sınıfı, bir Arduino Stream kullanarak verileri akış olarak gönderebilir - bu sınıf, verileri küçük parçalara ayırarak yükleyebilir ve her bir parçayı sırayla isteğin bir parçası olarak gönderebilir. Bir akıştan her `read` çağrısı, bir sonraki veri bloğunu döndürür. Flash bellekten okuyabilen bir Arduino akışı oluşturulabilir. `src` klasöründe `flash_stream.h` adında yeni bir dosya oluşturun ve aşağıdaki kodu ekleyin:
+
+    ```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:
+    
+    };
+    ```
+
+    Bu, Arduino `Stream` sınıfından türeyen `FlashStream` sınıfını tanımlar. Bu soyut bir sınıftır - türetilen sınıflar, sınıfın örneklendirilebilmesi için birkaç yöntemi uygulamalıdır ve bu yöntemler bu sınıfta tanımlanmıştır.
+
+    ✅ Arduino Akışları hakkında daha fazla bilgi için [Arduino Stream dokümantasyonunu](https://www.arduino.cc/reference/en/language/functions/communication/stream/) okuyun.
+
+1. `private` bölümüne aşağıdaki alanları ekleyin:
+
+    ```cpp
+    size_t _pos;
+    size_t _flash_address;
+    const sfud_flash *_flash;
+
+    byte _buffer[HTTP_TCP_BUFFER_SIZE];
+    ```
+
+    Bu, flash bellekten okunan verileri depolamak için geçici bir arabellek, arabellekten okuma sırasında mevcut konumu, flash bellekten okuma için mevcut adresi ve flash bellek cihazını depolamak için alanlar tanımlar.
+
+1. `private` bölümüne aşağıdaki yöntemi ekleyin:
+
+    ```cpp
+    void populateBuffer()
+    {
+        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
+        _flash_address += HTTP_TCP_BUFFER_SIZE;
+        _pos = 0;
+    }
+    ```
+
+    Bu kod, mevcut adreste flash bellekten okur ve verileri bir arabelleğe depolar. Daha sonra adresi artırır, böylece bir sonraki çağrı bir sonraki bellek bloğunu okur. Arabellek, REST API'ye bir kerede gönderilecek en büyük parçaya göre boyutlandırılmıştır.
+
+    > 💁 Flash belleği silmek, tahıl boyutunu kullanarak yapılmalıdır, ancak okuma için bu geçerli değildir.
+
+1. Bu sınıfın `public` bölümüne bir kurucu ekleyin:
+
+    ```cpp
+    FlashStream()
+    {
+        _pos = 0;
+        _flash_address = 0;
+        _flash = sfud_get_device_table() + 0;
+        
+        populateBuffer();
+    }
+    ```
+
+    Bu kurucu, flash bellek bloğunun başlangıcından okumaya başlamak için tüm alanları ayarlar ve ilk veri bloğunu arabelleğe yükler.
+
+1. `write` yöntemini uygulayın. Bu akış yalnızca veri okuyacaktır, bu nedenle hiçbir şey yapmaz ve 0 döndürür:
+
+    ```cpp
+    virtual size_t write(uint8_t val)
+    {
+        return 0;
+    }
+    ```
+
+1. `peek` yöntemini uygulayın. Bu, akışı ilerletmeden mevcut konumdaki verileri döndürür. Akıştan veri okunmadığı sürece `peek` birden fazla kez çağrıldığında her zaman aynı veriyi döndürür.
+
+    ```cpp
+    virtual int peek()
+    {
+        return _buffer[_pos];
+    }
+    ```
+
+1. `available` fonksiyonunu uygulayın. Bu, akıştan kaç bayt okunabileceğini döndürür veya akış tamamlanmışsa -1 döndürür. Bu sınıf için, mevcut olan maksimum miktar HTTPClient'ın parça boyutundan fazla olmayacaktır. Bu akış HTTP istemcisinde kullanıldığında, istemci ne kadar veri mevcut olduğunu görmek için bu fonksiyonu çağırır ve ardından REST API'ye göndermek için o kadar veri ister. Her parçanın HTTP istemcisinin parça boyutundan fazla olmamasını istiyoruz, bu nedenle mevcut olan daha fazlaysa, parça boyutu döndürülür. Daha azsa, mevcut olan döndürülür. Tüm veriler akış olarak gönderildikten sonra -1 döndürülür.
+
+    ```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` yöntemini uygulayın, bu yöntem arabellekten bir sonraki baytı döndürür ve konumu artırır. Konum arabellek boyutunu aşarsa, arabellek flash bellekten bir sonraki blokla doldurulur ve konum sıfırlanır.
+
+    ```cpp
+    virtual int read()
+    {
+        int retVal = _buffer[_pos++];
+
+        if (_pos == HTTP_TCP_BUFFER_SIZE)
+        {
+            populateBuffer();
+        }
+
+        return retVal;
+    }
+    ```
+
+1. `speech_to_text.h` başlık dosyasında, bu yeni başlık dosyası için bir include yönergesi ekleyin:
+
+    ```cpp
+    #include "flash_stream.h"
+    ```
+
+### Görev - konuşmayı metne dönüştürün
+
+1. Konuşma, sesi REST API aracılığıyla Konuşma Hizmetine göndererek metne dönüştürülebilir. Bu REST API, belirteç sağlayıcıdan farklı bir sertifikaya sahiptir, bu nedenle `config.h` başlık dosyasına bu sertifikayı tanımlamak için aşağıdaki kodu ekleyin:
+
+    ```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. Bu dosyaya, konum olmadan konuşma URL'si için bir sabit ekleyin. Bu, daha sonra konum ve dil ile birleştirilerek tam URL elde edilecektir.
+
+    ```cpp
+    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
+    ```
+
+1. `speech_to_text.h` başlık dosyasında, `SpeechToText` sınıfının `private` bölümünde, konuşma sertifikasıyla bir WiFi Client için bir alan tanımlayın:
+
+    ```cpp
+    WiFiClientSecure _speech_client;
+    ```
+
+1. `init` yönteminde, bu WiFi Client'ta sertifikayı ayarlayın:
+
+    ```cpp
+    _speech_client.setCACert(SPEECH_CERTIFICATE);
+    ```
+
+1. `SpeechToText` sınıfının `public` bölümüne, konuşmayı metne dönüştürmek için bir yöntem tanımlamak üzere aşağıdaki kodu ekleyin:
+
+    ```cpp
+    String convertSpeechToText()
+    {
+        
+    }
+    ```
+
+1. Bu yönteme, konuşma sertifikasıyla yapılandırılmış WiFi istemcisini kullanarak bir HTTP istemcisi oluşturmak ve konum ve dil ile ayarlanmış konuşma URL'sini kullanmak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    char url[128];
+    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
+
+    HTTPClient httpClient;
+    httpClient.begin(_speech_client, url);
+    ```
+
+1. Bağlantı üzerinde bazı başlıklar ayarlanmalıdır:
+
+    ```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");
+    ```
+
+    Bu, yetkilendirme için erişim belirteci, ses formatı için örnekleme oranı ve istemcinin sonucu JSON olarak beklediğini belirten başlıkları ayarlar.
+
+1. Bunun ardından, REST API çağrısını yapmak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    Serial.println("Sending speech...");
+
+    FlashStream stream;
+    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
+
+    Serial.println("Speech sent!");
+    ```
+
+    Bu, bir `FlashStream` oluşturur ve REST API'ye veri akışı yapmak için kullanır.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, yanıt kodunu kontrol eder.
+
+    Eğer 200 ise, yani başarı kodu, sonuç alınır, JSON'dan çözülür ve `DisplayText` özelliği `text` değişkenine ayarlanır. Bu özellik, konuşmanın metin sürümünün döndürüldüğü özelliktir.
+
+    Eğer yanıt kodu 401 ise, erişim belirteci süresi dolmuş demektir (bu belirteçler yalnızca 10 dakika geçerlidir). Yeni bir erişim belirteci talep edilir ve çağrı tekrar yapılır.
+
+    Aksi takdirde, seri monitöre bir hata gönderilir ve `text` boş bırakılır.
+
+1. Bu yöntemin sonuna, HTTP istemcisini kapatmak ve metni döndürmek için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    httpClient.end();
+
+    return text;
+    ```
+
+1. `main.cpp` dosyasında, bu yeni `convertSpeechToText` yöntemini `processAudio` fonksiyonunda çağırın ve ardından konuşmayı seri monitöre yazdırın:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    Serial.println(text);
+    ```
+
+1. Bu kodu derleyin, Wio Terminal cihazınıza yükleyin ve seri monitör üzerinden test edin. Seri monitörde `Ready` yazısını gördüğünüzde, C düğmesine (sol tarafta, güç anahtarına en yakın olan) basın ve konuşun. 4 saniyelik ses kaydedilecek ve ardından metne dönüştürülecektir.
+
+    ```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.
+    ```
+
+> 💁 Bu kodu [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Konuşmadan metne programınız başarıyla çalıştı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/2-language-understanding/README.md b/translations/tr/6-consumer/lessons/2-language-understanding/README.md
new file mode 100644
index 00000000..604a5f9b
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/2-language-understanding/README.md
@@ -0,0 +1,574 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
+  "translation_date": "2025-08-28T02:53:38+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
+  "language_code": "tr"
+}
+-->
+# Dil Anlama
+
+![Bu dersin genel bir sketchnote özeti](../../../../../translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
+
+## Giriş
+
+Son derste konuşmayı metne dönüştürdünüz. Akıllı bir zamanlayıcı programlamak için bu kodun söylenenleri anlaması gerekecek. Kullanıcının "3 dakikalık bir zamanlayıcı ayarla" gibi sabit bir ifade kullanacağını varsayabilirsiniz ve bu ifadeyi zamanlayıcının ne kadar süreyle ayarlanması gerektiğini anlamak için ayrıştırabilirsiniz. Ancak bu çok kullanıcı dostu bir yaklaşım değildir. Bir kullanıcı "3 dakika için bir zamanlayıcı ayarla" derse, siz veya ben ne demek istediğini anlayabiliriz, ancak kodunuz sabit bir ifade beklediği için bunu anlayamaz.
+
+Dil anlama burada devreye girer. AI modelleri kullanılarak metni yorumlayabilir ve gerekli detayları döndürebilir. Örneğin, hem "3 dakikalık bir zamanlayıcı ayarla" hem de "3 dakika için bir zamanlayıcı ayarla" ifadelerini alabilir ve 3 dakikalık bir zamanlayıcı gerektiğini anlayabilir.
+
+Bu derste dil anlama modellerini, nasıl oluşturulacağını, eğitileceğini ve kodunuzda nasıl kullanılacağını öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Dil anlama](../../../../../6-consumer/lessons/2-language-understanding)
+* [Dil anlama modeli oluşturma](../../../../../6-consumer/lessons/2-language-understanding)
+* [Niyetler ve varlıklar](../../../../../6-consumer/lessons/2-language-understanding)
+* [Dil anlama modelini kullanma](../../../../../6-consumer/lessons/2-language-understanding)
+
+## Dil Anlama
+
+İnsanlar yüz binlerce yıldır iletişim kurmak için dili kullanıyor. Kelimeler, sesler veya hareketlerle iletişim kurarız ve söylenenleri anlarız; hem kelimelerin, seslerin veya hareketlerin anlamını hem de bağlamlarını. Samimiyet ve alaycılığı anlayabiliriz, böylece aynı kelimeler ses tonumuza bağlı olarak farklı şeyler ifade edebilir.
+
+✅ Son zamanlarda yaptığınız bazı konuşmaları düşünün. Konuşmanın ne kadarının bir bilgisayar için bağlam gerektirdiği için anlaması zor olurdu?
+
+Dil anlama, doğal dil işleme (NLP) olarak adlandırılan yapay zeka alanının bir parçasıdır ve okuma-anlama ile ilgilenir; kelimelerin veya cümlelerin detaylarını anlamaya çalışır. Alexa veya Siri gibi bir sesli asistan kullanıyorsanız, dil anlama hizmetlerini kullanmışsınızdır. Bunlar, "Alexa, Taylor Swift'in son albümünü çal" ifadesini kızımın oturma odasında favori şarkılarıyla dans etmesine dönüştüren arka plandaki AI hizmetleridir.
+
+> 💁 Bilgisayarlar, tüm ilerlemelerine rağmen, metni gerçekten anlamak konusunda hala uzun bir yol kat etmesi gerekiyor. Bilgisayarlarla dil anlama dediğimizde, insan iletişimi kadar gelişmiş bir şeyden bahsetmiyoruz; bunun yerine bazı kelimeleri alıp anahtar detayları çıkarmayı kastediyoruz.
+
+Biz insanlar, dili düşünmeden anlarız. Eğer başka bir insana "Taylor Swift'in son albümünü çal" desem, ne demek istediğimi içgüdüsel olarak bilirler. Bir bilgisayar için bu daha zordur. Kelimeleri, konuşmadan metne dönüştürülmüş şekilde alması ve şu bilgileri çıkarması gerekir:
+
+* Müzik çalınmalı
+* Müzik, sanatçı Taylor Swift'e ait
+* Belirli müzik, bir albümdeki birden fazla parçanın sıralı hali
+* Taylor Swift'in birçok albümü var, bu yüzden kronolojik sıraya göre sıralanmalı ve en son yayınlanan albüm isteniyor
+
+✅ Kahve sipariş etmek veya bir aile üyesinden bir şey istemek gibi taleplerinizi ifade ettiğiniz diğer cümleleri düşünün. Bilgisayarın cümleyi anlaması için çıkarması gereken bilgileri parçalamaya çalışın.
+
+Dil anlama modelleri, dilden belirli detayları çıkarmak için eğitilmiş AI modelleridir ve ardından transfer öğrenimi kullanılarak belirli görevler için eğitilirler. Tıpkı küçük bir görüntü seti kullanarak Özel Görüntüleme modelini eğittiğiniz gibi. Bir modeli alabilir, ardından anlamasını istediğiniz metni kullanarak eğitebilirsiniz.
+
+## Dil Anlama Modeli Oluşturma
+
+![LUIS logosu](../../../../../translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.tr.png)
+
+Dil anlama modellerini, Microsoft'un Cognitive Services'ın bir parçası olan LUIS adlı dil anlama hizmetini kullanarak oluşturabilirsiniz.
+
+### Görev - yazım kaynağı oluşturma
+
+LUIS'i kullanmak için bir yazım kaynağı oluşturmanız gerekir.
+
+1. `smart-timer` kaynak grubunuzda bir yazım kaynağı oluşturmak için aşağıdaki komutu kullanın:
+
+    ```python
+    az cognitiveservices account create --name smart-timer-luis-authoring \
+                                        --resource-group smart-timer \
+                                        --kind LUIS.Authoring \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    `<location>` değerini Kaynak Grubu oluştururken kullandığınız konumla değiştirin.
+
+    > ⚠️ LUIS tüm bölgelerde mevcut değildir, bu yüzden şu hatayı alırsanız:
+    >
+    > ```output
+    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
+    > ```
+    >
+    > farklı bir bölge seçin.
+
+    Bu, ücretsiz katmanlı bir LUIS yazım kaynağı oluşturacaktır.
+
+### Görev - dil anlama uygulaması oluşturma
+
+1. Tarayıcınızda [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn) portalını açın ve Azure için kullandığınız aynı hesapla oturum açın.
+
+1. Diyalogdaki talimatları takip ederek Azure aboneliğinizi seçin, ardından az önce oluşturduğunuz `smart-timer-luis-authoring` kaynağını seçin.
+
+1. *Conversation apps* listesinden **New app** düğmesini seçerek yeni bir uygulama oluşturun. Yeni uygulamayı `smart-timer` olarak adlandırın ve *Culture* alanını dilinize ayarlayın.
+
+    > 💁 Tahmin kaynağı için bir alan var. Tahmin için ayrı bir kaynak oluşturabilirsiniz, ancak ücretsiz yazım kaynağı ayda 1.000 tahmine izin verir ve geliştirme için yeterli olmalıdır, bu yüzden boş bırakabilirsiniz.
+
+1. Uygulamayı oluşturduktan sonra açılan kılavuzu okuyarak dil anlama modelini eğitmek için yapmanız gereken adımları anlayın. Kılavuzu bitirdiğinizde kapatın.
+
+## Niyetler ve Varlıklar
+
+Dil anlama, *niyetler* ve *varlıklar* etrafında şekillenir. Niyetler, kelimelerin amacını ifade eder, örneğin müzik çalmak, zamanlayıcı ayarlamak veya yemek sipariş etmek. Varlıklar ise niyetin neye atıfta bulunduğunu ifade eder, örneğin albüm, zamanlayıcı süresi veya yemek türü. Modelin yorumladığı her cümlede en az bir niyet ve isteğe bağlı olarak bir veya daha fazla varlık bulunmalıdır.
+
+Bazı örnekler:
+
+| Cümle                                              | Niyet            | Varlıklar                                   |
+| -------------------------------------------------- | ---------------- | ------------------------------------------ |
+| "Taylor Swift'in son albümünü çal"                | *müzik çal*      | *Taylor Swift'in son albümü*               |
+| "3 dakikalık bir zamanlayıcı ayarla"              | *zamanlayıcı ayarla* | *3 dakika*                                |
+| "Zamanlayıcımı iptal et"                          | *zamanlayıcı iptal et* | Yok                                       |
+| "3 büyük ananaslı pizza ve bir sezar salata sipariş et" | *yemek sipariş et* | *3 büyük ananaslı pizza*, *sezar salata* |
+
+✅ Daha önce düşündüğünüz cümlelerde, o cümlenin niyeti ve varsa varlıkları ne olurdu?
+
+LUIS'i eğitmek için önce varlıkları belirlersiniz. Bunlar sabit bir terim listesi olabilir veya metinden öğrenilebilir. Örneğin, menünüzdeki mevcut yiyeceklerin sabit bir listesini, her kelimenin varyasyonları (veya eş anlamlıları) ile sağlayabilirsiniz, örneğin *patlıcan* ve *aubergine* kelimeleri *aubergine* için varyasyonlar olarak. LUIS ayrıca kullanılabilecek önceden oluşturulmuş varlıklar sunar, örneğin sayılar ve konumlar.
+
+Bir zamanlayıcı ayarlamak için, zaman için önceden oluşturulmuş sayı varlıklarını kullanan bir varlık ve bir diğeri birimler için (dakika ve saniye gibi) olmak üzere iki varlık ekleyebilirsiniz. Her birim, tekil ve çoğul formları kapsamak için birden fazla varyasyona sahip olacaktır - örneğin dakika ve dakikalar.
+
+Varlıklar tanımlandıktan sonra niyetler oluşturursunuz. Bunlar, sağladığınız örnek cümlelere (bilinen adıyla ifadeler) dayalı olarak model tarafından öğrenilir. Örneğin, bir *zamanlayıcı ayarla* niyeti için şu cümleleri sağlayabilirsiniz:
+
+* `1 saniyelik bir zamanlayıcı ayarla`
+* `1 dakika 12 saniyelik bir zamanlayıcı ayarla`
+* `3 dakikalık bir zamanlayıcı ayarla`
+* `9 dakika 30 saniyelik bir zamanlayıcı ayarla`
+
+Daha sonra LUIS'e bu cümlelerin hangi bölümlerinin varlıklarla eşleştiğini söylersiniz:
+
+![1 dakika 12 saniyelik bir zamanlayıcı ayarla cümlesi varlıklara bölünmüş](../../../../../translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.tr.png)
+
+`1 dakika 12 saniyelik bir zamanlayıcı ayarla` cümlesi `zamanlayıcı ayarla` niyetine sahiptir. Ayrıca 2 varlık ve her biri için 2 değer içerir:
+
+|            | zaman | birim   |
+| ---------- | ---: | ------ |
+| 1 dakika   | 1    | dakika |
+| 12 saniye  | 12   | saniye |
+
+İyi bir model eğitmek için, bir kişinin aynı şeyi istemek için kullanabileceği birçok farklı yolu kapsayan çeşitli örnek cümlelere ihtiyacınız vardır.
+
+> 💁 Herhangi bir AI modelinde olduğu gibi, eğitmek için kullandığınız veri ne kadar fazla ve ne kadar doğru olursa, model o kadar iyi olur.
+
+✅ Aynı şeyi istemek için kullanabileceğiniz farklı yolları ve bir insanın anlamasını beklediğiniz yolları düşünün.
+
+### Görev - dil anlama modellerine varlıklar ekleme
+
+Zamanlayıcı için, bir zaman birimi (dakika veya saniye) ve dakika veya saniye sayısı için 2 varlık eklemeniz gerekir.
+
+LUIS portalını kullanma talimatlarını [Microsoft Docs'taki LUIS portalında uygulama oluşturma hızlı başlangıç belgesinde](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn) bulabilirsiniz.
+
+1. LUIS portalından *Entities* sekmesini seçin ve **Add prebuilt entity** düğmesini seçerek *number* önceden oluşturulmuş varlığı ekleyin, ardından listeden *number* seçin.
+
+1. **Create** düğmesini kullanarak zaman birimi için yeni bir varlık oluşturun. Varlığı `time unit` olarak adlandırın ve türünü *List* olarak ayarlayın. *Normalized values* listesine `minute` ve `second` değerlerini ekleyin, tekil ve çoğul formları *synonyms* listesine ekleyin. Her eş anlamlıyı listeye eklemek için `return` tuşuna basın.
+
+    | Normalized value | Synonyms        |
+    | ---------------- | --------------- |
+    | minute           | minute, minutes |
+    | second           | second, seconds |
+
+### Görev - dil anlama modellerine niyetler ekleme
+
+1. *Intents* sekmesinden **Create** düğmesini seçerek yeni bir niyet oluşturun. Bu niyeti `set timer` olarak adlandırın.
+
+1. Örnekler bölümüne, hem dakika hem saniye ve hem dakika hem saniye kombinasyonlarını kullanarak bir zamanlayıcı ayarlamanın farklı yollarını girin. Örnekler şunlar olabilir:
+
+    * `1 saniyelik bir zamanlayıcı ayarla`
+    * `4 dakikalık bir zamanlayıcı ayarla`
+    * `dört dakika altı saniyelik bir zamanlayıcı ayarla`
+    * `9 dakika 30 saniyelik bir zamanlayıcı ayarla`
+    * `1 dakika 12 saniyelik bir zamanlayıcı ayarla`
+    * `3 dakikalık bir zamanlayıcı ayarla`
+    * `3 dakika 1 saniyelik bir zamanlayıcı ayarla`
+    * `üç dakika bir saniyelik bir zamanlayıcı ayarla`
+    * `1 dakika 1 saniyelik bir zamanlayıcı ayarla`
+    * `30 saniyelik bir zamanlayıcı ayarla`
+    * `1 saniyelik bir zamanlayıcı ayarla`
+
+    Modelin hem kelimeleri hem de sayısal ifadeleri işleyebilmesi için sayıları kelime ve rakam olarak karıştırın.
+
+1. Her örneği girerken, LUIS varlıkları algılamaya başlayacak ve bulduğu varlıkları altını çizerek ve etiketleyerek gösterecektir.
+
+    ![LUIS tarafından altı çizilen ve etiketlenen sayılar ve zaman birimleriyle örnekler](../../../../../translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.tr.png)
+
+### Görev - modeli eğit ve test et
+
+1. Varlıklar ve niyetler yapılandırıldıktan sonra, üst menüdeki **Train** düğmesini kullanarak modeli eğitebilirsiniz. Bu düğmeyi seçin ve model birkaç saniye içinde eğitilecektir. Eğitim sırasında düğme gri olacaktır ve işlem tamamlandığında yeniden etkinleştirilecektir.
+
+1. Üst menüden **Test** düğmesini seçerek dil anlama modelini test edin. `5 dakika 4 saniyelik bir zamanlayıcı ayarla` gibi bir metin girin ve enter tuşuna basın. Cümle, yazdığınız metin kutusunun altında bir kutuda görünecek ve bunun altında *top intent* veya en yüksek olasılıkla algılanan niyet görünecektir. Bu `set timer` olmalıdır. Niyet adı, algılanan niyetin doğru olma olasılığıyla birlikte görünecektir.
+
+1. **Inspect** seçeneğini seçerek sonuçların ayrıntılı bir dökümünü görün. En yüksek puanlı niyet ve yüzde olasılığı ile birlikte algılanan varlıkların listelerini göreceksiniz.
+
+1. Test panelini bitirdiğinizde kapatın.
+
+### Görev - modeli yayınla
+
+Bu modeli koddan kullanmak için yayınlamanız gerekir. LUIS'ten yayınlarken, test için bir aşama ortamına veya tam sürüm için bir ürün ortamına yayınlayabilirsiniz. Bu derste, bir aşama ortamı yeterlidir.
+
+1. LUIS portalından üst menüdeki **Publish** düğmesini seçin.
+
+1. *Staging slot* seçili olduğundan emin olun, ardından **Done** seçeneğini seçin. Uygulama yayınlandığında bir bildirim göreceksiniz.
