diff --git a/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.pl.png b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.pl.png
new file mode 100644
index 00000000..1ba4f5c7
Binary files /dev/null and b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.pl.png differ
diff --git a/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.pl.png b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.pl.png
new file mode 100644
index 00000000..3cac91bb
Binary files /dev/null and b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.pl.png differ
diff --git a/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.pl.png b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.pl.png
new file mode 100644
index 00000000..967e6539
Binary files /dev/null and b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.pl.png differ
diff --git a/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.pl.png b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.pl.png
new file mode 100644
index 00000000..247c1dd6
Binary files /dev/null and b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.pl.png differ
diff --git a/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.pl.png b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.pl.png
new file mode 100644
index 00000000..e89d81c4
Binary files /dev/null and b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.pl.png differ
diff --git a/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.pl.png b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.pl.png
new file mode 100644
index 00000000..0237836d
Binary files /dev/null and b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.pl.png differ
diff --git a/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.pl.png b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.pl.png
new file mode 100644
index 00000000..4229fee0
Binary files /dev/null and b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.pl.png differ
diff --git a/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.pl.png b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.pl.png
new file mode 100644
index 00000000..9b503ac8
Binary files /dev/null and b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.pl.png differ
diff --git a/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.pl.png b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.pl.png
new file mode 100644
index 00000000..c98b7aaf
Binary files /dev/null and b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.pl.png differ
diff --git a/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.pl.png b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.pl.png
new file mode 100644
index 00000000..706f83bc
Binary files /dev/null and b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.pl.png differ
diff --git a/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.pl.png b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.pl.png
new file mode 100644
index 00000000..76bec4da
Binary files /dev/null and b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.pl.png differ
diff --git a/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.pl.png b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.pl.png
new file mode 100644
index 00000000..b49060a2
Binary files /dev/null and b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.pl.png differ
diff --git a/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.pl.png b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.pl.png
new file mode 100644
index 00000000..3ca064d5
Binary files /dev/null and b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.pl.png differ
diff --git a/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.pl.png b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.pl.png
new file mode 100644
index 00000000..1f5f2412
Binary files /dev/null and b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.pl.png differ
diff --git a/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.pl.png b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.pl.png
new file mode 100644
index 00000000..2953cea1
Binary files /dev/null and b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.pl.png differ
diff --git a/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.pl.png b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.pl.png
new file mode 100644
index 00000000..2ce7dedf
Binary files /dev/null and b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.pl.png differ
diff --git a/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.pl.png b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.pl.png
new file mode 100644
index 00000000..157c08c6
Binary files /dev/null and b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.pl.png differ
diff --git a/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.pl.png b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.pl.png
new file mode 100644
index 00000000..031361a6
Binary files /dev/null and b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.pl.png differ
diff --git a/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.pl.png b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.pl.png
new file mode 100644
index 00000000..3a43eb23
Binary files /dev/null and b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.pl.png differ
diff --git a/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.pl.png b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.pl.png
new file mode 100644
index 00000000..7c9552e3
Binary files /dev/null and b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.pl.png differ
diff --git a/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.pl.png b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.pl.png
new file mode 100644
index 00000000..78f695b7
Binary files /dev/null and b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.pl.png differ
diff --git a/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.pl.png b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.pl.png
new file mode 100644
index 00000000..77f563fb
Binary files /dev/null and b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.pl.png differ
diff --git a/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.pl.png b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.pl.png
new file mode 100644
index 00000000..8dccd514
Binary files /dev/null and b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.pl.png differ
diff --git a/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.pl.png b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.pl.png
new file mode 100644
index 00000000..b75e015e
Binary files /dev/null and b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.pl.png differ
diff --git a/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.pl.png b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.pl.png
new file mode 100644
index 00000000..5bfed282
Binary files /dev/null and b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.pl.png differ
diff --git a/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.pl.png b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.pl.png
new file mode 100644
index 00000000..34ca765c
Binary files /dev/null and b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.pl.png differ
diff --git a/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.pl.png b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.pl.png
new file mode 100644
index 00000000..d1f7bc09
Binary files /dev/null and b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.pl.png differ
diff --git a/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.pl.png b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.pl.png
new file mode 100644
index 00000000..c215b446
Binary files /dev/null and b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.pl.png differ
diff --git a/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.pl.png b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.pl.png
new file mode 100644
index 00000000..63f58daa
Binary files /dev/null and b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.pl.png differ
diff --git a/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.pl.png b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.pl.png
new file mode 100644
index 00000000..3eb38501
Binary files /dev/null and b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.pl.png differ
diff --git a/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.pl.png b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.pl.png
new file mode 100644
index 00000000..4f960870
Binary files /dev/null and b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.pl.png differ
diff --git a/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.pl.png b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.pl.png
new file mode 100644
index 00000000..ca5b5882
Binary files /dev/null and b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.pl.png differ
diff --git a/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.pl.png b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.pl.png
new file mode 100644
index 00000000..2c3440cd
Binary files /dev/null and b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.pl.png differ
diff --git a/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.pl.png b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.pl.png
new file mode 100644
index 00000000..5294a9dc
Binary files /dev/null and b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.pl.png differ
diff --git a/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.pl.png b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.pl.png
new file mode 100644
index 00000000..912ac4ca
Binary files /dev/null and b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.pl.png differ
diff --git a/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.pl.png b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.pl.png
new file mode 100644
index 00000000..8e47de7d
Binary files /dev/null and b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.pl.png differ
diff --git a/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.pl.png b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.pl.png
new file mode 100644
index 00000000..b3c98d83
Binary files /dev/null and b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.pl.png differ
diff --git a/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.pl.png b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.pl.png
new file mode 100644
index 00000000..1d494613
Binary files /dev/null and b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.pl.png differ
diff --git a/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.pl.png b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.pl.png
new file mode 100644
index 00000000..47ced39a
Binary files /dev/null and b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.pl.png differ
diff --git a/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.pl.png b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.pl.png
new file mode 100644
index 00000000..88d5c896
Binary files /dev/null and b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.pl.png differ
diff --git a/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.pl.png b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.pl.png
new file mode 100644
index 00000000..e0706533
Binary files /dev/null and b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.pl.png differ
diff --git a/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.pl.png b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.pl.png
new file mode 100644
index 00000000..a1f17249
Binary files /dev/null and b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.pl.png differ
diff --git a/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.pl.png b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.pl.png
new file mode 100644
index 00000000..3adc61ef
Binary files /dev/null and b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.pl.png differ
diff --git a/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.pl.png b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.pl.png
new file mode 100644
index 00000000..1c3c8d53
Binary files /dev/null and b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.pl.png differ
diff --git a/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.pl.jpg b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.pl.jpg
new file mode 100644
index 00000000..0f4a9a38
Binary files /dev/null and b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.pl.jpg differ
diff --git a/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.pl.png b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.pl.png
new file mode 100644
index 00000000..32dab60c
Binary files /dev/null and b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.pl.png differ
diff --git a/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.pl.png b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.pl.png
new file mode 100644
index 00000000..78e9b675
Binary files /dev/null and b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.pl.png differ
diff --git a/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.pl.png b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.pl.png
new file mode 100644
index 00000000..fb87dd71
Binary files /dev/null and b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.pl.png differ
diff --git a/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.pl.png b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.pl.png
new file mode 100644
index 00000000..acaa9a02
Binary files /dev/null and b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.pl.png differ
diff --git a/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.pl.png b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.pl.png
new file mode 100644
index 00000000..b6afaa8a
Binary files /dev/null and b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.pl.png differ
diff --git a/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.pl.png b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.pl.png
new file mode 100644
index 00000000..18f92ede
Binary files /dev/null and b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.pl.png differ
diff --git a/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.pl.png b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.pl.png
new file mode 100644
index 00000000..e1eb6df0
Binary files /dev/null and b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.pl.png differ
diff --git a/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.pl.png b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.pl.png
new file mode 100644
index 00000000..dfcfde45
Binary files /dev/null and b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.pl.png differ
diff --git a/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.pl.png b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.pl.png
new file mode 100644
index 00000000..44af1896
Binary files /dev/null and b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.pl.png differ
diff --git a/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.pl.png b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.pl.png
new file mode 100644
index 00000000..6d749e6c
Binary files /dev/null and b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.pl.png differ
diff --git a/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.pl.png b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.pl.png
new file mode 100644
index 00000000..7485e36c
Binary files /dev/null and b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.pl.png differ
diff --git a/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.pl.png b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.pl.png
new file mode 100644
index 00000000..0f499097
Binary files /dev/null and b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.pl.png differ
diff --git a/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.pl.png b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.pl.png
new file mode 100644
index 00000000..710c440c
Binary files /dev/null and b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.pl.png differ
diff --git a/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.pl.png b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.pl.png
new file mode 100644
index 00000000..24cecced
Binary files /dev/null and b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.pl.png differ
diff --git a/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.pl.png b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.pl.png
new file mode 100644
index 00000000..b36025d9
Binary files /dev/null and b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.pl.png differ
diff --git a/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.pl.png b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.pl.png
new file mode 100644
index 00000000..b21a4bed
Binary files /dev/null and b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.pl.png differ
diff --git a/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.pl.png b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.pl.png
new file mode 100644
index 00000000..8da6f9a4
Binary files /dev/null and b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.pl.png differ
diff --git a/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.pl.jpg b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.pl.jpg
new file mode 100644
index 00000000..437f3d07
Binary files /dev/null and b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.pl.jpg differ
diff --git a/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.pl.png b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.pl.png
new file mode 100644
index 00000000..cc61fb13
Binary files /dev/null and b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.pl.png differ
diff --git a/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.pl.png b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.pl.png
new file mode 100644
index 00000000..3472b1d9
Binary files /dev/null and b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.pl.png differ
diff --git a/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.pl.png b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.pl.png
new file mode 100644
index 00000000..0bbca602
Binary files /dev/null and b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.pl.png differ
diff --git a/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.pl.png b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.pl.png
new file mode 100644
index 00000000..b5775adc
Binary files /dev/null and b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.pl.png differ
diff --git a/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.pl.png b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.pl.png
new file mode 100644
index 00000000..bc58477a
Binary files /dev/null and b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.pl.png differ
diff --git a/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.pl.png b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.pl.png
new file mode 100644
index 00000000..1b7a40f4
Binary files /dev/null and b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.pl.png differ
diff --git a/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.pl.png b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.pl.png
new file mode 100644
index 00000000..011b07a3
Binary files /dev/null and b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.pl.png differ
diff --git a/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.pl.png b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.pl.png
new file mode 100644
index 00000000..7f9d24ef
Binary files /dev/null and b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.pl.png differ
diff --git a/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.pl.png b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.pl.png
new file mode 100644
index 00000000..0c6a7067
Binary files /dev/null and b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.pl.png differ
diff --git a/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.pl.png b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.pl.png
new file mode 100644
index 00000000..8f7968a5
Binary files /dev/null and b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.pl.png differ
diff --git a/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.pl.png b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.pl.png
new file mode 100644
index 00000000..20c6036f
Binary files /dev/null and b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.pl.png differ
diff --git a/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.pl.png b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.pl.png
new file mode 100644
index 00000000..f077b6e9
Binary files /dev/null and b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.pl.png differ
diff --git a/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.pl.png b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.pl.png
new file mode 100644
index 00000000..484206d5
Binary files /dev/null and b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.pl.png differ
diff --git a/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.pl.png b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.pl.png
new file mode 100644
index 00000000..9fa156e2
Binary files /dev/null and b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.pl.png differ
diff --git a/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.pl.png b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.pl.png
new file mode 100644
index 00000000..b0813972
Binary files /dev/null and b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.pl.png differ
diff --git a/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.pl.png b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.pl.png
new file mode 100644
index 00000000..4f2da8dc
Binary files /dev/null and b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.pl.png differ
diff --git a/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.pl.png b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.pl.png
new file mode 100644
index 00000000..8ae3904c
Binary files /dev/null and b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.pl.png differ
diff --git a/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.pl.png b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.pl.png
new file mode 100644
index 00000000..ea5cbe30
Binary files /dev/null and b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.pl.png differ
diff --git a/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.pl.png b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.pl.png
new file mode 100644
index 00000000..eab9fb03
Binary files /dev/null and b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.pl.png differ
diff --git a/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.pl.png b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.pl.png
new file mode 100644
index 00000000..c49c0459
Binary files /dev/null and b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.pl.png differ
diff --git a/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.pl.png b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.pl.png
new file mode 100644
index 00000000..127b0257
Binary files /dev/null and b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.pl.png differ
diff --git a/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.pl.png b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.pl.png
new file mode 100644
index 00000000..0b528799
Binary files /dev/null and b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.pl.png differ
diff --git a/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.pl.png b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.pl.png
new file mode 100644
index 00000000..e5b04c65
Binary files /dev/null and b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.pl.png differ
diff --git a/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.pl.png b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.pl.png
new file mode 100644
index 00000000..46543926
Binary files /dev/null and b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.pl.png differ
diff --git a/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.pl.png b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.pl.png
new file mode 100644
index 00000000..46e99668
Binary files /dev/null and b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.pl.png differ
diff --git a/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.pl.png b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.pl.png
new file mode 100644
index 00000000..c012d47d
Binary files /dev/null and b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.pl.png differ
diff --git a/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.pl.png b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.pl.png
new file mode 100644
index 00000000..fa44061a
Binary files /dev/null and b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.pl.png differ
diff --git a/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.pl.png b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.pl.png
new file mode 100644
index 00000000..e499b2fd
Binary files /dev/null and b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.pl.png differ
diff --git a/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.pl.png b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.pl.png
new file mode 100644
index 00000000..66e9927a
Binary files /dev/null and b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.pl.png differ
diff --git a/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.pl.png b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.pl.png
new file mode 100644
index 00000000..e512cf63
Binary files /dev/null and b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.pl.png differ
diff --git a/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.pl.png b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.pl.png
new file mode 100644
index 00000000..89e41b8a
Binary files /dev/null and b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.pl.png differ
diff --git a/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.pl.png b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.pl.png
new file mode 100644
index 00000000..257c3e55
Binary files /dev/null and b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.pl.png differ
diff --git a/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.pl.png b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.pl.png
new file mode 100644
index 00000000..85a581ed
Binary files /dev/null and b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.pl.png differ
diff --git a/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.pl.png b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.pl.png
new file mode 100644
index 00000000..c07f67c3
Binary files /dev/null and b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.pl.png differ
diff --git a/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.pl.png b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.pl.png
new file mode 100644
index 00000000..c598913b
Binary files /dev/null and b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.pl.png differ
diff --git a/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.pl.png b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.pl.png
new file mode 100644
index 00000000..a630a6f3
Binary files /dev/null and b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.pl.png differ
diff --git a/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.pl.png b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.pl.png
new file mode 100644
index 00000000..f63ad48d
Binary files /dev/null and b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.pl.png differ
diff --git a/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.pl.png b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.pl.png
new file mode 100644
index 00000000..73c0aea6
Binary files /dev/null and b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.pl.png differ
diff --git a/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.pl.png b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.pl.png
new file mode 100644
index 00000000..0768efbc
Binary files /dev/null and b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.pl.png differ
diff --git a/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.pl.png b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.pl.png
new file mode 100644
index 00000000..a6c3afe8
Binary files /dev/null and b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.pl.png differ
diff --git a/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.pl.png b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.pl.png
new file mode 100644
index 00000000..eed10ecb
Binary files /dev/null and b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.pl.png differ
diff --git a/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.pl.png b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.pl.png
new file mode 100644
index 00000000..4c086050
Binary files /dev/null and b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.pl.png differ
diff --git a/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.pl.png b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.pl.png
new file mode 100644
index 00000000..9f641588
Binary files /dev/null and b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.pl.png differ
diff --git a/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.pl.png b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.pl.png
new file mode 100644
index 00000000..9404843f
Binary files /dev/null and b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.pl.png differ
diff --git a/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.pl.png b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.pl.png
new file mode 100644
index 00000000..9636ac68
Binary files /dev/null and b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.pl.png differ
diff --git a/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.pl.png b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.pl.png
new file mode 100644
index 00000000..38a2b35d
Binary files /dev/null and b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.pl.png differ
diff --git a/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.pl.png b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.pl.png
new file mode 100644
index 00000000..cd09e177
Binary files /dev/null and b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.pl.png differ
diff --git a/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.pl.png b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.pl.png
new file mode 100644
index 00000000..4cc4f4bc
Binary files /dev/null and b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.pl.png differ
diff --git a/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.pl.png b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.pl.png
new file mode 100644
index 00000000..33e03220
Binary files /dev/null and b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.pl.png differ
diff --git a/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.pl.png b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.pl.png
new file mode 100644
index 00000000..489d49e3
Binary files /dev/null and b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.pl.png differ
diff --git a/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.pl.png b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.pl.png
new file mode 100644
index 00000000..80b39b63
Binary files /dev/null and b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.pl.png differ
diff --git a/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.pl.png b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.pl.png
new file mode 100644
index 00000000..2404a4ce
Binary files /dev/null and b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.pl.png differ
diff --git a/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.pl.png b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.pl.png
new file mode 100644
index 00000000..f884cc81
Binary files /dev/null and b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.pl.png differ
diff --git a/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.pl.png b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.pl.png
new file mode 100644
index 00000000..9f649bd1
Binary files /dev/null and b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.pl.png differ
diff --git a/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.pl.png b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.pl.png
new file mode 100644
index 00000000..03e1fa8c
Binary files /dev/null and b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.pl.png differ
diff --git a/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.pl.png b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.pl.png
new file mode 100644
index 00000000..983f836f
Binary files /dev/null and b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.pl.png differ
diff --git a/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.pl.png b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.pl.png
new file mode 100644
index 00000000..2aede939
Binary files /dev/null and b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.pl.png differ
diff --git a/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.pl.png b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.pl.png
new file mode 100644
index 00000000..7bc7bab2
Binary files /dev/null and b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.pl.png differ
diff --git a/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.pl.png b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.pl.png
new file mode 100644
index 00000000..4ffd862a
Binary files /dev/null and b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.pl.png differ
diff --git a/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.pl.png b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.pl.png
new file mode 100644
index 00000000..ef506579
Binary files /dev/null and b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.pl.png differ
diff --git a/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.pl.png b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.pl.png
new file mode 100644
index 00000000..ddf79213
Binary files /dev/null and b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.pl.png differ
diff --git a/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.pl.png b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.pl.png
new file mode 100644
index 00000000..1796bcce
Binary files /dev/null and b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.pl.png differ
diff --git a/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.pl.png b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.pl.png
new file mode 100644
index 00000000..ab763666
Binary files /dev/null and b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.pl.png differ
diff --git a/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.pl.png b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.pl.png
new file mode 100644
index 00000000..013f247d
Binary files /dev/null and b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.pl.png differ
diff --git a/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.pl.png b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.pl.png
new file mode 100644
index 00000000..fd1b7753
Binary files /dev/null and b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.pl.png differ
diff --git a/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.pl.png b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.pl.png
new file mode 100644
index 00000000..55154b84
Binary files /dev/null and b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.pl.png differ
diff --git a/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.pl.png b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.pl.png
new file mode 100644
index 00000000..306d6f14
Binary files /dev/null and b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.pl.png differ
diff --git a/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.pl.png b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.pl.png
new file mode 100644
index 00000000..dfb03646
Binary files /dev/null and b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.pl.png differ
diff --git a/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.pl.png b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.pl.png
new file mode 100644
index 00000000..05208120
Binary files /dev/null and b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.pl.png differ
diff --git a/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.pl.jpg b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.pl.jpg
new file mode 100644
index 00000000..e78b8c6c
Binary files /dev/null and b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.pl.jpg differ
diff --git a/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.pl.png b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.pl.png
new file mode 100644
index 00000000..0b221a3f
Binary files /dev/null and b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.pl.png differ
diff --git a/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.pl.png b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.pl.png
new file mode 100644
index 00000000..576d3f84
Binary files /dev/null and b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.pl.png differ
diff --git a/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.pl.png b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.pl.png
new file mode 100644
index 00000000..297ccc5e
Binary files /dev/null and b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.pl.png differ
diff --git a/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.pl.png b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.pl.png
new file mode 100644
index 00000000..89bd1ba6
Binary files /dev/null and b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.pl.png differ
diff --git a/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.pl.jpg b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.pl.jpg
new file mode 100644
index 00000000..383794f2
Binary files /dev/null and b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.pl.jpg differ
diff --git a/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.pl.png b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.pl.png
new file mode 100644
index 00000000..f28538e1
Binary files /dev/null and b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.pl.png differ
diff --git a/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.pl.png b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.pl.png
new file mode 100644
index 00000000..39431760
Binary files /dev/null and b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.pl.png differ
diff --git a/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.pl.png b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.pl.png
new file mode 100644
index 00000000..46a26d45
Binary files /dev/null and b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.pl.png differ
diff --git a/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.pl.png b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.pl.png
new file mode 100644
index 00000000..6f70239b
Binary files /dev/null and b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.pl.png differ
diff --git a/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.pl.png b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.pl.png
new file mode 100644
index 00000000..c5cd51da
Binary files /dev/null and b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.pl.png differ
diff --git a/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.pl.png b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.pl.png
new file mode 100644
index 00000000..0328b3ea
Binary files /dev/null and b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.pl.png differ
diff --git a/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.pl.png b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.pl.png
new file mode 100644
index 00000000..b3d0d223
Binary files /dev/null and b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.pl.png differ
diff --git a/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.pl.png b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.pl.png
new file mode 100644
index 00000000..0729dbce
Binary files /dev/null and b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.pl.png differ
diff --git a/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.pl.png b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.pl.png
new file mode 100644
index 00000000..2e3adef5
Binary files /dev/null and b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.pl.png differ
diff --git a/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.pl.png b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.pl.png
new file mode 100644
index 00000000..4e9aa9b4
Binary files /dev/null and b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.pl.png differ
diff --git a/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.pl.png b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.pl.png
new file mode 100644
index 00000000..766527c0
Binary files /dev/null and b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.pl.png differ
diff --git a/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.pl.png b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.pl.png
new file mode 100644
index 00000000..f34ad7c6
Binary files /dev/null and b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.pl.png differ
diff --git a/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.pl.png b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.pl.png
new file mode 100644
index 00000000..403bb436
Binary files /dev/null and b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.pl.png differ
diff --git a/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.pl.png b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.pl.png
new file mode 100644
index 00000000..07398a97
Binary files /dev/null and b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.pl.png differ
diff --git a/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.pl.png b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.pl.png
new file mode 100644
index 00000000..83d0a29e
Binary files /dev/null and b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.pl.png differ
diff --git a/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.pl.png b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.pl.png
new file mode 100644
index 00000000..cdd566f5
Binary files /dev/null and b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.pl.png differ
diff --git a/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.pl.png b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.pl.png
new file mode 100644
index 00000000..50caa7a8
Binary files /dev/null and b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.pl.png differ
diff --git a/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.pl.png b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.pl.png
new file mode 100644
index 00000000..e68c1881
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.pl.png differ
diff --git a/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.pl.png b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.pl.png
new file mode 100644
index 00000000..357708db
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.pl.png differ
diff --git a/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.pl.png b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.pl.png
new file mode 100644
index 00000000..ff2cb168
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.pl.png differ
diff --git a/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.pl.png b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.pl.png
new file mode 100644
index 00000000..4dd28830
Binary files /dev/null and b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.pl.png differ
diff --git a/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.pl.png b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.pl.png
new file mode 100644
index 00000000..36a0bed7
Binary files /dev/null and b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.pl.png differ
diff --git a/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.pl.png b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.pl.png
new file mode 100644
index 00000000..43b82415
Binary files /dev/null and b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.pl.png differ
diff --git a/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.pl.png b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.pl.png
new file mode 100644
index 00000000..9f42e92d
Binary files /dev/null and b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.pl.png differ
diff --git a/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.pl.png b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.pl.png
new file mode 100644
index 00000000..91118b35
Binary files /dev/null and b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.pl.png differ
diff --git a/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.pl.png b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.pl.png
new file mode 100644
index 00000000..c1074a8e
Binary files /dev/null and b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.pl.png differ
diff --git a/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.pl.png b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.pl.png
new file mode 100644
index 00000000..a4cca4dc
Binary files /dev/null and b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.pl.png differ
diff --git a/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.pl.png b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.pl.png
new file mode 100644
index 00000000..1dd02459
Binary files /dev/null and b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.pl.png differ
diff --git a/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.pl.png b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.pl.png
new file mode 100644
index 00000000..64ba974b
Binary files /dev/null and b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.pl.png differ
diff --git a/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.pl.png b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.pl.png
new file mode 100644
index 00000000..fd3d1f9b
Binary files /dev/null and b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.pl.png differ
diff --git a/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.pl.png b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.pl.png
new file mode 100644
index 00000000..f523159b
Binary files /dev/null and b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.pl.png differ
diff --git a/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.pl.png b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.pl.png
new file mode 100644
index 00000000..70a9bacf
Binary files /dev/null and b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.pl.png differ
diff --git a/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.pl.png b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.pl.png
new file mode 100644
index 00000000..9e30ab1c
Binary files /dev/null and b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.pl.png differ
diff --git a/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.pl.png b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.pl.png
new file mode 100644
index 00000000..e9f61adc
Binary files /dev/null and b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.pl.png differ
diff --git a/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.pl.png b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.pl.png
new file mode 100644
index 00000000..a54521f7
Binary files /dev/null and b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.pl.png differ
diff --git a/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.pl.png b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.pl.png
new file mode 100644
index 00000000..6981df8a
Binary files /dev/null and b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.pl.png differ
diff --git a/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.pl.png b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.pl.png
new file mode 100644
index 00000000..2722c065
Binary files /dev/null and b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.pl.png differ
diff --git a/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.pl.jpg b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.pl.jpg
new file mode 100644
index 00000000..cce2a759
Binary files /dev/null and b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.pl.jpg differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.pl.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.pl.png
new file mode 100644
index 00000000..26e0ae43
Binary files /dev/null and b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.pl.png differ
diff --git a/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.pl.png b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.pl.png
new file mode 100644
index 00000000..a5d549fd
Binary files /dev/null and b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.pl.png differ
diff --git a/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.pl.png b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.pl.png
new file mode 100644
index 00000000..a251745c
Binary files /dev/null and b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.pl.png differ
diff --git a/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.pl.png b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.pl.png
new file mode 100644
index 00000000..bb97d28e
Binary files /dev/null and b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.pl.png differ
diff --git a/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.pl.png b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.pl.png
new file mode 100644
index 00000000..e34dea22
Binary files /dev/null and b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.pl.png differ
diff --git a/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.pl.png b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.pl.png
new file mode 100644
index 00000000..fa863501
Binary files /dev/null and b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.pl.png differ
diff --git a/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.pl.png b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.pl.png
new file mode 100644
index 00000000..0d0e0c48
Binary files /dev/null and b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.pl.png differ
diff --git a/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.pl.png b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.pl.png
new file mode 100644
index 00000000..6f79a498
Binary files /dev/null and b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.pl.png differ
diff --git a/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.pl.png b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.pl.png
new file mode 100644
index 00000000..8527d4cd
Binary files /dev/null and b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.pl.png differ
diff --git a/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.pl.png b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.pl.png
new file mode 100644
index 00000000..8597bf4d
Binary files /dev/null and b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.pl.png differ
diff --git a/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.pl.png b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.pl.png
new file mode 100644
index 00000000..3bf24358
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.pl.png differ
diff --git a/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.pl.png b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.pl.png
new file mode 100644
index 00000000..562f66d2
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.pl.png differ
diff --git a/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.pl.png b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.pl.png
new file mode 100644
index 00000000..2f50d53a
Binary files /dev/null and b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.pl.png differ
diff --git a/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.pl.png b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.pl.png
new file mode 100644
index 00000000..de7f343e
Binary files /dev/null and b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.pl.png differ
diff --git a/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.pl.png b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.pl.png
new file mode 100644
index 00000000..c8b1a544
Binary files /dev/null and b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.pl.png differ
diff --git a/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.pl.png b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.pl.png
new file mode 100644
index 00000000..17d1151d
Binary files /dev/null and b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.pl.png differ
diff --git a/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.pl.png b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.pl.png
new file mode 100644
index 00000000..ffafc104
Binary files /dev/null and b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.pl.png differ
diff --git a/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.pl.png b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.pl.png
new file mode 100644
index 00000000..e3d86f8c
Binary files /dev/null and b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.pl.png differ
diff --git a/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.pl.png b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.pl.png
new file mode 100644
index 00000000..3a4445ee
Binary files /dev/null and b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.pl.png differ
diff --git a/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.pl.png b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.pl.png
new file mode 100644
index 00000000..b2bf4d3f
Binary files /dev/null and b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.pl.png differ
diff --git a/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.pl.png b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.pl.png
new file mode 100644
index 00000000..467cedcd
Binary files /dev/null and b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.pl.png differ
diff --git a/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.pl.png b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.pl.png
new file mode 100644
index 00000000..88efaa59
Binary files /dev/null and b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.pl.png differ
diff --git a/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.pl.png b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.pl.png
new file mode 100644
index 00000000..6197ed95
Binary files /dev/null and b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.pl.png differ
diff --git a/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.pl.png b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.pl.png
new file mode 100644
index 00000000..ec7768da
Binary files /dev/null and b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.pl.png differ
diff --git a/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.pl.png b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.pl.png
new file mode 100644
index 00000000..f68bf461
Binary files /dev/null and b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.pl.png differ
diff --git a/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.pl.png b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.pl.png
new file mode 100644
index 00000000..73e34cfe
Binary files /dev/null and b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.pl.png differ
diff --git a/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.pl.png b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.pl.png
new file mode 100644
index 00000000..21cc6bd0
Binary files /dev/null and b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.pl.png differ
diff --git a/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.pl.png b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.pl.png
new file mode 100644
index 00000000..9c7deb23
Binary files /dev/null and b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.pl.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.pl.png b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.pl.png
new file mode 100644
index 00000000..ddc9958b
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.pl.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.pl.png b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.pl.png
new file mode 100644
index 00000000..d181210a
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.pl.png differ
diff --git a/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.pl.png b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.pl.png
new file mode 100644
index 00000000..a00ab427
Binary files /dev/null and b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.pl.png differ
diff --git a/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.pl.png b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.pl.png
new file mode 100644
index 00000000..dedb38a3
Binary files /dev/null and b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.pl.png differ
diff --git a/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.pl.png b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.pl.png
new file mode 100644
index 00000000..2b34487d
Binary files /dev/null and b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.pl.png differ
diff --git a/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.pl.png b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.pl.png
new file mode 100644
index 00000000..1cae68ed
Binary files /dev/null and b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.pl.png differ
diff --git a/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.pl.png b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.pl.png
new file mode 100644
index 00000000..df961cae
Binary files /dev/null and b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.pl.png differ
diff --git a/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.pl.png b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.pl.png
new file mode 100644
index 00000000..aaeaeff8
Binary files /dev/null and b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.pl.png differ
diff --git a/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.pl.png b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.pl.png
new file mode 100644
index 00000000..7613fe86
Binary files /dev/null and b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.pl.png differ
diff --git a/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.pl.png b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.pl.png
new file mode 100644
index 00000000..335bdf32
Binary files /dev/null and b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.pl.png differ
diff --git a/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.pl.png b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.pl.png
new file mode 100644
index 00000000..32c8ba10
Binary files /dev/null and b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.pl.png differ
diff --git a/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.pl.png b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.pl.png
new file mode 100644
index 00000000..82802e17
Binary files /dev/null and b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.pl.png differ
diff --git a/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.pl.png b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.pl.png
new file mode 100644
index 00000000..8214fc2c
Binary files /dev/null and b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.pl.png differ
diff --git a/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.pl.png b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.pl.png
new file mode 100644
index 00000000..434baaad
Binary files /dev/null and b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.pl.png differ
diff --git a/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.pl.png b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.pl.png
new file mode 100644
index 00000000..d32271b5
Binary files /dev/null and b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.pl.png differ
diff --git a/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.pl.png b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.pl.png
new file mode 100644
index 00000000..04cd7dc8
Binary files /dev/null and b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.pl.png differ
diff --git a/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.pl.png b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.pl.png
new file mode 100644
index 00000000..a8a12bce
Binary files /dev/null and b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.pl.png differ
diff --git a/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.pl.jpg b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.pl.jpg
new file mode 100644
index 00000000..23ea98b2
Binary files /dev/null and b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.pl.jpg differ
diff --git a/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.pl.jpg b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.pl.jpg
new file mode 100644
index 00000000..1e3581d3
Binary files /dev/null and b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.pl.jpg differ
diff --git a/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.pl.jpg b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.pl.jpg
new file mode 100644
index 00000000..554ea37b
Binary files /dev/null and b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.pl.jpg differ
diff --git a/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.pl.jpg b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.pl.jpg
new file mode 100644
index 00000000..427ba4c3
Binary files /dev/null and b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.pl.jpg differ
diff --git a/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.pl.jpg b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.pl.jpg
new file mode 100644
index 00000000..b2357285
Binary files /dev/null and b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.pl.jpg differ
diff --git a/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.pl.jpg b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.pl.jpg
new file mode 100644
index 00000000..1736ebb4
Binary files /dev/null and b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.pl.jpg differ
diff --git a/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.pl.jpg b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.pl.jpg
new file mode 100644
index 00000000..bf1d724f
Binary files /dev/null and b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.pl.jpg differ
diff --git a/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.pl.jpg b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.pl.jpg
new file mode 100644
index 00000000..bb78259a
Binary files /dev/null and b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.pl.jpg differ
diff --git a/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.pl.jpg b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.pl.jpg
new file mode 100644
index 00000000..b311b568
Binary files /dev/null and b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.pl.jpg differ
diff --git a/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.pl.jpg b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.pl.jpg
new file mode 100644
index 00000000..5bd350fd
Binary files /dev/null and b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.pl.jpg differ
diff --git a/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.pl.jpg b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.pl.jpg
new file mode 100644
index 00000000..66fbe114
Binary files /dev/null and b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.pl.jpg differ
diff --git a/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.pl.jpg b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.pl.jpg
new file mode 100644
index 00000000..050e7206
Binary files /dev/null and b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.pl.jpg differ
diff --git a/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.pl.jpg b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.pl.jpg
new file mode 100644
index 00000000..91c64faa
Binary files /dev/null and b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.pl.jpg differ
diff --git a/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.pl.jpg b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.pl.jpg
new file mode 100644
index 00000000..36e1a4b3
Binary files /dev/null and b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.pl.jpg differ
diff --git a/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.pl.jpg b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.pl.jpg
new file mode 100644
index 00000000..1b87df4c
Binary files /dev/null and b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.pl.jpg differ
diff --git a/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.pl.jpg b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.pl.jpg
new file mode 100644
index 00000000..8df37a22
Binary files /dev/null and b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.pl.jpg differ
diff --git a/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.pl.jpg b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.pl.jpg
new file mode 100644
index 00000000..943af1b9
Binary files /dev/null and b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.pl.jpg differ
diff --git a/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.pl.jpg b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.pl.jpg
new file mode 100644
index 00000000..5a96f7fb
Binary files /dev/null and b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.pl.jpg differ
diff --git a/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.pl.jpg b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.pl.jpg
new file mode 100644
index 00000000..8f0bee50
Binary files /dev/null and b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.pl.jpg differ
diff --git a/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.pl.jpg b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.pl.jpg
new file mode 100644
index 00000000..4ba24109
Binary files /dev/null and b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.pl.jpg differ
diff --git a/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.pl.jpg b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.pl.jpg
new file mode 100644
index 00000000..cdf0f557
Binary files /dev/null and b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.pl.jpg differ
diff --git a/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.pl.jpg b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.pl.jpg
new file mode 100644
index 00000000..f59ee98d
Binary files /dev/null and b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.pl.jpg differ
diff --git a/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.pl.jpg b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.pl.jpg
new file mode 100644
index 00000000..5bdbfd14
Binary files /dev/null and b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.pl.jpg differ
diff --git a/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.pl.jpg b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.pl.jpg
new file mode 100644
index 00000000..b78ab3ac
Binary files /dev/null and b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.pl.jpg differ
diff --git a/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.pl.png b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.pl.png
new file mode 100644
index 00000000..d071dffe
Binary files /dev/null and b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.pl.png differ
diff --git a/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.pl.png b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.pl.png
new file mode 100644
index 00000000..b8947f6d
Binary files /dev/null and b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.pl.png differ
diff --git a/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.pl.png b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.pl.png
new file mode 100644
index 00000000..5c5dfb96
Binary files /dev/null and b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.pl.png differ
diff --git a/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.pl.png b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.pl.png
new file mode 100644
index 00000000..663ad7e9
Binary files /dev/null and b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.pl.png differ
diff --git a/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.pl.png b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.pl.png
new file mode 100644
index 00000000..b1e33d6b
Binary files /dev/null and b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.pl.png differ
diff --git a/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.pl.png b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.pl.png
new file mode 100644
index 00000000..2a03ab78
Binary files /dev/null and b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.pl.png differ
diff --git a/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.pl.png b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.pl.png
new file mode 100644
index 00000000..02ef1351
Binary files /dev/null and b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.pl.png differ
diff --git a/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.pl.png b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.pl.png
new file mode 100644
index 00000000..33faabd1
Binary files /dev/null and b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.pl.png differ
diff --git a/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.pl.png b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.pl.png
new file mode 100644
index 00000000..aa94da2c
Binary files /dev/null and b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.pl.png differ
diff --git a/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.pl.png b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.pl.png
new file mode 100644
index 00000000..ac000818
Binary files /dev/null and b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.pl.png differ
diff --git a/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.pl.png b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.pl.png
new file mode 100644
index 00000000..2fb519f5
Binary files /dev/null and b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.pl.png differ
diff --git a/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.pl.png b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.pl.png
new file mode 100644
index 00000000..48459b92
Binary files /dev/null and b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.pl.png differ
diff --git a/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.pl.png b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.pl.png
new file mode 100644
index 00000000..d502a579
Binary files /dev/null and b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.pl.png differ
diff --git a/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.pl.png b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.pl.png
new file mode 100644
index 00000000..fca45002
Binary files /dev/null and b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.pl.png differ
diff --git a/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.pl.png b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.pl.png
new file mode 100644
index 00000000..94aa28db
Binary files /dev/null and b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.pl.png differ
diff --git a/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.pl.png b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.pl.png
new file mode 100644
index 00000000..894df473
Binary files /dev/null and b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.pl.png differ
diff --git a/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.pl.png b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.pl.png
new file mode 100644
index 00000000..b75dfdd2
Binary files /dev/null and b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.pl.png differ
diff --git a/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.pl.png b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.pl.png
new file mode 100644
index 00000000..1e7934c3
Binary files /dev/null and b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.pl.png differ
diff --git a/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.pl.png b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.pl.png
new file mode 100644
index 00000000..5bb319ec
Binary files /dev/null and b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.pl.png differ
diff --git a/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.pl.png b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.pl.png
new file mode 100644
index 00000000..d66e224f
Binary files /dev/null and b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.pl.png differ
diff --git a/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.pl.png b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.pl.png
new file mode 100644
index 00000000..ed18e7b0
Binary files /dev/null and b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.pl.png differ
diff --git a/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.pl.png b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.pl.png
new file mode 100644
index 00000000..9acb21a7