+
+1. Bunu curl kullanarak test edebilirsiniz. Curl komutunu oluşturmak için üç değere ihtiyacınız var - endpoint, uygulama kimliği (App ID) ve bir API anahtarı. Bunlara üst menüden seçilebilen **MANAGE** sekmesinden erişebilirsiniz.
+
+    1. *Settings* bölümünden App ID'yi kopyalayın.
+1. *Azure Kaynakları* bölümünden *Authoring Resource* seçeneğini seçin ve *Primary Key* ile *Endpoint URL* değerlerini kopyalayın.
+
+1. Komut istemcisi veya terminalinizde aşağıdaki curl komutunu çalıştırın:
+
+    ```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>` değerini *Azure Kaynakları* bölümünden aldığınız Endpoint URL ile değiştirin.
+
+    `<app id>` değerini *Ayarlar* bölümünden aldığınız App ID ile değiştirin.
+
+    `<primary key>` değerini *Azure Kaynakları* bölümünden aldığınız Primary Key ile değiştirin.
+
+    `<sentence>` değerini test etmek istediğiniz cümle ile değiştirin.
+
+1. Bu çağrının çıktısı, sorguyu, en yüksek olasılıklı niyeti ve türlerine göre ayrılmış bir varlık listesini detaylandıran bir JSON belgesi olacaktır.
+
+    ```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"
+                    ]
+                ]
+            }
+        }
+    }
+    ```
+
+    Yukarıdaki JSON, `set a timer for 45 minutes and 12 seconds` sorgusundan elde edilmiştir:
+
+    * `set timer` %97 olasılıkla en yüksek niyet olarak tespit edilmiştir.
+    * İki *number* (sayı) varlığı tespit edilmiştir: `45` ve `12`.
+    * İki *time-unit* (zaman birimi) varlığı tespit edilmiştir: `minute` ve `second`.
+
+## Dil anlama modelini kullanma
+
+Model yayınlandıktan sonra, LUIS modeli koddan çağrılabilir. Önceki derslerde, IoT Hub kullanarak bulut hizmetleriyle iletişim kurmuş, telemetri göndermiş ve komutları dinlemiştiniz. Bu oldukça asenkron bir süreçtir - telemetri gönderildikten sonra kodunuz yanıt beklemez ve bulut hizmeti kapalıysa bunu bilemezsiniz.
+
+Akıllı bir zamanlayıcı için, bir zamanlayıcının ayarlandığını veya bulut hizmetlerinin kullanılamadığını kullanıcıya hemen söyleyebilmek için anında bir yanıt almak isteriz. Bunu yapmak için, IoT cihazımız bir IoT Hub'a güvenmek yerine doğrudan bir web uç noktasını çağıracaktır.
+
+LUIS'i doğrudan IoT cihazından çağırmak yerine, farklı bir tetikleyici türü olan bir HTTP tetikleyici ile sunucusuz kod kullanabilirsiniz. Bu, işlev uygulamanızın REST isteklerini dinlemesine ve yanıt vermesine olanak tanır. Bu işlev, cihazınızın çağırabileceği bir REST uç noktası olacaktır.
+
+> 💁 LUIS'i doğrudan IoT cihazınızdan çağırabilirsiniz, ancak sunucusuz kod gibi bir şey kullanmak daha iyidir. Bu şekilde, örneğin daha iyi bir model eğittiğinizde veya farklı bir dilde bir model eğittiğinizde çağırdığınız LUIS uygulamasını değiştirmek istediğinizde, yalnızca bulut kodunuzu güncellemeniz gerekir; potansiyel olarak binlerce veya milyonlarca IoT cihazına kodu yeniden dağıtmanız gerekmez.
+
+### Görev - sunucusuz bir işlev uygulaması oluşturma
+
+1. `smart-timer-trigger` adında bir Azure Functions uygulaması oluşturun ve bunu VS Code'da açın.
+
+1. Bu uygulamaya, VS Code terminalinden aşağıdaki komutu kullanarak `speech-trigger` adında bir HTTP tetikleyici ekleyin:
+
+    ```sh
+    func new --name text-to-timer --template "HTTP trigger"
+    ```
+
+    Bu, `text-to-timer` adında bir HTTP tetikleyici oluşturacaktır.
+
+1. İşlev uygulamasını çalıştırarak HTTP tetikleyiciyi test edin. Çalıştırıldığında, çıktıda uç nokta listelenecektir:
+
+    ```output
+    Functions:
+    
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    ```
+
+    Bunu tarayıcınızda [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) URL'sini yükleyerek test edin.
+
+    ```output
+    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
+    ```
+
+### Görev - dil anlama modelini kullanma
+
+1. LUIS için SDK, bir Pip paketi aracılığıyla kullanılabilir. Bu pakete bağımlılığı eklemek için `requirements.txt` dosyasına aşağıdaki satırı ekleyin:
+
+    ```sh
+    azure-cognitiveservices-language-luis
+    ```
+
+1. VS Code terminalinin sanal ortamı etkinleştirdiğinden emin olun ve Pip paketlerini yüklemek için aşağıdaki komutu çalıştırın:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 Hata alırsanız, aşağıdaki komutla pip'i yükseltmeniz gerekebilir:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. LUIS API Anahtarınız, Endpoint URL'niz ve App ID'niz için **YÖNET** sekmesinden `local.settings.json` dosyasına yeni girişler ekleyin:
+
+    ```JSON
+    "LUIS_KEY": "<primary key>",
+    "LUIS_ENDPOINT_URL": "<endpoint url>",
+    "LUIS_APP_ID": "<app id>"
+    ```
+
+    `<endpoint url>` değerini **YÖNET** sekmesindeki *Azure Kaynakları* bölümünden aldığınız Endpoint URL ile değiştirin. Bu, `https://<location>.api.cognitive.microsoft.com/` formatında olacaktır.
+
+    `<app id>` değerini **YÖNET** sekmesindeki *Ayarlar* bölümünden aldığınız App ID ile değiştirin.
+
+    `<primary key>` değerini **YÖNET** sekmesindeki *Azure Kaynakları* bölümünden aldığınız Primary Key ile değiştirin.
+
+1. `__init__.py` dosyasına aşağıdaki importları ekleyin:
+
+    ```python
+    import json
+    import os
+    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
+    from msrest.authentication import CognitiveServicesCredentials
+    ```
+
+    Bu, bazı sistem kütüphanelerini ve LUIS ile etkileşim kurmak için gerekli kütüphaneleri içe aktarır.
+
+1. `main` metodunun içeriğini silin ve aşağıdaki kodu ekleyin:
+
+    ```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)
+    ```
+
+    Bu, LUIS uygulamanız için `local.settings.json` dosyasına eklediğiniz değerleri yükler, API anahtarınızla bir kimlik bilgisi nesnesi oluşturur ve LUIS uygulamanızla etkileşim kurmak için bir LUIS istemci nesnesi oluşturur.
+
+1. Bu HTTP tetikleyici, JSON olarak anlaşılması gereken metni içeren bir `text` özelliği ile HTTP isteğinin gövdesinden çağrılacaktır. Aşağıdaki kod, HTTP isteğinin gövdesinden değeri çıkarır ve konsola kaydeder. Bu kodu `main` fonksiyonuna ekleyin:
+
+    ```python
+    req_body = req.get_json()
+    text = req_body['text']
+    logging.info(f'Request - {text}')
+    ```
+
+1. LUIS'ten tahminler, bir tahmin isteği gönderilerek talep edilir - tahmin edilecek metni içeren bir JSON belgesi. Bunu aşağıdaki kodla oluşturun:
+
+    ```python
+    prediction_request = { 'query' : text }
+    ```
+
+1. Bu istek, uygulamanızın yayınlandığı staging slotunu kullanarak LUIS'e gönderilebilir:
+
+    ```python
+    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
+    ```
+
+1. Tahmin yanıtı, en yüksek niyeti - en yüksek tahmin puanına sahip niyeti - ve varlıkları içerir. En yüksek niyet `set timer` ise, varlıklar zamanlayıcı için gereken süreyi almak için okunabilir:
+
+    ```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` varlıkları bir sayı dizisi olacaktır. Örneğin, *"Set a four minute 17 second timer."* dediyseniz, `number` dizisi 2 tam sayı içerecektir - 4 ve 17.
+
+    `time unit` varlıkları, her zaman birimini içeren bir dizi dizisi olacaktır. Örneğin, *"Set a four minute 17 second timer."* dediyseniz, `time unit` dizisi her biri tek bir değer içeren 2 dizi içerecektir - `['minute']` ve `['second']`.
+
+    *"Set a four minute 17 second timer."* için bu varlıkların JSON versiyonu:
+
+    ```json
+    {
+        "number": [4, 17],
+        "time unit": [
+            ["minute"],
+            ["second"]
+        ]
+    }
+    ```
+
+    Bu kod ayrıca zamanlayıcı için toplam süreyi saniye cinsinden tanımlayan bir sayaç oluşturur. Bu, varlıklardan alınan değerlerle doldurulacaktır.
+
+1. Varlıklar bağlantılı değildir, ancak bunlar hakkında bazı varsayımlar yapabiliriz. Konuşma sırasına göre sıralanacaklardır, bu nedenle dizideki konum, hangi sayının hangi zaman birimiyle eşleştiğini belirlemek için kullanılabilir. Örneğin:
+
+    * *"Set a 30 second timer"* - bu, bir sayı `30` ve bir zaman birimi `second` içerecektir, bu nedenle tek sayı tek zaman birimiyle eşleşecektir.
+    * *"Set a 2 minute and 30 second timer"* - bu, iki sayı `2` ve `30` ve iki zaman birimi `minute` ve `second` içerecektir, bu nedenle ilk sayı ilk zaman birimi için (2 dakika) ve ikinci sayı ikinci zaman birimi için (30 saniye) olacaktır.
+
+    Aşağıdaki kod, sayı varlıklarındaki öğe sayısını alır ve her diziden ilk öğeyi, ardından ikinciyi vb. çıkarır. Bunu `if` bloğunun içine ekleyin:
+
+    ```python
+    for i in range(0, len(numbers)):
+        number = numbers[i]
+        time_unit = time_units[i][0]
+    ```
+
+    *"Set a four minute 17 second timer."* için bu, iki kez döngü yapacak ve şu değerleri verecektir:
+
+    | döngü sayısı | `number` | `time_unit` |
+    | ------------:| --------:| ----------- |
+    | 0            | 4        | minute      |
+    | 1            | 17       | second      |
+
+1. Bu döngü içinde, toplam zamanlayıcı süresini hesaplamak için sayı ve zaman birimini kullanın, her dakika için 60 saniye ve her saniye için saniye sayısını ekleyin.
+
+    ```python
+    if time_unit == 'minute':
+        total_seconds += number * 60
+    else:
+        total_seconds += number
+    ```
+
+1. Varlıklar üzerinden yapılan bu döngünün dışında, zamanlayıcı için toplam süreyi günlüğe kaydedin:
+
+    ```python
+    logging.info(f'Timer required for {total_seconds} seconds')
+    ```
+
+1. Saniye sayısı, bir HTTP yanıtı olarak işlevden döndürülmelidir. `if` bloğunun sonunda aşağıdakileri ekleyin:
+
+    ```python
+    payload = {
+        'seconds': total_seconds
+    }
+    return func.HttpResponse(json.dumps(payload), status_code=200)
+    ```
+
+    Bu kod, zamanlayıcı için toplam saniye sayısını içeren bir yük oluşturur, bunu bir JSON dizesine dönüştürür ve başarılı bir çağrıyı ifade eden 200 durum koduyla bir HTTP sonucu olarak döndürür.
+
+1. Son olarak, niyet tanınmadığında bir hata kodu döndürmek için `if` bloğunun dışında aşağıdakileri ekleyin:
+
+    ```python
+    return func.HttpResponse(status_code=404)
+    ```
+
+    404, *bulunamadı* durum kodudur.
+
+1. İşlev uygulamasını çalıştırın ve curl kullanarak test edin.
+
+    ```sh
+    curl --request POST 'http://localhost:7071/api/text-to-timer' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data '{"text":"<text>"}'
+    ```
+
+    `<text>` değerini isteğinizin metniyle değiştirin, örneğin `set a 2 minutes 27 second timer`.
+
+    İşlev uygulamasından aşağıdaki çıktıyı göreceksiniz:
+
+    ```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 çağrısı aşağıdakini döndürecektir:
+
+    ```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}
+    ```
+
+    Zamanlayıcı için saniye sayısı `"seconds"` değerinde yer alır.
+
+> 💁 Bu kodu [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions) klasöründe bulabilirsiniz.
+
+### Görev - işlevinizi IoT cihazınıza erişilebilir hale getirme
+
+1. IoT cihazınızın REST uç noktanızı çağırabilmesi için URL'yi bilmesi gerekecektir. Daha önce eriştiğinizde, yerel makinenizdeki REST uç noktalarına erişmek için bir kısayol olan `localhost` kullandınız. IoT cihazınızın erişebilmesi için ya buluta yayın yapmanız ya da yerel olarak erişmek için IP adresinizi almanız gerekir.
+
+    > ⚠️ Bir Wio Terminal kullanıyorsanız, işlev uygulamasını daha önce yaptığınız gibi dağıtamayacağınız anlamına gelen kütüphane bağımlılıkları olacağından, işlev uygulamasını yerel olarak çalıştırmak daha kolaydır. İşlev uygulamasını yerel olarak çalıştırın ve bilgisayarınızın IP adresi üzerinden erişin. Buluta dağıtmak isterseniz, bunu yapmanın yolu hakkında sonraki bir derste bilgi verilecektir.
+
+    * İşlev uygulamasını yayınlayın - işlev uygulamanızı buluta yayınlamak için önceki derslerdeki talimatları izleyin. Yayınlandıktan sonra, URL `https://<APP_NAME>.azurewebsites.net/api/text-to-timer` olacaktır, burada `<APP_NAME>` işlev uygulamanızın adı olacaktır. Yerel ayarlarınızı da yayınladığınızdan emin olun.
+
+      HTTP tetikleyicilerle çalışırken, varsayılan olarak bir işlev uygulaması anahtarıyla güvence altına alınırlar. Bu anahtarı almak için aşağıdaki komutu çalıştırın:
+
+      ```sh
+      az functionapp keys list --resource-group smart-timer \
+                               --name <APP_NAME>                               
+      ```
+
+      `functionKeys` bölümündeki `default` girişinin değerini kopyalayın.
+
+      ```output
+      {
+        "functionKeys": {
+          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
+        },
+        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
+        "systemKeys": {}
+      }
+      ```
+
+      Bu anahtar, URL'ye bir sorgu parametresi olarak eklenmelidir, böylece son URL `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>` olacaktır, burada `<APP_NAME>` işlev uygulamanızın adı ve `<FUNCTION_KEY>` varsayılan işlev anahtarınız olacaktır.
+
+      > 💁 HTTP tetikleyicisinin yetkilendirme türünü `function.json` dosyasındaki `authlevel` ayarını kullanarak değiştirebilirsiniz. Bunun hakkında daha fazla bilgiyi [Microsoft belgelerindeki Azure Functions HTTP tetikleyici dokümantasyonunun yapılandırma bölümünde](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python#configuration) okuyabilirsiniz.
+
+    * İşlev uygulamasını yerel olarak çalıştırın ve IP adresini kullanarak erişin - bilgisayarınızın yerel ağdaki IP adresini alabilir ve bunu URL'yi oluşturmak için kullanabilirsiniz.
+
+      IP adresinizi bulun:
+
+      * Windows 10'da, [IP adresinizi bulma kılavuzunu](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn) izleyin.
+      * macOS'ta, [Mac'te IP adresinizi nasıl bulacağınızı](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac) öğrenin.
+      * Linux'ta, [Linux'ta IP adresinizi nasıl bulacağınızı](https://opensource.com/article/18/5/how-find-ip-address-linux) öğrenin.
+
+      IP adresinizi aldıktan sonra, işlevi şu adreste erişebilirsiniz: `http://`
+
+:7071/api/text-to-timer`, burada `<IP_ADDRESS>` sizin IP adresiniz olacak, örneğin `http://192.168.1.10:7071/api/text-to-timer`.
+
+      > 💁 Bunun port 7071 kullandığını unutmayın, bu yüzden IP adresinden sonra `:7071` eklemeniz gerekecek.
+
+      > 💁 Bu yalnızca IoT cihazınız bilgisayarınızla aynı ağda olduğunda çalışır.
+
+1. Curl kullanarak endpoint'i test edin.
+
+---
+
+## 🚀 Meydan Okuma
+
+Aynı şeyi istemenin birçok yolu vardır, örneğin bir zamanlayıcı ayarlamak. Bunu yapmanın farklı yollarını düşünün ve bunları LUIS uygulamanızda örnek olarak kullanın. Modelinizin bir zamanlayıcı istemenin birden fazla yoluyla ne kadar iyi başa çıkabildiğini görmek için bunları test edin.
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* LUIS ve yetenekleri hakkında daha fazla bilgi edinmek için [Microsoft dokümanlarındaki Language Understanding (LUIS) dokümantasyon sayfasını](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn) okuyun.  
+* Dil anlama hakkında daha fazla bilgi edinmek için [Wikipedia'daki doğal dil anlama sayfasını](https://wikipedia.org/wiki/Natural-language_understanding) okuyun.  
+* HTTP tetikleyicileri hakkında daha fazla bilgi edinmek için [Microsoft dokümanlarındaki Azure Functions HTTP tetikleyici dokümantasyonunu](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python) okuyun.  
+
+## Ödev
+
+[Zamanlayıcıyı iptal et](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/2-language-understanding/assignment.md b/translations/tr/6-consumer/lessons/2-language-understanding/assignment.md
new file mode 100644
index 00000000..d839f297
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/2-language-understanding/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
+  "translation_date": "2025-08-28T02:55:12+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Zamanlayıcıyı İptal Et
+
+## Talimatlar
+
+Bu derste şu ana kadar bir zamanlayıcı ayarlamayı anlayan bir model eğittiniz. Bir başka faydalı özellik ise zamanlayıcıyı iptal etmektir - belki ekmeğiniz hazırdır ve zamanlayıcı süresi dolmadan fırından çıkarılabilir.
+
+LUIS uygulamanıza zamanlayıcıyı iptal etmek için yeni bir niyet ekleyin. Bu niyet için herhangi bir varlık gerekmez, ancak bazı örnek cümlelere ihtiyaç duyacaktır. Eğer bu niyet en üst niyet olarak algılanırsa, bunu sunucusuz kodunuzda ele alın, niyetin tanındığını kaydedin ve uygun bir yanıt döndürün.
+
+## Değerlendirme Kriterleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirmeye Açık |
+| ------- | ----------------- | ------- | ----------------- |
+| Zamanlayıcıyı iptal etme niyetini LUIS uygulamasına ekleme | Niyeti ekleyip modeli eğitebildi | Niyeti ekleyebildi ancak modeli eğitemedi | Niyeti ekleyip modeli eğitemedi |
+| Niyeti sunucusuz uygulamada ele alma | Niyeti en üst niyet olarak algılayıp kaydedebildi | Niyeti en üst niyet olarak algılayabildi | Niyeti en üst niyet olarak algılayamadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/3-spoken-feedback/README.md b/translations/tr/6-consumer/lessons/3-spoken-feedback/README.md
new file mode 100644
index 00000000..4cbe81d9
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/3-spoken-feedback/README.md
@@ -0,0 +1,142 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
+  "translation_date": "2025-08-28T02:56:11+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
+  "language_code": "tr"
+}
+-->
+# Bir zamanlayıcı ayarlayın ve sesli geri bildirim sağlayın
+
+![Bu dersin bir sketchnote özeti](../../../../../translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için resme tıklayın.
+
+## Ders öncesi test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
+
+## Giriş
+
+Akıllı asistanlar tek yönlü iletişim cihazları değildir. Onlara konuşursunuz ve size yanıt verirler:
+
+"Alexa, 3 dakikalık bir zamanlayıcı ayarla"
+
+"Tamam, zamanlayıcınız 3 dakika için ayarlandı"
+
+Son iki derste konuşmayı metne dönüştürmeyi ve ardından bu metinden bir zamanlayıcı ayarlama isteğini çıkarmayı öğrendiniz. Bu derste, IoT cihazında zamanlayıcıyı nasıl ayarlayacağınızı, kullanıcıya zamanlayıcılarını onaylayan sesli bir yanıtla nasıl geri bildirim vereceğinizi ve zamanlayıcıları bittiğinde onları nasıl uyaracağınızı öğreneceksiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Metinden konuşmaya](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [Zamanlayıcıyı ayarla](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [Metni konuşmaya dönüştür](../../../../../6-consumer/lessons/3-spoken-feedback)
+
+## Metinden konuşmaya
+
+Adından da anlaşılacağı gibi, metinden konuşmaya işlemi, metni sesli kelimeler olarak içeren sese dönüştürme sürecidir. Temel prensip, metindeki kelimeleri bileşen seslerine (fonemler olarak bilinir) ayırmak ve bu sesler için sesleri birleştirmek, ya önceden kaydedilmiş sesleri kullanarak ya da yapay zeka modelleri tarafından üretilen sesleri kullanarak gerçekleştirilir.
+
+![Tipik metinden konuşmaya sistemlerinin üç aşaması](../../../../../translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.tr.png)
+
+Metinden konuşmaya sistemleri genellikle 3 aşamadan oluşur:
+
+* Metin analizi
+* Dilbilimsel analiz
+* Dalga formu oluşturma
+
+### Metin analizi
+
+Metin analizi, sağlanan metni alıp konuşma üretmek için kullanılabilecek kelimelere dönüştürmeyi içerir. Örneğin, "Merhaba dünya"yı dönüştürmek istiyorsanız, metin analizi gerekmez, iki kelime konuşmaya dönüştürülebilir. Ancak "1234" varsa, bu bağlama bağlı olarak "Bin iki yüz otuz dört" veya "Bir, iki, üç, dört" olarak dönüştürülmesi gerekebilir. "1234 elmam var" için "Bin iki yüz otuz dört" olurken, "Çocuk 1234'ü saydı" için "Bir, iki, üç, dört" olur.
+
+Oluşturulan kelimeler yalnızca dil için değil, aynı zamanda o dilin yerel varyasyonu için de değişir. Örneğin, Amerikan İngilizcesinde 120 "Yüz yirmi" olarak ifade edilirken, İngiliz İngilizcesinde "Yüz ve yirmi" olarak ifade edilir, yüzlerden sonra "ve" kullanılır.
+
+✅ Metin analizi gerektiren diğer örnekler arasında "in" kelimesinin inç kısaltması olarak kullanılması ve "st" kelimesinin aziz veya sokak kısaltması olarak kullanılması yer alır. Dilinizde bağlam olmadan belirsiz olan başka kelimeler düşünebilir misiniz?
+
+Kelime tanımlandıktan sonra dilbilimsel analize gönderilir.
+
+### Dilbilimsel analiz
+
+Dilbilimsel analiz, kelimeleri fonemlere ayırır. Fonemler yalnızca kullanılan harflere değil, kelimedeki diğer harflere de dayanır. Örneğin, İngilizcede 'car' ve 'care' kelimelerindeki 'a' sesi farklıdır. İngilizce dilinde alfabedeki 26 harf için 44 farklı fonem vardır, bazıları farklı harfler tarafından paylaşılır, örneğin 'circle' ve 'serpent' kelimelerinin başlangıcında aynı fonem kullanılır.
+
+✅ Araştırma yapın: Dilinizdeki fonemler nelerdir?
+
+Kelime fonemlere dönüştürüldükten sonra, bu fonemler bağlama bağlı olarak tonlama, ton veya süreyi ayarlamak için ek verilere ihtiyaç duyar. Bir örnek, İngilizcede bir cümleyi soruya dönüştürmek için ton yükseltmelerinin kullanılabilmesidir; son kelime için yükseltilmiş bir tonlama bir soruyu ima eder.
+
+Örneğin - "Bir elman var" cümlesi, bir elmanız olduğunu belirten bir ifadedir. Sonunda tonlama yükselirse, elma kelimesi için artarak "Bir elman var mı?" sorusuna dönüşür, elmanız olup olmadığını sorar. Dilbilimsel analiz, tonlamayı artırmaya karar vermek için sonundaki soru işaretini kullanmalıdır.
+
+Fonemler oluşturulduktan sonra, ses çıkışı üretmek için dalga formu oluşturma işlemine gönderilir.
+
+### Dalga formu oluşturma
+
+İlk elektronik metinden konuşmaya sistemleri, her fonem için tek bir ses kaydı kullanıyordu, bu da çok monoton, robotik seslere yol açıyordu. Dilbilimsel analiz fonemler üretir, bunlar bir ses veritabanından yüklenir ve ses oluşturmak için birleştirilirdi.
+
+✅ Araştırma yapın: Erken konuşma sentezleme sistemlerinden bazı ses kayıtlarını bulun. Bunu modern konuşma sentezleme ile karşılaştırın, örneğin akıllı asistanlarda kullanılan sistemlerle.
+
+Daha modern dalga formu oluşturma, insanlardan ayırt edilemeyen daha doğal sesler üretmek için derin öğrenme (beyindeki nöronlara benzer şekilde çalışan çok büyük sinir ağları) kullanılarak oluşturulan ML modellerini kullanır.