Binary files /dev/null and b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.pl.png differ
diff --git a/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.pl.png b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.pl.png
new file mode 100644
index 00000000..1ced5fc1
Binary files /dev/null and b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.pl.png differ
diff --git a/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.pl.png b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.pl.png
new file mode 100644
index 00000000..7293ced1
Binary files /dev/null and b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.pl.png differ
diff --git a/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.pl.png b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.pl.png
new file mode 100644
index 00000000..be837c63
Binary files /dev/null and b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.pl.png differ
diff --git a/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.pl.png b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.pl.png
new file mode 100644
index 00000000..73861107
Binary files /dev/null and b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.pl.png differ
diff --git a/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.pl.png b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.pl.png
new file mode 100644
index 00000000..1b26d7ff
Binary files /dev/null and b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.pl.png differ
diff --git a/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.pl.png b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.pl.png
new file mode 100644
index 00000000..f1905ecc
Binary files /dev/null and b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.pl.png differ
diff --git a/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.pl.png b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.pl.png
new file mode 100644
index 00000000..edc44fa9
Binary files /dev/null and b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.pl.png differ
diff --git a/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.pl.png b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.pl.png
new file mode 100644
index 00000000..87854d3a
Binary files /dev/null and b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.pl.png differ
diff --git a/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.pl.png b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.pl.png
new file mode 100644
index 00000000..d1158e0d
Binary files /dev/null and b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.pl.png differ
diff --git a/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.pl.png b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.pl.png
new file mode 100644
index 00000000..122abea4
Binary files /dev/null and b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.pl.png differ
diff --git a/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.pl.png b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.pl.png
new file mode 100644
index 00000000..dc009aa5
Binary files /dev/null and b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.pl.png differ
diff --git a/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.pl.png b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.pl.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.pl.png differ
diff --git a/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.pl.png b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.pl.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.pl.png differ
diff --git a/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.pl.png b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.pl.png
new file mode 100644
index 00000000..12274b8b
Binary files /dev/null and b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.pl.png differ
diff --git a/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.pl.png b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.pl.png
new file mode 100644
index 00000000..da226797
Binary files /dev/null and b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.pl.png differ
diff --git a/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.pl.png b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.pl.png
new file mode 100644
index 00000000..67bd8a82
Binary files /dev/null and b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.pl.png differ
diff --git a/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.pl.png b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.pl.png
new file mode 100644
index 00000000..18938f59
Binary files /dev/null and b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.pl.png differ
diff --git a/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.pl.png b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.pl.png
new file mode 100644
index 00000000..db480604
Binary files /dev/null and b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.pl.png differ
diff --git a/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.pl.png b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.pl.png
new file mode 100644
index 00000000..535e5798
Binary files /dev/null and b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.pl.png differ
diff --git a/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.pl.png b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.pl.png
new file mode 100644
index 00000000..b3d83ab7
Binary files /dev/null and b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.pl.png differ
diff --git a/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.pl.png b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.pl.png
new file mode 100644
index 00000000..4bb97d60
Binary files /dev/null and b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.pl.png differ
diff --git a/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.pl.jpg b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.pl.jpg
new file mode 100644
index 00000000..4cf0d73d
Binary files /dev/null and b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.pl.jpg differ
diff --git a/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.pl.png b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.pl.png
new file mode 100644
index 00000000..0aace880
Binary files /dev/null and b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.pl.png differ
diff --git a/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.pl.png b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.pl.png
new file mode 100644
index 00000000..b19b1f6b
Binary files /dev/null and b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.pl.png differ
diff --git a/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.pl.jpg b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.pl.jpg
new file mode 100644
index 00000000..827670ed
Binary files /dev/null and b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.pl.jpg differ
diff --git a/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.pl.png b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.pl.png
new file mode 100644
index 00000000..435f901a
Binary files /dev/null and b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.pl.png differ
diff --git a/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.pl.png b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.pl.png
new file mode 100644
index 00000000..7308a1d1
Binary files /dev/null and b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.pl.png differ
diff --git a/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.pl.png b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.pl.png
new file mode 100644
index 00000000..8454c4d2
Binary files /dev/null and b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.pl.png differ
diff --git a/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.pl.png b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.pl.png
new file mode 100644
index 00000000..324b711d
Binary files /dev/null and b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.pl.png differ
diff --git a/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.pl.png b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.pl.png
new file mode 100644
index 00000000..ddfb42aa
Binary files /dev/null and b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.pl.png differ
diff --git a/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.pl.png b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.pl.png
new file mode 100644
index 00000000..280f2fe0
Binary files /dev/null and b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.pl.png differ
diff --git a/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.pl.jpg b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.pl.jpg
new file mode 100644
index 00000000..89b581ef
Binary files /dev/null and b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.pl.jpg differ
diff --git a/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.pl.jpg b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.pl.jpg
new file mode 100644
index 00000000..6efd2da1
Binary files /dev/null and b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.pl.jpg differ
diff --git a/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.pl.png b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.pl.png
new file mode 100644
index 00000000..348fe7a0
Binary files /dev/null and b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.pl.png differ
diff --git a/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.pl.png b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.pl.png
new file mode 100644
index 00000000..a69e73f4
Binary files /dev/null and b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.pl.png differ
diff --git a/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.pl.png b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.pl.png
new file mode 100644
index 00000000..49b0ca9b
Binary files /dev/null and b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.pl.png differ
diff --git a/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.pl.png b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.pl.png
new file mode 100644
index 00000000..458a3c95
Binary files /dev/null and b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.pl.png differ
diff --git a/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.pl.png b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.pl.png
new file mode 100644
index 00000000..90b687c2
Binary files /dev/null and b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.pl.png differ
diff --git a/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.pl.png b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.pl.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.pl.png differ
diff --git a/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.pl.png b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.pl.png
new file mode 100644
index 00000000..e7ea8ab6
Binary files /dev/null and b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.pl.png differ
diff --git a/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.pl.png b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.pl.png
new file mode 100644
index 00000000..6f138cf9
Binary files /dev/null and b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.pl.png differ
diff --git a/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.pl.png b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.pl.png
new file mode 100644
index 00000000..2f5f2861
Binary files /dev/null and b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.pl.png differ
diff --git a/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.pl.png b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.pl.png
new file mode 100644
index 00000000..f2f1b63e
Binary files /dev/null and b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.pl.png differ
diff --git a/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.pl.png b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.pl.png
new file mode 100644
index 00000000..5643c164
Binary files /dev/null and b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.pl.png differ
diff --git a/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.pl.png b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.pl.png
new file mode 100644
index 00000000..73fa30d1
Binary files /dev/null and b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.pl.png differ
diff --git a/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.pl.png b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.pl.png
new file mode 100644
index 00000000..eee39f7d
Binary files /dev/null and b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.pl.png differ
diff --git a/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.pl.png b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.pl.png
new file mode 100644
index 00000000..5a0fb117
Binary files /dev/null and b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.pl.png differ
diff --git a/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.pl.png b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.pl.png
new file mode 100644
index 00000000..27ddbfee
Binary files /dev/null and b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.pl.png differ
diff --git a/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.pl.png b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.pl.png
new file mode 100644
index 00000000..ee07bd10
Binary files /dev/null and b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.pl.png differ
diff --git a/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.pl.png b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.pl.png
new file mode 100644
index 00000000..37a2464a
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.pl.png differ
diff --git a/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.pl.png b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.pl.png
new file mode 100644
index 00000000..d852153c
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.pl.png differ
diff --git a/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.pl.png b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.pl.png
new file mode 100644
index 00000000..a457ac8d
Binary files /dev/null and b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.pl.png differ
diff --git a/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.pl.png b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.pl.png
new file mode 100644
index 00000000..3eccd326
Binary files /dev/null and b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.pl.png differ
diff --git a/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.pl.png b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.pl.png
new file mode 100644
index 00000000..49083372
Binary files /dev/null and b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.pl.png differ
diff --git a/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.pl.png b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.pl.png
new file mode 100644
index 00000000..1b4a94e5
Binary files /dev/null and b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.pl.png differ
diff --git a/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.pl.png b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.pl.png
new file mode 100644
index 00000000..8589e88f
Binary files /dev/null and b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.pl.png differ
diff --git a/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.pl.png b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.pl.png
new file mode 100644
index 00000000..e1246f56
Binary files /dev/null and b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.pl.png differ
diff --git a/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.pl.png b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.pl.png
new file mode 100644
index 00000000..db66a52b
Binary files /dev/null and b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.pl.png differ
diff --git a/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.pl.png b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.pl.png
new file mode 100644
index 00000000..66c76c2f
Binary files /dev/null and b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.pl.png differ
diff --git a/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.pl.png b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.pl.png
new file mode 100644
index 00000000..450b824c
Binary files /dev/null and b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.pl.png differ
diff --git a/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.pl.png b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.pl.png
new file mode 100644
index 00000000..615bc7a9
Binary files /dev/null and b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.pl.png differ
diff --git a/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.pl.png b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.pl.png
new file mode 100644
index 00000000..3c9e2930
Binary files /dev/null and b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.pl.png differ
diff --git a/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.pl.png b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.pl.png
new file mode 100644
index 00000000..e4bb0186
Binary files /dev/null and b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.pl.png differ
diff --git a/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.pl.png b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.pl.png
new file mode 100644
index 00000000..91e4cba6
Binary files /dev/null and b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.pl.png differ
diff --git a/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.pl.png b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.pl.png
new file mode 100644
index 00000000..91230d0c
Binary files /dev/null and b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.pl.png differ
diff --git a/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.pl.png b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.pl.png
new file mode 100644
index 00000000..128cd4a9
Binary files /dev/null and b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.pl.png differ
diff --git a/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.pl.png b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.pl.png
new file mode 100644
index 00000000..8d62d827
Binary files /dev/null and b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.pl.png differ
diff --git a/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.pl.png b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.pl.png
new file mode 100644
index 00000000..a84ab661
Binary files /dev/null and b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.pl.png differ
diff --git a/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.pl.png b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.pl.png
new file mode 100644
index 00000000..4c88d3d3
Binary files /dev/null and b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.pl.png differ
diff --git a/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.pl.png b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.pl.png
new file mode 100644
index 00000000..bc1895b8
Binary files /dev/null and b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.pl.png differ
diff --git a/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.pl.png b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.pl.png
new file mode 100644
index 00000000..d8ff3180
Binary files /dev/null and b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.pl.png differ
diff --git a/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.pl.png b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.pl.png
new file mode 100644
index 00000000..06b86a65
Binary files /dev/null and b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.pl.png differ
diff --git a/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.pl.png b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.pl.png
new file mode 100644
index 00000000..ac7aa47a
Binary files /dev/null and b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.pl.png differ
diff --git a/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.pl.png b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.pl.png
new file mode 100644
index 00000000..20480a22
Binary files /dev/null and b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.pl.png differ
diff --git a/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.pl.png b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.pl.png
new file mode 100644
index 00000000..9d90f435
Binary files /dev/null and b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.pl.png differ
diff --git a/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.pl.png b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.pl.png
new file mode 100644
index 00000000..27b0ea2c
Binary files /dev/null and b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.pl.png differ
diff --git a/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.pl.png b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.pl.png
new file mode 100644
index 00000000..3526a6d0
Binary files /dev/null and b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.pl.png differ
diff --git a/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.pl.png b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.pl.png
new file mode 100644
index 00000000..855d442e
Binary files /dev/null and b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.pl.png differ
diff --git a/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.pl.png b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.pl.png
new file mode 100644
index 00000000..aed3d813
Binary files /dev/null and b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.pl.png differ
diff --git a/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.pl.png b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.pl.png
new file mode 100644
index 00000000..9bfca6c2
Binary files /dev/null and b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.pl.png differ
diff --git a/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.pl.png b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.pl.png
new file mode 100644
index 00000000..0490e302
Binary files /dev/null and b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.pl.png differ
diff --git a/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.pl.png b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.pl.png
new file mode 100644
index 00000000..676e2378
Binary files /dev/null and b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.pl.png differ
diff --git a/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.pl.png b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.pl.png
new file mode 100644
index 00000000..280e18c3
Binary files /dev/null and b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.pl.png differ
diff --git a/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.pl.png b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.pl.png
new file mode 100644
index 00000000..bb70a905
Binary files /dev/null and b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.pl.png differ
diff --git a/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.pl.png b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.pl.png
new file mode 100644
index 00000000..c0860d6e
Binary files /dev/null and b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.pl.png differ
diff --git a/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.pl.png b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.pl.png
new file mode 100644
index 00000000..9a34d708
Binary files /dev/null and b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.pl.png differ
diff --git a/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.pl.png b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.pl.png
new file mode 100644
index 00000000..2c683d8b
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.pl.png differ
diff --git a/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.pl.png b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.pl.png
new file mode 100644
index 00000000..1ba4c5b0
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.pl.png differ
diff --git a/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.pl.png b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.pl.png
new file mode 100644
index 00000000..93aa3743
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.pl.png differ
diff --git a/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.pl.png b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.pl.png
new file mode 100644
index 00000000..3089e5e1
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.pl.png differ
diff --git a/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.pl.png b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.pl.png
new file mode 100644
index 00000000..53468420
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.pl.png differ
diff --git a/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.pl.png b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.pl.png
new file mode 100644
index 00000000..003dc174
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.pl.png differ
diff --git a/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.pl.png b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.pl.png
new file mode 100644
index 00000000..3c0d2f87
Binary files /dev/null and b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.pl.png differ
diff --git a/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.pl.png b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.pl.png
new file mode 100644
index 00000000..56f285f2
Binary files /dev/null and b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.pl.png differ
diff --git a/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.pl.png b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.pl.png
new file mode 100644
index 00000000..ec8bbe2f
Binary files /dev/null and b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.pl.png differ
diff --git a/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.pl.png b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.pl.png
new file mode 100644
index 00000000..bbaae894
Binary files /dev/null and b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.pl.png differ
diff --git a/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.pl.png b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.pl.png
new file mode 100644
index 00000000..ef71f6da
Binary files /dev/null and b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.pl.png differ
diff --git a/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.pl.png b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.pl.png
new file mode 100644
index 00000000..4e9390eb
Binary files /dev/null and b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.pl.png differ
diff --git a/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.pl.png b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.pl.png
new file mode 100644
index 00000000..16d7af80
Binary files /dev/null and b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.pl.png differ
diff --git a/translations/pl/1-getting-started/README.md b/translations/pl/1-getting-started/README.md
new file mode 100644
index 00000000..53182324
--- /dev/null
+++ b/translations/pl/1-getting-started/README.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
+  "translation_date": "2025-08-26T06:57:46+00:00",
+  "source_file": "1-getting-started/README.md",
+  "language_code": "pl"
+}
+-->
+# Wprowadzenie do IoT
+
+W tej części programu nauczania zostaniesz wprowadzony w świat Internetu Rzeczy (IoT) i poznasz podstawowe pojęcia, w tym budowę swojego pierwszego projektu 'Hello World' IoT, który łączy się z chmurą. Ten projekt to lampka nocna, która zapala się, gdy poziom światła mierzony przez czujnik spada.
+
+![Dioda LED podłączona do WIO włączająca się i wyłączająca w zależności od zmiany poziomu światła](../../../images/wio-running-assignment-1-1.gif)
+
+## Tematy
+
+1. [Wprowadzenie do IoT](lessons/1-introduction-to-iot/README.md)
+1. [Głębsze spojrzenie na IoT](lessons/2-deeper-dive/README.md)
+1. [Interakcja ze światem fizycznym za pomocą czujników i siłowników](lessons/3-sensors-and-actuators/README.md)
+1. [Podłącz swoje urządzenie do Internetu](lessons/4-connect-internet/README.md)
+
+## Podziękowania
+
+Wszystkie lekcje zostały napisane z ♥️ przez [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/pl/1-getting-started/lessons/1-introduction-to-iot/README.md
new file mode 100644
index 00000000..c97449e7
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/1-introduction-to-iot/README.md
@@ -0,0 +1,240 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
+  "translation_date": "2025-08-26T07:05:32+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
+  "language_code": "pl"
+}
+-->
+# Wprowadzenie do IoT
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obrazek, aby zobaczyć większą wersję.
+
+Ta lekcja była częścią serii [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) organizowanej przez [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). Lekcja została podzielona na dwa filmy: godzinny wykład oraz godzinne konsultacje, podczas których szczegółowo omówiono wybrane tematy i odpowiadano na pytania.
+
+[![Lekcja 1: Wprowadzenie do IoT](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
+
+[![Lekcja 1: Wprowadzenie do IoT - Konsultacje](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
+
+> 🎥 Kliknij powyższe obrazy, aby obejrzeć filmy
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
+
+## Wprowadzenie
+
+Ta lekcja obejmuje podstawowe zagadnienia związane z Internetem Rzeczy (IoT) i pomoże Ci rozpocząć konfigurację sprzętu.
+
+W tej lekcji omówimy:
+
+* [Czym jest 'Internet Rzeczy'?](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Urządzenia IoT](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Konfiguracja urządzenia](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Zastosowania IoT](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Przykłady urządzeń IoT wokół Ciebie](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+## Czym jest 'Internet Rzeczy'?
+
+Termin 'Internet Rzeczy' został wprowadzony przez [Kevina Ashtona](https://wikipedia.org/wiki/Kevin_Ashton) w 1999 roku, aby opisać połączenie Internetu ze światem fizycznym za pomocą sensorów. Od tego czasu termin ten odnosi się do każdego urządzenia, które wchodzi w interakcję ze światem fizycznym, zbierając dane z sensorów lub wykonując działania w świecie rzeczywistym za pomocą aktuatorów (urządzeń, które wykonują coś, np. włączają przełącznik lub zapalają diodę LED), zazwyczaj połączonych z innymi urządzeniami lub Internetem.
+
+> **Sensory** zbierają informacje ze świata, takie jak pomiar prędkości, temperatury czy lokalizacji.
+>
+> **Aktuatory** przekształcają sygnały elektryczne w działania w świecie rzeczywistym, takie jak uruchamianie przełącznika, włączanie świateł, wydawanie dźwięków czy wysyłanie sygnałów sterujących do innych urządzeń, np. w celu włączenia gniazdka elektrycznego.
+
+IoT jako dziedzina technologii obejmuje nie tylko urządzenia, ale także usługi w chmurze, które mogą przetwarzać dane z sensorów lub wysyłać polecenia do aktuatorów podłączonych do urządzeń IoT. Obejmuje również urządzenia, które nie mają lub nie potrzebują połączenia z Internetem, często nazywane urządzeniami brzegowymi. Są to urządzenia, które mogą samodzielnie przetwarzać i reagować na dane z sensorów, zazwyczaj korzystając z modeli AI trenowanych w chmurze.
+
+IoT to szybko rozwijająca się dziedzina technologii. Szacuje się, że pod koniec 2020 roku na świecie działało 30 miliardów urządzeń IoT podłączonych do Internetu. Patrząc w przyszłość, przewiduje się, że do 2025 roku urządzenia IoT będą zbierać prawie 80 zettabajtów danych, czyli 80 bilionów gigabajtów. To ogromna ilość danych!
+
+![Wykres pokazujący liczbę aktywnych urządzeń IoT w czasie, z tendencją wzrostową od mniej niż 5 miliardów w 2015 roku do ponad 30 miliardów w 2025 roku](../../../../../images/connected-iot-devices.svg)
+
+✅ Zrób małe badanie: Jak dużo danych generowanych przez urządzenia IoT jest faktycznie wykorzystywanych, a ile jest marnowanych? Dlaczego tak wiele danych jest ignorowanych?
+
+Te dane są kluczem do sukcesu IoT. Aby być skutecznym deweloperem IoT, musisz zrozumieć, jakie dane należy zbierać, jak je zbierać, jak podejmować decyzje na ich podstawie i jak wykorzystać te decyzje do interakcji ze światem fizycznym, jeśli zajdzie taka potrzeba.
+
+## Urządzenia IoT
+
+**T** w IoT oznacza **Rzeczy** - urządzenia, które wchodzą w interakcję ze światem fizycznym, zbierając dane z sensorów lub wykonując działania w świecie rzeczywistym za pomocą aktuatorów.
+
+Urządzenia produkcyjne lub komercyjne, takie jak konsumenckie opaski fitness czy przemysłowe kontrolery maszyn, są zazwyczaj projektowane na zamówienie. Korzystają z niestandardowych płyt obwodowych, a czasem nawet niestandardowych procesorów, zaprojektowanych tak, aby spełniać wymagania konkretnego zadania, czy to w celu zmieszczenia się na nadgarstku, czy wytrzymania wysokich temperatur, dużych obciążeń lub wibracji w środowisku fabrycznym.
+
+Jako deweloper uczący się IoT lub tworzący prototyp urządzenia, będziesz potrzebować zestawu deweloperskiego. Są to uniwersalne urządzenia IoT zaprojektowane dla deweloperów, często z funkcjami, które nie byłyby dostępne w urządzeniach produkcyjnych, takimi jak zestaw zewnętrznych pinów do podłączania sensorów lub aktuatorów, sprzęt wspierający debugowanie czy dodatkowe zasoby, które zwiększyłyby koszt produkcji w dużej skali.
+
+Te zestawy deweloperskie zazwyczaj dzielą się na dwie kategorie - mikrokontrolery i komputery jednopłytkowe. Zostaną one tutaj wprowadzone, a w kolejnej lekcji omówimy je bardziej szczegółowo.
+
+> 💁 Twój telefon również można uznać za uniwersalne urządzenie IoT, z wbudowanymi sensorami i aktuatorami, które różne aplikacje wykorzystują na różne sposoby, współpracując z różnymi usługami w chmurze. Możesz nawet znaleźć niektóre samouczki IoT, które używają aplikacji na telefonie jako urządzenia IoT.
+
+### Mikrokontrolery
+
+Mikrokontroler (często nazywany MCU, od ang. microcontroller unit) to mały komputer składający się z:
+
+🧠 Jednego lub więcej procesorów centralnych (CPU) - "mózgu" mikrokontrolera, który wykonuje Twój program
+
+💾 Pamięci (RAM i pamięci programu) - miejsca, gdzie przechowywane są Twój program, dane i zmienne
+
+🔌 Programowalnych połączeń wejścia/wyjścia (I/O) - do komunikacji z zewnętrznymi urządzeniami peryferyjnymi (podłączonymi urządzeniami), takimi jak sensory i aktuatory
+
+Mikrokontrolery są zazwyczaj tanimi urządzeniami obliczeniowymi, z przeciętnymi cenami dla tych używanych w niestandardowym sprzęcie spadającymi do około 0,50 USD, a niektóre urządzenia kosztują nawet 0,03 USD. Zestawy deweloperskie mogą zaczynać się od 4 USD, a ich koszt rośnie wraz z dodawaniem kolejnych funkcji. [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html), zestaw deweloperski mikrokontrolera od [Seeed studios](https://www.seeedstudio.com), który ma sensory, aktuatory, WiFi i ekran, kosztuje około 30 USD.
+
+![Wio Terminal](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.pl.png)
+
+> 💁 Szukając w Internecie mikrokontrolerów, uważaj na wyszukiwanie terminu **MCU**, ponieważ może to zwrócić wiele wyników dotyczących Marvel Cinematic Universe, a nie mikrokontrolerów.
+
+Mikrokontrolery są zaprojektowane do wykonywania ograniczonej liczby bardzo specyficznych zadań, a nie do bycia komputerami ogólnego przeznaczenia, takimi jak PC czy Mac. Z wyjątkiem bardzo specyficznych scenariuszy, nie można podłączyć do nich monitora, klawiatury i myszy, aby używać ich do ogólnych zadań.
+
+Zestawy deweloperskie mikrokontrolerów zazwyczaj mają dodatkowe sensory i aktuatory na pokładzie. Większość płyt ma jedną lub więcej diod LED, które można zaprogramować, wraz z innymi urządzeniami, takimi jak standardowe złącza do dodawania kolejnych sensorów lub aktuatorów w ekosystemach różnych producentów czy wbudowane sensory (zazwyczaj najpopularniejsze, takie jak sensory temperatury). Niektóre mikrokontrolery mają wbudowaną łączność bezprzewodową, taką jak Bluetooth czy WiFi, lub dodatkowe mikrokontrolery na płytce, aby dodać tę łączność.
+
+> 💁 Mikrokontrolery są zazwyczaj programowane w językach C/C++.
+
+### Komputery jednopłytkowe
+
+Komputer jednopłytkowy to małe urządzenie obliczeniowe, które zawiera wszystkie elementy pełnoprawnego komputera na jednej małej płytce. Są to urządzenia o specyfikacjach zbliżonych do komputerów stacjonarnych lub laptopów, które działają na pełnym systemie operacyjnym, ale są mniejsze, zużywają mniej energii i są znacznie tańsze.
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.pl.jpg)
+
+Raspberry Pi jest jednym z najpopularniejszych komputerów jednopłytkowych.