+
+> 💁 Bu ML modellerinden bazıları, gerçek insanlar gibi ses çıkarmak için transfer öğrenimi kullanılarak yeniden eğitilebilir. Bu, sesin bir güvenlik sistemi olarak kullanılması anlamına gelir, bankaların giderek daha fazla denediği bir şeydir, ancak sesinizin birkaç dakikalık bir kaydına sahip olan herkes sizi taklit edebilir.
+
+Bu büyük ML modelleri, üç adımı birleştirerek uçtan uca konuşma sentezleyiciler oluşturmak için eğitiliyor.
+
+## Zamanlayıcıyı ayarla
+
+Zamanlayıcıyı ayarlamak için IoT cihazınızın, sunucusuz kod kullanarak oluşturduğunuz REST uç noktasını çağırması ve ardından döndürülen saniye sayısını kullanarak bir zamanlayıcı ayarlaması gerekir.
+
+### Görev - sunucusuz işlevi çağırarak zamanlayıcı süresini alın
+
+IoT cihazınızdan REST uç noktasını çağırmak ve gerekli süre için bir zamanlayıcı ayarlamak için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-set-timer.md)
+* [Tek kartlı bilgisayar - Raspberry Pi/Sanal IoT cihazı](single-board-computer-set-timer.md)
+
+## Metni konuşmaya dönüştür
+
+Konuşmayı metne dönüştürmek için kullandığınız aynı konuşma hizmeti, metni tekrar konuşmaya dönüştürmek için kullanılabilir ve bu, IoT cihazınızdaki bir hoparlör aracılığıyla çalınabilir. Dönüştürülecek metin, konuşma hizmetine gönderilir, ses türü (örneğin örnekleme oranı) ile birlikte ve ses içeren ikili veri döndürülür.
+
+Bu isteği gönderdiğinizde, *Konuşma Sentezleme İşaretleme Dili* (SSML) kullanarak gönderirsiniz, konuşma sentezleme uygulamaları için XML tabanlı bir işaretleme dili. Bu, yalnızca dönüştürülecek metni değil, metnin dilini, kullanılacak sesi tanımlar ve hatta bazı veya tüm kelimeler için hız, ses seviyesi ve tonlama tanımlamak için kullanılabilir.
+
+Örneğin, bu SSML, "3 dakika 5 saniyelik zamanlayıcınız ayarlandı" metnini `en-GB-MiaNeural` adlı bir İngiliz İngilizcesi sesi kullanarak konuşmaya dönüştürme isteğini tanımlar.
+
+```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>
+```
+
+> 💁 Çoğu metinden konuşmaya sistemi, farklı diller için ilgili aksanlarla birden fazla ses içerir, örneğin İngiliz aksanlı bir İngiliz İngilizcesi sesi ve Yeni Zelanda aksanlı bir Yeni Zelanda İngilizcesi sesi.
+
+### Görev - metni konuşmaya dönüştür
+
+IoT cihazınızı kullanarak metni konuşmaya dönüştürmek için ilgili kılavuzu takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-text-to-speech.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-text-to-speech.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-text-to-speech.md)
+
+---
+
+## 🚀 Zorluk
+
+SSML, kelimelerin nasıl konuşulduğunu değiştirmek için yollar sunar, örneğin belirli kelimelere vurgu eklemek, duraklamalar eklemek veya tonlamayı değiştirmek. IoT cihazınızdan farklı SSML göndererek ve çıktıyı karşılaştırarak bunları deneyin. SSML hakkında daha fazla bilgi edinebilir, kelimelerin nasıl konuşulduğunu değiştirme yollarını öğrenebilirsiniz: [World Wide Web konsorsiyumunun Speech Synthesis Markup Language (SSML) Version 1.1 spesifikasyonu](https://www.w3.org/TR/speech-synthesis11/).
+
+## Ders sonrası test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* Konuşma sentezleme hakkında daha fazla bilgi edinin: [Wikipedia'daki konuşma sentezleme sayfası](https://wikipedia.org/wiki/Speech_synthesis)
+* Suçluların konuşma sentezlemeyi nakit çalmak için nasıl kullandığını öğrenin: [BBC haberindeki 'sahte sesler siber suçluların nakit çalmasına yardımcı oluyor' hikayesi](https://www.bbc.com/news/technology-48908736)
+* Seslendirme sanatçılarının seslerinin sentezlenmiş versiyonlarından kaynaklanan riskler hakkında daha fazla bilgi edinin: [Vice'daki 'Bu TikTok davası, yapay zekanın seslendirme sanatçılarını nasıl zor durumda bıraktığını gösteriyor' makalesi](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)
+
+## Ödev
+
+[Zamanlayıcıyı iptal et](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/tr/6-consumer/lessons/3-spoken-feedback/assignment.md
new file mode 100644
index 00000000..d4cc4119
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/3-spoken-feedback/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
+  "translation_date": "2025-08-28T03:00:08+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Zamanlayıcıyı İptal Et
+
+## Talimatlar
+
+Son dersin ödevi için, LUIS'e bir zamanlayıcı iptal etme niyeti eklediniz. Bu ödevde, bu niyeti sunucusuz kodda ele almanız, IoT cihazına bir komut göndermeniz ve ardından zamanlayıcıyı iptal etmeniz gerekiyor.
+
+## Değerlendirme Kriterleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirmeye Açık |
+| ------- | ----------------- | ------- | ----------------- |
+| Niyeti sunucusuz kodda ele alma ve komut gönderme | Niyeti ele alıp cihaza komut gönderebildi | Niyeti ele alabildi ancak cihaza komut gönderemedi | Niyeti ele alamadı |
+| Cihazdaki zamanlayıcıyı iptal etme | Komutu alıp zamanlayıcıyı iptal edebildi | Komutu alabildi ancak zamanlayıcıyı iptal edemedi | Komutu alamadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/tr/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
new file mode 100644
index 00000000..d6eb24ce
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
@@ -0,0 +1,156 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
+  "translation_date": "2025-08-28T02:58:31+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
+  "language_code": "tr"
+}
+-->
+# Metinden Konuşmaya - Raspberry Pi
+
+Bu dersin bu bölümünde, konuşma hizmetini kullanarak metni konuşmaya dönüştüren bir kod yazacaksınız.
+
+## Konuşma Hizmetini Kullanarak Metni Konuşmaya Dönüştürme
+
+Metin, IoT cihazınızda çalınabilecek bir ses dosyası olarak konuşma hizmetine REST API kullanılarak gönderilebilir. Konuşma talep ederken, kullanılacak sesi belirtmeniz gerekir çünkü konuşma, farklı sesler kullanılarak oluşturulabilir.
+
+Her dil, çeşitli sesleri destekler ve her dil için desteklenen seslerin listesini almak için konuşma hizmetine bir REST isteği gönderebilirsiniz.
+
+### Görev - Bir Ses Alın
+
+1. VS Code'da `smart-timer` projesini açın.
+
+1. Bir dil için ses listesini talep etmek üzere `say` fonksiyonunun üstüne aşağıdaki kodu ekleyin:
+
+    ```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}')
+    ```
+
+    Bu kod, konuşma hizmetini kullanarak bir ses listesi alan `get_voice` adlı bir fonksiyon tanımlar. Daha sonra kullanılan dile uyan ilk sesi bulur.
+
+    Bu fonksiyon, ilk sesi saklamak ve ses adını konsola yazdırmak için çağrılır. Bu ses bir kez talep edilebilir ve metni konuşmaya dönüştürmek için yapılan her çağrıda kullanılabilir.
+
+    > 💁 Desteklenen seslerin tam listesini [Microsoft Docs'taki Dil ve Ses Desteği dokümanından](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) alabilirsiniz. Belirli bir sesi kullanmak istiyorsanız, bu fonksiyonu kaldırabilir ve bu dokümandan ses adını sabit kodlayabilirsiniz. Örneğin:
+    >
+    > ```python
+    > voice = 'hi-IN-SwaraNeural'
+    > ```
+
+### Görev - Metni Konuşmaya Dönüştürme
+
+1. Bunun altına, konuşma hizmetlerinden alınacak ses formatı için bir sabit tanımlayın. Ses talep ettiğinizde, bunu farklı formatlarda yapabilirsiniz.
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+    ```
+
+    Kullanabileceğiniz format, donanımınıza bağlıdır. Eğer sesi çalarken `Invalid sample rate` (Geçersiz örnekleme oranı) hataları alırsanız, bunu başka bir değere değiştirin. Desteklenen değerlerin listesini [Microsoft Docs'taki Metinden Konuşmaya REST API dokümanında](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs) bulabilirsiniz. `riff` formatında ses kullanmanız gerekecek ve denemeniz gereken değerler `riff-16khz-16bit-mono-pcm`, `riff-24khz-16bit-mono-pcm` ve `riff-48khz-16bit-mono-pcm` olacaktır.
+
+1. Bunun altına, konuşma hizmeti REST API'sini kullanarak metni konuşmaya dönüştürecek `get_speech` adlı bir fonksiyon tanımlayın:
+
+    ```python
+    def get_speech(text):
+    ```
+
+1. `get_speech` fonksiyonunda, çağrılacak URL'yi ve gönderilecek başlıkları tanımlayın:
+
+    ```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
+        }
+    ```
+
+    Bu, bir erişim jetonu oluşturmak, içeriği SSML olarak ayarlamak ve gerekli ses formatını tanımlamak için başlıkları ayarlar.
+
+1. Bunun altına, REST API'ye gönderilecek SSML'yi tanımlayın:
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+    Bu SSML, kullanılacak dili ve sesi, ayrıca dönüştürülecek metni ayarlar.
+
+1. Son olarak, bu fonksiyona REST isteği yapacak ve ikili ses verilerini döndürecek kodu ekleyin:
+
+    ```python
+    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    return io.BytesIO(response.content)
+    ```
+
+### Görev - Sesi Çalma
+
+1. `get_speech` fonksiyonunun altına, REST API çağrısından dönen sesi çalmak için yeni bir fonksiyon tanımlayın:
+
+    ```python
+    def play_speech(speech):
+    ```
+
+1. Bu fonksiyona geçirilen `speech`, REST API'den dönen ikili ses verisi olacaktır. Bu veriyi bir dalga dosyası olarak açmak ve PyAudio kullanarak çalmak için aşağıdaki kodu kullanın:
+
+    ```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()
+    ```
+
+    Bu kod, bir PyAudio akışı kullanır; ses kaydetme işlemine benzer. Buradaki fark, akışın bir çıkış akışı olarak ayarlanması ve ses verilerinden okunan verilerin akışa aktarılmasıdır.
+
+    Akış detaylarını sabit kodlamak yerine, bunlar ses verilerinden okunur.
+
+1. `say` fonksiyonunun içeriğini aşağıdakiyle değiştirin:
+
+    ```python
+    speech = get_speech(text)
+    play_speech(speech)
+    ```
+
+    Bu kod, metni ikili ses verisi olarak konuşmaya dönüştürür ve sesi çalar.
+
+1. Uygulamayı çalıştırın ve işlev uygulamasının da çalıştığından emin olun. Bazı zamanlayıcılar ayarlayın; zamanlayıcınızın ayarlandığını söyleyen bir sesli yanıt ve zamanlayıcı tamamlandığında başka bir sesli yanıt duyacaksınız.
+
+    Eğer `Invalid sample rate` hataları alırsanız, yukarıda açıklandığı gibi `playback_format` değerini değiştirin.
+
+> 💁 Bu kodu [code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi) klasöründe bulabilirsiniz.
+
+😀 Zamanlayıcı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/tr/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
new file mode 100644
index 00000000..caa5aa65
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T02:59:45+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
+  "language_code": "tr"
+}
+-->
+# Zamanlayıcı Ayarla - Sanal IoT Donanımı ve Raspberry Pi
+
+Bu dersin bu bölümünde, konuşmayı anlamak için sunucusuz kodunuzu çağıracak ve sonuçlara göre sanal IoT cihazınızda veya Raspberry Pi'de bir zamanlayıcı ayarlayacaksınız.
+
+## Zamanlayıcı Ayarla
+
+Konuşmadan metne dönüşüm çağrısından gelen metin, LUIS tarafından işlenmesi için sunucusuz kodunuza gönderilmelidir ve zamanlayıcı için saniye sayısı geri alınmalıdır. Bu saniye sayısı, bir zamanlayıcı ayarlamak için kullanılabilir.
+
+Zamanlayıcılar, Python `threading.Timer` sınıfı kullanılarak ayarlanabilir. Bu sınıf, bir gecikme süresi ve bir işlev alır ve gecikme süresi sona erdiğinde işlev çalıştırılır.
+
+### Görev - metni sunucusuz işleve gönderin
+
+1. VS Code'da `smart-timer` projesini açın ve sanal IoT cihazı kullanıyorsanız terminalde sanal ortamın yüklü olduğundan emin olun.
+
+1. `process_text` işlevinin üstünde, oluşturduğunuz REST uç noktasını çağırmak için `get_timer_time` adlı bir işlev tanımlayın:
+
+    ```python
+    def get_timer_time(text):
+    ```
+
+1. Bu işlevin içine aşağıdaki kodu ekleyerek çağrılacak URL'yi tanımlayın:
+
+    ```python
+    url = '<URL>'
+    ```
+
+    `<URL>` kısmını, önceki derste oluşturduğunuz REST uç noktasının URL'siyle değiştirin; bu URL bilgisayarınızda veya bulutta olabilir.
+
+1. Çağrıya JSON olarak iletilen bir özellik olarak metni ayarlamak için aşağıdaki kodu ekleyin:
+
+    ```python
+    body = {
+        'text': text
+    }
+    
+    response = requests.post(url, json=body)
+    ```
+
+1. Bunun altına, yanıt yükünden `seconds` değerini alın ve çağrı başarısız olursa 0 döndürün:
+
+    ```python
+    if response.status_code != 200:
+        return 0
+    
+    payload = response.json()
+    return payload['seconds']
+    ```
+
+    Başarılı HTTP çağrıları 200 aralığında bir durum kodu döndürür ve sunucusuz kodunuz, metin işlenip zamanlayıcı niyeti olarak tanındığında 200 döndürür.
+
+### Görev - arka plan iş parçacığında bir zamanlayıcı ayarlayın
+
+1. Dosyanın üst kısmına aşağıdaki import ifadesini ekleyerek threading Python kütüphanesini içe aktarın:
+
+    ```python
+    import threading
+    ```
+
+1. `process_text` işlevinin üstünde bir yanıtı seslendirmek için bir işlev ekleyin. Şimdilik bu işlev sadece konsola yazacak, ancak bu derste daha sonra metni seslendirecek.
+
+    ```python
+    def say(text):
+        print(text)
+    ```
+
+1. Bunun altına, zamanlayıcının tamamlandığını duyurmak için bir zamanlayıcı tarafından çağrılacak bir işlev ekleyin:
+
+    ```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)
+    ```
+
+    Bu işlev, zamanlayıcı için dakika ve saniye sayısını alır ve zamanlayıcının tamamlandığını belirten bir cümle oluşturur. Dakika ve saniye sayısını kontrol eder ve yalnızca bir zaman birimi varsa mesajda yer alır. Örneğin, dakika sayısı 0 ise yalnızca saniyeler mesajda yer alır. Bu cümle daha sonra `say` işlevine gönderilir.
+
+1. Bunun altına, bir zamanlayıcı oluşturmak için aşağıdaki `create_timer` işlevini ekleyin:
+
+    ```python
+    def create_timer(total_seconds):
+        minutes, seconds = divmod(total_seconds, 60)
+        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
+    ```
+
+    Bu işlev, komutta gönderilecek zamanlayıcı için toplam saniye sayısını alır ve bunu dakikalar ve saniyelere dönüştürür. Daha sonra toplam saniye sayısını kullanarak bir zamanlayıcı nesnesi oluşturur ve başlatır, `announce_timer` işlevini ve dakikalar ile saniyeleri içeren bir listeyi geçirir. Zamanlayıcı sona erdiğinde, `announce_timer` işlevini çağırır ve bu listenin içeriğini parametre olarak geçirir - listenin ilk öğesi `minutes` parametresi olarak, ikinci öğesi ise `seconds` parametresi olarak iletilir.
+
+1. `create_timer` işlevinin sonuna, zamanlayıcının başladığını duyurmak için kullanıcıya seslendirilmesi gereken bir mesaj oluşturmak için kod ekleyin:
+
+    ```python
+    announcement = ''
+    if minutes > 0:
+        announcement += f'{minutes} minute '
+    if seconds > 0:
+        announcement += f'{seconds} second '    
+    announcement += 'timer started.'
+    say(announcement)
+    ```
+
+    Yine, yalnızca bir zaman birimi varsa mesajda yer alır. Bu cümle daha sonra `say` işlevine gönderilir.
+
+1. `process_text` işlevinin sonuna, metinden zamanlayıcı için süreyi almak ve ardından zamanlayıcı oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```python
+    seconds = get_timer_time(text)
+    if seconds > 0:
+        create_timer(seconds)
+    ```
+
+    Zamanlayıcı yalnızca saniye sayısı 0'dan büyükse oluşturulur.
+
+1. Uygulamayı çalıştırın ve işlev uygulamasının da çalıştığından emin olun. Bazı zamanlayıcılar ayarlayın ve çıktı, zamanlayıcının ayarlandığını ve ardından sona erdiğini gösterecektir:
+
+    ```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.
+    ```
+
+> 💁 Bu kodu [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) veya [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device) klasöründe bulabilirsiniz.
+
+😀 Zamanlayıcı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Orijinal belgenin kendi dilindeki hali, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/tr/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
new file mode 100644
index 00000000..37cb17c9
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T02:55:32+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
+  "language_code": "tr"
+}
+-->
+# Metinden sese - Sanal IoT cihazı
+
+Bu dersin bu bölümünde, metni sese dönüştürmek için konuşma hizmetini kullanarak kod yazacaksınız.
+
+## Metni sese dönüştürme
+
+Bir önceki derste konuşmayı metne dönüştürmek için kullandığınız konuşma hizmetleri SDK'sı, metni tekrar sese dönüştürmek için de kullanılabilir. Ses talep ederken, kullanılacak sesi belirtmeniz gerekir çünkü konuşma, çeşitli farklı sesler kullanılarak oluşturulabilir.
+
+Her dil, farklı seslerden oluşan bir yelpazeyi destekler ve konuşma hizmetleri SDK'sından her dil için desteklenen seslerin listesini alabilirsiniz.
+
+### Görev - Metni sese dönüştürme
+
+1. VS Code'da `smart-timer` projesini açın ve sanal ortamın terminalde yüklü olduğundan emin olun.
+
+1. `azure.cognitiveservices.speech` paketinden `SpeechSynthesizer`'ı mevcut ithalatlara ekleyerek içe aktarın:
+
+    ```python
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
+    ```
+
+1. `say` fonksiyonunun üstüne, konuşma sentezleyici ile kullanılacak bir konuşma yapılandırması oluşturun:
+
+    ```python
+    speech_config = SpeechConfig(subscription=speech_api_key,
+                                 region=location)
+    speech_config.speech_synthesis_language = language
+    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
+    ```
+
+    Bu, tanıyıcı tarafından kullanılan aynı API anahtarını, konumu ve dili kullanır.
+
+1. Bunun altına, bir ses almak ve konuşma yapılandırmasında ayarlamak için aşağıdaki kodu ekleyin:
+
+    ```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
+    ```
+
+    Bu, mevcut tüm seslerin bir listesini alır ve ardından kullanılan dile uyan ilk sesi bulur.
+
+    > 💁 Desteklenen seslerin tam listesini [Microsoft Docs'taki Dil ve ses desteği dokümantasyonundan](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) alabilirsiniz. Belirli bir sesi kullanmak istiyorsanız, bu fonksiyonu kaldırabilir ve bu dokümantasyondan ses adını sabit kodlayabilirsiniz. Örneğin:
+    >
+    > ```python
+    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
+    > ```
+
+1. `say` fonksiyonunun içeriğini, yanıt için SSML oluşturacak şekilde güncelleyin:
+
+    ```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. Bunun altına, konuşma tanımayı durdurun, SSML'i konuşun ve ardından tanımayı tekrar başlatın:
+
+    ```python
+    recognizer.stop_continuous_recognition()
+    speech_synthesizer.speak_ssml(ssml)
+    recognizer.start_continuous_recognition()
+    ```
+
+    Metin konuşulurken, zamanlayıcının başlatıldığının duyurulmasının algılanmasını, LUIS'e gönderilmesini ve muhtemelen yeni bir zamanlayıcı ayarı olarak yorumlanmasını önlemek için tanıma durdurulur.
+
+    > 💁 Bunu, tanımayı durdurma ve yeniden başlatma satırlarını yorumlayarak test edebilirsiniz. Bir zamanlayıcı ayarlayın ve duyurunun yeni bir zamanlayıcı ayarladığını, bunun yeni bir duyuruya neden olduğunu ve bunun sonsuza kadar devam ettiğini görebilirsiniz!
+
+1. Uygulamayı çalıştırın ve işlev uygulamasının da çalıştığından emin olun. Bazı zamanlayıcılar ayarlayın ve zamanlayıcınızın ayarlandığını söyleyen bir sesli yanıt, ardından zamanlayıcı tamamlandığında başka bir sesli yanıt duyacaksınız.
+
+> 💁 Bu kodu [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device) klasöründe bulabilirsiniz.
+
+😀 Zamanlayıcı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/tr/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
new file mode 100644
index 00000000..0139ce3a
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
@@ -0,0 +1,301 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012b69d57d898d670adf61304f42a137",
+  "translation_date": "2025-08-28T02:59:07+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
+  "language_code": "tr"
+}
+-->
+# Bir Zamanlayıcı Ayarla - Wio Terminal
+
+Bu dersin bu bölümünde, konuşmayı anlamak için sunucusuz kodunuzu çağıracak ve sonuçlara göre Wio Terminal üzerinde bir zamanlayıcı ayarlayacaksınız.
+
+## Bir Zamanlayıcı Ayarla
+
+Konuşmadan metne dönüşüm çağrısından gelen metin, LUIS tarafından işlenmek üzere sunucusuz kodunuza gönderilmelidir ve zamanlayıcı için saniye sayısı geri alınmalıdır. Bu saniye sayısı bir zamanlayıcı ayarlamak için kullanılabilir.
+
+Mikrodenetleyiciler, Arduino'da birden fazla iş parçacığını doğal olarak desteklemez, bu nedenle Python veya diğer üst düzey dillerde bulabileceğiniz standart zamanlayıcı sınıfları yoktur. Bunun yerine, `loop` fonksiyonunda geçen zamanı ölçerek ve zaman dolduğunda fonksiyonları çağırarak çalışan zamanlayıcı kütüphanelerini kullanabilirsiniz.
+
+### Görev - Metni Sunucusuz Fonksiyona Gönder
+
+1. `smart-timer` projesini VS Code'da açın (eğer zaten açık değilse).
+
+1. `config.h` başlık dosyasını açın ve fonksiyon uygulamanızın URL'sini ekleyin:
+
+    ```cpp
+    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
+    ```
+
+    `<URL>`'yi, bir önceki dersin son adımında elde ettiğiniz, fonksiyon uygulamanızın URL'siyle değiştirin. Bu URL, yerel makinenizde çalışan fonksiyon uygulamasının IP adresine işaret etmelidir.
+
+1. `src` klasöründe `language_understanding.h` adında yeni bir dosya oluşturun. Bu dosya, tanınan konuşmayı fonksiyon uygulamanıza göndermek ve LUIS kullanarak saniyelere dönüştürmek için bir sınıf tanımlamak amacıyla kullanılacaktır.
+
+1. Bu dosyanın en üstüne aşağıdaki kodu ekleyin:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    ```
+
+    Bu, gerekli başlık dosyalarını içerir.
+
+1. `LanguageUnderstanding` adında bir sınıf tanımlayın ve bu sınıfın bir örneğini bildirin:
+
+    ```cpp
+    class LanguageUnderstanding
+    {
+    public:
+    private:
+    };
+
+    LanguageUnderstanding languageUnderstanding;
+    ```
+
+1. Fonksiyon uygulamanızı çağırmak için bir WiFi istemcisi bildirmeniz gerekir. Sınıfın `private` bölümüne aşağıdaki kodu ekleyin:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. Sınıfın `public` bölümünde, fonksiyon uygulamasını çağırmak için `GetTimerDuration` adında bir yöntem bildirin:
+
+    ```cpp
+    int GetTimerDuration(String text)
+    {
+    }
+    ```
+
+1. `GetTimerDuration` yönteminde, fonksiyon uygulamasına gönderilecek JSON'u oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    Bu, `GetTimerDuration` yöntemine geçirilen metni aşağıdaki JSON'a dönüştürür:
+
+    ```json
+    {
+        "text" : "<text>"
+    }
+    ```
+
+    Burada `<text>`, fonksiyona geçirilen metindir.
+
+1. Bunun altına, fonksiyon uygulaması çağrısını yapmak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    Bu, JSON gövdesini göndererek ve yanıt kodunu alarak fonksiyon uygulamasına bir POST isteği yapar.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, yanıt kodunu kontrol eder. Eğer kod 200 (başarılı) ise, zamanlayıcı için saniye sayısı yanıt gövdesinden alınır. Aksi takdirde, seri monitöre bir hata gönderilir ve saniye sayısı 0 olarak ayarlanır.
+
+1. Bu yöntemin sonuna aşağıdaki kodu ekleyerek HTTP bağlantısını kapatın ve saniye sayısını döndürün:
+
+    ```cpp
+    httpClient.end();
+
+    return seconds;
+    ```
+
+1. `main.cpp` dosyasında bu yeni başlığı dahil edin:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. `processAudio` fonksiyonunun sonunda, zamanlayıcı süresini almak için `GetTimerDuration` yöntemini çağırın:
+
+    ```cpp
+    int total_seconds = languageUnderstanding.GetTimerDuration(text);
+    ```
+
+    Bu, `SpeechToText` sınıfından gelen metni zamanlayıcı için saniye sayısına dönüştürür.
+
+### Görev - Bir Zamanlayıcı Ayarla
+
+Saniye sayısı bir zamanlayıcı ayarlamak için kullanılabilir.
+
+1. `platformio.ini` dosyasına bir zamanlayıcı ayarlamak için bir kütüphane eklemek üzere aşağıdaki bağımlılığı ekleyin:
+
+    ```ini
+    contrem/arduino-timer @ 2.3.0
+    ```
+
+1. Bu kütüphane için bir include direktifi ekleyin:
+
+    ```cpp
+    #include <arduino-timer.h>
+    ```
+
+1. `processAudio` fonksiyonunun üstüne aşağıdaki kodu ekleyin:
+
+    ```cpp
+    auto timer = timer_create_default();
+    ```
+
+    Bu kod, `timer` adında bir zamanlayıcı tanımlar.
+
+1. Bunun altına aşağıdaki kodu ekleyin:
+
+    ```cpp
+    void say(String text)
+    {
+        Serial.print("Saying ");
+        Serial.println(text);
+    }
+    ```
+
+    Bu `say` fonksiyonu, sonunda metni konuşmaya dönüştürecek, ancak şimdilik sadece geçirilen metni seri monitöre yazacaktır.
+
+1. `say` fonksiyonunun altına aşağıdaki kodu ekleyin:
+
+    ```cpp
+    bool timerExpired(void *announcement)
+    {
+        say((char *)announcement);
+        return false;
+    }
+    ```
+
+    Bu, bir zamanlayıcı sona erdiğinde çağrılacak bir geri çağırma fonksiyonudur. Zamanlayıcı sona erdiğinde söylenecek bir mesaj alır. Zamanlayıcılar tekrar edebilir ve bu geri çağırmanın dönüş değeri ile kontrol edilebilir - bu, zamanlayıcının tekrar çalışmaması için `false` döndürür.
+
+1. `processAudio` fonksiyonunun sonuna aşağıdaki kodu ekleyin:
+
+    ```cpp
+    if (total_seconds == 0)
+    {
+        return;
+    }
+
+    int minutes = total_seconds / 60;
+    int seconds = total_seconds % 60;
+    ```
+
+    Bu kod, toplam saniye sayısını kontrol eder ve eğer 0 ise, fonksiyon çağrısından döner, böylece zamanlayıcılar ayarlanmaz. Ardından toplam saniye sayısını dakika ve saniyeye dönüştürür.
+
+1. Bu kodun altına, zamanlayıcı başlatıldığında söylenecek bir mesaj oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```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. Bunun altına, zamanlayıcı sona erdiğinde söylenecek benzer bir mesaj oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```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. Bundan sonra, zamanlayıcı başlatıldı mesajını söyleyin:
+
+    ```cpp
+    say(begin_message);
+    ```
+
+1. Bu fonksiyonun sonunda zamanlayıcıyı başlatın:
+
+    ```cpp
+    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
+    ```
+
+    Bu, zamanlayıcıyı tetikler. Zamanlayıcı milisaniye cinsinden ayarlanır, bu nedenle toplam saniye sayısı milisaniyeye dönüştürmek için 1.000 ile çarpılır. `timerExpired` fonksiyonu geri çağırma olarak geçirilir ve `end_message` geri çağırmaya iletilmek üzere bir argüman olarak geçirilir. Bu geri çağırma yalnızca `void *` argümanlarını alır, bu nedenle dize uygun şekilde dönüştürülür.
+
+1. Son olarak, zamanlayıcı *tik* atmalıdır ve bu `loop` fonksiyonunda yapılır. `loop` fonksiyonunun sonuna aşağıdaki kodu ekleyin:
+
+    ```cpp
+    timer.tick();
+    ```
+
+1. Bu kodu derleyin, Wio Terminal'inize yükleyin ve seri monitör üzerinden test edin. Seri monitörde `Ready` yazısını gördüğünüzde, C düğmesine (sol tarafta, güç anahtarına en yakın olan) basın ve konuşun. 4 saniyelik ses kaydedilecek, metne dönüştürülecek, ardından fonksiyon uygulamanıza gönderilecek ve bir zamanlayıcı ayarlanacaktır. Fonksiyon uygulamanızın yerel olarak çalıştığından emin olun.
+
+    Zamanlayıcı başladığında ve sona erdiğinde göreceksiniz.
+
+    ```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.
+    ```
+
+> 💁 Bu kodu [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Zamanlayıcı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/tr/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
new file mode 100644
index 00000000..bdaef517
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T02:57:23+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
+  "language_code": "tr"
+}
+-->
+# Metinden Sese - Wio Terminal
+
+Bu dersin bu bölümünde, metni sese dönüştürerek sesli geri bildirim sağlayacaksınız.
+
+## Metinden Sese
+
+Bir önceki derste konuşmayı metne dönüştürmek için kullandığınız konuşma hizmetleri SDK'sı, metni tekrar sese dönüştürmek için de kullanılabilir.
+
+## Ses Listesi Almak
+
+Konuşma talep ederken, kullanılacak sesi belirtmeniz gerekir çünkü konuşma, çeşitli farklı sesler kullanılarak oluşturulabilir. Her dil, farklı seslerden oluşan bir yelpazeyi destekler ve her dil için desteklenen seslerin listesini konuşma hizmetleri SDK'sından alabilirsiniz. Ancak, mikrodenetleyicilerin sınırlamaları burada devreye giriyor - metinden sese hizmetleri tarafından desteklenen seslerin listesini almak için yapılan çağrı, 77KB'den büyük bir JSON belgesidir ve bu, Wio Terminal tarafından işlenemeyecek kadar büyüktür. Yazım sırasında, tam liste 215 ses içeriyor ve her biri aşağıdaki gibi bir JSON belgesiyle tanımlanıyor:
+
+```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"
+}
+```
+
+Bu JSON, birden fazla ses stiline sahip olan **Aria** sesi içindir. Metni sese dönüştürürken gereken tek şey, `en-US-AriaNeural` gibi kısa isimdir.
+
+Bu listenin tamamını mikrodenetleyicinize indirip çözümlemek yerine, kullandığınız dil için ses listesini almak ve bunu Wio Terminal'den çağırmak için biraz daha sunucusuz kod yazmanız gerekecek. Kodunuz daha sonra listedeki uygun bir sesi, örneğin bulduğu ilk sesi seçebilir.
+
+### Görev - Ses Listesi Almak için Sunucusuz Bir Fonksiyon Oluşturun
+
+1. VS Code'da `smart-timer-trigger` projenizi açın ve sanal ortamın etkinleştirildiğinden emin olarak terminali açın. Değilse, terminali kapatıp yeniden oluşturun.
+
+1. `local.settings.json` dosyasını açın ve konuşma API anahtarı ve konumu için ayarları ekleyin:
+
+    ```json
+    "SPEECH_KEY": "<key>",
+    "SPEECH_LOCATION": "<location>"
+    ```
+
+    `<key>` kısmını konuşma hizmeti kaynağınızın API anahtarıyla değiştirin. `<location>` kısmını ise konuşma hizmeti kaynağını oluşturduğunuz konumla değiştirin.
+
+1. Bu uygulamaya `get-voices` adında yeni bir HTTP tetikleyici eklemek için, VS Code terminalinde fonksiyon uygulaması projesinin kök klasöründen aşağıdaki komutu çalıştırın:
+
+    ```sh
+    func new --name get-voices --template "HTTP trigger"
+    ```
+
+    Bu, `get-voices` adında bir HTTP tetikleyici oluşturacaktır.
+
+1. `get-voices` klasöründeki `__init__.py` dosyasının içeriğini aşağıdakiyle değiştirin:
+
+    ```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)
+    ```
+
+    Bu kod, sesleri almak için bir HTTP isteği yapar. Bu ses listesi, tüm diller için sesleri içeren büyük bir JSON bloğudur, bu nedenle istek gövdesinde iletilen dil için sesler filtrelenir, ardından kısa isim çıkarılır ve bir JSON listesi olarak döndürülür. Metni sese dönüştürmek için gereken değer kısa isimdir, bu nedenle yalnızca bu değer döndürülür.
+
+    > 💁 Gerekirse, yalnızca istediğiniz sesleri seçmek için filtreyi değiştirebilirsiniz.
+
+    Bu, verilerin boyutunu yazım sırasında 77KB'den, çok daha küçük bir JSON belgesine indirir. Örneğin, ABD sesleri için bu 408 bayttır.
+
+1. Fonksiyon uygulamanızı yerel olarak çalıştırın. Daha sonra bunu, `text-to-timer` HTTP tetikleyicinizi test ettiğiniz gibi bir araç (örneğin curl) kullanarak çağırabilirsiniz. Dilinizi bir JSON gövdesi olarak ilettiğinizden emin olun:
+
+    ```json
+    {
+        "language":"<language>"
+    }
+    ```
+
+    `<language>` kısmını dilinizle değiştirin, örneğin `en-GB` veya `zh-CN`.
+
+> 💁 Bu kodu [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) klasöründe bulabilirsiniz.
+
+### Görev - Wio Terminal'inizden Sesi Alın
+
+1. `smart-timer` projenizi VS Code'da açın (henüz açık değilse).
+
+1. `config.h` başlık dosyasını açın ve fonksiyon uygulamanızın URL'sini ekleyin:
+
+    ```cpp
+    const char *GET_VOICES_FUNCTION_URL = "<URL>";
+    ```
+
+    `<URL>` kısmını, fonksiyon uygulamanızdaki `get-voices` HTTP tetikleyicisinin URL'siyle değiştirin. Bu, `TEXT_TO_TIMER_FUNCTION_URL` değeriyle aynı olacaktır, ancak `text-to-timer` yerine `get-voices` fonksiyon adını içerecektir.
+
+1. `src` klasöründe `text_to_speech.h` adında yeni bir dosya oluşturun. Bu, metni sese dönüştürmek için bir sınıf tanımlamak için kullanılacaktır.
+
+1. Yeni `text_to_speech.h` dosyasının en üstüne aşağıdaki include yönergelerini ekleyin:
+
+    ```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. Bu yönergelerin altına, uygulamanın geri kalanında kullanılabilecek bir örnekle birlikte `TextToSpeech` sınıfını bildiren aşağıdaki kodu ekleyin:
+
+    ```cpp
+    class TextToSpeech
+    {
+    public:
+    private:
+    };
+    
+    TextToSpeech textToSpeech;
+    ```
+
+1. Fonksiyon uygulamanızı çağırmak için bir WiFi istemcisi bildirmeniz gerekir. Sınıfın `private` bölümüne aşağıdakileri ekleyin:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. `private` bölümüne, seçilen ses için bir alan ekleyin:
+
+    ```cpp
+    String _voice;
+    ```
+
+1. `public` bölümüne, ilk sesi alacak bir `init` fonksiyonu ekleyin:
+
+    ```cpp
+    void init()
+    {
+    }
+    ```
+
+1. Sesleri almak için, dile sahip bir JSON belgesinin fonksiyon uygulamasına gönderilmesi gerekir. Bu JSON belgesini oluşturmak için `init` fonksiyonuna aşağıdaki kodu ekleyin:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+1. Ardından bir `HTTPClient` oluşturun ve JSON belgesini göndererek fonksiyon uygulamasını çağırın:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. Bunun altına, yanıt kodunu kontrol eden ve eğer 200 (başarılı) ise ses listesini çıkaran, listeden ilk sesi alan kodu ekleyin:
+
+    ```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. Bunun ardından, HTTP istemci bağlantısını sonlandırın:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. `main.cpp` dosyasını açın ve bu yeni başlık dosyasını dahil etmek için en üste aşağıdaki include yönergesini ekleyin:
+
+    ```cpp
+    #include "text_to_speech.h"
+    ```
+
+1. `setup` fonksiyonunda, `speechToText.init();` çağrısının altına, `TextToSpeech` sınıfını başlatmak için aşağıdakileri ekleyin:
+
+    ```cpp
+    textToSpeech.init();
+    ```
+
+1. Bu kodu derleyin, Wio Terminal'inize yükleyin ve seri monitör üzerinden test edin. Fonksiyon uygulamanızın çalıştığından emin olun.
+
+    Fonksiyon uygulamasından döndürülen mevcut seslerin listesini ve seçilen sesi göreceksiniz.
+
+    ```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.
+    ```
+
+## Metni Sese Dönüştürmek
+
+Kullanılacak bir ses elde ettikten sonra, bu ses metni sese dönüştürmek için kullanılabilir. Sesleri dönüştürürken aynı bellek sınırlamaları geçerlidir, bu nedenle ses, ReSpeaker üzerinden çalınmak üzere SD karta yazılmalıdır.
+
+> 💁 Bu projedeki önceki derslerde, mikrofondan alınan konuşmayı depolamak için flash bellek kullandınız. Bu ders, Seeed ses kütüphanelerini kullanarak SD karttan ses çalmanın daha kolay olması nedeniyle bir SD kart kullanır.
+
+Dikkate alınması gereken başka bir sınırlama daha vardır: konuşma hizmetinden alınan mevcut ses verileri ve Wio Terminal'in desteklediği formatlar. Tam bilgisayarların aksine, mikrodenetleyiciler için ses kütüphaneleri destekledikleri ses formatlarında çok sınırlı olabilir. Örneğin, ReSpeaker üzerinden ses çalabilen Seeed Arduino Audio kütüphanesi yalnızca 44.1KHz örnekleme hızında sesi destekler. Azure konuşma hizmetleri bir dizi formatta ses sağlayabilir, ancak bunların hiçbiri bu örnekleme hızını kullanmaz; yalnızca 8KHz, 16KHz, 24KHz ve 48KHz sağlar. Bu, sesin 44.1KHz'ye yeniden örneklenmesi gerektiği anlamına gelir; bu, özellikle bellek açısından Wio Terminal'in sahip olduğundan daha fazla kaynağa ihtiyaç duyar.
+
+Bu tür verileri manipüle etmeniz gerektiğinde, özellikle veri bir web çağrısı yoluyla alınıyorsa, sunucusuz kod kullanmak genellikle daha iyidir. Wio Terminal, dönüştürülecek metni ileten bir sunucusuz fonksiyonu çağırabilir ve sunucusuz fonksiyon hem konuşma hizmetini çağırarak metni sese dönüştürebilir hem de sesi gerekli örnekleme hızına yeniden örnekleyebilir. Daha sonra sesi, Wio Terminal'in SD karta kaydetmesi ve ReSpeaker üzerinden çalması için gereken formatta döndürebilir.
+
+### Görev - Metni Sese Dönüştürmek için Sunucusuz Bir Fonksiyon Oluşturun
+
+1. VS Code'da `smart-timer-trigger` projenizi açın ve sanal ortamın etkinleştirildiğinden emin olarak terminali açın. Değilse, terminali kapatıp yeniden oluşturun.
+
+1. Bu uygulamaya `text-to-speech` adında yeni bir HTTP tetikleyici eklemek için, VS Code terminalinde fonksiyon uygulaması projesinin kök klasöründen aşağıdaki komutu çalıştırın:
+
+    ```sh
+    func new --name text-to-speech --template "HTTP trigger"
+    ```
+
+    Bu, `text-to-speech` adında bir HTTP tetikleyici oluşturacaktır.
+
+1. [librosa](https://librosa.org) Pip paketi, sesi yeniden örneklemek için işlevlere sahiptir, bu nedenle bunu `requirements.txt` dosyasına ekleyin:
+
+    ```sh
+    librosa
+    ```
+
+    Eklendikten sonra, VS Code terminalinden aşağıdaki komutu kullanarak Pip paketlerini yükleyin:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > ⚠️ Linux, Raspberry Pi OS dahil, kullanıyorsanız, aşağıdaki komutla `libsndfile` yüklemeniz gerekebilir:
+    >
+    > ```sh
+    > sudo apt update
+    > sudo apt install libsndfile1-dev
+    > ```
+
+1. Metni sese dönüştürmek için, konuşma API anahtarını doğrudan kullanamazsınız; bunun yerine, bir erişim jetonu talep etmeniz gerekir. Bu talep, API anahtarını kullanarak kimlik doğrulaması yapar. `text-to-speech` klasöründeki `__init__.py` dosyasını açın ve içindeki tüm kodu aşağıdakiyle değiştirin:
+
+    ```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)
+    ```
+
+    Bu, ayarlardan okunacak konum ve konuşma anahtarı için sabitler tanımlar. Daha sonra, konuşma hizmeti için bir erişim jetonu alacak `get_access_token` fonksiyonunu tanımlar.
+
+1. Bu kodun altına aşağıdakileri ekleyin:
+
+    ```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)
+    ```
+
+    Bu, metni sese dönüştüren HTTP tetikleyiciyi tanımlar. Dönüştürülecek metni, dili ve sesi istekle gönderilen JSON gövdesinden çıkarır, konuşmayı talep etmek için biraz SSML oluşturur ve ardından erişim jetonunu kullanarak ilgili REST API'yi çağırır. Bu REST API çağrısı, 16-bit, 48KHz mono WAV dosyası olarak kodlanmış sesi döndürür; bu, `playback_format` değerine göre REST API çağrısına gönderilir.
+
+    Daha sonra bu ses, `librosa` tarafından 48KHz örnekleme hızından 44.1KHz örnekleme hızına yeniden örneklenir ve ardından bu ses, döndürülen bir ikili tamponda saklanır.
+
+1. Fonksiyon uygulamanızı yerel olarak çalıştırın veya buluta dağıtın. Daha sonra bunu, `text-to-timer` HTTP tetikleyicinizi test ettiğiniz gibi bir araç (örneğin curl) kullanarak çağırabilirsiniz. Dil, ses ve metni JSON gövdesi olarak ilettiğinizden emin olun:
+
+    ```json
+    {
+        "language": "<language>",
+        "voice": "<voice>",
+        "text": "<text>"
+    }
+    ```
+
+    `<language>` kısmını dilinizle değiştirin, örneğin `en-GB` veya `zh-CN`. `<voice>` kısmını kullanmak istediğiniz sesle değiştirin. `<text>` kısmını ise sese dönüştürmek istediğiniz metinle değiştirin. Çıktıyı bir dosyaya kaydedebilir ve WAV dosyalarını çalabilen herhangi bir ses oynatıcıyla çalabilirsiniz.
+
+    Örneğin, "Hello" kelimesini ABD İngilizcesi ile Jenny Neural sesi kullanarak sese dönüştürmek için, fonksiyon uygulaması yerel olarak çalışırken aşağıdaki curl komutunu kullanabilirsiniz:
+
+    ```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"
+         }'
+    ```
+
+    Bu, sesi `hello.wav` olarak geçerli dizine kaydedecektir.
+
+> 💁 Bu kodu [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) klasöründe bulabilirsiniz.
+
+### Görev - Wio Terminal'inizden Konuşmayı Alın
+
+1. `smart-timer` projenizi VS Code'da açın (henüz açık değilse).
+
+1. `config.h` başlık dosyasını açın ve fonksiyon uygulamanızın URL'sini ekleyin:
+
+    ```cpp
+    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
+    ```
+
+    `<URL>` kısmını, fonksiyon uygulamanızdaki `text-to-speech` HTTP tetikleyicisinin URL'siyle değiştirin. Bu, `TEXT_TO_TIMER_FUNCTION_URL` değeriyle aynı olacaktır, ancak `text-to-timer` yerine `text-to-speech` fonksiyon adını içerecektir.
+
+1. `text_to_speech.h` başlık dosyasını açın ve `TextToSpeech` sınıfının `public` bölümüne aşağıdaki yöntemi ekleyin:
+
+    ```cpp
+    void convertTextToSpeech(String text)
+    {
+    }
+    ```
+
+1. `convertTextToSpeech` yöntemine, fonksiyon uygulamasına gönderilecek JSON'u oluşturmak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+    doc["voice"] = _voice;
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    Bu, dili, sesi ve metni JSON belgesine yazar, ardından bunu bir dizeye serileştirir.
+
+1. Bunun altına, fonksiyon uygulamasını çağırmak için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    Bu, bir HTTPClient oluşturur ve JSON belgesini kullanarak metni sese dönüştürmek için POST isteği yapar.
+
+1. Çağrı başarılı olursa, fonksiyon uygulamasından döndürülen ham ikili veri, SD kartta bir dosyaya aktarılabilir. Bunu yapmak için aşağıdaki kodu ekleyin:
+
+    ```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);
+    }
+    ```
+
+    Bu kod, yanıtı kontrol eder ve eğer 200 (başarılı) ise, ikili veriyi SD Kartın kökünde `SPEECH.WAV` adlı bir dosyaya aktarır.
+
+1. Bu yöntemin sonunda, HTTP bağlantısını kapatın:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. Artık konuşulacak metin sese dönüştürülebilir. `main.cpp` dosyasında, `say` fonksiyonunun sonuna aşağıdaki satırı ekleyerek söylenecek metni sese dönüştürün:
+```cpp
+    textToSpeech.convertTextToSpeech(text);
+    ```
+
+### Görev - Wio Terminal cihazınızdan ses çalın
+
+**Yakında geliyor**
+
+## Fonksiyon uygulamanızı buluta dağıtma
+
+Fonksiyon uygulamasını yerel olarak çalıştırmanın sebebi, Linux'taki `librosa` Pip paketinin varsayılan olarak yüklü olmayan bir kütüphaneye bağımlı olmasıdır ve bu kütüphane, fonksiyon uygulaması çalışmadan önce yüklenmelidir. Fonksiyon uygulamaları sunucusuzdur - yönetebileceğiniz sunucular yoktur, dolayısıyla bu kütüphaneyi önceden yüklemenin bir yolu yoktur.
+
+Bunun yerine, fonksiyon uygulamanızı bir Docker konteyneri kullanarak dağıtmanız gerekir. Bu konteyner, bulut tarafından, fonksiyon uygulamanızın yeni bir örneğini başlatması gerektiğinde (örneğin, talep mevcut kaynakları aştığında veya fonksiyon uygulaması bir süredir kullanılmadığı için kapatıldığında) dağıtılır.
+
+Bir fonksiyon uygulaması oluşturma ve Docker üzerinden dağıtma talimatlarını [Microsoft Docs'taki özel bir konteyner kullanarak Linux'ta bir fonksiyon oluşturma dokümanında](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) bulabilirsiniz.
+
+Bu işlem tamamlandıktan sonra, Wio Terminal kodunuzu bu fonksiyona erişecek şekilde uyarlayabilirsiniz:
+
+1. Azure Functions sertifikasını `config.h` dosyasına ekleyin:
+
+    ```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. Tüm `<WiFiClient.h>` dahil etmelerini `<WiFiClientSecure.h>` ile değiştirin.
+
+1. Tüm `WiFiClient` alanlarını `WiFiClientSecure` ile değiştirin.
+
+1. `WiFiClientSecure` alanına sahip her sınıfta bir kurucu (constructor) ekleyin ve bu kurucuda sertifikayı ayarlayın:
+
+    ```cpp
+    _client.setCACert(FUNCTIONS_CERTIFICATE);
+    ```
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/4-multiple-language-support/README.md b/translations/tr/6-consumer/lessons/4-multiple-language-support/README.md
new file mode 100644
index 00000000..d53ef92e
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/4-multiple-language-support/README.md
@@ -0,0 +1,188 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
+  "translation_date": "2025-08-28T03:08:28+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
+  "language_code": "tr"
+}
+-->
+# Birden Fazla Dili Destekleme
+
+![Bu dersin genel bir sketchnote özeti](../../../../../translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.tr.jpg)
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.
+
+Bu video, Azure konuşma hizmetlerinin genel bir özetini sunar. Daha önceki derslerde ele alınan konuşmadan metne ve metinden konuşmaya konularını kapsar. Ayrıca bu derste ele alınan konuşma çevirisini de içerir:
+
+[![Microsoft Build 2020'den birkaç satır Python ile konuşmayı tanıma](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
+
+> 🎥 Videoyu izlemek için yukarıdaki görsele tıklayın
+
+## Ders Öncesi Test
+
+[Ders öncesi test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
+
+## Giriş
+
+Son 3 derste, konuşmayı metne dönüştürme, dil anlama ve metni konuşmaya dönüştürme konularını öğrendiniz. Tüm bu işlemler yapay zeka tarafından desteklenmektedir. Yapay zekanın insan iletişiminde yardımcı olabileceği bir diğer alan ise dil çevirisidir - bir dili başka bir dile dönüştürmek, örneğin İngilizceden Fransızcaya.