+
+Podobnie jak mikrokontroler, komputer jednopłytkowy ma CPU, pamięć i piny wejścia/wyjścia, ale ma dodatkowe funkcje, takie jak układ graficzny umożliwiający podłączenie monitorów, wyjścia audio i porty USB do podłączenia klawiatur, myszy i innych standardowych urządzeń USB, takich jak kamery internetowe czy zewnętrzne pamięci. Programy są przechowywane na kartach SD lub dyskach twardych wraz z systemem operacyjnym, zamiast na wbudowanym chipie pamięci.
+
+> 🎓 Możesz pomyśleć o komputerze jednopłytkowym jako o mniejszej, tańszej wersji PC lub Maca, na którym czytasz ten tekst, z dodatkowymi pinami GPIO (ogólnego przeznaczenia wejścia/wyjścia) do interakcji z sensorami i aktuatorami.
+
+Komputery jednopłytkowe są pełnoprawnymi komputerami, więc można je programować w dowolnym języku. Urządzenia IoT są zazwyczaj programowane w Pythonie.
+
+### Wybór sprzętu na kolejne lekcje
+
+Wszystkie kolejne lekcje zawierają zadania z użyciem urządzenia IoT do interakcji ze światem fizycznym i komunikacji z chmurą. Każda lekcja wspiera 3 opcje urządzeń - Arduino (z użyciem Seeed Studios Wio Terminal) lub komputer jednopłytkowy, fizyczny (Raspberry Pi 4) lub wirtualny komputer jednopłytkowy działający na Twoim PC lub Macu.
+
+Możesz przeczytać o sprzęcie potrzebnym do wykonania wszystkich zadań w [przewodniku sprzętowym](../../../hardware.md).
+
+> 💁 Nie musisz kupować żadnego sprzętu IoT, aby wykonać zadania - wszystko możesz zrobić, używając wirtualnego komputera jednopłytkowego.
+
+Wybór sprzętu zależy od Ciebie - od tego, co masz dostępne w domu lub w szkole, oraz od języka programowania, który znasz lub planujesz się nauczyć. Oba warianty sprzętu będą korzystać z tego samego ekosystemu sensorów, więc jeśli zaczniesz od jednej opcji, możesz przejść na drugą bez konieczności wymiany większości zestawu. Wirtualny komputer jednopłytkowy będzie odpowiednikiem nauki na Raspberry Pi, a większość kodu będzie można przenieść na Pi, jeśli w przyszłości zdobędziesz urządzenie i sensory.
+
+### Zestaw deweloperski Arduino
+
+Jeśli interesuje Cię nauka programowania mikrokontrolerów, możesz wykonać zadania, używając urządzenia Arduino. Będziesz potrzebować podstawowej znajomości programowania w językach C/C++, ponieważ lekcje będą uczyć tylko kodu związanego z frameworkiem Arduino, używanymi sensorami i aktuatorami oraz bibliotekami współpracującymi z chmurą.
+
+Zadania będą korzystać z [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) z rozszerzeniem [PlatformIO do programowania mikrokontrolerów](https://platformio.org). Możesz również używać Arduino IDE, jeśli masz doświadczenie z tym narzędziem, ponieważ instrukcje nie będą dostarczane.
+
+### Zestaw deweloperski komputera jednopłytkowego
+
+Jeśli interesuje Cię nauka programowania IoT z użyciem komputerów jednopłytkowych, możesz wykonać zadania, używając Raspberry Pi lub wirtualnego urządzenia działającego na Twoim PC lub Macu.
+
+Będziesz potrzebować podstawowej znajomości programowania w Pythonie, ponieważ lekcje będą uczyć tylko kodu związanego z używanymi sensorami i aktuatorami oraz bibliotekami współpracującymi z chmurą.
+
+> 💁 Jeśli chcesz nauczyć się programowania w Pythonie, sprawdź następujące serie wideo:
+>
+> * [Python dla początkujących](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
+> * [Więcej Python dla początkujących](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
+
+Zadania będą korzystać z [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn).
+
+Jeśli używasz Raspberry Pi, możesz uruchomić Pi z pełną wersją desktopową Raspberry Pi OS i programować bezpośrednio na Pi, używając [wersji VS Code dla Raspberry Pi OS](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn), lub uruchomić Pi jako urządzenie bezgłowe i programować z PC lub Maca, używając VS Code z rozszerzeniem [Remote SSH](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn), które pozwala na połączenie z Pi i edytowanie, debugowanie oraz uruchamianie kodu tak, jakbyś programował bezpośrednio na nim.
+
+Jeśli korzystasz z opcji wirtualnego urządzenia, będziesz programować bezpośrednio na swoim komputerze. Zamiast korzystać z sensorów i aktuatorów, użyjesz narzędzia do symulacji tego sprzętu, które pozwoli Ci definiować wartości sensorów i wyświetlać wyniki aktuatorów na ekranie.
+
+## Konfiguracja urządzenia
+
+Zanim zaczniesz programować swoje urządzenie IoT, musisz wykonać niewielką konfigurację. Postępuj zgodnie z odpowiednimi instrukcjami w zależności od używanego urządzenia.
+💁 Jeśli jeszcze nie masz urządzenia, zajrzyj do [przewodnika sprzętowego](../../../hardware.md), aby zdecydować, którego urządzenia będziesz używać i jaki dodatkowy sprzęt musisz zakupić. Nie musisz kupować sprzętu, ponieważ wszystkie projekty można uruchomić na wirtualnym sprzęcie.
+Te instrukcje zawierają linki do stron internetowych twórców sprzętu lub narzędzi, których będziesz używać. Ma to na celu zapewnienie, że zawsze korzystasz z najbardziej aktualnych instrukcji dotyczących różnych narzędzi i sprzętu.
+
+Przejdź przez odpowiedni przewodnik, aby skonfigurować swoje urządzenie i ukończyć projekt "Hello World". Będzie to pierwszy krok w tworzeniu nocnej lampki IoT w ciągu 4 lekcji w tej części wprowadzającej.
+
+* [Arduino - Wio Terminal](wio-terminal.md)  
+* [Komputer jednopłytkowy - Raspberry Pi](pi.md)  
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device.md)  
+
+✅ Będziesz używać VS Code zarówno dla Arduino, jak i komputerów jednopłytkowych. Jeśli wcześniej go nie używałeś, przeczytaj więcej na stronie [VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn).
+
+## Zastosowania IoT
+
+IoT obejmuje ogromny zakres zastosowań, w kilku szerokich grupach:
+
+* Konsumenckie IoT  
+* Komercyjne IoT  
+* Przemysłowe IoT  
+* Infrastrukturalne IoT  
+
+✅ Zrób małe badanie: Dla każdego z opisanych poniżej obszarów znajdź jeden konkretny przykład, który nie został podany w tekście.
+
+### Konsumenckie IoT
+
+Konsumenckie IoT odnosi się do urządzeń IoT, które konsumenci kupują i używają w domu. Niektóre z tych urządzeń są niezwykle przydatne, takie jak inteligentne głośniki, inteligentne systemy grzewcze i robotyczne odkurzacze. Inne budzą wątpliwości co do swojej użyteczności, na przykład krany sterowane głosem, które nie pozwalają ich wyłączyć, gdy sterowanie głosowe nie słyszy cię przez dźwięk płynącej wody.
+
+Urządzenia konsumenckie IoT umożliwiają ludziom osiąganie więcej w ich otoczeniu, szczególnie miliardowi osób z niepełnosprawnościami. Robotyczne odkurzacze mogą zapewnić czyste podłogi osobom z problemami z poruszaniem się, które nie mogą samodzielnie odkurzać, piekarniki sterowane głosem pozwalają osobom z ograniczonym wzrokiem lub kontrolą motoryczną nagrzewać piekarniki tylko za pomocą głosu, a monitory zdrowia umożliwiają pacjentom samodzielne monitorowanie przewlekłych schorzeń z bardziej regularnymi i szczegółowymi aktualizacjami ich stanu. Te urządzenia stają się tak powszechne, że nawet małe dzieci używają ich w codziennym życiu, na przykład uczniowie uczący się zdalnie podczas pandemii COVID ustawiają timery na inteligentnych urządzeniach domowych, aby śledzić swoją naukę lub ustawiać alarmy przypominające o nadchodzących zajęciach.
+
+✅ Jakie urządzenia konsumenckie IoT masz przy sobie lub w swoim domu?
+
+### Komercyjne IoT
+
+Komercyjne IoT obejmuje wykorzystanie IoT w miejscu pracy. W biurze mogą znajdować się czujniki obecności i detektory ruchu, które zarządzają oświetleniem i ogrzewaniem, aby działały tylko wtedy, gdy są potrzebne, co zmniejsza koszty i emisję dwutlenku węgla. W fabryce urządzenia IoT mogą monitorować zagrożenia bezpieczeństwa, takie jak pracownicy nie noszący kasków ochronnych lub hałas osiągający niebezpieczne poziomy. W handlu detalicznym urządzenia IoT mogą mierzyć temperaturę w chłodniach, ostrzegając właściciela sklepu, jeśli lodówka lub zamrażarka przekroczy wymaganą temperaturę, lub monitorować produkty na półkach, aby skierować pracowników do uzupełnienia sprzedanych towarów. Branża transportowa coraz częściej polega na IoT do monitorowania lokalizacji pojazdów, śledzenia przebiegu na drogach w celu naliczania opłat drogowych, monitorowania godzin pracy kierowców i przestrzegania przerw, lub powiadamiania personelu, gdy pojazd zbliża się do magazynu, aby przygotować się do załadunku lub rozładunku.
+
+✅ Jakie urządzenia komercyjne IoT znajdują się w twojej szkole lub miejscu pracy?
+
+### Przemysłowe IoT (IIoT)
+
+Przemysłowe IoT, czyli IIoT, to wykorzystanie urządzeń IoT do kontrolowania i zarządzania maszynami na dużą skalę. Obejmuje to szeroki zakres zastosowań, od fabryk po cyfrowe rolnictwo.
+
+Fabryki wykorzystują urządzenia IoT na wiele różnych sposobów. Maszyny mogą być monitorowane za pomocą wielu czujników, które śledzą takie parametry jak temperatura, wibracje i prędkość obrotowa. Dane te mogą być monitorowane, aby zatrzymać maszynę, jeśli wyjdzie poza określone tolerancje - na przykład, gdy zbytnio się nagrzewa i zostaje wyłączona. Dane te mogą być również gromadzone i analizowane w czasie, aby przeprowadzać konserwację predykcyjną, gdzie modele AI analizują dane prowadzące do awarii i wykorzystują je do przewidywania innych awarii, zanim się wydarzą.
+
+Cyfrowe rolnictwo jest kluczowe, jeśli planeta ma wyżywić rosnącą populację, szczególnie 2 miliardy ludzi w 500 milionach gospodarstw domowych, które utrzymują się z [rolnictwa na własne potrzeby](https://wikipedia.org/wiki/Subsistence_agriculture). Cyfrowe rolnictwo może obejmować zarówno tanie czujniki za kilka dolarów, jak i ogromne komercyjne instalacje. Rolnik może zacząć od monitorowania temperatur i korzystania z [dni stopni wzrostu](https://wikipedia.org/wiki/Growing_degree-day), aby przewidzieć, kiedy plon będzie gotowy do zbioru. Może połączyć monitorowanie wilgotności gleby z automatycznymi systemami nawadniania, aby dostarczyć roślinom tyle wody, ile potrzebują, ale nie więcej, aby zapewnić, że ich uprawy nie wyschną, nie marnując przy tym wody. Rolnicy idą jeszcze dalej, używając dronów, danych satelitarnych i AI do monitorowania wzrostu upraw, chorób i jakości gleby na ogromnych obszarach ziemi uprawnej.
+
+✅ Jakie inne urządzenia IoT mogłyby pomóc rolnikom?
+
+### Infrastrukturalne IoT
+
+Infrastrukturalne IoT to monitorowanie i kontrolowanie lokalnej i globalnej infrastruktury, z której ludzie korzystają na co dzień.
+
+[Smart Cities](https://wikipedia.org/wiki/Smart_city) to obszary miejskie, które wykorzystują urządzenia IoT do zbierania danych o mieście i wykorzystywania ich do poprawy funkcjonowania miasta. Miasta te są zazwyczaj zarządzane we współpracy między lokalnymi władzami, środowiskiem akademickim i lokalnymi firmami, monitorując i zarządzając różnymi aspektami, od transportu po parkowanie i zanieczyszczenie. Na przykład w Kopenhadze w Danii zanieczyszczenie powietrza jest ważne dla lokalnych mieszkańców, więc jest ono mierzone, a dane są wykorzystywane do dostarczania informacji o najczystszych trasach rowerowych i joggingowych.
+
+[Inteligentne sieci energetyczne](https://wikipedia.org/wiki/Smart_grid) pozwalają na lepszą analizę zapotrzebowania na energię dzięki zbieraniu danych o zużyciu na poziomie indywidualnych domów. Dane te mogą kierować decyzjami na poziomie kraju, w tym gdzie budować nowe elektrownie, oraz na poziomie osobistym, dostarczając użytkownikom informacji o tym, ile energii zużywają, kiedy ją zużywają, a nawet sugestii, jak obniżyć koszty, na przykład ładując samochody elektryczne w nocy.
+
+✅ Gdybyś mógł dodać urządzenia IoT do pomiaru czegokolwiek w miejscu, w którym mieszkasz, co by to było?
+
+## Przykłady urządzeń IoT, które mogą być wokół ciebie
+
+Byłbyś zdziwiony, jak wiele urządzeń IoT znajduje się wokół ciebie. Piszę to z domu i mam następujące urządzenia podłączone do Internetu z inteligentnymi funkcjami, takimi jak sterowanie aplikacją, sterowanie głosowe lub możliwość wysyłania danych na mój telefon:
+
+* Wiele inteligentnych głośników  
+* Lodówka, zmywarka, piekarnik i mikrofalówka  
+* Monitor energii dla paneli słonecznych  
+* Inteligentne gniazdka  
+* Wideodomofon i kamery bezpieczeństwa  
+* Inteligentny termostat z wieloma czujnikami w pomieszczeniach  
+* Otwieracz do drzwi garażowych  
+* Systemy rozrywki domowej i telewizory sterowane głosem  
+* Oświetlenie  
+* Trackery fitness i zdrowia  
+
+Wszystkie te urządzenia mają czujniki i/lub siłowniki i komunikują się z Internetem. Mogę sprawdzić na telefonie, czy drzwi garażowe są otwarte, i poprosić inteligentny głośnik, aby je zamknął. Mogę nawet ustawić timer, aby jeśli są otwarte w nocy, zamknęły się automatycznie. Gdy dzwoni mój dzwonek do drzwi, mogę zobaczyć na telefonie, kto tam jest, gdziekolwiek jestem na świecie, i rozmawiać z nimi przez głośnik i mikrofon wbudowany w dzwonek. Mogę monitorować poziom glukozy we krwi, tętno i wzorce snu, szukając wzorców w danych, aby poprawić swoje zdrowie. Mogę sterować oświetleniem przez chmurę i siedzieć w ciemności, gdy połączenie z Internetem przestaje działać.
+
+---
+
+## 🚀 Wyzwanie
+
+Wypisz jak najwięcej urządzeń IoT, które znajdują się w twoim domu, szkole lub miejscu pracy - może być ich więcej, niż myślisz!
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
+
+## Przegląd i samodzielna nauka
+
+Przeczytaj o korzyściach i porażkach projektów konsumenckich IoT. Sprawdź strony z wiadomościami w poszukiwaniu artykułów o przypadkach, gdy coś poszło nie tak, takich jak problemy z prywatnością, problemy sprzętowe lub problemy spowodowane brakiem łączności.
+
+Kilka przykładów:
+
+* Sprawdź konto na Twitterze **[Internet of Sh*t](https://twitter.com/internetofshit)** *(ostrzeżenie o wulgaryzmach)*, aby zobaczyć dobre przykłady porażek w konsumenckim IoT.  
+* [c|net - Mój Apple Watch uratował mi życie: 5 osób dzieli się swoimi historiami](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)  
+* [c|net - Technik ADT przyznaje się do winy za szpiegowanie klientów przez lata](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(ostrzeżenie o treściach dotyczących niekonsensualnego podglądania)*  
+
+## Zadanie
+
+[Zbadaj projekt IoT](assignment.md)  
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/pl/1-getting-started/lessons/1-introduction-to-iot/assignment.md
new file mode 100644
index 00000000..d02a0b49
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/1-introduction-to-iot/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
+  "translation_date": "2025-08-26T07:06:59+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Zbadaj projekt IoT
+
+## Instrukcje
+
+Na całym świecie wdrażane są liczne projekty IoT na dużą i małą skalę, od inteligentnych farm po inteligentne miasta, w monitorowaniu zdrowia, transporcie oraz w przestrzeniach publicznych.
+
+Poszukaj w internecie szczegółów dotyczących projektu, który Cię interesuje, najlepiej takiego, który znajduje się blisko Twojego miejsca zamieszkania. Wyjaśnij zalety i wady tego projektu, takie jak korzyści, jakie z niego płyną, problemy, które powoduje, oraz sposób, w jaki uwzględniono kwestie prywatności.
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Zadowalające | Wymaga poprawy |
+| --------- | ------- | ------------ | -------------- |
+| Wyjaśnienie zalet i wad | Jasno wyjaśniono zalety i wady projektu | Krótko wyjaśniono zalety i wady projektu | Nie wyjaśniono zalet ani wad projektu |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/pl/1-getting-started/lessons/1-introduction-to-iot/pi.md
new file mode 100644
index 00000000..95c43c97
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/1-introduction-to-iot/pi.md
@@ -0,0 +1,284 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
+  "translation_date": "2025-08-26T07:08:01+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
+  "language_code": "pl"
+}
+-->
+# Raspberry Pi
+
+[Raspberry Pi](https://raspberrypi.org) to komputer jednopłytkowy. Możesz dodawać czujniki i siłowniki, korzystając z szerokiej gamy urządzeń i ekosystemów. W tych lekcjach będziesz używać ekosystemu sprzętowego o nazwie [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html). Kodowanie na Raspberry Pi oraz dostęp do czujników Grove odbywa się za pomocą języka Python.
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.pl.jpg)
+
+## Konfiguracja
+
+Jeśli używasz Raspberry Pi jako swojego sprzętu IoT, masz dwie opcje – możesz przejść przez wszystkie lekcje i pisać kod bezpośrednio na Pi, lub możesz połączyć się zdalnie z Pi w trybie "headless" i pisać kod na swoim komputerze.
+
+Przed rozpoczęciem musisz również podłączyć Grove Base Hat do swojego Pi.
+
+### Zadanie - konfiguracja
+
+Zainstaluj Grove Base Hat na swoim Pi i skonfiguruj Pi.
+
+1. Podłącz Grove Base Hat do swojego Pi. Gniazdo na hat pasuje do wszystkich pinów GPIO na Pi, wsuwając się na nie aż do podstawy. Hat zakrywa Pi.
+
+    ![Zakładanie Grove Hat](../../../../../images/pi-grove-hat-fitting.gif)
+
+1. Zdecyduj, w jaki sposób chcesz programować swoje Pi, i przejdź do odpowiedniej sekcji poniżej:
+
+    * [Praca bezpośrednio na Pi](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+    * [Zdalny dostęp do kodowania na Pi](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+### Praca bezpośrednio na Pi
+
+Jeśli chcesz pracować bezpośrednio na swoim Pi, możesz użyć wersji desktopowej Raspberry Pi OS i zainstalować wszystkie potrzebne narzędzia.
+
+#### Zadanie - praca bezpośrednio na Pi
+
+Skonfiguruj swoje Pi do programowania.
+
+1. Postępuj zgodnie z instrukcjami w [przewodniku konfiguracji Raspberry Pi](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up), aby skonfigurować swoje Pi, podłączyć je do klawiatury/myszy/monitora, połączyć z siecią WiFi lub Ethernet i zaktualizować oprogramowanie.
+
+Aby programować Pi za pomocą czujników i siłowników Grove, musisz zainstalować edytor do pisania kodu urządzenia oraz różne biblioteki i narzędzia do interakcji ze sprzętem Grove.
+
+1. Po ponownym uruchomieniu Pi uruchom Terminal, klikając ikonę **Terminal** na górnym pasku menu lub wybierz *Menu -> Accessories -> Terminal*.
+
+1. Wykonaj następujące polecenie, aby upewnić się, że system operacyjny i zainstalowane oprogramowanie są aktualne:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes
+    ```
+
+1. Wykonaj następujące polecenia, aby zainstalować wszystkie potrzebne biblioteki dla sprzętu 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
+    ```
+
+    To rozpoczyna instalację Git oraz Pip do instalacji pakietów Pythona.
+
+    Jedną z potężnych funkcji Pythona jest możliwość instalacji [pakietów Pip](https://pypi.org) – są to pakiety kodu napisane przez innych ludzi i opublikowane w Internecie. Możesz zainstalować pakiet Pip na swoim komputerze jednym poleceniem, a następnie używać go w swoim kodzie.
+
+    Pakiety Python Grove od Seeed muszą być zainstalowane ze źródła. Te polecenia sklonują repozytorium zawierające kod źródłowy tego pakietu, a następnie zainstalują go lokalnie.