+
+Bu derste, yapay zekayı kullanarak metin çevirisi yapmayı öğreneceksiniz. Böylece akıllı zamanlayıcınızın birden fazla dilde kullanıcılarla etkileşim kurmasını sağlayabilirsiniz.
+
+Bu derste şunları ele alacağız:
+
+* [Metin çevir](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Çeviri hizmetleri](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Bir çeviri kaynağı oluştur](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Uygulamalarda çevirilerle birden fazla dili destekleme](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Bir yapay zeka hizmeti kullanarak metin çevir](../../../../../6-consumer/lessons/4-multiple-language-support)
+
+> 🗑 Bu proje içindeki son derstir. Bu dersi ve ödevi tamamladıktan sonra bulut hizmetlerinizi temizlemeyi unutmayın. Ödevi tamamlamak için bu hizmetlere ihtiyacınız olacak, bu yüzden önce ödevi tamamladığınızdan emin olun.
+>
+> Gerekirse [projenizi temizleme rehberine](../../../clean-up.md) başvurabilirsiniz.
+
+## Metin Çevir
+
+Metin çevirisi, bilgisayar bilimlerinde 70 yılı aşkın süredir araştırılan bir problemdir. Ancak yapay zeka ve bilgisayar gücündeki ilerlemeler sayesinde, insan çevirmenler kadar iyi bir seviyeye ulaşmaya oldukça yaklaştı.
+
+> 💁 Kökenleri daha da geriye, 9. yüzyılda dil çevirisi teknikleri geliştiren Arap kriptograf [Al-Kindi](https://wikipedia.org/wiki/Al-Kindi)'ye kadar izlenebilir.
+
+### Makine Çevirileri
+
+Metin çevirisi, farklı dil çiftleri arasında çeviri yapabilen Makine Çevirisi (MT) olarak bilinen bir teknolojiyle başladı. MT, bir dildeki kelimeleri başka bir dildeki kelimelerle değiştirme ve basit kelime kelime çevirinin anlamlı olmadığı durumlarda ifadeleri veya cümle parçalarını doğru şekilde çevirmek için teknikler ekleme prensibiyle çalışır.
+
+> 🎓 Çevirmenler bir dilden diğerine çeviri yapmayı desteklediğinde, bunlara *dil çiftleri* denir. Farklı araçlar farklı dil çiftlerini destekler ve bu destek tam olmayabilir. Örneğin, bir çevirmen İngilizceden İspanyolcaya ve İspanyolcadan İtalyancaya çeviri yapabilir, ancak İngilizceden İtalyancaya çeviri yapamayabilir.
+
+Örneğin, İngilizce "Hello world" ifadesini Fransızcaya çevirmek, "Hello" için "Bonjour" ve "world" için "le monde" kelimelerini değiştirerek doğru çeviri olan "Bonjour le monde" sonucunu verir.
+
+Ancak, farklı diller aynı şeyi ifade etmek için farklı yollar kullandığında bu tür değişiklikler işe yaramaz. Örneğin, İngilizce "My name is Jim" cümlesi Fransızcaya "Je m'appelle Jim" olarak çevrilir - kelimenin tam anlamıyla "Ben kendime Jim diyorum". "Je" Fransızca "Ben" anlamına gelir, "moi" "ben"dir, ancak bir ünlüyle başladığı için fiille birleştirilir ve "m'" olur, "appelle" "aramak" anlamına gelir ve "Jim" bir isim olduğu için çevrilmez. Kelime sıralaması da bir sorun haline gelir - "Je m'appelle Jim" ifadesinin basit bir çevirisi "I myself call Jim" olur ve İngilizceye göre farklı bir kelime sıralaması içerir.
+
+> 💁 Bazı kelimeler asla çevrilmez - adım Jim'dir ve hangi dilde tanıtım yaparsam yapayım bu değişmez. Farklı alfabeler kullanan veya farklı sesler için farklı harfler kullanan dillere çeviri yaparken, kelimeler *transliterasyon* ile çevrilebilir, yani verilen kelimeyle aynı sesi vermek için uygun harfler veya karakterler seçilir.
+
+Deyimler de çeviri için bir sorundur. Bunlar, kelimelerin doğrudan yorumlanmasından farklı bir anlamı olan ifadelerdir. Örneğin, İngilizce "I've got ants in my pants" deyimi, kıyafetinizde karınca olduğu anlamına gelmez, huzursuz olduğunuzu ifade eder. Bu deyimi Almancaya çevirirseniz, dinleyiciyi şaşırtırsınız çünkü Almanca versiyonu "I have bumble bees in the bottom" şeklindedir.
+
+> 💁 Farklı bölgeler farklı karmaşıklıklar ekler. "Ants in your pants" deyiminde, Amerikan İngilizcesinde "pants" dış giyim anlamına gelirken, İngiliz İngilizcesinde "pants" iç çamaşırı anlamına gelir.
+
+✅ Birden fazla dil biliyorsanız, doğrudan çevrilemeyen bazı ifadeler düşünün.
+
+Makine çeviri sistemleri, belirli ifadelerin ve deyimlerin nasıl çevrileceğini tanımlayan büyük kural veritabanlarına dayanır. Ayrıca, olası seçeneklerden uygun çevirileri seçmek için istatistiksel yöntemler kullanır. Bu istatistiksel yöntemler, birden fazla dile insanlar tarafından çevrilmiş büyük veri tabanlarını kullanarak en olası çeviriyi seçer. Bu tekniğe *istatistiksel makine çevirisi* denir. Bazıları, bir dili ara bir temsile çevirip, ardından bu ara temsilden başka bir dile çevirerek çalışan ara temsiller kullanır. Bu şekilde, daha fazla dil eklemek, tüm diğer dillere çeviriler yerine ara temsile ve ara temsilden çeviriler içerir.
+
+### Sinirsel Çeviriler
+
+Sinirsel çeviriler, genellikle tüm cümleleri tek bir model kullanarak çevirmek için yapay zekanın gücünden yararlanır. Bu modeller, web sayfaları, kitaplar ve Birleşmiş Milletler belgeleri gibi insanlar tarafından çevrilmiş büyük veri setleri üzerinde eğitilir.
+
+Sinirsel çeviri modelleri, deyim ve ifadeler için büyük veri tabanlarına ihtiyaç duymadıkları için genellikle makine çeviri modellerinden daha küçüktür. Modern yapay zeka hizmetleri, çeviriler sağlarken genellikle birden fazla tekniği birleştirir, istatistiksel makine çevirisi ve sinirsel çeviriyi karıştırır.
+
+Hiçbir dil çifti için birebir çeviri yoktur. Farklı çeviri modelleri, modelin eğitildiği verilere bağlı olarak biraz farklı sonuçlar üretebilir. Çeviriler her zaman simetrik değildir - bir cümleyi bir dilden diğerine çevirip, ardından tekrar ilk dile çevirdiğinizde, biraz farklı bir cümle elde edebilirsiniz.
+
+✅ [Bing Translate](https://www.bing.com/translator), [Google Translate](https://translate.google.com) veya Apple çeviri uygulaması gibi farklı çevrimiçi çevirmenleri deneyin. Birkaç cümlenin çevirilerini karşılaştırın. Ayrıca birinde çevirip, diğerinde geri çevirerek deneyin.
+
+## Çeviri Hizmetleri
+
+Uygulamalarınızdan konuşma ve metin çevirisi yapmak için kullanabileceğiniz bir dizi yapay zeka hizmeti vardır.
+
+### Bilişsel Hizmetler Konuşma Hizmeti
+
+![Konuşma hizmeti logosu](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.tr.png)
+
+Son birkaç derste kullandığınız konuşma hizmeti, konuşma tanıma için çeviri yeteneklerine sahiptir. Konuşmayı tanıdığınızda, yalnızca aynı dildeki konuşmanın metnini değil, aynı zamanda diğer dillerdeki metni de talep edebilirsiniz.
+
+> 💁 Bu yalnızca konuşma SDK'sında mevcuttur, REST API'de yerleşik çeviriler yoktur.
+
+### Bilişsel Hizmetler Çevirmen Hizmeti
+
+![Çevirmen hizmeti logosu](../../../../../translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.tr.png)
+
+Çevirmen hizmeti, bir dilden bir veya daha fazla hedef dile metin çevirebilen özel bir çeviri hizmetidir. Çeviri yapmanın yanı sıra, küfürleri maskeleme gibi çok çeşitli ek özellikleri destekler. Ayrıca, belirli bir kelime veya cümle için belirli bir çeviri sağlamanıza, çevrilmesini istemediğiniz terimlerle çalışmanıza veya belirli bir iyi bilinen çeviriyi kullanmanıza olanak tanır.
+
+Örneğin, tek kartlı bilgisayar olan "Raspberry Pi" ifadesini Fransızca gibi başka bir dile çevirirken, "Raspberry Pi" adını olduğu gibi bırakmak ve çevirmemek istersiniz. Bu durumda "J’ai un Raspberry Pi" yerine "J’ai une pi aux framboises" gibi bir çeviri elde edersiniz.
+
+## Bir Çeviri Kaynağı Oluştur
+
+Bu ders için bir Çevirmen kaynağına ihtiyacınız olacak. Metin çevirisi yapmak için REST API'yi kullanacaksınız.
+
+### Görev - bir çeviri kaynağı oluştur
+
+1. Terminalinizden veya komut isteminizden, `smart-timer` kaynak grubunuzda bir çeviri kaynağı oluşturmak için aşağıdaki komutu çalıştırın.
+
+    ```sh
+    az cognitiveservices account create --name smart-timer-translator \
+                                        --resource-group smart-timer \
+                                        --kind TextTranslation \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    `<location>` kısmını Kaynak Grubu oluştururken kullandığınız konumla değiştirin.
+
+1. Çevirmen hizmeti için anahtarı alın:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer-translator \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    Anahtarlardan birinin bir kopyasını alın.
+
+## Uygulamalarda Çevirilerle Birden Fazla Dili Destekleme
+
+İdeal bir dünyada, tüm uygulamanız mümkün olduğunca çok dili anlamalıdır; konuşmayı dinlemekten, dili anlamaya ve konuşma ile yanıt vermeye kadar. Bu oldukça fazla iş gerektirir, bu nedenle çeviri hizmetleri uygulamanızın teslim süresini hızlandırabilir.
+
+![Japoncayı İngilizceye çeviren, İngilizce işleyen ve ardından Japoncaya çeviren bir akıllı zamanlayıcı mimarisi](../../../../../translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.tr.png)
+
+Diyelim ki, baştan sona İngilizce kullanan bir akıllı zamanlayıcı oluşturuyorsunuz. İngilizce konuşmayı anlayıp metne dönüştürerek, dili İngilizce anlayarak, İngilizce yanıtlar oluşturup İngilizce konuşma ile yanıt vererek çalışıyor. Japonca desteği eklemek istiyorsanız, Japonca konuşmayı İngilizce metne çevirerek başlayabilir, ardından uygulamanın çekirdeğini aynı tutabilir ve yanıt metnini Japoncaya çevirerek yanıtı konuşabilirsiniz. Bu, Japonca desteğini hızlı bir şekilde eklemenizi sağlar ve daha sonra tam uçtan uca Japonca desteği sağlamaya genişleyebilirsiniz.
+
+> 💁 Makine çevirisine güvenmenin dezavantajı, farklı dillerin ve kültürlerin aynı şeyleri ifade etmek için farklı yollarının olmasıdır. Bu nedenle çeviri, beklediğiniz ifadeyle eşleşmeyebilir.
+
+Makine çevirileri, kullanıcı tarafından oluşturulan içeriği oluşturuldukça çevirebilen uygulamalar ve cihazlar için de olanaklar sunar. Bilim kurgu, düzenli olarak yabancı dilleri (genellikle Amerikan İngilizcesine) çevirebilen 'evrensel çevirmenler' cihazlarını içerir. Bu cihazlar, uzaylı kısmını görmezden gelirseniz, bilim kurgudan çok bilim gerçeğidir. Konuşma ve çeviri hizmetlerinin kombinasyonlarını kullanarak gerçek zamanlı konuşma ve yazılı metin çevirisi sağlayan uygulamalar ve cihazlar zaten mevcuttur.
+
+Bir örnek, bu videoda gösterilen [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn) mobil telefon uygulamasıdır:
+
+[![Microsoft Translator canlı özelliği eylemde](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
+
+> 🎥 Videoyu izlemek için yukarıdaki görsele tıklayın
+
+Özellikle seyahat ederken veya dilini bilmediğiniz insanlarla etkileşim kurarken böyle bir cihazın yanınızda olduğunu hayal edin. Havalimanlarında veya hastanelerde otomatik çeviri cihazlarının bulunması, çok ihtiyaç duyulan erişilebilirlik iyileştirmeleri sağlayacaktır.
+
+✅ Araştırma yapın: Ticari olarak mevcut çeviri IoT cihazları var mı? Akıllı cihazlara entegre edilmiş çeviri yetenekleri hakkında ne düşünüyorsunuz?
+
+> 👽 Gerçek anlamda uzaylılarla konuşmamızı sağlayan evrensel çevirmenler olmasa da, [Microsoft Translator Klingon dilini destekliyor](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn). Qapla’!
+
+## Bir Yapay Zeka Hizmeti Kullanarak Metin Çevir
+
+Bu çeviri yeteneğini akıllı zamanlayıcınıza eklemek için bir yapay zeka hizmeti kullanabilirsiniz.
+
+### Görev - bir yapay zeka hizmeti kullanarak metin çevir
+
+IoT cihazınızda metin çevirisi yapmak için ilgili rehberi takip edin:
+
+* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
+* [Tek kartlı bilgisayar - Raspberry Pi](pi-translate-speech.md)
+* [Tek kartlı bilgisayar - Sanal cihaz](virtual-device-translate-speech.md)
+
+---
+
+## 🚀 Zorluk
+
+Makine çevirileri, akıllı cihazların ötesinde diğer IoT uygulamalarına nasıl fayda sağlayabilir? Çevirilerin yalnızca konuşulan kelimelerle değil, metinle de nasıl yardımcı olabileceğini düşünün.
+
+## Ders Sonrası Test
+
+[Ders sonrası test](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+* Makine çevirisi hakkında daha fazla bilgi için [Wikipedia'daki makine çevirisi sayfasını](https://wikipedia.org/wiki/Machine_translation) okuyun.
+* Sinirsel makine çevirisi hakkında daha fazla bilgi için [Wikipedia'daki sinirsel makine çevirisi sayfasını](https://wikipedia.org/wiki/Neural_machine_translation) okuyun.
+* Microsoft konuşma hizmetleri için desteklenen dillerin listesini [Microsoft Docs'taki konuşma hizmeti dil ve ses desteği belgelerinde](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn) inceleyin.
+
+## Ödev
+
+[Evrensel bir çevirmen oluşturun](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/tr/6-consumer/lessons/4-multiple-language-support/assignment.md
new file mode 100644
index 00000000..037b0cc0
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/4-multiple-language-support/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
+  "translation_date": "2025-08-28T03:11:33+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
+  "language_code": "tr"
+}
+-->
+# Evrensel Bir Çevirici Oluşturma
+
+## Talimatlar
+
+Evrensel bir çevirici, birden fazla dil arasında çeviri yapabilen ve farklı diller konuşan kişilerin iletişim kurmasını sağlayan bir cihazdır. Son birkaç derste öğrendiklerinizi kullanarak 2 IoT cihazı ile bir evrensel çevirici oluşturun.
+
+> Eğer 2 cihazınız yoksa, önceki birkaç derste anlatılan adımları takip ederek bir sanal IoT cihazını IoT cihazlarından biri olarak ayarlayın.
+
+Bir cihazı bir dil için, diğerini başka bir dil için yapılandırmalısınız. Her cihaz konuşmayı kabul etmeli, metne dönüştürmeli, IoT Hub ve Functions uygulaması aracılığıyla diğer cihaza göndermeli, ardından çeviriyi yapıp çevrilen konuşmayı oynatmalıdır.
+
+> 💁 İpucu: Bir cihazdan diğerine konuşma gönderirken, konuşmanın hangi dilde olduğunu da gönderin, böylece çeviri yapmak daha kolay olur. Hatta her cihazın önce IoT Hub ve Functions uygulaması kullanarak kaydolmasını sağlayabilir, destekledikleri dili Azure Storage'da saklamak üzere iletebilirsiniz. Daha sonra çevirileri yapmak için bir Functions uygulaması kullanabilir ve çevrilen metni IoT cihazına gönderebilirsiniz.
+
+## Değerlendirme Ölçütleri
+
+| Kriter | Örnek Niteliğinde | Yeterli | Geliştirme Gerekiyor |
+| ------- | ----------------- | ------- | -------------------- |
+| Evrensel bir çevirici oluşturma | Bir cihaz tarafından algılanan konuşmayı başka bir cihazda farklı bir dilde oynatılan konuşmaya dönüştüren bir evrensel çevirici oluşturmayı başardı | Bazı bileşenleri çalıştırmayı başardı, örneğin konuşmayı yakalama veya çeviri yapma, ancak uçtan uca çözümü oluşturamadı | Çalışan bir evrensel çeviricinin herhangi bir parçasını oluşturmayı başaramadı |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/tr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
new file mode 100644
index 00000000..08eafa52
--- /dev/null
+++ b/translations/tr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
@@ -0,0 +1,164 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
+  "translation_date": "2025-08-28T03:10:21+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
+  "language_code": "tr"
+}
+-->
+# Konuşmayı Çevir - Raspberry Pi
+
+Bu dersin bu bölümünde, çevirmen hizmetini kullanarak metni çevirmek için kod yazacaksınız.
+
+## Çevirmen hizmetini kullanarak metni sese dönüştürme
+
+Konuşma hizmeti REST API'si doğrudan çevirileri desteklemez, bunun yerine konuşmadan metne hizmeti tarafından oluşturulan metni ve konuşulan yanıtın metnini çevirmek için Çevirmen hizmetini kullanabilirsiniz. Bu hizmet, metni çevirmek için kullanabileceğiniz bir REST API sunar.
+
+### Görev - Çevirmen kaynağını kullanarak metni çevirme
+
+1. Akıllı zamanlayıcınızda 2 dil ayarlanacak - LUIS'i eğitmek için kullanılan sunucu dili (aynı dil, kullanıcıya konuşulacak mesajları oluşturmak için de kullanılır) ve kullanıcının konuştuğu dil. `language` değişkenini, kullanıcının konuşacağı dil olacak şekilde güncelleyin ve LUIS'i eğitmek için kullanılan dil için `server_language` adında yeni bir değişken ekleyin:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    `<user language>` öğesini, konuşacağınız dil için yerel adla değiştirin, örneğin Fransızca için `fr-FR` veya Kantonca için `zn-HK`.
+
+    `<server language>` öğesini, LUIS'i eğitmek için kullanılan dilin yerel adıyla değiştirin.
+
+    Desteklenen dillerin ve yerel adlarının bir listesini [Microsoft belgelerinde Dil ve ses desteği dokümantasyonunda](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) bulabilirsiniz.
+
+    > 💁 Birden fazla dil konuşmuyorsanız, tercih ettiğiniz dilden seçtiğiniz bir dile çevirmek için [Bing Translate](https://www.bing.com/translator) veya [Google Translate](https://translate.google.com) gibi bir hizmeti kullanabilirsiniz. Bu hizmetler, çevrilen metnin sesini çalabilir.
+    >
+    > Örneğin, LUIS'i İngilizce olarak eğitirseniz ancak kullanıcı dili olarak Fransızca kullanmak isterseniz, Bing Translate'i kullanarak "2 dakika ve 27 saniyelik bir zamanlayıcı ayarla" gibi cümleleri İngilizceden Fransızcaya çevirebilirsiniz, ardından çeviriyi mikrofonunuza konuşmak için **Dinle çeviri** düğmesini kullanabilirsiniz.
+    >
+    > ![Bing Translate'deki dinle çeviri düğmesi](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.tr.png)
+
+1. `speech_api_key` altına çevirmen API anahtarını ekleyin:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    `<key>` öğesini çevirmen hizmeti kaynağınızın API anahtarıyla değiştirin.
+
+1. `say` fonksiyonunun üstünde, sunucu dilinden kullanıcı diline metni çevirecek bir `translate_text` fonksiyonu tanımlayın:
+
+    ```python
+    def translate_text(text, from_language, to_language):
+    ```
+
+    Bu fonksiyona, çevrilecek diller aktarılır - uygulamanız, konuşmayı tanırken kullanıcı dilinden sunucu diline ve konuşulan geri bildirim sağlarken sunucu dilinden kullanıcı diline dönüştürmelidir.
+
+1. Bu fonksiyonun içinde, REST API çağrısı için URL ve başlıkları tanımlayın:
+
+    ```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'
+    }
+    ```
+
+    Bu API'nin URL'si konuma özgü değildir, bunun yerine konum bir başlık olarak iletilir. API anahtarı doğrudan kullanılır, bu nedenle konuşma hizmetinden farklı olarak, token sağlayıcı API'den bir erişim tokeni almanıza gerek yoktur.
+
+1. Bunun altında çağrı için parametreleri ve gövdeyi tanımlayın:
+
+    ```python
+    params = {
+        'from': from_language,
+        'to': to_language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    `params`, API çağrısına iletilecek parametreleri tanımlar ve kaynak ve hedef dilleri iletir. Bu çağrı, `from` dilindeki metni `to` diline çevirecektir.
+
+    `body`, çevrilecek metni içerir. Bu bir dizidir, çünkü aynı çağrıda birden fazla metin bloğu çevrilebilir.
+
+1. REST API'yi çağırın ve yanıtı alın:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    Gelen yanıt, bir JSON dizisidir ve bir öğe çevirileri içerir. Bu öğe, gövdede iletilen tüm öğelerin çevirileri için bir dizi içerir.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Set a 2 minute 27 second timer.",
+                    "to": "en"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. Dizideki ilk öğeden ilk çevirinin `test` özelliğini döndürün:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. `while True` döngüsünü, kullanıcı dilinden sunucu diline `convert_speech_to_text` çağrısından metni çevirmek için güncelleyin:
+
+    ```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)
+    ```
+
+    Bu kod ayrıca metnin orijinal ve çevrilmiş versiyonlarını konsola yazdırır.
+
+1. `say` fonksiyonunu, sunucu dilinden kullanıcı diline söylenecek metni çevirmek için güncelleyin:
+
+    ```python
+    def say(text):
+        print('Original:', text)
+        text = translate_text(text, server_language, language)
+        print('Translated:', text)
+        speech = get_speech(text)
+        play_speech(speech)
+    ```
+
+    Bu kod ayrıca metnin orijinal ve çevrilmiş versiyonlarını konsola yazdırır.
+
+1. Kodunuzu çalıştırın. Fonksiyon uygulamanızın çalıştığından emin olun ve ya kendiniz o dili konuşarak ya da bir çeviri uygulaması kullanarak kullanıcı dilinde bir zamanlayıcı isteyin.
+
+    ```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.
+    ```
+
+    > 💁 Farklı dillerde bir şey söylemenin farklı yolları nedeniyle, LUIS'e verdiğiniz örneklerden biraz farklı çeviriler alabilirsiniz. Bu durumda, LUIS'e daha fazla örnek ekleyin, yeniden eğitin ve modeli yeniden yayınlayın.
+
+> 💁 Bu kodu [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi) klasöründe bulabilirsiniz.
+
+😀 Çok dilli zamanlayıcı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/tr/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
new file mode 100644
index 00000000..a25b6311
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:10:59+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
+  "language_code": "tr"
+}
+-->
+# Konuşmayı Çevir - Sanal IoT Cihazı
+
+Bu dersin bu bölümünde, konuşmayı metne dönüştürürken konuşma hizmetini kullanarak çeviri yapacak, ardından metni Translator hizmetiyle çevirip sesli bir yanıt oluşturacaksınız.
+
+## Konuşma hizmetini kullanarak konuşmayı çevirin
+
+Konuşma hizmeti, konuşmayı yalnızca aynı dilde metne dönüştürmekle kalmaz, aynı zamanda çıktıyı diğer dillere çevirebilir.
+
+### Görev - konuşma hizmetini kullanarak konuşmayı çevirin
+
+1. VS Code'da `smart-timer` projesini açın ve terminalde sanal ortamın yüklü olduğundan emin olun.
+
+1. Mevcut import ifadelerinin altına aşağıdaki import ifadelerini ekleyin:
+
+    ```python
+    from azure.cognitiveservices import speech
+    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
+    import requests
+    ```
+
+    Bu, konuşmayı çevirmek için kullanılan sınıfları ve bu derste daha sonra Translator hizmetine çağrı yapmak için kullanılacak `requests` kütüphanesini içe aktarır.
+
+1. Akıllı zamanlayıcınızda 2 dil ayarlanmış olacak - LUIS'i eğitmek için kullanılan sunucu dili (aynı dil, kullanıcıya konuşulacak mesajları oluşturmak için de kullanılır) ve kullanıcının konuştuğu dil. `language` değişkenini, kullanıcının konuşacağı dil olacak şekilde güncelleyin ve LUIS'i eğitmek için kullanılan dil için `server_language` adında yeni bir değişken ekleyin:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    `<user language>` yerine, konuşacağınız dilin yerel ayar adını yazın, örneğin Fransızca için `fr-FR` veya Kantonca için `zn-HK`.
+
+    `<server language>` yerine, LUIS'i eğitmek için kullanılan dilin yerel ayar adını yazın.
+
+    Desteklenen dillerin ve yerel ayar adlarının bir listesini [Microsoft dokümanlarındaki Dil ve ses desteği dokümanında](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) bulabilirsiniz.
+
+    > 💁 Birden fazla dil konuşamıyorsanız, tercih ettiğiniz dilden başka bir dile çeviri yapmak için [Bing Translate](https://www.bing.com/translator) veya [Google Translate](https://translate.google.com) gibi bir hizmet kullanabilirsiniz. Bu hizmetler, çevrilen metnin sesini çalabilir. Ancak, konuşma tanıyıcı cihazınızdan gelen bazı ses çıkışlarını yok sayabilir, bu nedenle çevrilen metni çalmak için ek bir cihaz kullanmanız gerekebilir.
+    >
+    > Örneğin, LUIS'i İngilizce olarak eğitirseniz ancak kullanıcı dili olarak Fransızca kullanmak isterseniz, "set a 2 minute and 27 second timer" gibi cümleleri İngilizceden Fransızcaya Bing Translate kullanarak çevirebilir, ardından çeviriyi mikrofonunuza konuşmak için **Dinle çevirisi** düğmesini kullanabilirsiniz.
+    >
+    > ![Bing Translate'deki dinle çevirisi düğmesi](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.tr.png)
+
+1. `recognizer_config` ve `recognizer` tanımlarını aşağıdakiyle değiştirin:
+
+    ```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)
+    ```
+
+    Bu, kullanıcı dilinde konuşmayı tanımak ve kullanıcı ve sunucu dilinde çeviriler oluşturmak için bir çeviri yapılandırması oluşturur. Daha sonra bu yapılandırmayı, konuşma tanımanın çıktısını birden fazla dile çevirebilen bir konuşma tanıyıcı olan bir çeviri tanıyıcı oluşturmak için kullanır.
+
+    > 💁 Orijinal dilin `target_languages` içinde belirtilmesi gerekir, aksi takdirde herhangi bir çeviri almazsınız.
+
+1. `recognized` fonksiyonunu güncelleyin ve fonksiyonun tüm içeriğini aşağıdakiyle değiştirin:
+
+    ```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)
+    ```
+
+    Bu kod, tanınan olayın konuşmanın çevrilmesi nedeniyle mi tetiklendiğini kontrol eder (bu olay, konuşma tanındığında ancak çevrilmediğinde gibi başka zamanlarda da tetiklenebilir). Konuşma çevrildiyse, `args.result.translations` sözlüğünde sunucu diliyle eşleşen çeviriyi bulur.
+
+    `args.result.translations` sözlüğü, yerel ayar ayarının tamamı yerine dil kısmına göre anahtarlanır. Örneğin, Fransızca için `fr-FR` çevirisi isterseniz, sözlükte `fr-FR` yerine `fr` için bir giriş bulunur.
+
+    Çevrilen metin daha sonra IoT Hub'a gönderilir.
+
+1. Çevirileri test etmek için bu kodu çalıştırın. Fonksiyon uygulamanızın çalıştığından emin olun ve ya kendiniz o dili konuşarak ya da bir çeviri uygulaması kullanarak kullanıcı dilinde bir zamanlayıcı isteyin.
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    ```
+
+## Translator hizmetini kullanarak metni çevirin
+
+Konuşma hizmeti, metni tekrar sese çevirme çevirisini desteklemez, bunun yerine metni çevirmek için Translator hizmetini kullanabilirsiniz. Bu hizmet, metni çevirmek için kullanabileceğiniz bir REST API sağlar.
+
+### Görev - Translator kaynağını kullanarak metni çevirin
+
+1. `speech_api_key` altına Translator API anahtarını ekleyin:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    `<key>` yerine Translator hizmeti kaynağınız için API anahtarını yazın.
+
+1. `say` fonksiyonunun üstüne, sunucu dilinden kullanıcı diline metin çevirecek bir `translate_text` fonksiyonu tanımlayın:
+
+    ```python
+    def translate_text(text):
+    ```
+
+1. Bu fonksiyonun içinde, REST API çağrısı için URL ve başlıkları tanımlayın:
+
+    ```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'
+    }
+    ```
+
+    Bu API'nin URL'si konuma özgü değildir, bunun yerine konum bir başlık olarak iletilir. API anahtarı doğrudan kullanılır, bu nedenle konuşma hizmetinden farklı olarak, token sağlayıcı API'den bir erişim belirteci almanıza gerek yoktur.
+
+1. Bunun altına çağrı için parametreleri ve gövdeyi tanımlayın:
+
+    ```python
+    params = {
+        'from': server_language,
+        'to': language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    `params`, API çağrısına iletilecek parametreleri tanımlar ve `from` ve `to` dillerini iletir. Bu çağrı, `from` dilindeki metni `to` diline çevirecektir.
+
+    `body`, çevrilecek metni içerir. Bu bir dizidir, çünkü aynı çağrıda birden fazla metin bloğu çevrilebilir.
+
+1. REST API'yi çağırın ve yanıtı alın:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    Gelen yanıt, bir JSON dizisidir ve çevrilen metinleri içeren bir öğe içerir. Bu öğe, gövdede iletilen tüm öğelerin çevirileri için bir dizi içerir.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
+                    "to": "fr"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. Dizideki ilk öğeden ilk çevirinin `text` özelliğini döndürün:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. `say` fonksiyonunu, SSML oluşturulmadan önce söylenecek metni çevirecek şekilde güncelleyin:
+
+    ```python
+    print('Original:', text)
+    text = translate_text(text)
+    print('Translated:', text)
+    ```
+
+    Bu kod ayrıca orijinal ve çevrilmiş metin sürümlerini konsola yazdırır.
+
+1. Kodunuzu çalıştırın. Fonksiyon uygulamanızın çalıştığından emin olun ve ya kendiniz o dili konuşarak ya da bir çeviri uygulaması kullanarak kullanıcı dilinde bir zamanlayıcı isteyin.
+
+    ```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.
+    ```
+
+    > 💁 Farklı dillerde bir şey söylemenin farklı yolları nedeniyle, LUIS'e verdiğiniz örneklerden biraz farklı çeviriler alabilirsiniz. Bu durumda, LUIS'e daha fazla örnek ekleyin, yeniden eğitin ve ardından modeli yeniden yayınlayın.
+
+> 💁 Bu kodu [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device) klasöründe bulabilirsiniz.
+
+😀 Çok dilli zamanlayıcı programınız başarılı oldu!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/tr/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
new file mode 100644
index 00000000..a2b844cd
--- /dev/null
+++ b/translations/tr/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": "2025-08-28T03:09:39+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
+  "language_code": "tr"
+}
+-->
+# Konuşmayı Çevir - Wio Terminal
+
+Bu dersin bu bölümünde, çevirmen hizmetini kullanarak metni çevirmek için kod yazacaksınız.
+
+## Çevirmen hizmetini kullanarak metni sese dönüştürme
+
+Konuşma hizmeti REST API'si doğrudan çevirileri desteklemez, ancak konuşmadan metne hizmeti tarafından oluşturulan metni ve konuşulan yanıtın metnini çevirmek için Çevirmen hizmetini kullanabilirsiniz. Bu hizmet, metni çevirmek için kullanabileceğiniz bir REST API'ye sahiptir, ancak kullanımı kolaylaştırmak için bu, işlevler uygulamanızda başka bir HTTP tetikleyici ile sarılacaktır.
+
+### Görev - metni çevirmek için sunucusuz bir işlev oluşturma
+
+1. VS Code'da `smart-timer-trigger` projenizi açın ve sanal ortamın etkinleştirildiğinden emin olarak terminali açın. Eğer etkin değilse, terminali kapatıp yeniden oluşturun.
+
+1. `local.settings.json` dosyasını açın ve çevirmen API anahtarı ve konumu için ayarları ekleyin:
+
+    ```json
+    "TRANSLATOR_KEY": "<key>",
+    "TRANSLATOR_LOCATION": "<location>"
+    ```
+
+    `<key>` öğesini çevirmen hizmeti kaynağınızın API anahtarıyla değiştirin. `<location>` öğesini çevirmen hizmeti kaynağını oluşturduğunuz konumla değiştirin.
+
+1. VS Code terminalinde işlevler uygulama projesinin kök klasöründen aşağıdaki komutu kullanarak bu uygulamaya `translate-text` adlı yeni bir HTTP tetikleyici ekleyin:
+
+    ```sh
+    func new --name translate-text --template "HTTP trigger"
+    ```
+
+    Bu, `translate-text` adlı bir HTTP tetikleyici oluşturacaktır.
+
+1. `translate-text` klasöründeki `__init__.py` dosyasının içeriğini aşağıdakiyle değiştirin:
+
+    ```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'])
+    ```
+
+    Bu kod, HTTP isteğinden metni ve dilleri çıkarır. Daha sonra, dilleri URL için parametreler ve çevrilecek metni gövde olarak geçirerek çevirmen REST API'sine bir istek yapar. Son olarak, çeviri döndürülür.
+
+1. İşlev uygulamanızı yerel olarak çalıştırın. Daha sonra bunu, `text-to-timer` HTTP tetikleyicinizi test ettiğiniz şekilde curl gibi bir araç kullanarak çağırabilirsiniz. Çevrilecek metni ve dilleri JSON gövdesi olarak geçirdiğinizden emin olun:
+
+    ```json
+    {
+        "text": "Définir une minuterie de 30 secondes",
+        "from_language": "fr-FR",
+        "to_language": "en-US"
+    }
+    ```
+
+    Bu örnek, Fransızca'dan ABD İngilizcesine *Définir une minuterie de 30 secondes* metnini çevirir. *Set a 30-second timer* olarak dönecektir.
+
+> 💁 Bu kodu [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions) klasöründe bulabilirsiniz.
+
+### Görev - metni çevirmek için çevirmen işlevini kullanma
+
+1. `smart-timer` projesini VS Code'da açın, eğer zaten açık değilse.
+
+1. Akıllı zamanlayıcınızda 2 dil ayarlanmış olacak - LUIS'i eğitmek için kullanılan sunucunun dili (aynı dil, kullanıcıya konuşulacak mesajları oluşturmak için de kullanılır) ve kullanıcının konuştuğu dil. `config.h` başlık dosyasındaki `LANGUAGE` sabitini, kullanıcı tarafından konuşulacak dil olacak şekilde güncelleyin ve LUIS'i eğitmek için kullanılan dil için `SERVER_LANGUAGE` adlı yeni bir sabit ekleyin:
+
+    ```cpp
+    const char *LANGUAGE = "<user language>";
+    const char *SERVER_LANGUAGE = "<server language>";
+    ```
+
+    `<user language>` öğesini konuşacağınız dil için yerel adla değiştirin, örneğin Fransızca için `fr-FR` veya Kantonca için `zn-HK`.
+
+    `<server language>` öğesini LUIS'i eğitmek için kullanılan dilin yerel adıyla değiştirin.
+
+    Desteklenen dillerin ve yerel adlarının bir listesini [Microsoft belgelerinde Dil ve ses desteği dokümantasyonunda](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) bulabilirsiniz.
+
+    > 💁 Birden fazla dil konuşmuyorsanız, tercih ettiğiniz dilden seçtiğiniz bir dile çevirmek için [Bing Translate](https://www.bing.com/translator) veya [Google Translate](https://translate.google.com) gibi bir hizmeti kullanabilirsiniz. Bu hizmetler daha sonra çevrilen metnin sesini çalabilir.
+    >
+    > Örneğin, LUIS'i İngilizce olarak eğitirseniz, ancak kullanıcı dili olarak Fransızca kullanmak isterseniz, Bing Translate kullanarak "set a 2 minute and 27 second timer" gibi cümleleri İngilizceden Fransızcaya çevirebilirsiniz, ardından çeviriyi mikrofonunuza konuşmak için **Listen translation** düğmesini kullanabilirsiniz.
+    >
+    > ![Bing Translate'deki dinleme çevirisi düğmesi](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.tr.png)
+
+1. `SPEECH_LOCATION` altına çevirmen API anahtarı ve konumunu ekleyin:
+
+    ```cpp
+    const char *TRANSLATOR_API_KEY = "<KEY>";
+    const char *TRANSLATOR_LOCATION = "<LOCATION>";
+    ```
+
+    `<KEY>` öğesini çevirmen hizmeti kaynağınızın API anahtarıyla değiştirin. `<LOCATION>` öğesini çevirmen hizmeti kaynağını oluşturduğunuz konumla değiştirin.
+
+1. `VOICE_URL` altına çevirmen tetikleyici URL'sini ekleyin:
+
+    ```cpp
+    const char *TRANSLATE_FUNCTION_URL = "<URL>";
+    ```
+
+    `<URL>` öğesini işlev uygulamanızdaki `translate-text` HTTP tetikleyicisinin URL'siyle değiştirin. Bu, `TEXT_TO_TIMER_FUNCTION_URL` için değerle aynı olacak, ancak işlev adı `text-to-timer` yerine `translate-text` olacaktır.
+
+1. `src` klasörüne `text_translator.h` adlı yeni bir dosya ekleyin.
+
+1. Bu yeni `text_translator.h` başlık dosyası, metni çevirmek için bir sınıf içerecek. Bu sınıfı bildirmek için aşağıdakileri bu dosyaya ekleyin:
+
+    ```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;
+    ```
+
+    Bu, `TextTranslator` sınıfını ve bu sınıfın bir örneğini bildirir. Sınıfın WiFi istemcisi için tek bir alanı vardır.
+
+1. Bu sınıfın `public` bölümüne, metni çevirmek için bir yöntem ekleyin:
+
+    ```cpp
+    String translateText(String text, String from_language, String to_language)
+    {
+    }
+    ```
+
+    Bu yöntem, çevrilecek dili ve çevrilecek dili alır. Konuşmayı işlerken, konuşma kullanıcı dilinden LUIS sunucu diline çevrilecek ve yanıt verirken LUIS sunucu dilinden kullanıcı diline çevrilecektir.
+
+1. Bu yöntemde, çevrilecek metni ve dilleri içeren bir JSON gövdesi oluşturmak için kod ekleyin:
+
+    ```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. Bunun altına, gövdeyi sunucusuz işlev uygulamasına göndermek için aşağıdaki kodu ekleyin:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. Ardından, yanıtı almak için kod ekleyin:
+
+    ```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. Son olarak, bağlantıyı kapatmak ve çevrilen metni döndürmek için kod ekleyin:
+
+    ```cpp
+    httpClient.end();
+
+    return translated_text;
+    ```
+
+### Görev - tanınan konuşmayı ve yanıtları çevirme
+
+1. `main.cpp` dosyasını açın.
+
+1. Dosyanın üst kısmına `TextTranslator` sınıfı başlık dosyası için bir include yönergesi ekleyin:
+
+    ```cpp
+    #include "text_translator.h"
+    ```
+
+1. Bir zamanlayıcı ayarlandığında veya süresi dolduğunda söylenen metin çevrilmelidir. Bunu yapmak için, `say` işlevinin ilk satırı olarak aşağıdakileri ekleyin:
+
+    ```cpp
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    Bu, metni kullanıcı diline çevirecektir.
+
+1. `processAudio` işlevinde, metin, `String text = speechToText.convertSpeechToText();` çağrısıyla yakalanan seslerden alınır. Bu çağrıdan sonra metni çevirin:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    Bu, metni kullanıcı dilinden sunucuda kullanılan dile çevirecektir.
+
+1. Bu kodu derleyin, Wio Terminal'inize yükleyin ve seri monitör üzerinden test edin. Seri monitörde `Ready` gördüğünüzde, C düğmesine (sol tarafta, güç anahtarına en yakın olan) basın ve konuşun. İşlev uygulamanızın çalıştığından emin olun ve kullanıcı dilinde bir zamanlayıcı isteyin, ya o dili kendiniz konuşarak ya da bir çeviri uygulaması kullanarak.
+
+    ```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.
+    ```
+
+> 💁 Bu kodu [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal) klasöründe bulabilirsiniz.
+
+😀 Çok dilli zamanlayıcı programınız başarıyla tamamlandı!
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/CODE_OF_CONDUCT.md b/translations/tr/CODE_OF_CONDUCT.md
new file mode 100644
index 00000000..09682fd4
--- /dev/null
+++ b/translations/tr/CODE_OF_CONDUCT.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
+  "translation_date": "2025-08-28T02:35:34+00:00",
+  "source_file": "CODE_OF_CONDUCT.md",
+  "language_code": "tr"
+}
+-->
+# Microsoft Açık Kaynak Davranış Kuralları
+
+Bu proje, [Microsoft Açık Kaynak Davranış Kuralları](https://opensource.microsoft.com/codeofconduct/) benimsemiştir.
+
+Kaynaklar:
+
+- [Microsoft Açık Kaynak Davranış Kuralları](https://opensource.microsoft.com/codeofconduct/)
+- [Microsoft Davranış Kuralları SSS](https://opensource.microsoft.com/codeofconduct/faq/)
+- Sorularınız veya endişeleriniz için [opencode@microsoft.com](mailto:opencode@microsoft.com) ile iletişime geçin
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/CONTRIBUTING.md b/translations/tr/CONTRIBUTING.md
new file mode 100644
index 00000000..9d683f44
--- /dev/null
+++ b/translations/tr/CONTRIBUTING.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6f80293fa9c213283eac7e79b078671",
+  "translation_date": "2025-08-28T02:33:46+00:00",
+  "source_file": "CONTRIBUTING.md",
+  "language_code": "tr"
+}
+-->
+# Katkıda Bulunma
+
+Bu proje katkıları ve önerileri memnuniyetle karşılar. Çoğu katkı, bir Katkıda Bulunma Lisans Sözleşmesi'ni (CLA) kabul etmenizi gerektirir. Bu sözleşme, katkınızı kullanma hakkını bize verdiğinizi ve bu hakkı gerçekten verdiğinizi beyan eder. Ayrıntılar için https://cla.microsoft.com adresini ziyaret edebilirsiniz.
+
+> Önemli: Bu depodaki metinleri çevirirken, lütfen makine çevirisi kullanmadığınızdan emin olun. Çeviriler topluluk tarafından doğrulanacaktır, bu yüzden yalnızca yetkin olduğunuz dillerde çeviri yapmayı gönüllü olarak üstlenin.
+
+Bir pull request gönderdiğinizde, bir CLA-bot otomatik olarak bir CLA sağlamanız gerekip gerekmediğini belirleyecek ve PR'ı uygun şekilde işaretleyecektir (örneğin, etiket, yorum). Bot tarafından sağlanan talimatları takip etmeniz yeterlidir. Tüm CLA kullanan depolar için bunu yalnızca bir kez yapmanız gerekecek.
+
+Bu proje [Microsoft Açık Kaynak Davranış Kuralları](https://opensource.microsoft.com/codeofconduct/) benimsemiştir. Daha fazla bilgi için [Davranış Kuralları SSS](https://opensource.microsoft.com/codeofconduct/faq/) bölümünü okuyabilir veya ek sorularınız ya da yorumlarınız için [opencode@microsoft.com](mailto:opencode@microsoft.com) adresine e-posta gönderebilirsiniz.
+
+---
+
+**Feragatname**:  
+Bu belge, [Co-op Translator](https://github.com/Azure/co-op-translator) adlı yapay zeka çeviri hizmeti kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlama veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/README.md b/translations/tr/README.md
new file mode 100644
index 00000000..39ad7482
--- /dev/null
+++ b/translations/tr/README.md
@@ -0,0 +1,168 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "840d60a05e58cf590dedefe42e9f2a29",
+  "translation_date": "2025-08-28T02:31:06+00:00",
+  "source_file": "README.md",
+  "language_code": "tr"
+}
+-->
+[![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)  
+
+# Başlangıç Seviyesi için IoT - Bir Müfredat  
+
+Microsoft'taki Azure Cloud Advocates ekibi, IoT'nin temellerini kapsayan 12 haftalık, 24 derslik bir müfredat sunmaktan mutluluk duyar. Her ders, öncesinde ve sonrasında quizler, dersi tamamlamak için yazılı talimatlar, bir çözüm, bir ödev ve daha fazlasını içerir. Proje tabanlı öğretim yöntemimiz, öğrenirken inşa etmenizi sağlar; bu, yeni becerilerin kalıcı olmasını sağlayan kanıtlanmış bir yöntemdir.  
+
+Projeler, çiftlikten sofraya gıda yolculuğunu kapsar. Bu, tarım, lojistik, üretim, perakende ve tüketici gibi IoT cihazları için popüler olan tüm endüstri alanlarını içerir.  
+
+![Kursun yol haritası, giriş, tarım, taşıma, işleme, perakende ve yemek pişirme konularını kapsayan 24 dersi gösteriyor](../../translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.tr.jpg)  
+
+> Sketchnote: [Nitya Narasimhan](https://github.com/nitya). Daha büyük bir versiyon için görsele tıklayın.  
+
+**Yazarlarımıza [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) ve sketchnote sanatçımız [Nitya Narasimhan](https://github.com/nitya)'a içten teşekkürler.**  
+
+**Ayrıca bu müfredatı gözden geçiren ve çeviren [Microsoft Learn Öğrenci Elçileri](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) ekibimize de teşekkür ederiz: [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) ve [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).**  
+
+Ekibi tanıyın!  
+
+[![Tanıtım videosu](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)  
+
+**Gif:** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)  
+
+> 🎥 Proje hakkında bir video için yukarıdaki görsele tıklayın!  
+
+> **Öğretmenler**, bu müfredatı nasıl kullanacağınızla ilgili [bazı öneriler](for-teachers.md) ekledik. Kendi derslerinizi oluşturmak isterseniz, bir [ders şablonu](lesson-template/README.md) da ekledik.  
+
+> **[Öğrenciler](https://aka.ms/student-page)**, bu müfredatı kendi başınıza kullanmak için tüm depoyu forklayın ve alıştırmaları kendi başınıza tamamlayın. Önce ders öncesi quizini yapın, ardından dersi okuyun ve diğer aktiviteleri tamamlayın. Dersleri anlayarak projeleri oluşturmaya çalışın; ancak çözüm kodu her proje odaklı dersin /solutions klasöründe mevcuttur. Başka bir fikir, arkadaşlarınızla bir çalışma grubu oluşturup içeriği birlikte incelemek olabilir. Daha fazla çalışma için [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn) öneriyoruz.  
+
+Bu kursun video genel bakışı için aşağıdaki videoyu izleyin:  
+
+[![Tanıtım videosu](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Tanıtım videosu")  
+
+> 🎥 Proje hakkında bir video için yukarıdaki görsele tıklayın!  
+
+## Eğitim Yaklaşımı  
+
+Bu müfredatı oluştururken iki temel eğitim yaklaşımı seçtik: proje tabanlı olması ve sık quizler içermesi. Bu serinin sonunda öğrenciler, bir bitki izleme ve sulama sistemi, bir araç takip cihazı, bir akıllı fabrika sistemi ve sesle kontrol edilen bir yemek pişirme zamanlayıcısı oluşturmuş olacak ve IoT'nin temellerini öğrenmiş olacaklar. Bu temeller arasında cihaz kodu yazma, buluta bağlanma, telemetri analizi ve uçta yapay zeka çalıştırma yer alır.  
+
+İçeriğin projelerle uyumlu olması, süreci öğrenciler için daha ilgi çekici hale getirir ve kavramların kalıcılığını artırır.  
+
+Ayrıca, ders öncesi düşük riskli bir quiz, öğrencinin bir konuyu öğrenmeye yönelik niyetini belirlerken, ders sonrası bir quiz daha fazla kalıcılığı sağlar. Bu müfredat esnek ve eğlenceli olacak şekilde tasarlanmıştır ve tamamen veya kısmen alınabilir. Projeler küçük başlar ve 12 haftalık döngünün sonunda giderek daha karmaşık hale gelir.  
+
+Her proje, öğrencilere ve hobi meraklılarına uygun gerçek dünya donanımları etrafında şekillendirilmiştir. Her proje, belirli bir proje alanını inceler ve ilgili arka plan bilgisini sağlar. Başarılı bir geliştirici olmak için, sorunları çözdüğünüz alanı anlamak önemlidir. Bu arka plan bilgisi, öğrencilerin IoT çözümleri ve öğrenimlerini, bir IoT geliştiricisi olarak çözmeleri istenebilecek gerçek dünya sorunlarının bağlamında düşünmelerine olanak tanır. Öğrenciler, oluşturdukları çözümlerin 'neden'ini öğrenir ve son kullanıcıya dair bir anlayış kazanır.  