+
+    > 💁 Domyślnie, gdy instalujesz pakiet, jest on dostępny wszędzie na twoim komputerze, co może prowadzić do problemów z wersjami pakietów – na przykład jedna aplikacja może zależeć od jednej wersji pakietu, która przestaje działać po zainstalowaniu nowej wersji dla innej aplikacji. Aby rozwiązać ten problem, możesz użyć [wirtualnego środowiska Pythona](https://docs.python.org/3/library/venv.html), czyli kopii Pythona w dedykowanym folderze, a instalowane pakiety Pip są dostępne tylko w tym folderze. Nie będziesz używać wirtualnych środowisk na swoim Pi. Skrypt instalacyjny Grove instaluje pakiety Python Grove globalnie, więc aby użyć wirtualnego środowiska, musiałbyś je skonfigurować, a następnie ręcznie ponownie zainstalować pakiety Grove w tym środowisku. Łatwiej jest po prostu używać pakietów globalnych, zwłaszcza że wielu deweloperów Pi ponownie flashuje czystą kartę SD dla każdego projektu.
+
+    Na koniec to polecenie włącza interfejs I<sup>2</sup>C.
+
+1. Uruchom ponownie Pi, używając menu lub wykonując następujące polecenie w Terminalu:
+
+    ```sh
+    sudo reboot
+    ```
+
+1. Po ponownym uruchomieniu Pi, ponownie uruchom Terminal i wykonaj następujące polecenie, aby zainstalować [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) – to edytor, którego będziesz używać do pisania kodu urządzenia w Pythonie.
+
+    ```sh
+    sudo apt install code
+    ```
+
+    Po zainstalowaniu VS Code będzie dostępny z górnego menu.
+
+    > 💁 Możesz używać dowolnego IDE lub edytora Pythona, jeśli masz preferowane narzędzie, ale lekcje będą zawierały instrukcje oparte na używaniu VS Code.
+
+1. Zainstaluj Pylance. Jest to rozszerzenie dla VS Code, które zapewnia wsparcie dla języka Python. Zapoznaj się z [dokumentacją rozszerzenia Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance), aby uzyskać instrukcje dotyczące instalacji tego rozszerzenia w VS Code.
+
+### Zdalny dostęp do kodowania na Pi
+
+Zamiast kodować bezpośrednio na Pi, możesz uruchomić je w trybie "headless", czyli bez podłączonej klawiatury/myszy/monitora, i konfigurować oraz pisać kod na nim z poziomu swojego komputera, używając Visual Studio Code.
+
+#### Konfiguracja systemu Pi OS
+
+Aby kodować zdalnie, system Pi OS musi być zainstalowany na karcie SD.
+
+##### Zadanie - konfiguracja systemu Pi OS
+
+Skonfiguruj system Pi OS w trybie headless.
+
+1. Pobierz **Raspberry Pi Imager** ze [strony oprogramowania Raspberry Pi OS](https://www.raspberrypi.org/software/) i zainstaluj go.
+
+1. Włóż kartę SD do swojego komputera, używając adaptera, jeśli to konieczne.
+
+1. Uruchom Raspberry Pi Imager.
+
+1. W Raspberry Pi Imager wybierz przycisk **CHOOSE OS**, a następnie wybierz *Raspberry Pi OS (Other)*, a potem *Raspberry Pi OS Lite (32-bit)*.
+
+    ![Raspberry Pi Imager z wybranym Raspberry Pi OS Lite](../../../../../translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.pl.png)
+
+    > 💁 Raspberry Pi OS Lite to wersja Raspberry Pi OS bez interfejsu graficznego i narzędzi opartych na UI. Nie są one potrzebne dla Pi w trybie headless, co sprawia, że instalacja jest mniejsza, a czas uruchamiania szybszy.
+
+1. Wybierz przycisk **CHOOSE STORAGE**, a następnie wybierz swoją kartę SD.
+
+1. Uruchom **Advanced Options**, naciskając `Ctrl+Shift+X`. Te opcje pozwalają na wstępną konfigurację Raspberry Pi OS przed zapisaniem go na karcie SD.
+
+    1. Zaznacz pole **Enable SSH** i ustaw hasło dla użytkownika `pi`. To hasło będzie używane do logowania się na Pi później.
+
+    1. Jeśli planujesz połączyć się z Pi przez WiFi, zaznacz pole **Configure WiFi** i wprowadź swoją nazwę sieci WiFi (SSID) oraz hasło, a także wybierz swój kraj WiFi. Nie musisz tego robić, jeśli będziesz używać kabla Ethernet. Upewnij się, że sieć, do której się łączysz, jest tą samą, na której znajduje się twój komputer.
+
+    1. Zaznacz pole **Set locale settings** i ustaw swój kraj oraz strefę czasową.
+
+    1. Wybierz przycisk **SAVE**.
+
+1. Wybierz przycisk **WRITE**, aby zapisać system operacyjny na karcie SD. Jeśli używasz macOS, zostaniesz poproszony o podanie hasła, ponieważ narzędzie zapisujące obrazy dysków wymaga uprawnień administratora.
+
+System operacyjny zostanie zapisany na karcie SD, a po zakończeniu karta zostanie wysunięta przez system operacyjny, a ty zostaniesz o tym powiadomiony. Wyjmij kartę SD z komputera, włóż ją do Pi, włącz Pi i poczekaj około 2 minut, aż się poprawnie uruchomi.
+
+#### Połączenie z Pi
+
+Następnym krokiem jest zdalny dostęp do Pi. Możesz to zrobić za pomocą `ssh`, które jest dostępne na macOS, Linux i nowszych wersjach Windows.
+
+##### Zadanie - połączenie z Pi
+
+Uzyskaj zdalny dostęp do Pi.
+
+1. Uruchom Terminal lub Wiersz Poleceń i wprowadź następujące polecenie, aby połączyć się z Pi:
+
+    ```sh
+    ssh pi@raspberrypi.local
+    ```
+
+    Jeśli używasz starszej wersji Windows, która nie ma zainstalowanego `ssh`, możesz użyć OpenSSH. Instrukcje instalacji znajdziesz w [dokumentacji instalacji OpenSSH](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn).
+
+1. Powinno to połączyć cię z Pi i poprosić o hasło.
+
+    Możliwość znajdowania komputerów w sieci za pomocą `<hostname>.local` to stosunkowo nowa funkcja w Linux i Windows. Jeśli używasz Linux lub Windows i pojawią się błędy dotyczące nieznalezienia nazwy hosta, będziesz musiał zainstalować dodatkowe oprogramowanie, aby włączyć sieć ZeroConf (określaną przez Apple jako Bonjour):
+
+    1. Jeśli używasz Linux, zainstaluj Avahi, wykonując następujące polecenie:
+
+        ```sh
+        sudo apt-get install avahi-daemon
+        ```
+
+    1. Jeśli używasz Windows, najprostszym sposobem na włączenie ZeroConf jest zainstalowanie [Bonjour Print Services for Windows](http://support.apple.com/kb/DL999). Możesz również zainstalować [iTunes dla Windows](https://www.apple.com/itunes/download/), aby uzyskać nowszą wersję narzędzia (które nie jest dostępne samodzielnie).
+
+    > 💁 Jeśli nie możesz połączyć się za pomocą `raspberrypi.local`, możesz użyć adresu IP swojego Pi. Zapoznaj się z [dokumentacją adresu IP Raspberry Pi](https://www.raspberrypi.org/documentation/remote-access/ip-address.md), aby uzyskać instrukcje dotyczące różnych sposobów uzyskania adresu IP.
+
+1. Wprowadź hasło, które ustawiłeś w zaawansowanych opcjach Raspberry Pi Imager.
+
+#### Konfiguracja oprogramowania na Pi
+
+Po połączeniu z Pi musisz upewnić się, że system operacyjny jest aktualny, oraz zainstalować różne biblioteki i narzędzia do interakcji ze sprzętem Grove.
+
+##### Zadanie - konfiguracja oprogramowania na Pi
+
+Skonfiguruj zainstalowane oprogramowanie Pi i zainstaluj biblioteki Grove.
+
+1. W swojej sesji `ssh` wykonaj następujące polecenie, aby zaktualizować system, a następnie uruchomić Pi ponownie:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
+    ```
+
+    Pi zostanie zaktualizowane i uruchomione ponownie. Sesja `ssh` zakończy się, gdy Pi zostanie uruchomione ponownie, więc odczekaj około 30 sekund, a następnie połącz się ponownie.
+
+1. W ponownie połączonej sesji `ssh` wykonaj następujące polecenia, aby zainstalować wszystkie potrzebne biblioteki dla sprzętu 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
+    ```
+
+    To rozpoczyna instalację Git oraz Pip do instalacji pakietów Pythona.
+
+    Jedną z potężnych funkcji Pythona jest możliwość instalacji [pakietów Pip](https://pypi.org) – są to pakiety kodu napisane przez innych ludzi i opublikowane w Internecie. Możesz zainstalować pakiet Pip na swoim komputerze jednym poleceniem, a następnie używać go w swoim kodzie.
+
+    Pakiety Python Grove od Seeed muszą być zainstalowane ze źródła. Te polecenia sklonują repozytorium zawierające kod źródłowy tego pakietu, a następnie zainstalują go lokalnie.
+
+    > 💁 Domyślnie, gdy instalujesz pakiet, jest on dostępny wszędzie na twoim komputerze, co może prowadzić do problemów z wersjami pakietów – na przykład jedna aplikacja może zależeć od jednej wersji pakietu, która przestaje działać po zainstalowaniu nowej wersji dla innej aplikacji. Aby rozwiązać ten problem, możesz użyć [wirtualnego środowiska Pythona](https://docs.python.org/3/library/venv.html), czyli kopii Pythona w dedykowanym folderze, a instalowane pakiety Pip są dostępne tylko w tym folderze. Nie będziesz używać wirtualnych środowisk na swoim Pi. Skrypt instalacyjny Grove instaluje pakiety Python Grove globalnie, więc aby użyć wirtualnego środowiska, musiałbyś je skonfigurować, a następnie ręcznie ponownie zainstalować pakiety Grove w tym środowisku. Łatwiej jest po prostu używać pakietów globalnych, zwłaszcza że wielu deweloperów Pi ponownie flashuje czystą kartę SD dla każdego projektu.
+
+    Na koniec to polecenie włącza interfejs I<sup>2</sup>C.
+
+1. Uruchom ponownie Pi, wykonując następujące polecenie:
+
+    ```sh
+    sudo reboot
+    ```
+
+    Sesja `ssh` zakończy się, gdy Pi zostanie uruchomione ponownie. Nie ma potrzeby ponownego łączenia się.
+
+#### Konfiguracja VS Code do zdalnego dostępu
+
+Po skonfigurowaniu Pi możesz połączyć się z nim za pomocą Visual Studio Code (VS Code) z poziomu swojego komputera – jest to darmowy edytor tekstu dla programistów, którego będziesz używać do pisania kodu urządzenia w Pythonie.
+
+##### Zadanie - konfiguracja VS Code do zdalnego dostępu
+
+Zainstaluj wymagane oprogramowanie i połącz się zdalnie z Pi.
+
+1. Zainstaluj VS Code na swoim komputerze, postępując zgodnie z [dokumentacją VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn).
+
+1. Postępuj zgodnie z instrukcjami w [dokumentacji zdalnego programowania w VS Code za pomocą SSH](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn), aby zainstalować potrzebne komponenty.
+
+1. Postępując zgodnie z tymi samymi instrukcjami, połącz VS Code z Pi.
+
+1. Po połączeniu postępuj zgodnie z instrukcjami dotyczącymi [zarządzania rozszerzeniami](https://code.visualstudio.com/docs/remote/ssh#_managing-extensions?WT.mc_id=academic-17441-jabenn), aby zainstalować zdalnie na Pi rozszerzenie [Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance).
+
+## Hello world
+Tradycyjnie, gdy zaczynamy pracę z nowym językiem programowania lub technologią, tworzymy aplikację 'Hello World' – małą aplikację, która wyświetla tekst, np. `"Hello World"`, aby upewnić się, że wszystkie narzędzia są poprawnie skonfigurowane.
+
+Aplikacja Hello World dla Raspberry Pi pozwoli Ci upewnić się, że Python i Visual Studio Code są poprawnie zainstalowane.
+
+Ta aplikacja znajdzie się w folderze o nazwie `nightlight` i będzie ponownie wykorzystywana z różnym kodem w dalszych częściach tego zadania, aby stworzyć aplikację nightlight.
+
+### Zadanie - hello world
+
+Stwórz aplikację Hello World.
+
+1. Uruchom VS Code, bezpośrednio na Raspberry Pi lub na swoim komputerze, łącząc się z Pi za pomocą rozszerzenia Remote SSH.
+
+1. Otwórz terminal w VS Code, wybierając *Terminal -> New Terminal* lub naciskając `` CTRL+` ``. Terminal otworzy się w katalogu domowym użytkownika `pi`.
+
+1. Wykonaj poniższe polecenia, aby utworzyć katalog na swój kod i plik Python o nazwie `app.py` w tym katalogu:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    touch app.py
+    ```
+
+1. Otwórz ten folder w VS Code, wybierając *File -> Open...* i wskazując folder *nightlight*, a następnie wybierz **OK**.
+
+    ![Okno dialogowe otwierania w VS Code pokazujące folder nightlight](../../../../../translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.pl.png)
+
+1. Otwórz plik `app.py` w eksploratorze VS Code i dodaj poniższy kod:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    Funkcja `print` wypisuje na konsolę wszystko, co zostanie do niej przekazane.
+
+1. W terminalu VS Code uruchom poniższe polecenie, aby uruchomić swoją aplikację w Pythonie:
+
+    ```sh
+    python app.py
+    ```
+
+    > 💁 Może być konieczne wyraźne użycie `python3`, aby uruchomić ten kod, jeśli masz zainstalowanego Pythona 2 obok Pythona 3 (najnowszej wersji). Jeśli Python 2 jest zainstalowany, wywołanie `python` uruchomi Pythona 2 zamiast Pythona 3. Domyślnie najnowsze wersje Raspberry Pi OS mają zainstalowanego tylko Pythona 3.
+
+    W terminalu pojawi się następujący wynik:
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py
+    Hello World!
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi).
+
+😀 Twój program 'Hello World' zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/pl/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
new file mode 100644
index 00000000..7a51cac9
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
@@ -0,0 +1,243 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52b4de6144b2efdced7797a5339d6035",
+  "translation_date": "2025-08-26T07:07:07+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
+  "language_code": "pl"
+}
+-->
+# Wirtualny komputer jednopłytkowy
+
+Zamiast kupować urządzenie IoT wraz z czujnikami i elementami wykonawczymi, możesz użyć swojego komputera do symulacji sprzętu IoT. Projekt [CounterFit](https://github.com/CounterFit-IoT/CounterFit) pozwala uruchomić aplikację lokalnie, która symuluje sprzęt IoT, taki jak czujniki i elementy wykonawcze, oraz uzyskać do nich dostęp za pomocą lokalnego kodu Python, napisanego w taki sam sposób, jak kod, który napisałbyś na Raspberry Pi, używając fizycznego sprzętu.
+
+## Konfiguracja
+
+Aby korzystać z CounterFit, musisz zainstalować na swoim komputerze kilka darmowych programów.
+
+### Zadanie
+
+Zainstaluj wymagane oprogramowanie.
+
+1. Zainstaluj Pythona. Odwiedź [stronę pobierania Pythona](https://www.python.org/downloads/), aby uzyskać instrukcje dotyczące instalacji najnowszej wersji Pythona.
+
+1. Zainstaluj Visual Studio Code (VS Code). To edytor, którego będziesz używać do pisania kodu dla wirtualnego urządzenia w Pythonie. Odwiedź [dokumentację VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn), aby uzyskać instrukcje dotyczące instalacji VS Code.
+
+    > 💁 Możesz używać dowolnego IDE lub edytora dla Pythona, jeśli masz preferowane narzędzie, ale instrukcje w lekcjach będą oparte na używaniu VS Code.
+
+1. Zainstaluj rozszerzenie Pylance dla VS Code. Jest to rozszerzenie, które zapewnia wsparcie dla języka Python. Odwiedź [dokumentację rozszerzenia Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance), aby uzyskać instrukcje dotyczące instalacji tego rozszerzenia w VS Code.
+
+Instrukcje dotyczące instalacji i konfiguracji aplikacji CounterFit zostaną podane w odpowiednim momencie w ramach instrukcji zadania, ponieważ aplikacja jest instalowana indywidualnie dla każdego projektu.
+
+## Hello World
+
+Tradycyjnie, zaczynając pracę z nowym językiem programowania lub technologią, tworzy się aplikację 'Hello World' – małą aplikację, która wyświetla tekst, np. `"Hello World"`, aby upewnić się, że wszystkie narzędzia są poprawnie skonfigurowane.
+
+Aplikacja Hello World dla wirtualnego sprzętu IoT pozwoli upewnić się, że Python i Visual Studio Code są poprawnie zainstalowane. Połączy się również z CounterFit, aby obsługiwać wirtualne czujniki i elementy wykonawcze IoT. Nie będzie używać żadnego sprzętu – po prostu połączy się, aby potwierdzić, że wszystko działa.
+
+Ta aplikacja znajdzie się w folderze o nazwie `nightlight` i będzie ponownie używana z różnym kodem w późniejszych częściach tego zadania, aby zbudować aplikację lampki nocnej.
+
+### Konfiguracja wirtualnego środowiska Pythona
+
+Jedną z potężnych funkcji Pythona jest możliwość instalowania [pakietów Pip](https://pypi.org) – są to pakiety kodu napisane przez innych i opublikowane w Internecie. Możesz zainstalować pakiet Pip na swoim komputerze za pomocą jednego polecenia, a następnie używać go w swoim kodzie. W tym zadaniu użyjesz Pip do zainstalowania pakietu umożliwiającego komunikację z CounterFit.
+
+Domyślnie, gdy instalujesz pakiet, jest on dostępny wszędzie na twoim komputerze, co może prowadzić do problemów z wersjami pakietów – na przykład jedna aplikacja może wymagać jednej wersji pakietu, która przestaje działać po zainstalowaniu nowej wersji dla innej aplikacji. Aby rozwiązać ten problem, możesz użyć [wirtualnego środowiska Pythona](https://docs.python.org/3/library/venv.html), czyli kopii Pythona w dedykowanym folderze. W takim środowisku pakiety Pip są instalowane tylko w tym folderze.
+
+> 💁 Jeśli używasz Raspberry Pi, nie konfigurowałeś wirtualnego środowiska na tym urządzeniu do zarządzania pakietami Pip. Zamiast tego używasz pakietów globalnych, ponieważ pakiety Grove są instalowane globalnie przez skrypt instalacyjny.
+
+#### Zadanie – konfiguracja wirtualnego środowiska Pythona
+
+Skonfiguruj wirtualne środowisko Pythona i zainstaluj pakiety Pip dla CounterFit.
+
+1. W terminalu lub wierszu poleceń uruchom następujące polecenia w wybranej lokalizacji, aby utworzyć i przejść do nowego katalogu:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    ```
+
+1. Następnie uruchom następujące polecenie, aby utworzyć wirtualne środowisko w folderze `.venv`:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 Musisz wyraźnie wywołać `python3`, aby utworzyć wirtualne środowisko, na wypadek gdybyś miał zainstalowanego Pythona 2 obok Pythona 3 (najnowszej wersji). Jeśli masz zainstalowanego Pythona 2, wywołanie `python` użyje Pythona 2 zamiast Pythona 3.
+
+1. Aktywuj wirtualne środowisko:
+
+    * Na Windowsie:
+        * Jeśli używasz Wiersza Poleceń lub Wiersza Poleceń w Windows Terminal, uruchom:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Jeśli używasz PowerShell, uruchom:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+            > Jeśli pojawi się błąd dotyczący wyłączonego uruchamiania skryptów w tym systemie, musisz włączyć uruchamianie skryptów, ustawiając odpowiednią politykę wykonywania. Możesz to zrobić, uruchamiając PowerShell jako administrator, a następnie wykonując następujące polecenie:
+
+            ```powershell
+            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
+            ```
+
+            Wpisz `Y`, aby potwierdzić. Następnie ponownie uruchom PowerShell i spróbuj ponownie.
+
+            Możesz później przywrócić tę politykę wykonywania, jeśli zajdzie taka potrzeba. Więcej informacji znajdziesz na stronie [Execution Policies w dokumentacji Microsoft](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn).
+
+    * Na macOS lub Linux uruchom:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Te polecenia powinny być uruchamiane z tej samej lokalizacji, w której uruchomiłeś polecenie tworzące wirtualne środowisko. Nigdy nie musisz wchodzić do folderu `.venv`, zawsze uruchamiaj polecenie aktywacji i inne polecenia instalacji pakietów lub uruchamiania kodu z folderu, w którym utworzyłeś wirtualne środowisko.
+
+1. Po aktywacji wirtualnego środowiska domyślne polecenie `python` uruchomi wersję Pythona, która została użyta do utworzenia środowiska. Uruchom następujące polecenie, aby sprawdzić wersję:
+
+    ```sh
+    python --version
+    ```
+
+    Wynik powinien zawierać:
+
+    ```output
+    (.venv) ➜  nightlight python --version
+    Python 3.9.1
+    ```
+
+    > 💁 Twoja wersja Pythona może być inna – o ile jest to wersja 3.6 lub nowsza, wszystko jest w porządku. Jeśli nie, usuń ten folder, zainstaluj nowszą wersję Pythona i spróbuj ponownie.