+
+## Donanım  
+
+Projeler için kişisel tercihlere, programlama dili bilgisine veya tercihlerine, öğrenme hedeflerine ve erişilebilirliğe bağlı olarak iki IoT donanımı seçeneğimiz var. Ayrıca, donanıma erişimi olmayanlar veya satın almadan önce daha fazla bilgi edinmek isteyenler için bir 'sanallaştırılmış donanım' versiyonu da sağladık. Daha fazla bilgi ve bir 'alışveriş listesi' için [donanım sayfasını](./hardware.md) okuyabilirsiniz. Arkadaşlarımız Seeed Studio'dan tam kitler satın almak için bağlantılar da ekledik.  
+
+> 💁 [Davranış Kuralları](CODE_OF_CONDUCT.md), [Katkıda Bulunma](CONTRIBUTING.md) ve [Çeviri](TRANSLATIONS.md) yönergelerimizi bulun. Yapıcı geri bildirimlerinizi bekliyoruz!  
+
+## Her ders şunları içerir:  
+
+- Sketchnote  
+- İsteğe bağlı ek video  
+- Ders öncesi ısınma quizleri  
+- Yazılı ders  
+- Proje tabanlı dersler için, projeyi nasıl oluşturacağınızı adım adım anlatan kılavuzlar  
+- Bilgi kontrolleri  
+- Bir meydan okuma  
+- Ek okuma materyalleri  
+- Ödev  
+- Ders sonrası quiz  
+
+> **Quizler hakkında bir not**: Tüm quizler, quiz-app klasöründe yer alır ve toplamda 48 quiz, her biri üç sorudan oluşur. Derslerden bağlantılıdır, ancak quiz uygulaması yerel olarak çalıştırılabilir veya Azure'a dağıtılabilir; `quiz-app` klasöründeki talimatları izleyin. Quizler kademeli olarak yerelleştirilmektedir.  
+
+## Dersler  
+
+|       |              Proje Adı              |                       Öğretilen Kavramlar                       | Öğrenme Hedefleri                                                                                                                                                 |                                                        Bağlantılı Ders                                                         |  
+| :---: | :---------------------------------: | :------------------------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: |  
+|  01   | [Başlangıç](./1-getting-started/README.md) |                     IoT'ye Giriş                     | IoT'nin temel ilkelerini ve IoT çözümlerinin temel yapı taşlarını, örneğin sensörler ve bulut hizmetlerini öğrenin ve ilk IoT cihazınızı kurun |                      [IoT'ye Giriş](./1-getting-started/lessons/1-introduction-to-iot/README.md)                      |  
+|  02   | [Başlangıç](./1-getting-started/README.md) |                   IoT'ye Daha Derinlemesine Bakış                    | IoT sisteminin bileşenleri, mikrodenetleyiciler ve tek kartlı bilgisayarlar hakkında daha fazla bilgi edinin                                                            |                        [IoT'ye Daha Derinlemesine Bakış](./1-getting-started/lessons/2-deeper-dive/README.md)                         |  
+|  03   | [Başlangıç](./1-getting-started/README.md) | Sensörler ve Aktüatörlerle Fiziksel Dünya ile Etkileşim | Fiziksel dünyadan veri toplamak için sensörler ve geri bildirim göndermek için aktüatörler hakkında bilgi edinin ve bir gece lambası oluşturun                                           | [Sensörler ve Aktüatörlerle Fiziksel Dünya ile Etkileşim](./1-getting-started/lessons/3-sensors-and-actuators/README.md) |  
+|  04   | [Başlangıç](./1-getting-started/README.md) |             Cihazınızı İnternete Bağlayın             | IoT cihazını internete bağlamayı ve mesaj gönderip almayı öğrenin; gece lambanızı bir MQTT broker'a bağlayın                               |               [Cihazınızı İnternete Bağlayın](./1-getting-started/lessons/4-connect-internet/README.md)                |  
+|  05   |            [Çiftlik](./2-farm/README.md)            |                    Bitki Büyümesini Tahmin Et                     | IoT cihazı tarafından toplanan sıcaklık verilerini kullanarak bitki büyümesini tahmin etmeyi öğrenin                                                                                  |                          [Bitki Büyümesini Tahmin Et](./2-farm/lessons/1-predict-plant-growth/README.md)                           |  
+|  06   |            [Çiftlik](./2-farm/README.md)            |                    Toprak Nemini Algıla                     | Toprak nemini algılamayı ve bir toprak nem sensörünü kalibre etmeyi öğrenin                                                                                              |                          [Toprak Nemini Algıla](./2-farm/lessons/2-detect-soil-moisture/README.md)                           |  
+|  07   |            [Çiftlik](./2-farm/README.md)            |                  Otomatik Bitki Sulama                   | Bir röle ve MQTT kullanarak sulamayı otomatikleştirmeyi ve zamanlamayı öğrenin                                                                                                      |                      [Otomatik Bitki Sulama](./2-farm/lessons/3-automated-plant-watering/README.md)                       |  
+|  08   |            [Çiftlik](./2-farm/README.md)            |               Bitkinizi Buluta Taşıyın               | Bulut ve bulut barındırmalı IoT hizmetleri hakkında bilgi edinin ve bitkinizi bir genel MQTT broker yerine bunlardan birine bağlamayı öğrenin                                   |               [Bitkinizi Buluta Taşıyın](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                |  
+|  09   |            [Çiftlik](./2-farm/README.md)            |         Uygulama Mantığınızı Buluta Taşıyın         | IoT mesajlarına yanıt veren uygulama mantığını bulutta nasıl yazabileceğinizi öğrenin                                                                          |         [Uygulama Mantığınızı Buluta Taşıyın](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)         |  
+|  10   |            [Çiftlik](./2-farm/README.md)            |                   Bitkinizi güvence altına alın                    | IoT ile güvenlik hakkında bilgi edinin ve bitkinizi anahtarlar ve sertifikalarla nasıl koruyacağınızı öğrenin                                                                          |                        [Bitkinizi güvence altına alın](./2-farm/lessons/6-keep-your-plant-secure/README.md)                         |
+|  11   |       [Taşıma](./3-transport/README.md)       |                      Konum takibi                      | IoT cihazları için GPS konum takibi hakkında bilgi edinin                                                                                                                   |                           [Konum takibi](./3-transport/lessons/1-location-tracking/README.md)                           |
+|  12   |       [Taşıma](./3-transport/README.md)       |                     Konum verilerini depolama                     | IoT verilerini daha sonra görselleştirmek veya analiz etmek için nasıl depolayacağınızı öğrenin                                                                                                      |                         [Konum verilerini depolama](./3-transport/lessons/2-store-location-data/README.md)                         |
+|  13   |       [Taşıma](./3-transport/README.md)       |                   Konum verilerini görselleştirme                   | Haritalar üzerinde konum verilerini görselleştirme ve haritaların gerçek 3 boyutlu dünyayı 2 boyutta nasıl temsil ettiğini öğrenin                                                            |                     [Konum verilerini görselleştirme](./3-transport/lessons/3-visualize-location-data/README.md)                     |
+|  14   |       [Taşıma](./3-transport/README.md)       |                          Coğrafi çitler                          | Coğrafi çitler hakkında bilgi edinin ve tedarik zincirindeki araçlar varış noktalarına yaklaştığında nasıl uyarı alabileceğinizi öğrenin                                           |                                   [Coğrafi çitler](./3-transport/lessons/4-geofences/README.md)                                   |
+|  15   |   [Üretim](./4-manufacturing/README.md)   |               Meyve kalitesi algılayıcı eğitimi                | Meyve kalitesini algılamak için bulutta bir görüntü sınıflandırıcı eğitimi hakkında bilgi edinin                                                                                       |                 [Meyve kalitesi algılayıcı eğitimi](./4-manufacturing/lessons/1-train-fruit-detector/README.md)                 |
+|  16   |   [Üretim](./4-manufacturing/README.md)   |           IoT cihazından meyve kalitesini kontrol etme            | IoT cihazından meyve kalitesi algılayıcınızı nasıl kullanacağınızı öğrenin                                                                                                    |           [IoT cihazından meyve kalitesini kontrol etme](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)            |
+|  17   |   [Üretim](./4-manufacturing/README.md)   |             Meyve algılayıcınızı uçta çalıştırma             | Meyve algılayıcınızı uçta bir IoT cihazında nasıl çalıştıracağınızı öğrenin                                                                                                |             [Meyve algılayıcınızı uçta çalıştırma](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)             |
+|  18   |   [Üretim](./4-manufacturing/README.md)   |        Sensörden meyve kalitesi algılamayı tetikleme        | Sensörden meyve kalitesi algılamayı nasıl tetikleyeceğinizi öğrenin                                                                                                        |        [Sensörden meyve kalitesi algılamayı tetikleme](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)         |
+|  19   |          [Perakende](./5-retail/README.md)          |                   Stok algılayıcı eğitimi                    | Bir mağazada stok saymak için bir stok algılayıcıyı nesne algılama ile nasıl eğiteceğinizi öğrenin                                                                                |                        [Stok algılayıcı eğitimi](./5-retail/lessons/1-train-stock-detector/README.md)                         |
+|  20   |          [Perakende](./5-retail/README.md)          |               IoT cihazından stok kontrolü                | Nesne algılama modeli kullanarak bir IoT cihazından stok kontrolü yapmayı öğrenin                                                                                         |                     [IoT cihazından stok kontrolü](./5-retail/lessons/2-check-stock-device/README.md)                      |
+|  21   |        [Tüketici](./6-consumer/README.md)        |             IoT cihazıyla konuşma tanıma             | Akıllı bir zamanlayıcı oluşturmak için bir IoT cihazından konuşmayı nasıl tanıyacağınızı öğrenin                                                                                             |                  [IoT cihazıyla konuşma tanıma](./6-consumer/lessons/1-speech-recognition/README.md)                  |
+|  22   |        [Tüketici](./6-consumer/README.md)        |                     Dili anlama                     | Bir IoT cihazına söylenen cümleleri nasıl anlayacağınızı öğrenin                                                                                                           |                        [Dili anlama](./6-consumer/lessons/2-language-understanding/README.md)                        |
+|  23   |        [Tüketici](./6-consumer/README.md)        |           Zamanlayıcı ayarlama ve sesli geri bildirim sağlama           | Bir IoT cihazında zamanlayıcı ayarlamayı ve zamanlayıcı ayarlandığında ve bittiğinde sesli geri bildirim vermeyi öğrenin                                                    |                 [Zamanlayıcı ayarlama ve sesli geri bildirim sağlama](./6-consumer/lessons/3-spoken-feedback/README.md)                  |
+|  24   |        [Tüketici](./6-consumer/README.md)        |                 Birden fazla dili destekleme                  | Hem konuşulan hem de akıllı zamanlayıcınızın yanıt verdiği birden fazla dili nasıl destekleyeceğinizi öğrenin                                                               |                   [Birden fazla dili destekleme](./6-consumer/lessons/4-multiple-language-support/README.md)                   |
+
+## Çevrimdışı erişim
+
+Bu dokümantasyonu [Docsify](https://docsify.js.org/#/) kullanarak çevrimdışı çalıştırabilirsiniz. Bu repoyu forklayın, [Docsify'i yükleyin](https://docsify.js.org/#/quickstart) yerel makinenize kurun ve ardından bu reponun kök klasöründe `docsify serve` komutunu yazın. Web sitesi localhost'ta 3000 portunda sunulacaktır: `localhost:3000`.
+
+### PDF
+
+Gerekirse bu içeriğin çevrimdışı erişim için bir PDF'sini oluşturabilirsiniz. Bunu yapmak için, [npm'in yüklü olduğundan](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) emin olun ve bu reponun kök klasöründe aşağıdaki komutları çalıştırın:
+
+```sh
+npm i
+npm run convert
+```
+
+### Slaytlar
+
+Bazı dersler için [slaytlar](../../slides) klasöründe slayt desteleri bulunmaktadır.
+
+## Yardım Aranıyor!
+
+Bir çeviri yapmak ister misiniz? Lütfen [çeviri yönergelerimizi](TRANSLATIONS.md) okuyun ve [çeviri sorunlarından birine](https://github.com/microsoft/IoT-For-Beginners/issues?q=is%3Aissue+is%3Aopen+label%3Atranslation) katkıda bulunun. Yeni bir dile çevirmek istiyorsanız, izleme için yeni bir sorun oluşturun.
+
+## Diğer Müfredatlar
+
+Ekibimiz başka müfredatlar da üretiyor! Şunlara göz atın:
+
+- [Yeni Başlayanlar için Üretken Yapay Zeka](https://aka.ms/genai-beginners)
+- [Yeni Başlayanlar için Üretken Yapay Zeka .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
+- [JavaScript ile Üretken Yapay Zeka](https://github.com/microsoft/generative-ai-with-javascript)
+- [Java ile Üretken Yapay Zeka](https://github.com/microsoft/Generative-AI-for-beginners-java)
+- [Yeni Başlayanlar için Yapay Zeka](https://aka.ms/ai-beginners)
+- [Yeni Başlayanlar için Veri Bilimi](https://aka.ms/datascience-beginners)
+- [Yeni Başlayanlar için Makine Öğrenimi](https://aka.ms/ml-beginners)
+- [Yeni Başlayanlar için Siber Güvenlik](https://github.com/microsoft/Security-101) 
+- [Yeni Başlayanlar için Web Geliştirme](https://aka.ms/webdev-beginners)
+- [Yeni Başlayanlar için IoT](https://aka.ms/iot-beginners)
+- [Yeni Başlayanlar için XR Geliştirme](https://github.com/microsoft/xr-development-for-beginners)
+- [GitHub Copilot'u Etkili Kullanma](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
+- [C#/.NET Geliştiricileri için GitHub Copilot'u Etkili Kullanma](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
+- [Kendi Copilot Maceranı Seç](https://github.com/microsoft/CopilotAdventures)
+
+## Görsel Atıflar
+
+Bu müfredatta kullanılan görsellerin atıflarını [Atıflar](./attributions.md) bölümünde bulabilirsiniz.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/SECURITY.md b/translations/tr/SECURITY.md
new file mode 100644
index 00000000..505ed26b
--- /dev/null
+++ b/translations/tr/SECURITY.md
@@ -0,0 +1,51 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
+  "translation_date": "2025-08-28T02:34:38+00:00",
+  "source_file": "SECURITY.md",
+  "language_code": "tr"
+}
+-->
+# Güvenlik
+
+Microsoft, yazılım ürünlerimizin ve hizmetlerimizin güvenliğini ciddiye alır. Bu, [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) ve [GitHub organizasyonlarımız](https://opensource.microsoft.com/) dahil olmak üzere GitHub organizasyonlarımız aracılığıyla yönetilen tüm kaynak kodu depolarını kapsar.
+
+Eğer [Microsoft'un güvenlik açığı tanımına](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10)) uyan bir güvenlik açığı bulduğunuzu düşünüyorsanız, lütfen aşağıda açıklandığı şekilde bize bildirin.
+
+## Güvenlik Sorunlarını Bildirme
+
+**Lütfen güvenlik açıklarını GitHub'daki genel sorunlar üzerinden bildirmeyin.**
+
+Bunun yerine, lütfen Microsoft Güvenlik Yanıt Merkezi'ne (MSRC) [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report) adresinden bildirin.
+
+Eğer giriş yapmadan göndermeyi tercih ederseniz, [secure@microsoft.com](mailto:secure@microsoft.com) adresine e-posta gönderebilirsiniz. Mümkünse, mesajınızı PGP anahtarımızla şifreleyin; bunu [Microsoft Güvenlik Yanıt Merkezi PGP Anahtar Sayfası](https://www.microsoft.com/en-us/msrc/pgp-key-msrc)'ndan indirebilirsiniz.
+
+24 saat içinde bir yanıt almanız gerekir. Herhangi bir nedenle yanıt alamazsanız, orijinal mesajınızın bize ulaştığından emin olmak için lütfen e-posta yoluyla takip edin. Ek bilgiye [microsoft.com/msrc](https://www.microsoft.com/msrc) adresinden ulaşabilirsiniz.
+
+Lütfen aşağıda listelenen bilgileri (mümkün olduğunca fazla) ekleyerek sorunun doğasını ve kapsamını daha iyi anlamamıza yardımcı olun:
+
+  * Sorunun türü (ör. bellek taşması, SQL enjeksiyonu, çapraz site betikleme, vb.)
+  * Sorunun ortaya çıktığı kaynak dosya(lar)ının tam yolları
+  * Etkilenen kaynak kodunun konumu (etiket/dal/commit veya doğrudan URL)
+  * Sorunu yeniden oluşturmak için gereken özel yapılandırmalar
+  * Sorunu yeniden oluşturmak için adım adım talimatlar
+  * Kanıt niteliğinde konsept veya istismar kodu (mümkünse)
+  * Sorunun etkisi, bir saldırganın bu sorunu nasıl kullanabileceği dahil
+
+Bu bilgiler, raporunuzu daha hızlı değerlendirmemize yardımcı olacaktır.
+
+Eğer bir hata ödül programı için raporluyorsanız, daha ayrıntılı raporlar daha yüksek ödüller kazanmanıza katkıda bulunabilir. Aktif programlarımız hakkında daha fazla bilgi için [Microsoft Hata Ödül Programı](https://microsoft.com/msrc/bounty) sayfamızı ziyaret edin.
+
+## Tercih Edilen Diller
+
+Tüm iletişimlerin İngilizce olmasını tercih ediyoruz.
+
+## Politika
+
+Microsoft, [Koordine Edilmiş Güvenlik Açığı Bildirimi](https://www.microsoft.com/en-us/msrc/cvd) ilkesini takip eder.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/SUPPORT.md b/translations/tr/SUPPORT.md
new file mode 100644
index 00000000..20d1f889
--- /dev/null
+++ b/translations/tr/SUPPORT.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cd89329575372232e59605f7a08ae0df",
+  "translation_date": "2025-08-28T02:32:30+00:00",
+  "source_file": "SUPPORT.md",
+  "language_code": "tr"
+}
+-->
+# Destek
+
+## Sorunları nasıl bildirebilir ve yardım alabilirsiniz  
+
+Bu proje, hataları ve özellik taleplerini takip etmek için GitHub Issues kullanır. Yinelenen sorunlardan kaçınmak için yeni bir sorun bildirmeden önce mevcut sorunları arayın. Yeni sorunlar için, hatanızı veya özellik talebinizi yeni bir Issue olarak bildirin.
+
+Bu projeyi kullanma konusunda yardım ve sorular için, bu depoda bir Issue oluşturarak bizimle iletişime geçebilirsiniz.
+
+## Microsoft Destek Politikası  
+
+Bu **PROJE veya ÜRÜN** için destek, yukarıda listelenen kaynaklarla sınırlıdır.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/attributions.md b/translations/tr/attributions.md
new file mode 100644
index 00000000..c7635b4f
--- /dev/null
+++ b/translations/tr/attributions.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4506d33bbda7acc0ab20980172687090",
+  "translation_date": "2025-08-28T02:34:14+00:00",
+  "source_file": "attributions.md",
+  "language_code": "tr"
+}
+-->
+# Görsel Atıfları
+
+* Muzlar - abderraouf omara tarafından [Noun Project](https://thenounproject.com)
+* Beyin - Icon Market tarafından [Noun Project](https://thenounproject.com)
+* Yayın - RomStu tarafından [Noun Project](https://thenounproject.com)
+* Düğme - Dan Hetteix tarafından [Noun Project](https://thenounproject.com)
+* C451B küçük diyaframlı kondansatör mikrofon - AKG Acoustics. [Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) tarafından [en.wikipedia](https://en.wikipedia.org/) / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* Takvim - Alice-vector tarafından [Noun Project](https://thenounproject.com)
+* Sertifika - alimasykurm tarafından [Noun Project](https://thenounproject.com)
+* Çip - Astatine Lab tarafından [Noun Project](https://thenounproject.com)
+* Bulut - Debi Alpa Nugraha tarafından [Noun Project](https://thenounproject.com)
+* Konteyner - ProSymbols tarafından [Noun Project](https://thenounproject.com)
+* CPU - Icon Lauk tarafından [Noun Project](https://thenounproject.com)
+* Veritabanı - Icons Bazaar tarafından [Noun Project](https://thenounproject.com)
+* Kadran - Jamie Dickinson tarafından [Noun Project](https://thenounproject.com)
+* GPS - mim studio tarafından [Noun Project](https://thenounproject.com)
+* Isıtıcı - Pascal Heß tarafından [Noun Project](https://thenounproject.com)
+* Fikir - Pause08 tarafından [Noun Project](https://thenounproject.com)
+* IoT - Adrien Coquet tarafından [Noun Project](https://thenounproject.com)
+* LED - abderraouf omara tarafından [Noun Project](https://thenounproject.com)
+* LDR - Eucalyp tarafından [Noun Project](https://thenounproject.com)
+* Ampul - Maxim Kulikov tarafından [Noun Project](https://thenounproject.com)
+* Mikrodenetleyici - Template tarafından [Noun Project](https://thenounproject.com)
+* Cep telefonu - Alice-vector tarafından [Noun Project](https://thenounproject.com)
+* Motor - Bakunetsu Kaito tarafından [Noun Project](https://thenounproject.com)
+* Patti Smith, Shure SM58 (dinamik kardioid tip) mikrofonla şarkı söylüyor. Beni Köhler / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* Bitki - Alex Muravev tarafından [Noun Project](https://thenounproject.com)
+* Bitki Hücresi - Léa Lortal tarafından [Noun Project](https://thenounproject.com)
+* Prob - Adnen Kadri tarafından [Noun Project](https://thenounproject.com)
+* RAM - Atif Arshad tarafından [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/)
+* Kayıt - Aybige Speaker tarafından [Noun Project](https://thenounproject.com)
+* Uydu - Noura Mbarki tarafından [Noun Project](https://thenounproject.com)
+* Akıllı sensör - Andrei Yushchenko tarafından [Noun Project](https://thenounproject.com)
+* Hoparlör - Gregor Cresnar tarafından [Noun Project](https://thenounproject.com)
+* Anahtar - Chattapat tarafından [Noun Project](https://thenounproject.com)
+* Sıcaklık - Vectors Market tarafından [Noun Project](https://thenounproject.com)
+* Domates - parkjisun tarafından [Noun Project](https://thenounproject.com)
+* Sulama Kabı - Daria Moskvina tarafından [Noun Project](https://thenounproject.com)
+* Hava durumu - Adrien Coquet tarafından [Noun Project](https://thenounproject.com)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/clean-up.md b/translations/tr/clean-up.md
new file mode 100644
index 00000000..4070c580
--- /dev/null
+++ b/translations/tr/clean-up.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
+  "translation_date": "2025-08-28T02:34:59+00:00",
+  "source_file": "clean-up.md",
+  "language_code": "tr"
+}
+-->
+# Projenizi Temizleyin
+
+Her projeyi tamamladıktan sonra, bulut kaynaklarınızı silmek iyi bir fikirdir.
+
+Her proje için derslerde aşağıdakilerden bazılarını oluşturmuş olabilirsiniz:
+
+* Bir Kaynak Grubu
+* Bir IoT Hub
+* IoT cihaz kayıtları
+* Bir Depolama Hesabı
+* Bir Functions Uygulaması
+* Bir Azure Maps hesabı
+* Bir özel görsel projesi
+* Bir Azure Container Registry
+* Bir bilişsel hizmetler kaynağı
+
+Bu kaynakların çoğu maliyetsizdir - ya tamamen ücretsizdirler ya da ücretsiz bir katman kullanıyorsunuzdur. Ücretli bir katman gerektiren hizmetler için, ücretsiz kullanım hakkına dahil olan bir seviyede kullanıyor olmalısınız ya da yalnızca birkaç kuruş maliyeti olacaktır.
+
+Göreceli olarak düşük maliyetlere rağmen, işiniz bittiğinde bu kaynakları silmek faydalıdır. Örneğin, yalnızca bir IoT Hub'ı ücretsiz katman kullanarak oluşturabilirsiniz, bu yüzden başka bir tane oluşturmak isterseniz ücretli bir katman kullanmanız gerekecektir.
+
+Tüm hizmetleriniz Kaynak Grupları içinde oluşturuldu, bu da yönetimi kolaylaştırır. Kaynak Grubunu silebilirsiniz ve o Kaynak Grubundaki tüm hizmetler onunla birlikte silinir.
+
+Kaynak Grubunu silmek için terminalinizde veya komut isteminde aşağıdaki komutu çalıştırın:
+
+```sh
+az group delete --name <resource-group-name>
+```
+
+`<resource-group-name>` kısmını ilgilendiğiniz Kaynak Grubunun adıyla değiştirin.
+
+Bir onay ekranı görünecektir:
+
+```output
+Are you sure you want to perform this operation? (y/n): 
+```
+
+Kaynak Grubunu silmek için `y` yazın ve onaylayın.
+
+Tüm hizmetlerin silinmesi biraz zaman alacaktır.