+
+1. Uruchom następujące polecenia, aby zainstalować pakiety Pip dla CounterFit. Pakiety te obejmują główną aplikację CounterFit oraz shimy dla sprzętu Grove. Shimy te pozwalają pisać kod tak, jakbyś programował z użyciem fizycznych czujników i elementów wykonawczych z ekosystemu Grove, ale podłączonych do wirtualnych urządzeń IoT.
+
+    ```sh
+    pip install CounterFit
+    pip install counterfit-connection
+    pip install counterfit-shims-grove
+    ```
+
+    Te pakiety Pip zostaną zainstalowane tylko w wirtualnym środowisku i nie będą dostępne poza nim.
+
+### Napisz kod
+
+Gdy wirtualne środowisko Pythona jest gotowe, możesz napisać kod dla aplikacji 'Hello World'.
+
+#### Zadanie – napisz kod
+
+Utwórz aplikację w Pythonie, która wypisze `"Hello World"` w konsoli.
+
+1. W terminalu lub wierszu poleceń, będąc w wirtualnym środowisku, uruchom następujące polecenie, aby utworzyć plik Pythona o nazwie `app.py`:
+
+    * Na Windowsie uruchom:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * Na macOS lub Linux uruchom:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. Otwórz bieżący folder w VS Code:
+
+    ```sh
+    code .
+    ```
+
+    > 💁 Jeśli twój terminal zwraca `command not found` na macOS, oznacza to, że VS Code nie został dodany do PATH. Możesz dodać VS Code do PATH, postępując zgodnie z instrukcjami w sekcji [Launching from the command line w dokumentacji VS Code](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) i uruchomić polecenie ponownie. VS Code jest domyślnie dodawany do PATH na Windowsie i Linuxie.
+
+1. Po uruchomieniu VS Code aktywuje ono wirtualne środowisko Pythona. Wybrane środowisko pojawi się na dolnym pasku stanu:
+
+    ![VS Code pokazujący wybrane wirtualne środowisko](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.pl.png)
+
+1. Jeśli terminal VS Code jest już uruchomiony podczas startu VS Code, wirtualne środowisko nie będzie w nim aktywne. Najłatwiej jest zamknąć terminal, używając przycisku **Kill the active terminal instance**:
+
+    ![VS Code przycisk Kill the active terminal instance](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.pl.png)
+
+    Możesz sprawdzić, czy terminal ma aktywne wirtualne środowisko, ponieważ nazwa środowiska będzie prefiksem w terminalu. Na przykład może to być:
+
+    ```sh
+    (.venv) ➜  nightlight
+    ```
+
+    Jeśli nie widzisz `.venv` jako prefiksu w terminalu, wirtualne środowisko nie jest aktywne.
+
+1. Uruchom nowy terminal w VS Code, wybierając *Terminal -> New Terminal* lub naciskając `` CTRL+` ``. Nowy terminal załaduje wirtualne środowisko, a wywołanie aktywacji pojawi się w terminalu. W terminalu pojawi się również prefiks z nazwą środowiska (`.venv`):
+
+    ```output
+    ➜  nightlight source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. Otwórz plik `app.py` w eksploratorze VS Code i dodaj następujący kod:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    Funkcja `print` wypisuje w konsoli to, co zostanie do niej przekazane.
+
+1. W terminalu VS Code uruchom następujące polecenie, aby uruchomić aplikację w Pythonie:
+
+    ```sh
+    python app.py
+    ```
+
+    W konsoli pojawi się:
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    Hello World!
+    ```
+
+😀 Twój program 'Hello World' działa poprawnie!
+
+### Podłącz 'sprzęt'
+
+Jako drugi krok 'Hello World', uruchomisz aplikację CounterFit i połączysz z nią swój kod. Jest to wirtualny odpowiednik podłączenia sprzętu IoT do zestawu deweloperskiego.
+
+#### Zadanie – podłącz 'sprzęt'
+
+1. W terminalu VS Code uruchom aplikację CounterFit za pomocą następującego polecenia:
+
+    ```sh
+    counterfit
+    ```
+
+    Aplikacja zacznie działać i otworzy się w przeglądarce internetowej:
+
+    ![Aplikacja CounterFit uruchomiona w przeglądarce](../../../../../translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.pl.png)
+
+    Będzie oznaczona jako *Disconnected*, a dioda LED w prawym górnym rogu będzie wyłączona.
+
+1. Dodaj następujący kod na początku pliku `app.py`:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+    Kod ten importuje klasę `CounterFitConnection` z modułu `counterfit_connection`, który pochodzi z pakietu Pip `counterfit-connection`, zainstalowanego wcześniej. Następnie inicjalizuje połączenie z aplikacją CounterFit działającą na `127.0.0.1`, co jest adresem IP używanym do dostępu do lokalnego komputera (często nazywanego *localhost*), na porcie 5000.
+
+    > 💁 Jeśli inne aplikacje działają na porcie 5000, możesz to zmienić, aktualizując port w kodzie i uruchamiając CounterFit za pomocą `CounterFit --port <port_number>`, zastępując `<port_number>` wybranym portem.
+
+1. Będziesz musiał uruchomić nowy terminal w VS Code, wybierając przycisk **Create a new integrated terminal**. Jest to konieczne, ponieważ aplikacja CounterFit działa w bieżącym terminalu.
+
+    ![VS Code przycisk Create a new integrated terminal](../../../../../translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.pl.png)
+
+1. W nowym terminalu uruchom plik `app.py` tak jak wcześniej. Status CounterFit zmieni się na **Connected**, a dioda LED zaświeci się.
+
+    ![CounterFit pokazujący status Connected](../../../../../translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.pl.png)
+
+> 💁 Kod ten znajdziesz w folderze [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device).
+
+😀 Połączenie ze sprzętem zakończyło się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/pl/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
new file mode 100644
index 00000000..c66147f7
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
@@ -0,0 +1,220 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
+  "translation_date": "2025-08-26T07:09:06+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
+  "language_code": "pl"
+}
+-->
+# Wio Terminal
+
+[Wio Terminal od Seeed Studios](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) to mikrokontroler kompatybilny z Arduino, wyposażony w WiFi, kilka wbudowanych czujników i elementów wykonawczych, a także porty umożliwiające dodanie kolejnych czujników i elementów wykonawczych za pomocą ekosystemu sprzętowego o nazwie [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html).
+
+![Wio Terminal od Seeed Studios](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.pl.png)
+
+## Konfiguracja
+
+Aby korzystać z Wio Terminal, musisz zainstalować na swoim komputerze darmowe oprogramowanie. Przed połączeniem urządzenia z WiFi konieczna będzie również aktualizacja oprogramowania układowego Wio Terminal.
+
+### Zadanie - konfiguracja
+
+Zainstaluj wymagane oprogramowanie i zaktualizuj firmware.
+
+1. Zainstaluj Visual Studio Code (VS Code). To edytor, którego będziesz używać do pisania kodu urządzenia w językach C/C++. Zapoznaj się z [dokumentacją VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn), aby uzyskać instrukcje dotyczące instalacji.
+
+    > 💁 Innym popularnym środowiskiem IDE do programowania Arduino jest [Arduino IDE](https://www.arduino.cc/en/software). Jeśli już znasz to narzędzie, możesz go używać zamiast VS Code i PlatformIO, ale lekcje będą oparte na instrukcjach dla VS Code.
+
+1. Zainstaluj rozszerzenie PlatformIO dla VS Code. To rozszerzenie wspiera programowanie mikrokontrolerów w językach C/C++. Zapoznaj się z [dokumentacją rozszerzenia PlatformIO](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide), aby dowiedzieć się, jak je zainstalować w VS Code. Rozszerzenie to wymaga rozszerzenia Microsoft C/C++, które zostanie automatycznie zainstalowane wraz z PlatformIO.
+
+1. Podłącz Wio Terminal do komputera. Wio Terminal posiada port USB-C na spodzie, który należy podłączyć do portu USB w komputerze. W zestawie znajduje się kabel USB-C do USB-A, ale jeśli Twój komputer ma tylko porty USB-C, będziesz potrzebować kabla USB-C lub adaptera USB-A do USB-C.
+
+1. Postępuj zgodnie z instrukcjami w [dokumentacji Wio Terminal Wiki WiFi Overview](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/), aby skonfigurować Wio Terminal i zaktualizować firmware.
+
+## Hello World
+
+Tradycyjnie, zaczynając pracę z nowym językiem programowania lub technologią, tworzy się aplikację 'Hello World' – mały program, który wyświetla tekst, np. `"Hello World"`, aby upewnić się, że wszystkie narzędzia są poprawnie skonfigurowane.
+
+Aplikacja Hello World dla Wio Terminal pozwoli upewnić się, że Visual Studio Code zostało poprawnie zainstalowane z PlatformIO i skonfigurowane do pracy z mikrokontrolerami.
+
+### Utwórz projekt PlatformIO
+
+Pierwszym krokiem jest utworzenie nowego projektu w PlatformIO skonfigurowanego dla Wio Terminal.
+
+#### Zadanie - utwórz projekt PlatformIO
+
+Utwórz projekt PlatformIO.
+
+1. Podłącz Wio Terminal do komputera.
+
+1. Uruchom VS Code.
+
+1. Ikona PlatformIO będzie widoczna na pasku menu bocznego:
+
+    ![Opcja menu PlatformIO](../../../../../translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.pl.png)
+
+    Wybierz tę opcję, a następnie wybierz *PIO Home -> Open*.
+
+    ![Opcja otwarcia PlatformIO](../../../../../translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.pl.png)
+
+1. Na ekranie powitalnym wybierz przycisk **+ New Project**.
+
+    ![Przycisk nowego projektu](../../../../../translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.pl.png)
+
+1. Skonfiguruj projekt w *Project Wizard*:
+
+    1. Nazwij swój projekt `nightlight`.
+
+    1. W polu *Board* wpisz `WIO`, aby przefiltrować listę, i wybierz *Seeeduino Wio Terminal*.
+
+    1. Pozostaw *Framework* jako *Arduino*.
+
+    1. Zaznacz pole *Use default location* lub odznacz je i wybierz lokalizację dla swojego projektu.
+
+    1. Kliknij przycisk **Finish**.
+
+    ![Ukończony kreator projektu](../../../../../translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.pl.png)
+
+    PlatformIO pobierze potrzebne komponenty do kompilacji kodu dla Wio Terminal i utworzy Twój projekt. Może to potrwać kilka minut.
+
+### Zbadaj projekt PlatformIO
+
+Eksplorator VS Code pokaże kilka plików i folderów utworzonych przez kreator PlatformIO.
+
+#### Foldery
+
+* `.pio` - ten folder zawiera dane tymczasowe potrzebne PlatformIO, takie jak biblioteki czy skompilowany kod. Jest automatycznie odtwarzany po usunięciu i nie musisz go dodawać do systemu kontroli wersji, jeśli udostępniasz projekt np. na GitHubie.
+* `.vscode` - ten folder zawiera konfigurację używaną przez PlatformIO i VS Code. Jest automatycznie odtwarzany po usunięciu i nie musisz go dodawać do systemu kontroli wersji, jeśli udostępniasz projekt np. na GitHubie.
+* `include` - ten folder jest przeznaczony na zewnętrzne pliki nagłówkowe potrzebne przy dodawaniu dodatkowych bibliotek do kodu. Nie będziesz używać tego folderu w tych lekcjach.
+* `lib` - ten folder jest przeznaczony na zewnętrzne biblioteki, które chcesz wywoływać w swoim kodzie. Nie będziesz używać tego folderu w tych lekcjach.
+* `src` - ten folder zawiera główny kod źródłowy Twojej aplikacji. Na początku będzie zawierał tylko jeden plik - `main.cpp`.
+* `test` - ten folder jest przeznaczony na testy jednostkowe Twojego kodu.
+
+#### Pliki
+
+* `main.cpp` - ten plik w folderze `src` zawiera punkt wejścia Twojej aplikacji. Otwórz ten plik, a znajdziesz w nim następujący kod:
+
+    ```cpp
+    #include <Arduino.h>
+    
+    void setup() {
+      // put your setup code here, to run once:
+    }
+    
+    void loop() {
+      // put your main code here, to run repeatedly:
+    }
+    ```
+
+    Po uruchomieniu urządzenia framework Arduino uruchomi funkcję `setup` raz, a następnie będzie wielokrotnie wykonywać funkcję `loop`, dopóki urządzenie nie zostanie wyłączone.
+
+* `.gitignore` - ten plik zawiera listę plików i katalogów, które mają być ignorowane podczas dodawania kodu do systemu kontroli wersji git, np. podczas przesyłania na repozytorium GitHub.
+
+* `platformio.ini` - ten plik zawiera konfigurację dla Twojego urządzenia i aplikacji. Otwórz ten plik, a znajdziesz w nim następujący kod:
+
+    ```ini
+    [env:seeed_wio_terminal]
+    platform = atmelsam
+    board = seeed_wio_terminal
+    framework = arduino
+    ```
+
+    Sekcja `[env:seeed_wio_terminal]` zawiera konfigurację dla Wio Terminal. Możesz mieć wiele sekcji `env`, aby Twój kod mógł być kompilowany dla różnych płytek.
+
+    Pozostałe wartości odpowiadają konfiguracji z kreatora projektu:
+
+  * `platform = atmelsam` definiuje sprzęt używany przez Wio Terminal (mikrokontroler oparty na ATSAMD51).
+  * `board = seeed_wio_terminal` definiuje typ płytki mikrokontrolera (Wio Terminal).
+  * `framework = arduino` definiuje, że projekt korzysta z frameworka Arduino.
+
+### Napisz aplikację Hello World
+
+Teraz jesteś gotowy, aby napisać aplikację Hello World.
+
+#### Zadanie - napisz aplikację Hello World
+
+Napisz aplikację Hello World.
+
+1. Otwórz plik `main.cpp` w VS Code.
+
+1. Zmień kod na następujący:
+
+    ```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);
+    }
+    ```
+
+    Funkcja `setup` inicjalizuje połączenie z portem szeregowym – w tym przypadku portem USB, który łączy Wio Terminal z komputerem. Parametr `9600` to [prędkość transmisji](https://wikipedia.org/wiki/Symbol_rate) (znana również jako Symbol rate), czyli szybkość przesyłania danych przez port szeregowy w bitach na sekundę. Ustawienie to oznacza, że przesyłane jest 9 600 bitów (0 i 1) danych na sekundę. Następnie funkcja czeka, aż port szeregowy będzie gotowy.
+
+    Funkcja `loop` wysyła linię `Hello World!` do portu szeregowego, czyli znaki `Hello World!` wraz ze znakiem nowej linii. Następnie usypia na 5 000 milisekund, czyli 5 sekund. Po zakończeniu funkcji `loop` jest ona uruchamiana ponownie, i tak w kółko, dopóki mikrokontroler jest włączony.
+
+1. Wprowadź Wio Terminal w tryb przesyłania. Będziesz musiał to robić za każdym razem, gdy przesyłasz nowy kod na urządzenie:
+
+    1. Dwukrotnie szybko przesuń przełącznik zasilania w dół – za każdym razem wróci on do pozycji włączonej.
+
+    1. Sprawdź niebieską diodę LED statusu po prawej stronie portu USB. Powinna pulsować.
+    
+    [![Film pokazujący, jak wprowadzić Wio Terminal w tryb przesyłania](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
+    
+    Kliknij obrazek powyżej, aby obejrzeć film pokazujący, jak to zrobić.
+
+1. Skompiluj i prześlij kod na Wio Terminal.
+
+    1. Otwórz paletę poleceń VS Code.
+
+    1. Wpisz `PlatformIO Upload`, aby wyszukać opcję przesyłania, i wybierz *PlatformIO: Upload*.
+
+        ![Opcja przesyłania PlatformIO w palecie poleceń](../../../../../translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.pl.png)
+
+        PlatformIO automatycznie skompiluje kod, jeśli będzie to konieczne, przed przesłaniem.
+
+    1. Kod zostanie skompilowany i przesłany na Wio Terminal.
+
+        > 💁 Jeśli korzystasz z macOS, pojawi się powiadomienie o *DISK NOT EJECTED PROPERLY*. Dzieje się tak, ponieważ Wio Terminal jest montowany jako dysk w procesie flashowania, a następnie odłączany, gdy skompilowany kod jest zapisywany na urządzeniu. Możesz zignorować to powiadomienie.
+
+    ⚠️ Jeśli pojawią się błędy dotyczące niedostępności portu przesyłania, upewnij się, że Wio Terminal jest podłączony do komputera, włączony za pomocą przełącznika po lewej stronie ekranu i ustawiony w tryb przesyłania. Zielona dioda na spodzie powinna być włączona, a niebieska dioda powinna pulsować. Jeśli nadal występuje błąd, ponownie dwukrotnie szybko przesuń przełącznik zasilania w dół, aby wymusić tryb przesyłania, i spróbuj ponownie.
+
+PlatformIO posiada Monitor Szeregowy, który pozwala monitorować dane przesyłane przez kabel USB z Wio Terminal. Dzięki temu możesz obserwować dane wysyłane przez polecenie `Serial.println("Hello World");`.
+
+1. Otwórz paletę poleceń VS Code.
+
+1. Wpisz `PlatformIO Serial`, aby wyszukać opcję Monitora Szeregowego, i wybierz *PlatformIO: Serial Monitor*.
+
+    ![Opcja Monitora Szeregowego PlatformIO w palecie poleceń](../../../../../translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.pl.png)
+
+    Otworzy się nowe okno terminala, a dane przesyłane przez port szeregowy będą wyświetlane w tym terminalu:
+
+    ```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` będzie wyświetlane w monitorze szeregowym co 5 sekund.
+
+> 💁 Kod ten znajdziesz w folderze [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal).
+
+😀 Twój program 'Hello World' zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/2-deeper-dive/README.md b/translations/pl/1-getting-started/lessons/2-deeper-dive/README.md
new file mode 100644
index 00000000..c6a008cd
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/2-deeper-dive/README.md
@@ -0,0 +1,275 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
+  "translation_date": "2025-08-26T07:09:50+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
+  "language_code": "pl"
+}
+-->
+# Głębsze spojrzenie na IoT
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+Ta lekcja była częścią serii [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) prowadzonej przez [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). Lekcja została podzielona na dwa filmy: godzinny wykład oraz godzinne konsultacje, podczas których szczegółowo omówiono wybrane zagadnienia i odpowiadano na pytania.
+
+[![Lekcja 2: Głębsze spojrzenie na IoT](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
+
+[![Lekcja 2: Głębsze spojrzenie na IoT - Konsultacje](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
+
+> 🎥 Kliknij obrazy powyżej, aby obejrzeć filmy
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
+
+## Wprowadzenie
+
+W tej lekcji zagłębimy się w niektóre z koncepcji omówionych w poprzedniej lekcji.
+
+W tej lekcji omówimy:
+
+* [Komponenty aplikacji IoT](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [Głębsze spojrzenie na mikrokontrolery](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [Głębsze spojrzenie na komputery jednopłytkowe](../../../../../1-getting-started/lessons/2-deeper-dive)
+
+## Komponenty aplikacji IoT
+
+Dwa główne komponenty aplikacji IoT to *Internet* i *urządzenie*. Przyjrzyjmy się im bliżej.
+
+### Urządzenie
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.pl.jpg)
+
+Część **Urządzenie** w IoT odnosi się do urządzenia, które może wchodzić w interakcję ze światem fizycznym. Są to zazwyczaj małe, niedrogie komputery, działające z niską prędkością i zużywające niewiele energii – na przykład proste mikrokontrolery z kilobajtami pamięci RAM (w porównaniu do gigabajtów w komputerach PC), działające z częstotliwością kilkuset megaherców (w porównaniu do gigaherców w komputerach PC), ale zużywające tak mało energii, że mogą działać przez tygodnie, miesiące, a nawet lata na bateriach.
+
+Urządzenia te wchodzą w interakcję ze światem fizycznym, używając czujników do zbierania danych z otoczenia lub kontrolując wyjścia czy siłowniki, aby wprowadzać zmiany fizyczne. Typowym przykładem jest inteligentny termostat – urządzenie wyposażone w czujnik temperatury, sposób ustawiania pożądanej temperatury, np. za pomocą pokrętła lub ekranu dotykowego, oraz połączenie z systemem grzewczym lub chłodzącym, który można włączyć, gdy wykryta temperatura jest poza zakresem docelowym. Czujnik temperatury wykrywa, że w pomieszczeniu jest za zimno, a siłownik włącza ogrzewanie.
+
+![Schemat pokazujący temperaturę i pokrętło jako wejścia do urządzenia IoT oraz kontrolę grzejnika jako wyjście](../../../../../translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.pl.png)
+
+Istnieje ogromna różnorodność urządzeń, które mogą działać jako urządzenia IoT – od dedykowanego sprzętu wykrywającego jedno zjawisko, po urządzenia ogólnego przeznaczenia, a nawet Twój smartfon! Smartfon może używać czujników do wykrywania otoczenia i siłowników do interakcji ze światem – na przykład używając czujnika GPS do określenia lokalizacji i głośnika do przekazywania instrukcji nawigacyjnych.
+
+✅ Pomyśl o innych systemach wokół Ciebie, które odczytują dane z czujnika i wykorzystują je do podejmowania decyzji. Jednym z przykładów może być termostat w piekarniku. Czy znajdziesz więcej?
+
+### Internet
+
+Część **Internet** w aplikacji IoT obejmuje aplikacje, z którymi urządzenie IoT może się łączyć, aby wysyłać i odbierać dane, a także inne aplikacje, które mogą przetwarzać dane z urządzenia IoT i pomagać w podejmowaniu decyzji dotyczących żądań wysyłanych do siłowników urządzenia IoT.