+
+> 💁 Kaynak gruplarını silme hakkında daha fazla bilgiyi [Microsoft Docs'taki Azure Resource Manager kaynak grubu ve kaynak silme dokümantasyonunda](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli) okuyabilirsiniz.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/docs/_sidebar.md b/translations/tr/docs/_sidebar.md
new file mode 100644
index 00000000..51fdeb37
--- /dev/null
+++ b/translations/tr/docs/_sidebar.md
@@ -0,0 +1,49 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
+  "translation_date": "2025-08-28T02:35:50+00:00",
+  "source_file": "docs/_sidebar.md",
+  "language_code": "tr"
+}
+-->
+- Giriş
+  - [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)
+  
+- Tarım
+  - [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)
+  
+- Taşımacılık
+  - [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)
+  
+- Üretim
+  - [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)
+  
+- Perakende
+  - [19](../5-retail/lessons/1-train-stock-detector/README.md)
+  - [20](../5-retail/lessons/2-check-stock-device/README.md)
+  
+- Tüketici
+  - [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)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/for-teachers.md b/translations/tr/for-teachers.md
new file mode 100644
index 00000000..473b506b
--- /dev/null
+++ b/translations/tr/for-teachers.md
@@ -0,0 +1,41 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
+  "translation_date": "2025-08-28T02:35:17+00:00",
+  "source_file": "for-teachers.md",
+  "language_code": "tr"
+}
+-->
+# Eğitimciler İçin
+
+Bu müfredatı sınıfınızda kullanmak ister misiniz? Lütfen çekinmeden kullanın!
+
+Aslında, GitHub Classroom kullanarak bu müfredatı doğrudan GitHub üzerinde kullanabilirsiniz.
+
+Bunu yapmak için, bu depoyu forklayın. Her ders için ayrı bir depo oluşturmanız gerekecek, bu yüzden her klasörü ayrı bir depoya çıkarmanız gerekecek. Böylece, [GitHub Classroom](https://classroom.github.com/classrooms) her dersi ayrı ayrı algılayabilir.
+
+Bu [tam talimatlar](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) sınıfınızı nasıl kuracağınız konusunda size bir fikir verecektir.
+
+## Önerilen öğrenme modeli
+
+Bu müfredatı öğretirken önerilen bir öğrenme modeli hakkında daha fazla bilgi almak için [Önerilen öğrenme modeli rehberimize](recommended-learning-model.md) göz atabilirsiniz.
+
+## Depoyu olduğu gibi kullanma
+
+Eğer bu depoyu şu anki haliyle, GitHub Classroom kullanmadan kullanmak isterseniz, bu da mümkün. Öğrencilerinizle hangi dersi birlikte işleyeceğinizi iletişim kurmanız gerekecek.
+
+Çevrimiçi bir formatta (Zoom, Teams veya başka bir platform) sınavlar için gruplar oluşturabilir ve öğrencileri öğrenmeye hazırlanmaları için yönlendirebilirsiniz. Daha sonra öğrencileri sınavlara davet edebilir ve belirli bir zamanda cevaplarını 'issue' olarak göndermelerini isteyebilirsiniz. Aynı şeyi ödevler için de yapabilirsiniz, eğer öğrencilerin açık bir şekilde iş birliği yapmasını istiyorsanız.
+
+Daha özel bir format tercih ediyorsanız, öğrencilerinizden müfredatı ders ders kendi GitHub depolarına, özel depolar olarak forklamalarını isteyin ve size erişim izni versinler. Daha sonra sınavları ve ödevleri özel olarak tamamlayabilir ve bunları sınıf deponuzdaki 'issue'lar aracılığıyla size gönderebilirler.
+
+Çevrimiçi sınıf formatında bunu çalıştırmanın birçok yolu var. Lütfen sizin için en iyi neyin işe yaradığını bize bildirin!
+
+## Lütfen düşüncelerinizi bizimle paylaşın!
+
+Bu müfredatın sizin ve öğrencileriniz için işe yaramasını istiyoruz. Lütfen bize [geri bildirim](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u) verin.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/hardware.md b/translations/tr/hardware.md
new file mode 100644
index 00000000..e3b46cd3
--- /dev/null
+++ b/translations/tr/hardware.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
+  "translation_date": "2025-08-28T02:33:11+00:00",
+  "source_file": "hardware.md",
+  "language_code": "tr"
+}
+-->
+# Donanım
+
+IoT'deki **T**, **Nesneler** anlamına gelir ve çevremizdeki dünyayla etkileşimde bulunan cihazları ifade eder. Her proje, öğrenciler ve hobi meraklıları için erişilebilir olan gerçek dünya donanımına dayanmaktadır. Kişisel tercihlere, programlama dili bilgisine veya tercihlerine, öğrenme hedeflerine ve erişilebilirliğe bağlı olarak kullanabileceğimiz iki IoT donanım seçeneğimiz var. Ayrıca, donanıma erişimi olmayanlar veya satın almadan önce daha fazla bilgi edinmek isteyenler için bir 'sanal donanım' versiyonu da sağladık.
+
+> 💁 Ödevleri tamamlamak için herhangi bir IoT donanımı satın almanıza gerek yok. Her şeyi sanal IoT donanımı kullanarak yapabilirsiniz.
+
+Fiziksel donanım seçenekleri Arduino veya Raspberry Pi'dir. Her platformun kendine özgü avantajları ve dezavantajları vardır ve bunlar ilk derslerden birinde ele alınır. Henüz bir donanım platformu seçmediyseniz, hangi donanım platformunu öğrenmekle ilgilendiğinize karar vermek için [ilk projenin ikinci dersini](./1-getting-started/lessons/2-deeper-dive/README.md) inceleyebilirsiniz.
+
+Belirli donanım, derslerin ve ödevlerin karmaşıklığını azaltmak için seçilmiştir. Diğer donanımlar çalışabilir olsa da, ek donanım olmadan cihazınızda tüm ödevlerin destekleneceğini garanti edemeyiz. Örneğin, birçok Arduino cihazında bulut bağlantısı için gerekli olan WiFi bulunmaz - Wio terminali, WiFi'nin yerleşik olması nedeniyle seçilmiştir.
+
+Ayrıca, toprak veya bir saksı bitkisi ve meyve veya sebze gibi birkaç teknik olmayan öğeye ihtiyacınız olacak.
+
+## Kitleri Satın Alın
+
+![Seeed Studios logosu](../../translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.tr.png)
+
+Seeed Studios, tüm donanımı kolayca satın alınabilir kitler olarak sunma konusunda çok nazik davrandı:
+
+### Arduino - Wio Terminal
+
+**[Seeed ve Microsoft ile Başlangıç için IoT - Wio Terminal Başlangıç Kiti](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
+
+[![Wio Terminal donanım kiti](../../translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.tr.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
+
+### Raspberry Pi
+
+**[Seeed ve Microsoft ile Başlangıç için IoT - Raspberry Pi 4 Başlangıç Kiti](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
+
+[![Raspberry Pi Terminal donanım kiti](../../translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.tr.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
+
+## Arduino
+
+Arduino için tüm cihaz kodu C++ dilinde yazılmıştır. Tüm ödevleri tamamlamak için aşağıdakilere ihtiyacınız olacak:
+
+### Arduino donanımı
+
+* [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
+* *Opsiyonel* - USB-C kablosu veya USB-A'dan USB-C'ye adaptör. Wio terminalinde bir USB-C portu bulunur ve USB-C'den USB-A'ya bir kablo ile gelir. Bilgisayarınızda veya Mac'inizde yalnızca USB-C portları varsa, bir USB-C kablosuna veya USB-A'dan USB-C'ye adaptöre ihtiyacınız olacak.
+
+### Arduino'ya özgü sensörler ve aktüatörler
+
+Bunlar, Wio terminal Arduino cihazını kullanmaya özgüdür ve Raspberry Pi kullanımı için geçerli değildir.
+
+* [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)
+* [Breadboard Jumper Kabloları](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
+* Kulaklık veya 3.5mm jaklı başka bir hoparlör, ya da JST hoparlör gibi:
+  * [Mono Kapalı Hoparlör - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+* 16GB veya daha az kapasiteli microSD Kart, bilgisayarınızda dahili bir SD kart okuyucu yoksa bir bağlayıcı ile birlikte. **NOT** - Wio Terminal yalnızca 16GB'a kadar SD kartları destekler, daha yüksek kapasiteleri desteklemez.
+
+## Raspberry Pi
+
+Raspberry Pi için tüm cihaz kodu Python dilinde yazılmıştır. Tüm ödevleri tamamlamak için aşağıdakilere ihtiyacınız olacak:
+
+### Raspberry Pi donanımı
+
+* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
+  > 💁 Bu derslerdeki ödevlerle Pi 2B ve üzeri versiyonlar çalışmalıdır. VS Code'u doğrudan Pi üzerinde çalıştırmayı planlıyorsanız, 2GB veya daha fazla RAM'e sahip bir Pi 4 gereklidir. Pi'ye uzaktan erişecekseniz, herhangi bir Pi 2B ve üzeri versiyon çalışacaktır.
+* microSD Kart (Raspberry Pi kitleri microSD Kart ile birlikte gelebilir), bilgisayarınızda dahili bir SD kart okuyucu yoksa bir bağlayıcı ile birlikte.
+* USB güç kaynağı (Raspberry Pi 4 kitleri güç kaynağı ile birlikte gelebilir). Raspberry Pi 4 kullanıyorsanız USB-C güç kaynağına, önceki cihazlar için ise micro-USB güç kaynağına ihtiyacınız var.
+
+### Raspberry Pi'ye özgü sensörler ve aktüatörler
+
+Bunlar, Raspberry Pi kullanmaya özgüdür ve Arduino cihazı için geçerli değildir.
+
+* [Grove Pi tabanlı hat](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
+* [Raspberry Pi Kamera modülü](https://www.raspberrypi.org/products/camera-module-v2/)
+* Mikrofon ve hoparlör:
+
+  Aşağıdakilerden birini (veya eşdeğerini) kullanabilirsiniz:
+  * Herhangi bir USB mikrofon ve USB hoparlör, veya 3.5mm jak kablosu olan bir hoparlör, ya da Raspberry Pi bir monitör veya TV ile hoparlörlere bağlıysa HDMI ses çıkışı
+  * Dahili mikrofonlu herhangi bir USB kulaklık
+  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) ile
+    * Kulaklık veya 3.5mm jaklı başka bir hoparlör, ya da JST hoparlör gibi:
+    * [Mono Kapalı Hoparlör - 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)
+* [Grove Işık sensörü](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
+* [Grove düğme](https://www.seeedstudio.com/Grove-Button.html)
+
+## Sensörler ve aktüatörler
+
+Gerekli sensörlerin ve aktüatörlerin çoğu hem Arduino hem de Raspberry Pi öğrenme yollarında kullanılır:
+
+* [Grove LED](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
+* [Grove nem ve sıcaklık sensörü](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
+* [Grove kapasitif toprak nem sensörü](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
+* [Grove röle](https://www.seeedstudio.com/Grove-Relay.html)
+* [Grove GPS (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
+* [Grove Uçuş Mesafesi Sensörü](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
+
+## Opsiyonel donanım
+
+Otomatik sulama dersleri bir röle kullanarak çalışır. İsteğe bağlı olarak, bu röleyi aşağıdaki donanımları kullanarak USB ile çalışan bir su pompasına bağlayabilirsiniz.
+
+* [6V su pompası](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
+* [USB terminali](https://www.adafruit.com/product/3628)
+* Silikon borular
+* Kırmızı ve siyah kablolar
+* Küçük düz tornavida
+
+## Sanal donanım
+
+Sanal donanım yolu, Python'da uygulanmış sensörler ve aktüatörler için simülatörler sağlayacaktır. Donanım erişiminize bağlı olarak, bunu normal geliştirme cihazınızda (örneğin Mac, PC) çalıştırabilir veya Raspberry Pi üzerinde çalıştırarak yalnızca sahip olmadığınız donanımı simüle edebilirsiniz. Örneğin, Raspberry Pi kameranız varsa ancak Grove sensörleriniz yoksa, sanal cihaz kodunu Pi'nizde çalıştırabilir ve Grove sensörlerini simüle edebilir, ancak fiziksel kamerayı kullanabilirsiniz.
+
+Sanal donanım, [CounterFit projesini](https://github.com/CounterFit-IoT/CounterFit) kullanacaktır.
+
+Bu dersleri tamamlamak için bir web kamerası, mikrofon ve hoparlör veya kulaklık gibi bir ses çıkışına ihtiyacınız olacak. Bunlar dahili veya harici olabilir ve işletim sisteminizle çalışacak şekilde yapılandırılmalı ve tüm uygulamalar tarafından kullanılabilir olmalıdır.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.
\ No newline at end of file
diff --git a/translations/tr/images/README.md b/translations/tr/images/README.md
new file mode 100644
index 00000000..070f2606
--- /dev/null
+++ b/translations/tr/images/README.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
+  "translation_date": "2025-08-28T03:45:41+00:00",
+  "source_file": "images/README.md",
+  "language_code": "tr"
+}
+-->
+# Görseller
+
+[icons](../../../images/icons) klasöründeki görseller [Noun Project](https://thenounproject.com) tarafından sağlanmıştır ve atıf gerektirir. Her görsel, gerekli atıf bilgilerini içerir. Bu görseller, tutarlı bir görsel stil sağlamak için ihtiyaç duyulan diyagramlarda kullanılmalıdır.
+
+[Diagrams.sketch](../../../images/Diagrams.sketch) dosyası, derslerde ve projelerde kullanılan tüm diyagramları içeren bir [Sketch](https://www.sketch.com) belgesidir. Eğer bir çeviri sürecine dahil oluyorsanız, bu diyagramları da ya belgeyi kopyalayıp güncelleyerek ya da çevirilmesi gereken kelimelerin listesini bir GitHub sorunu olarak sağlayarak çevirmenizi rica ederiz.
+
+Görsellerin geri kalanı, dersler ve projeler boyunca kullanılmaktadır.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/lesson-template/README.md b/translations/tr/lesson-template/README.md
new file mode 100644
index 00000000..cc86e04f
--- /dev/null
+++ b/translations/tr/lesson-template/README.md
@@ -0,0 +1,65 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
+  "translation_date": "2025-08-28T03:45:18+00:00",
+  "source_file": "lesson-template/README.md",
+  "language_code": "tr"
+}
+-->
+# [Ders Konusu]
+
+![Buraya bir video ekleyin](../../../lesson-template/video-url)
+
+## [Ders öncesi test](../../../lesson-template/quiz-url)
+
+[Ne öğreneceğimizi açıklayın]
+
+### Giriş
+
+Nelerin ele alınacağını açıklayın
+
+> Notlar
+
+### Ön Koşul
+
+Bu dersten önce hangi adımların tamamlanmış olması gerektiği?
+
+### Hazırlık
+
+Bu derse başlamak için hazırlık adımları
+
+---
+
+[İçeriği bloklar halinde adım adım inceleyin]
+
+## [Konu 1]
+
+### Görev:
+
+Kod tabanınızı aşamalı olarak geliştirmek için birlikte çalışarak projeyi ortak kodla oluşturun:
+
+```html
+code blocks
+```
+
+✅ Bilgi Kontrolü - öğrencilerin bilgilerini açık uçlu sorularla genişletmek için bu anı kullanın
+
+## [Konu 2]
+
+## [Konu 3]
+
+🚀 Meydan Okuma: Öğrencilerin sınıfta iş birliği yaparak projeyi geliştirmeleri için bir meydan okuma ekleyin
+
+Opsiyonel: Dersin tamamlanmış arayüzünün ekran görüntüsünü ekleyin, uygun ise
+
+## [Ders sonrası test](../../../lesson-template/quiz-url)
+
+## Gözden Geçirme ve Kendi Kendine Çalışma
+
+**Teslim Tarihi [AA/YY]**: [Ödev Adı](assignment.md)
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/lesson-template/assignment.md b/translations/tr/lesson-template/assignment.md
new file mode 100644
index 00000000..bc5a2407
--- /dev/null
+++ b/translations/tr/lesson-template/assignment.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
+  "translation_date": "2025-08-28T03:45:31+00:00",
+  "source_file": "lesson-template/assignment.md",
+  "language_code": "tr"
+}
+-->
+# [Ödev Adı]
+
+## Talimatlar
+
+## Değerlendirme Ölçütleri
+
+| Kriterler | Örnek Niteliğinde | Yeterli | Geliştirilmesi Gerekiyor |
+| --------- | ----------------- | ------- | ------------------------ |
+|           |                   |         |                          |
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file
diff --git a/translations/tr/quiz-app/README.md b/translations/tr/quiz-app/README.md
new file mode 100644
index 00000000..5330996c
--- /dev/null
+++ b/translations/tr/quiz-app/README.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
+  "translation_date": "2025-08-28T03:45:59+00:00",
+  "source_file": "quiz-app/README.md",
+  "language_code": "tr"
+}
+-->
+# Quizler
+
+Bu quizler, IoT for Beginners müfredatındaki ders öncesi ve sonrası quizlerdir: https://aka.ms/iot-beginners
+
+## Proje Kurulumu
+
+```
+npm install
+```
+
+### Geliştirme için derler ve anında yeniden yükler
+
+```
+npm run serve
+```
+
+### Üretim için derler ve küçültür
+
+```
+npm run build
+```
+
+### Dosyaları kontrol eder ve düzeltir
+
+```
+npm run lint
+```
+
+### Yapılandırmayı özelleştirme
+
+[Configuration Reference](https://cli.vuejs.org/config/) adresine bakın.
+
+Teşekkürler: Bu quiz uygulamasının orijinal versiyonu için teşekkürler: https://github.com/arpan45/simple-quiz-vue
+
+## Azure'a Dağıtım
+
+Başlamak için adım adım bir rehber:
+
+1. Bir GitHub Deposu Çatallayın  
+Statik web uygulamanızın kodunun GitHub deponuzda olduğundan emin olun. Bu depoyu çatallayın.
+
+2. Bir Azure Statik Web Uygulaması Oluşturun  
+- Bir [Azure hesabı](http://azure.microsoft.com) oluşturun.  
+- [Azure portalına](https://portal.azure.com) gidin.  
+- “Create a resource” (Kaynak oluştur) seçeneğine tıklayın ve “Static Web App” arayın.  
+- “Create” (Oluştur) seçeneğine tıklayın.  
+
+3. Statik Web Uygulamasını Yapılandırın  
+- Temel Bilgiler:  
+  - Abonelik: Azure aboneliğinizi seçin.  
+  - Kaynak Grubu: Yeni bir kaynak grubu oluşturun veya mevcut birini kullanın.  
+  - Ad: Statik web uygulamanız için bir ad belirleyin.  
+  - Bölge: Kullanıcılarınıza en yakın bölgeyi seçin.  
+
+- #### Dağıtım Detayları:  
+  - Kaynak: “GitHub” seçeneğini seçin.  
+  - GitHub Hesabı: Azure'un GitHub hesabınıza erişmesine izin verin.  
+  - Organizasyon: GitHub organizasyonunuzu seçin.  
+  - Depo: Statik web uygulamanızı içeren depoyu seçin.  
+  - Dal: Hangi daldan dağıtım yapılacağını seçin.  
+
+- #### Derleme Detayları:  
+  - Derleme Ön Ayarları: Uygulamanızın hangi çerçeveyle oluşturulduğunu seçin (ör. React, Angular, Vue, vb.).  
+  - Uygulama Konumu: Uygulama kodunuzu içeren klasörü belirtin (ör. kökteyse /).  
+  - API Konumu: Bir API'niz varsa, konumunu belirtin (isteğe bağlı).  
+  - Çıktı Konumu: Derleme çıktısının oluşturulduğu klasörü belirtin (ör. build veya dist).  
+
+4. Gözden Geçir ve Oluştur  
+Ayarlarınızı gözden geçirin ve “Create” (Oluştur) seçeneğine tıklayın. Azure, gerekli kaynakları ayarlayacak ve deponuzda bir GitHub Actions iş akışı oluşturacaktır.
+
+5. GitHub Actions İş Akışı  
+Azure, deponuzda otomatik olarak bir GitHub Actions iş akışı dosyası oluşturacaktır (.github/workflows/azure-static-web-apps-<name>.yml). Bu iş akışı, derleme ve dağıtım sürecini yönetecektir.
+
+6. Dağıtımı İzleme  
+GitHub deponuzdaki “Actions” sekmesine gidin.  
+Bir iş akışının çalıştığını görmelisiniz. Bu iş akışı, statik web uygulamanızı Azure'a derleyecek ve dağıtacaktır.  
+İş akışı tamamlandığında, uygulamanız sağlanan Azure URL'sinde canlı olacaktır.
+
+### Örnek İş Akışı Dosyası
+
+GitHub Actions iş akışı dosyasının nasıl görünebileceğine dair bir örnek:  
+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
+```
+
+### Ek Kaynaklar  
+- [Azure Statik Web Uygulamaları Belgeleri](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
+- [GitHub Actions Belgeleri](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul edilmez.
\ No newline at end of file
diff --git a/translations/tr/recommended-learning-model.md b/translations/tr/recommended-learning-model.md
new file mode 100644
index 00000000..9c843e65
--- /dev/null
+++ b/translations/tr/recommended-learning-model.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
+  "translation_date": "2025-08-28T02:29:56+00:00",
+  "source_file": "recommended-learning-model.md",
+  "language_code": "tr"
+}
+-->
+# Önerilen öğrenme modeli
+
+En etkili öğrenme sonuçları için, **“Ters Model" yaklaşımını** öneriyoruz; tıpkı bilim laboratuvarlarında olduğu gibi: öğrenciler sınıf zamanında projeler üzerinde çalışır, tartışma, soru-cevap ve proje yardımı fırsatları bulur, ders unsurlarını ise kendi zamanlarında önceden okurlar.
+
+## Neden Ters Öğrenme?
+
+1. Bu öğretim yöntemi görsel, işitsel, uygulamalı, problem çözme gibi çeşitli öğrenme yöntemlerini bir araya getirir.[[1]](../..)
+2. Ters sınıflar, odaklanma, katılım, motivasyon, öz yeterlilik, bilgi kalıcılığı ve iletişimi (hem öğretmen-öğrenci hem de öğrenci-öğrenci arasında) artırdığı gösterilmiştir.[[2,3]](../..)
+3. Eğitmenler olarak, zorlanan öğrencilerle daha fazla zaman geçirebilirken, daha ileri düzeydeki öğrencilerin öne geçmesine olanak tanıyabilirsiniz.[[4]](../..)
+
+Ayrıca eğitmenlerin, öğrencilerin kendi ilgi ve içgörüleriyle yönlendirdiği sorular ve keşifler üzerinde çalışırken **“Eş-Fasilitatör"** rolünü üstlenmelerini öneriyoruz.
+
+Burada bir şey yapmanın “doğru yolu" yoktur. Bazen tüm cevaplara sahip olmayabilirsiniz. Bazı öğrenciler tüm projeleri tamamlayamayabilir. Amacınız, öğrencilerin başlangıçta beklediklerinden daha eğlenceli, işbirlikçi veya kendi kendine yönlendirilmiş olabilecek problem çözme yollarına doğal olarak ulaşmalarına yardımcı olmaktır.
+
+## Faydalı Fasilitasyon İpuçları:
+
+* Gözlemlediklerinizi düşünün, sorular sorun ve gözlemler yapın.
+* “Fark ettim ki…" ve “Merak ediyorum…" gibi ifadeler kullanın.
+* Zorlanan öğrencileri, çözümleri bulmuş olanlarla bağlantı kurmaya yönlendirin.
+* Bir öğrenci takıldığında, bileşenlere ve parçalara işaret edin veya denemesi gereken farklı şeyler hakkında önerilerde bulunun. Öğrenciden bir seferde bir şeyi değiştirmesini ve ne olduğunu gözlemlemesini isteyin.
+* Hayal kırıklığını kabul edin ve çabayı takdir edin.
+* Öğrenciler için inşa etmekten veya kodlamaktan kaçının, yalnızca fiziksel yardım gerektiğinde bunu yapın.
+
+## Örnek Fasilitasyon Dili:
+
+* “Bana sormadan önce iki kişiye sorun."
+* “Bir iki dakika daha denemeye devam et…"
+* “Bundan biraz uzaklaşmayı deneyelim. Belki diğer öğrencilerin elektrik bağlantılarına yardım edebilirsin, çünkü bunu zaten çözdün?"
+* “Merak ediyorum, başka bir öğrenci aynı problemi yaşadı mı? Hadi kontrol edelim!"
+* “Bu işe gerçekten kendini adadın ve çözdün! Diğerlerini bu konuda yardım için sana yönlendirebilir miyim?"
+* “Bu garip, bana da mantıklı gelmiyor. Belki başka bir öğrenciye sorabiliriz, ya da sen çözersen sınıfla paylaşabilir misin?"
+
+## Kaynaklar
+
+[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). Erişim tarihi: 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). Erişim tarihi: 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). Erişim tarihi: 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.). Erişim tarihi: 21/04/21.
+
+---
+
+**Feragatname**:  
+Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.
\ No newline at end of file