+
+Typowym rozwiązaniem jest korzystanie z jakiejś usługi w chmurze, z którą urządzenie IoT się łączy. Taka usługa zajmuje się kwestiami bezpieczeństwa, odbieraniem wiadomości od urządzenia IoT i wysyłaniem wiadomości z powrotem do urządzenia. Usługa w chmurze może następnie łączyć się z innymi aplikacjami, które mogą przetwarzać lub przechowywać dane z czujników, albo wykorzystywać te dane wraz z danymi z innych systemów do podejmowania decyzji.
+
+Urządzenia nie zawsze łączą się bezpośrednio z Internetem za pomocą WiFi lub połączeń przewodowych. Niektóre urządzenia korzystają z sieci kratowych, aby komunikować się ze sobą za pomocą technologii takich jak Bluetooth, łącząc się przez urządzenie centralne, które ma połączenie z Internetem.
+
+W przypadku inteligentnego termostatu, termostat łączyłby się z domową siecią WiFi i usługą w chmurze. Wysyłałby dane o temperaturze do tej usługi, a stamtąd byłyby one zapisywane w bazie danych, umożliwiając właścicielowi domu sprawdzenie aktualnej i przeszłej temperatury za pomocą aplikacji na telefonie. Inna usługa w chmurze wiedziałaby, jaką temperaturę chce właściciel domu, i wysyłałaby wiadomości z powrotem do urządzenia IoT za pośrednictwem usługi w chmurze, aby poinformować system grzewczy, czy ma się włączyć lub wyłączyć.
+
+![Schemat pokazujący temperaturę i pokrętło jako wejścia do urządzenia IoT, urządzenie IoT z dwukierunkową komunikacją z chmurą, która z kolei ma dwukierunkową komunikację z telefonem, oraz kontrolę grzejnika jako wyjście z urządzenia IoT](../../../../../translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.pl.png)
+
+Jeszcze bardziej zaawansowana wersja mogłaby korzystać ze sztucznej inteligencji w chmurze, wykorzystując dane z innych czujników podłączonych do innych urządzeń IoT, takich jak czujniki obecności wykrywające, które pomieszczenia są używane, a także dane takie jak pogoda czy Twój kalendarz, aby inteligentnie ustawiać temperaturę. Na przykład mogłaby wyłączyć ogrzewanie, jeśli z kalendarza wynika, że jesteś na wakacjach, lub wyłączać ogrzewanie w poszczególnych pomieszczeniach w zależności od tego, które z nich są używane, ucząc się na podstawie danych, aby z czasem być coraz bardziej precyzyjną.
+
+![Schemat pokazujący wiele czujników temperatury i pokrętło jako wejścia do urządzenia IoT, urządzenie IoT z dwukierunkową komunikacją z chmurą, która z kolei ma dwukierunkową komunikację z telefonem, kalendarzem i usługą pogodową, oraz kontrolę grzejnika jako wyjście z urządzenia IoT](../../../../../translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.pl.png)
+
+✅ Jakie inne dane mogłyby pomóc w stworzeniu inteligentniejszego termostatu podłączonego do Internetu?
+
+### IoT na krawędzi
+
+Chociaż litera "I" w IoT oznacza Internet, urządzenia te nie muszą łączyć się z Internetem. W niektórych przypadkach urządzenia mogą łączyć się z urządzeniami brzegowymi – urządzeniami bramkowymi działającymi w Twojej lokalnej sieci, co pozwala na przetwarzanie danych bez konieczności korzystania z połączenia internetowego. Może to być szybsze, gdy masz dużo danych lub wolne połączenie internetowe, pozwala działać offline w miejscach, gdzie połączenie z Internetem nie jest możliwe, takich jak statek czy obszar dotknięty katastrofą podczas akcji humanitarnej, a także pozwala zachować prywatność danych. Niektóre urządzenia zawierają kod przetwarzający stworzony za pomocą narzędzi chmurowych i uruchamiają go lokalnie, aby zbierać i reagować na dane bez użycia połączenia internetowego do podejmowania decyzji.
+
+Przykładem może być inteligentne urządzenie domowe, takie jak Apple HomePod, Amazon Alexa czy Google Home, które nasłuchuje Twojego głosu za pomocą modeli AI wytrenowanych w chmurze, ale działających lokalnie na urządzeniu. Urządzenia te "budzą się", gdy wypowiesz określone słowo lub frazę, i dopiero wtedy przesyłają Twoją mowę przez Internet do przetworzenia. Urządzenie przestaje przesyłać mowę w odpowiednim momencie, na przykład gdy wykryje pauzę w Twojej wypowiedzi. Wszystko, co powiesz przed obudzeniem urządzenia za pomocą słowa kluczowego, i wszystko, co powiesz po tym, jak urządzenie przestanie słuchać, nie zostanie przesłane przez Internet do dostawcy urządzenia, a zatem pozostanie prywatne.
+
+✅ Pomyśl o innych scenariuszach, w których prywatność jest ważna, więc przetwarzanie danych byłoby lepsze na krawędzi niż w chmurze. Podpowiedź – pomyśl o urządzeniach IoT z kamerami lub innymi urządzeniami obrazującymi.
+
+### Bezpieczeństwo IoT
+
+W przypadku każdego połączenia z Internetem bezpieczeństwo jest ważnym zagadnieniem. Istnieje stare powiedzenie, że "litera S w IoT oznacza bezpieczeństwo" – w IoT nie ma litery "S", co sugeruje, że nie jest ono bezpieczne.
+
+Urządzenia IoT łączą się z usługą w chmurze, a zatem są tak bezpieczne, jak ta usługa w chmurze – jeśli Twoja usługa w chmurze pozwala na połączenie dowolnego urządzenia, może dojść do przesyłania złośliwych danych lub ataków wirusowych. Może to mieć bardzo realne konsekwencje, ponieważ urządzenia IoT wchodzą w interakcję i kontrolują inne urządzenia. Na przykład [robak Stuxnet](https://wikipedia.org/wiki/Stuxnet) manipulował zaworami w wirówkach, aby je uszkodzić. Hakerzy wykorzystali również [słabe zabezpieczenia, aby uzyskać dostęp do monitorów dla dzieci](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) i innych urządzeń monitorujących w domach.
+
+> 💁 Czasami urządzenia IoT i urządzenia brzegowe działają w sieci całkowicie odizolowanej od Internetu, aby zachować prywatność i bezpieczeństwo danych. Jest to znane jako [air-gapping](https://wikipedia.org/wiki/Air_gap_(networking)).
+
+## Głębsze spojrzenie na mikrokontrolery
+
+W poprzedniej lekcji wprowadziliśmy mikrokontrolery. Teraz przyjrzyjmy się im bliżej.
+
+### CPU
+
+CPU to "mózg" mikrokontrolera. Jest to procesor, który uruchamia Twój kod i może wysyłać dane do oraz odbierać dane od podłączonych urządzeń. CPU może zawierać jeden lub więcej rdzeni – w zasadzie jeden lub więcej procesorów, które mogą współpracować, aby uruchamiać Twój kod.
+
+CPU opiera się na zegarze, który tyka miliony lub miliardy razy na sekundę. Każde tyknięcie, czyli cykl, synchronizuje działania, które CPU może wykonać. Przy każdym tyknięciu CPU może wykonać instrukcję z programu, na przykład pobrać dane z urządzenia zewnętrznego lub wykonać obliczenie matematyczne. Ten regularny cykl pozwala na zakończenie wszystkich działań przed przetworzeniem kolejnej instrukcji.
+
+Im szybszy cykl zegara, tym więcej instrukcji można przetworzyć w ciągu sekundy, a zatem tym szybszy jest CPU. Prędkości CPU mierzy się w [hercach (Hz)](https://wikipedia.org/wiki/Hertz), standardowej jednostce, gdzie 1 Hz oznacza jeden cykl lub tyknięcie zegara na sekundę.
+
+> 🎓 Prędkości CPU często podaje się w MHz lub GHz. 1 MHz to 1 milion Hz, 1 GHz to 1 miliard Hz.
+
+> 💁 CPU wykonuje programy za pomocą [cyklu pobierania-dekodowania-wykonywania](https://wikipedia.org/wiki/Instruction_cycle). Przy każdym tyknięciu zegara CPU pobiera kolejną instrukcję z pamięci, dekoduje ją, a następnie wykonuje, na przykład używając jednostki arytmetyczno-logicznej (ALU) do dodania dwóch liczb. Niektóre instrukcje wymagają wielu cykli do wykonania, więc kolejny cykl rozpoczyna się przy następnym tyknięciu po zakończeniu instrukcji.
+
+![Cykl pobierania-dekodowania-wykonywania pokazujący pobieranie instrukcji z programu przechowywanego w RAM, a następnie dekodowanie i wykonywanie jej na CPU](../../../../../translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.pl.png)
+
+Mikrokontrolery mają znacznie niższe prędkości zegara niż komputery stacjonarne, laptopy czy nawet większość smartfonów. Na przykład Wio Terminal ma CPU działający z prędkością 120 MHz, czyli 120 000 000 cykli na sekundę.
+
+✅ Przeciętny komputer PC lub Mac ma CPU z wieloma rdzeniami działającymi z prędkością kilku gigaherców, co oznacza, że zegar tyka miliardy razy na sekundę. Sprawdź prędkość zegara swojego komputera i porównaj, ile razy jest szybszy od Wio Terminal.
+
+Każdy cykl zegara zużywa energię i generuje ciepło. Im szybsze tyknięcia, tym więcej zużywanej energii i więcej generowanego ciepła. Komputery PC mają radiatory i wentylatory do odprowadzania ciepła, bez których przegrzałyby się i wyłączyły w ciągu kilku sekund. Mikrokontrolery często nie mają ani jednego, ani drugiego, ponieważ działają znacznie chłodniej, a zatem znacznie wolniej. Komputery PC działają na zasilaniu sieciowym lub dużych bateriach przez kilka godzin, mikrokontrolery mogą działać przez dni, miesiące, a nawet lata na małych bateriach. Mikrokontrolery mogą również mieć rdzenie działające z różnymi prędkościami, przełączając się na wolniejsze rdzenie o niskim poborze mocy, gdy obciążenie CPU jest niskie, aby zmniejszyć zużycie energii.
+
+> 💁 Niektóre komputery PC i Maci przyjmują podobne podejście, łącząc szybkie rdzenie o wysokiej wydajności z wolniejszymi rdzeniami o niskim poborze mocy, przełączając się, aby oszczędzać baterię. Na przykład chip M1 w najnowszych laptopach Apple może przełączać się między 4 rdzeniami wydajnościowymi a 4 rdzeniami efektywnościowymi, aby zoptymalizować żywotność baterii lub prędkość w zależności od wykonywanego zadania.
+
+✅ Zrób małe badanie: Przeczytaj o CPU w [artykule na Wikipedii o procesorach](https://wikipedia.org/wiki/Central_processing_unit).
+
+#### Zadanie
+
+Zbadaj Wio Terminal.
+
+Jeśli używasz Wio Terminal w tych lekcjach, spróbuj znaleźć CPU. Znajdź sekcję *Hardware Overview* na [stronie produktu Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html), aby zobaczyć zdjęcie wnętrza, i spróbuj znaleźć CPU przez przezroczyste plastikowe okienko z tyłu.
+
+### Pamięć
+
+Mikrokontrolery zazwyczaj mają dwa rodzaje pamięci – pamięć programu i pamięć o dostępie swobodnym (RAM).
+
+Pamięć programu jest nieulotna, co oznacza, że to, co zostało do niej zapisane, pozostaje, gdy urządzenie jest wyłączone. To właśnie w tej pamięci przechowywany jest Twój kod programu.
+
+RAM to pamięć używana przez program do działania, zawierająca zmienne przydzielone przez Twój program i dane zebrane z urządzeń peryferyjnych. RAM jest ulotna – gdy zasilanie zostanie odłączone,
+🎓 Pamięć programu przechowuje Twój kod i pozostaje nawet po odcięciu zasilania.
+🎓 RAM jest używana do uruchamiania programu i resetuje się, gdy nie ma zasilania
+
+Podobnie jak w przypadku CPU, pamięć w mikrokontrolerze jest o rzędy wielkości mniejsza niż w komputerze PC lub Mac. Typowy komputer PC może mieć 8 gigabajtów (GB) RAM, czyli 8 000 000 000 bajtów, gdzie każdy bajt to wystarczająca ilość miejsca na przechowanie jednej litery lub liczby od 0 do 255. Mikrokontroler ma zazwyczaj tylko kilobajty (KB) RAM, gdzie kilobajt to 1 000 bajtów. Wspomniany wcześniej terminal Wio ma 192 KB RAM, czyli 192 000 bajtów - ponad 40 000 razy mniej niż przeciętny komputer PC!
+
+Poniższy diagram pokazuje względną różnicę wielkości między 192 KB a 8 GB - mała kropka w środku reprezentuje 192 KB.
+
+![Porównanie między 192 KB a 8 GB - ponad 40 000 razy większe](../../../../../translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.pl.png)
+
+Pamięć na programy również jest mniejsza niż w komputerze PC. Typowy komputer PC może mieć dysk twardy o pojemności 500 GB na przechowywanie programów, podczas gdy mikrokontroler może mieć tylko kilobajty lub może kilka megabajtów (MB) pamięci (1 MB to 1 000 KB, czyli 1 000 000 bajtów). Terminal Wio ma 4 MB pamięci na programy.
+
+✅ Zrób małe badanie: Ile RAM i pamięci ma komputer, którego używasz do czytania tego tekstu? Jak to się ma do mikrokontrolera?
+
+### Wejście/Wyjście
+
+Mikrokontrolery potrzebują połączeń wejścia i wyjścia (I/O), aby odczytywać dane z czujników i wysyłać sygnały sterujące do siłowników. Zazwyczaj zawierają one kilka uniwersalnych pinów wejścia/wyjścia (GPIO). Piny te można skonfigurować w oprogramowaniu jako wejście (czyli odbierają sygnał) lub wyjście (wysyłają sygnał).
+
+🧠⬅️ Piny wejściowe służą do odczytu wartości z czujników
+
+🧠➡️ Piny wyjściowe wysyłają instrukcje do siłowników
+
+✅ Dowiesz się więcej na ten temat w kolejnej lekcji.
+
+#### Zadanie
+
+Zbadaj terminal Wio.
+
+Jeśli używasz terminala Wio w tych lekcjach, znajdź piny GPIO. Znajdź sekcję *Pinout diagram* na [stronie produktu terminala Wio](https://www.seeedstudio.com/Wio-Terminal-p-4509.html), aby dowiedzieć się, które piny są które. Terminal Wio jest dostarczany z naklejką, którą można zamontować z tyłu z numerami pinów, więc dodaj ją teraz, jeśli jeszcze tego nie zrobiłeś.
+
+### Rozmiar fizyczny
+
+Mikrokontrolery są zazwyczaj małe, a najmniejszy, [Freescale Kinetis KL03 MCU, jest wystarczająco mały, aby zmieścić się w wgłębieniu piłki golfowej](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/). Sam procesor w komputerze PC może mieć wymiary 40 mm x 40 mm, nie licząc radiatorów i wentylatorów potrzebnych do zapewnienia, że procesor może działać dłużej niż kilka sekund bez przegrzania, co jest znacznie większe niż kompletny mikrokontroler. Zestaw deweloperski terminala Wio z mikrokontrolerem, obudową, ekranem i szeregiem połączeń i komponentów nie jest dużo większy niż sam procesor Intel i9, a znacznie mniejszy niż procesor z radiatorem i wentylatorem!
+
+| Urządzenie                      | Rozmiar               |
+| ------------------------------- | --------------------- |
+| Freescale Kinetis KL03          | 1,6 mm x 2 mm x 1 mm  |
+| Terminal Wio                    | 72 mm x 57 mm x 12 mm |
+| Intel i9 CPU, radiator i wentylator | 136 mm x 145 mm x 103 mm |
+
+### Frameworki i systemy operacyjne
+
+Ze względu na niską prędkość i rozmiar pamięci, mikrokontrolery nie uruchamiają systemu operacyjnego (OS) w sensie znanym z komputerów stacjonarnych. System operacyjny, który sprawia, że Twój komputer działa (Windows, Linux lub macOS), potrzebuje dużo pamięci i mocy obliczeniowej do wykonywania zadań, które są całkowicie zbędne dla mikrokontrolera. Pamiętaj, że mikrokontrolery są zazwyczaj programowane do wykonywania jednego lub kilku bardzo specyficznych zadań, w przeciwieństwie do komputerów ogólnego przeznaczenia, takich jak PC czy Mac, które muszą obsługiwać interfejs użytkownika, odtwarzać muzykę lub filmy, zapewniać narzędzia do pisania dokumentów lub kodu, grać w gry czy przeglądać Internet.
+
+Aby zaprogramować mikrokontroler bez systemu operacyjnego, potrzebujesz narzędzi umożliwiających budowanie kodu w sposób, który mikrokontroler może uruchomić, korzystając z API umożliwiających komunikację z peryferiami. Każdy mikrokontroler jest inny, więc producenci zazwyczaj wspierają standardowe frameworki, które pozwalają na stosowanie standardowego "przepisu" do budowania kodu i uruchamiania go na dowolnym mikrokontrolerze obsługującym ten framework.
+
+Możesz programować mikrokontrolery używając systemu operacyjnego - często nazywanego systemem operacyjnym czasu rzeczywistego (RTOS), ponieważ są one zaprojektowane do obsługi przesyłania danych do i z peryferiów w czasie rzeczywistym. Te systemy operacyjne są bardzo lekkie i oferują funkcje takie jak:
+
+* Wielowątkowość, pozwalająca na uruchamianie więcej niż jednego bloku kodu jednocześnie, albo na wielu rdzeniach, albo na jednym rdzeniu na zmianę
+* Sieciowanie, umożliwiające bezpieczną komunikację przez Internet
+* Komponenty graficznego interfejsu użytkownika (GUI) do budowy interfejsów na urządzeniach z ekranami.
+
+✅ Przeczytaj o różnych RTOS-ach: [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
+
+![Logo Arduino](../../../../../images/arduino-logo.svg)
+
+[Arduino](https://www.arduino.cc) jest prawdopodobnie najpopularniejszym frameworkiem dla mikrokontrolerów, szczególnie wśród studentów, hobbystów i twórców. Arduino to otwartoźródłowa platforma elektroniczna łącząca oprogramowanie i sprzęt. Możesz kupić kompatybilne płytki Arduino od samego Arduino lub od innych producentów, a następnie kodować za pomocą frameworka Arduino.
+
+Płytki Arduino są programowane w językach C lub C++. Użycie C/C++ pozwala na kompilację kodu do bardzo małych rozmiarów i szybkie działanie, co jest konieczne na urządzeniach o ograniczonych zasobach, takich jak mikrokontrolery. Rdzeń aplikacji Arduino nazywany jest szkicem i jest to kod C/C++ z 2 funkcjami - `setup` i `loop`. Gdy płytka się uruchamia, kod frameworka Arduino uruchamia funkcję `setup` raz, a następnie uruchamia funkcję `loop` w kółko, aż do wyłączenia zasilania.
+
+Kod inicjalizacyjny umieściłbyś w funkcji `setup`, na przykład łączenie z WiFi i usługami w chmurze lub inicjalizację pinów wejścia/wyjścia. Kod w pętli zawierałby przetwarzanie, na przykład odczyt z czujnika i wysyłanie wartości do chmury. Zazwyczaj dodaje się opóźnienie w każdej pętli, na przykład jeśli chcesz, aby dane z czujnika były wysyłane co 10 sekund, dodajesz opóźnienie 10 sekund na końcu pętli, aby mikrokontroler mógł przejść w stan uśpienia, oszczędzając energię, a następnie uruchomić pętlę ponownie po 10 sekundach.
+
+![Szkic Arduino uruchamiający najpierw setup, a następnie wielokrotnie loop](../../../../../translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.pl.png)
+
+✅ Ta architektura programu jest znana jako *pętla zdarzeń* lub *pętla komunikatów*. Wiele aplikacji korzysta z niej w tle i jest to standard dla większości aplikacji desktopowych działających na systemach operacyjnych takich jak Windows, macOS czy Linux. Możesz przeczytać więcej w tym [artykule o pętli zdarzeń](https://wikipedia.org/wiki/Event_loop).
+
+Arduino dostarcza standardowe biblioteki do interakcji z mikrokontrolerami i pinami I/O, z różnymi implementacjami pod spodem, aby działały na różnych mikrokontrolerach. Na przykład funkcja [`delay`](https://www.arduino.cc/reference/en/language/functions/time/delay/) wstrzymuje program na określony czas, a funkcja [`digitalRead`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) odczytuje wartość `HIGH` lub `LOW` z danego pinu, niezależnie od tego, na której płytce kod jest uruchamiany. Te standardowe biblioteki oznaczają, że kod Arduino napisany dla jednej płytki może być skompilowany dla dowolnej innej płytki Arduino i będzie działał, zakładając, że piny są takie same i płytki obsługują te same funkcje.
+
+Istnieje duży ekosystem bibliotek Arduino od firm trzecich, które pozwalają na dodanie dodatkowych funkcji do projektów Arduino, takich jak używanie czujników i siłowników lub łączenie się z usługami IoT w chmurze.
+
+##### Zadanie
+
+Zbadaj terminal Wio.
+
+Jeśli używasz terminala Wio w tych lekcjach, przeczytaj ponownie kod, który napisałeś w poprzedniej lekcji. Znajdź funkcje `setup` i `loop`. Monitoruj wyjście szeregowe, aby zobaczyć, że funkcja `loop` jest wywoływana wielokrotnie. Spróbuj dodać kod do funkcji `setup`, aby zapisać coś na porcie szeregowym i zaobserwuj, że ten kod jest wywoływany tylko raz przy każdym ponownym uruchomieniu. Spróbuj ponownie uruchomić urządzenie za pomocą przełącznika zasilania z boku, aby pokazać, że funkcja ta jest wywoływana za każdym razem, gdy urządzenie się restartuje.
+
+## Głębsze spojrzenie na komputery jednopłytkowe
+
+W poprzedniej lekcji wprowadziliśmy komputery jednopłytkowe. Teraz przyjrzyjmy się im bliżej.
+
+### Raspberry Pi
+
+![Logo Raspberry Pi](../../../../../translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.pl.png)
+
+[Raspberry Pi Foundation](https://www.raspberrypi.org) to organizacja charytatywna z Wielkiej Brytanii założona w 2009 roku w celu promowania nauki informatyki, szczególnie na poziomie szkolnym. W ramach tej misji opracowali komputer jednopłytkowy, nazwany Raspberry Pi. Raspberry Pi są obecnie dostępne w 3 wariantach - pełnowymiarowym, mniejszym Pi Zero oraz module obliczeniowym, który można wbudować w końcowe urządzenie IoT.
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.pl.jpg)
+
+Najnowsza wersja pełnowymiarowego Raspberry Pi to Raspberry Pi 4B. Ma czterordzeniowy procesor (4 rdzenie) o taktowaniu 1,5 GHz, 2, 4 lub 8 GB RAM, gigabitowy Ethernet, WiFi, 2 porty HDMI obsługujące ekrany 4k, port wyjścia audio i wideo kompozytowego, porty USB (2 USB 2.0, 2 USB 3.0), 40 pinów GPIO, złącze kamery dla modułu kamery Raspberry Pi oraz gniazdo na kartę SD. Wszystko to na płytce o wymiarach 88 mm x 58 mm x 19,5 mm, zasilanej przez zasilacz USB-C o mocy 3A. Ceny zaczynają się od 35 USD, co jest znacznie tańsze niż PC czy Mac.
+
+> 💁 Jest także Pi400, komputer typu all-in-one z Pi4 wbudowanym w klawiaturę.
+
+![Raspberry Pi Zero](../../../../../translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.pl.jpg)
+
+Pi Zero jest znacznie mniejszy i mniej wydajny. Ma jednordzeniowy procesor 1 GHz, 512 MB RAM, WiFi (w modelu Zero W), pojedynczy port HDMI, port micro-USB, 40 pinów GPIO, złącze kamery dla modułu kamery Raspberry Pi oraz gniazdo na kartę SD. Ma wymiary 65 mm x 30 mm x 5 mm i zużywa bardzo mało energii. Pi Zero kosztuje 5 USD, a wersja W z WiFi - 10 USD.
+
+> 🎓 Procesory w obu tych urządzeniach to procesory ARM, w przeciwieństwie do procesorów Intel/AMD x86 lub x64, które znajdziesz w większości komputerów PC i Mac. Są one podobne do procesorów, które znajdziesz w niektórych mikrokontrolerach, a także w prawie wszystkich telefonach komórkowych, Microsoft Surface X i nowych komputerach Mac z Apple Silicon.
+
+Wszystkie warianty Raspberry Pi działają na wersji systemu Debian Linux o nazwie Raspberry Pi OS. Jest on dostępny w wersji lite bez pulpitu, idealnej do projektów "headless", gdzie nie potrzebujesz ekranu, lub w pełnej wersji z pełnym środowiskiem graficznym, przeglądarką internetową, aplikacjami biurowymi, narzędziami do kodowania i grami. Ponieważ system operacyjny jest wersją Debiana, możesz zainstalować dowolną aplikację lub narzędzie, które działa na Debianie i jest zbudowane dla procesora ARM w Pi.
+
+#### Zadanie
+
+Zbadaj Raspberry Pi.
+
+Jeśli używasz Raspberry Pi w tych lekcjach, przeczytaj o różnych komponentach sprzętowych na płytce.
+
+* Możesz znaleźć szczegóły dotyczące procesorów używanych w [dokumentacji sprzętowej Raspberry Pi](https://www.raspberrypi.org/documentation/hardware/raspberrypi/). Przeczytaj o procesorze używanym w Twoim Pi.
+* Zlokalizuj piny GPIO. Przeczytaj więcej o nich w [dokumentacji GPIO Raspberry Pi](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md). Skorzystaj z [przewodnika po użyciu pinów GPIO](https://www.raspberrypi.org/documentation/usage/gpio/README.md), aby zidentyfikować różne piny na Twoim Pi.
+
+### Programowanie komputerów jednopłytkowych
+
+Komputery jednopłytkowe to pełne komputery, działające na pełnym systemie operacyjnym. Oznacza to, że istnieje szeroka gama języków programowania, frameworków i narzędzi, których możesz używać do ich kodowania, w przeciwieństwie do mikrokontrolerów, które polegają na wsparciu dla płytki w frameworkach takich jak Arduino. Większość języków programowania ma biblioteki umożliwiające dostęp do pinów GPIO w celu wysyłania i odbierania danych z czujników i siłowników.
+
+✅ Jakie języki programowania znasz? Czy są one obsługiwane na Linuksie?
+
+Najczęściej używanym językiem programowania do budowy aplikacji IoT na Raspberry Pi jest Python. Istnieje ogromny ekosystem sprzętu zaprojektowanego dla Pi, a prawie wszystkie z nich zawierają odpowiedni kod potrzebny do ich użycia jako bibliotek Pythona. Niektóre z tych ekosystemów opierają się na "czapkach" - tak nazwanych, ponieważ nakładają się na Pi jak czapka i łączą się z dużym gniazdem do 40 pinów GPIO. Te czapki zapewniają dodatkowe możliwości, takie jak ekrany, czujniki, zdalnie sterowane samochody lub adaptery umożliwiające podłączenie czujników za pomocą standaryzowanych kabli.
+### Wykorzystanie komputerów jednopłytkowych w profesjonalnych wdrożeniach IoT
+
+Komputery jednopłytkowe są wykorzystywane w profesjonalnych wdrożeniach IoT, nie tylko jako zestawy deweloperskie. Mogą stanowić potężne narzędzie do sterowania sprzętem i wykonywania złożonych zadań, takich jak uruchamianie modeli uczenia maszynowego. Na przykład istnieje [moduł obliczeniowy Raspberry Pi 4](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/), który oferuje wszystkie możliwości Raspberry Pi 4, ale w bardziej kompaktowej i tańszej formie, bez większości portów, zaprojektowany do instalacji w niestandardowym sprzęcie.
+
+---
+
+## 🚀 Wyzwanie
+
+Wyzwanie z ostatniej lekcji polegało na wymienieniu jak największej liczby urządzeń IoT, które znajdują się w Twoim domu, szkole lub miejscu pracy. Dla każdego urządzenia z tej listy zastanów się, czy są one oparte na mikrokontrolerach, komputerach jednopłytkowych, czy może na mieszance obu tych technologii.
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj [przewodnik wprowadzający do Arduino](https://www.arduino.cc/en/Guide/Introduction), aby lepiej zrozumieć platformę Arduino.
+* Zapoznaj się z [wprowadzeniem do Raspberry Pi 4](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/), aby dowiedzieć się więcej o Raspberry Pi.
+* Dowiedz się więcej o niektórych koncepcjach i akronimach w artykule [What the FAQ are CPUs, MPUs, MCUs, and GPUs w Electrical Engineering Journal](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/).
+
+✅ Skorzystaj z tych przewodników oraz z kosztów pokazanych w linkach w [przewodniku sprzętowym](../../../hardware.md), aby zdecydować, jaką platformę sprzętową chcesz użyć, lub czy wolisz skorzystać z wirtualnego urządzenia.
+
+## Zadanie
+
+[Porównaj i skontrastuj mikrokontrolery oraz komputery jednopłytkowe](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/pl/1-getting-started/lessons/2-deeper-dive/assignment.md
new file mode 100644
index 00000000..c4665cff
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/2-deeper-dive/assignment.md
@@ -0,0 +1,24 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "750bd75866471141f857240219084767",
+  "translation_date": "2025-08-26T07:12:05+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Porównanie mikrokontrolerów i komputerów jednopłytkowych
+
+## Instrukcje
+
+Ta lekcja dotyczyła mikrokontrolerów i komputerów jednopłytkowych. Stwórz tabelę porównującą i kontrastującą te dwa typy urządzeń, a także podaj co najmniej 2 powody, dla których warto używać mikrokontrolera zamiast komputera jednopłytkowego, oraz co najmniej 2 powody, dla których warto używać komputera jednopłytkowego zamiast mikrokontrolera.
+
+## Kryteria oceny
+
+| Kryteria | Wzorowe | Zadowalające | Wymaga poprawy |
+| -------- | --------- | -------- | ----------------- |
+| Stworzenie tabeli porównującej mikrokontrolery i komputery jednopłytkowe | Stworzono listę z wieloma elementami poprawnie porównującymi i kontrastującymi | Stworzono listę z tylko kilkoma elementami | Stworzono listę z jednym lub żadnym elementem porównującym i kontrastującym |
+| Powody użycia jednego zamiast drugiego | Podano 2 lub więcej powodów dla mikrokontrolerów oraz 2 lub więcej dla komputerów jednopłytkowych | Podano tylko 1-2 powody dla mikrokontrolera oraz 1-2 powody dla komputera jednopłytkowego | Nie podano żadnego lub podano mniej niż 1 powód dla mikrokontrolera lub komputera jednopłytkowego |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/README.md
new file mode 100644
index 00000000..c27dc97c
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/README.md
@@ -0,0 +1,228 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
+  "translation_date": "2025-08-26T07:02:13+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
+  "language_code": "pl"
+}
+-->
+# Interakcja ze światem fizycznym za pomocą czujników i siłowników
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+Ta lekcja była częścią serii [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) organizowanej przez [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). Lekcja została przeprowadzona w formie dwóch filmów – godzinnej lekcji oraz godzinnej sesji pytań i odpowiedzi, podczas której omówiono szczegóły i odpowiadano na pytania.
+
+[![Lekcja 3: Interakcja ze światem fizycznym za pomocą czujników i siłowników](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
+
+[![Lekcja 3: Interakcja ze światem fizycznym za pomocą czujników i siłowników - Sesja pytań i odpowiedzi](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
+
+> 🎥 Kliknij powyższe obrazy, aby obejrzeć filmy
+
+## Quiz przed lekcją
+
+[Quiz przed lekcją](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
+
+## Wprowadzenie
+
+W tej lekcji wprowadzimy dwa kluczowe pojęcia dotyczące urządzeń IoT – czujniki i siłowniki. Będziesz mieć okazję praktycznie z nimi pracować, dodając czujnik światła do swojego projektu IoT, a następnie diodę LED sterowaną poziomem światła, tworząc w ten sposób lampkę nocną.
+
+W tej lekcji omówimy:
+
+* [Czym są czujniki?](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Jak używać czujnika](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Rodzaje czujników](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Czym są siłowniki?](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Jak używać siłownika](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Rodzaje siłowników](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+
+## Czym są czujniki?
+
+Czujniki to urządzenia sprzętowe, które wykrywają świat fizyczny – mierzą jedną lub więcej właściwości otoczenia i przesyłają informacje do urządzenia IoT. Istnieje ogromna różnorodność czujników, ponieważ można mierzyć wiele różnych rzeczy, od właściwości naturalnych, takich jak temperatura powietrza, po interakcje fizyczne, takie jak ruch.
+
+Niektóre popularne czujniki to:
+
+* Czujniki temperatury – mierzą temperaturę powietrza lub obiektu, w którym są zanurzone. Dla hobbystów i programistów często łączone są z czujnikami ciśnienia i wilgotności w jednym urządzeniu.
+* Przyciski – wykrywają, kiedy zostały naciśnięte.
+* Czujniki światła – wykrywają poziomy światła, w tym światło widzialne, UV, IR lub konkretne kolory.
+* Kamery – rejestrują wizualną reprezentację świata, robiąc zdjęcia lub przesyłając wideo.
+* Akcelerometry – wykrywają ruch w wielu kierunkach.
+* Mikrofony – wykrywają dźwięk, zarówno ogólny poziom hałasu, jak i dźwięk kierunkowy.
+
+✅ Zrób małe badanie. Jakie czujniki ma Twój telefon?
+
+Wszystkie czujniki mają jedną wspólną cechę – przekształcają to, co wykrywają, w sygnał elektryczny, który może być interpretowany przez urządzenie IoT. Interpretacja tego sygnału zależy od rodzaju czujnika oraz protokołu komunikacyjnego używanego do komunikacji z urządzeniem IoT.
+
+## Jak używać czujnika
+
+Skorzystaj z odpowiedniego przewodnika, aby dodać czujnik do swojego urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-sensor.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-sensor.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-sensor.md)
+
+## Rodzaje czujników
+
+Czujniki mogą być analogowe lub cyfrowe.
+
+### Czujniki analogowe
+
+Najprostsze czujniki to czujniki analogowe. Otrzymują napięcie z urządzenia IoT, komponenty czujnika dostosowują to napięcie, a napięcie zwracane przez czujnik jest mierzone, aby uzyskać wartość czujnika.
+
+> 🎓 Napięcie to miara siły, z jaką prąd elektryczny jest przesuwany z jednego miejsca do drugiego, np. z dodatniego bieguna baterii do bieguna ujemnego. Na przykład standardowa bateria AA ma napięcie 1,5V (V to symbol woltów) i może przesuwać prąd z siłą 1,5V. Różne urządzenia elektryczne wymagają różnych napięć, np. dioda LED działa przy napięciu 2-3V, ale żarówka o mocy 100W potrzebuje 240V. Więcej o napięciu przeczytasz na [stronie Wikipedii o napięciu](https://wikipedia.org/wiki/Voltage).
+
+Przykładem jest potencjometr – pokrętło, które można obracać między dwoma pozycjami, a czujnik mierzy obrót.
+
+![Potencjometr ustawiony w połowie, otrzymujący 5 woltów i zwracający 3,8 woltów](../../../../../translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.pl.png)
+
+Urządzenie IoT wysyła sygnał elektryczny do potencjometru o napięciu, np. 5 woltów (5V). W miarę regulacji potencjometru zmienia się napięcie wychodzące z drugiej strony. Wyobraź sobie potencjometr oznaczony jako pokrętło od 0 do [11](https://wikipedia.org/wiki/Up_to_eleven), np. pokrętło głośności w wzmacniaczu. Gdy potencjometr jest w pozycji wyłączonej (0), wychodzi 0V. Gdy jest w pozycji maksymalnej (11), wychodzi 5V.
+
+> 🎓 To uproszczenie. Więcej o potencjometrach i rezystorach zmiennych przeczytasz na [stronie Wikipedii o potencjometrach](https://wikipedia.org/wiki/Potentiometer).
+
+Napięcie wychodzące z czujnika jest następnie odczytywane przez urządzenie IoT, które może na nie odpowiedzieć. W zależności od czujnika napięcie to może być wartością arbitralną lub odpowiadać standardowej jednostce. Na przykład analogowy czujnik temperatury oparty na [termistorze](https://wikipedia.org/wiki/Thermistor) zmienia swoją rezystancję w zależności od temperatury. Napięcie wyjściowe można następnie przeliczyć na temperaturę w kelwinach, a następnie na °C lub °F za pomocą obliczeń w kodzie.
+
+✅ Jak myślisz, co się stanie, jeśli czujnik zwróci wyższe napięcie niż to, które zostało wysłane (np. pochodzące z zewnętrznego źródła zasilania)? ⛔️ NIE testuj tego.
+
+#### Konwersja analogowo-cyfrowa
+
+Urządzenia IoT są cyfrowe – nie mogą pracować z wartościami analogowymi, tylko z 0 i 1. Oznacza to, że wartości czujników analogowych muszą zostać przekształcone na sygnał cyfrowy, zanim będą mogły zostać przetworzone. Wiele urządzeń IoT ma przetworniki analogowo-cyfrowe (ADC), które konwertują wejścia analogowe na cyfrowe reprezentacje ich wartości. Czujniki mogą również współpracować z ADC za pośrednictwem płytki łączącej. Na przykład w ekosystemie Seeed Grove z Raspberry Pi czujniki analogowe podłącza się do określonych portów na „nakładce” (hat), która jest podłączona do pinów GPIO Pi i zawiera ADC do konwersji napięcia na sygnał cyfrowy.
+
+Wyobraź sobie, że masz analogowy czujnik światła podłączony do urządzenia IoT, które działa na 3,3V i zwraca wartość 1V. To 1V nie ma znaczenia w świecie cyfrowym, więc musi zostać przekształcone. Napięcie zostanie przekształcone na wartość analogową w skali zależnej od urządzenia i czujnika. Przykładem jest czujnik światła Seeed Grove, który zwraca wartości od 0 do 1023. Dla tego czujnika działającego na 3,3V wyjście 1V odpowiada wartości 300. Urządzenie IoT nie może obsługiwać 300 jako wartości analogowej, więc wartość zostanie przekształcona na `0000000100101100`, binarną reprezentację liczby 300 przez nakładkę Grove. Następnie zostanie przetworzona przez urządzenie IoT.
+
+✅ Jeśli nie znasz systemu binarnego, zrób małe badanie, aby dowiedzieć się, jak liczby są reprezentowane za pomocą 0 i 1. [Lekcja wprowadzająca do systemu binarnego na BBC Bitesize](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) to świetne miejsce na start.
+
+Z perspektywy programowania wszystko to jest zwykle obsługiwane przez biblioteki dostarczane z czujnikami, więc nie musisz martwić się o tę konwersję samodzielnie. Dla czujnika światła Grove użyjesz biblioteki Python i wywołasz właściwość `light`, lub użyjesz biblioteki Arduino i wywołasz `analogRead`, aby uzyskać wartość 300.
+
+### Cyfrowe czujniki
+
+Cyfrowe czujniki, podobnie jak analogowe, wykrywają świat wokół siebie za pomocą zmian napięcia elektrycznego. Różnica polega na tym, że wysyłają sygnał cyfrowy, albo mierząc tylko dwa stany, albo używając wbudowanego ADC. Cyfrowe czujniki stają się coraz bardziej popularne, aby uniknąć konieczności używania ADC w płytce łączącej lub na samym urządzeniu IoT.
+
+Najprostszym cyfrowym czujnikiem jest przycisk lub przełącznik. Jest to czujnik z dwoma stanami: włączony lub wyłączony.
+
+![Przycisk otrzymuje 5 woltów. Gdy nie jest wciśnięty, zwraca 0 woltów, gdy jest wciśnięty, zwraca 5 woltów](../../../../../translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.pl.png)
+
+Piny w urządzeniach IoT, takie jak piny GPIO, mogą bezpośrednio mierzyć ten sygnał jako 0 lub 1. Jeśli napięcie wysłane jest takie samo jak napięcie zwrócone, odczytana wartość to 1, w przeciwnym razie wartość to 0. Nie ma potrzeby konwersji sygnału, może on być tylko 1 lub 0.
+
+> 💁 Napięcia nigdy nie są dokładne, zwłaszcza że komponenty w czujniku mają pewną rezystancję, więc zwykle istnieje tolerancja. Na przykład piny GPIO w Raspberry Pi działają na 3,3V i odczytują sygnał powyżej 1,8V jako 1, a poniżej 1,8V jako 0.
+
+* 3,3V wchodzi do przycisku. Przycisk jest wyłączony, więc wychodzi 0V, co daje wartość 0.
+* 3,3V wchodzi do przycisku. Przycisk jest włączony, więc wychodzi 3,3V, co daje wartość 1.
+
+Bardziej zaawansowane cyfrowe czujniki odczytują wartości analogowe, a następnie konwertują je za pomocą wbudowanych ADC na sygnały cyfrowe. Na przykład cyfrowy czujnik temperatury nadal używa termopary w taki sam sposób jak czujnik analogowy i nadal mierzy zmianę napięcia spowodowaną rezystancją termopary w danej temperaturze. Zamiast zwracać wartość analogową i polegać na urządzeniu lub płytce łączącej w celu konwersji na sygnał cyfrowy, wbudowany w czujnik ADC konwertuje wartość i wysyła ją jako serię 0 i 1 do urządzenia IoT. Te 0 i 1 są wysyłane w taki sam sposób jak sygnał cyfrowy dla przycisku, gdzie 1 oznacza pełne napięcie, a 0 oznacza 0V.
+
+![Cyfrowy czujnik temperatury konwertujący odczyt analogowy na dane binarne z 0 jako 0 woltów i 1 jako 5 woltów przed wysłaniem do urządzenia IoT](../../../../../translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.pl.png)
+
+Wysyłanie danych cyfrowych pozwala czujnikom stać się bardziej zaawansowanymi i przesyłać bardziej szczegółowe dane, a nawet zaszyfrowane dane dla bezpiecznych czujników. Przykładem jest kamera. Jest to czujnik, który rejestruje obraz i przesyła go jako dane cyfrowe zawierające ten obraz, zwykle w skompresowanym formacie, takim jak JPEG, do odczytu przez urządzenie IoT. Może nawet przesyłać strumieniowo wideo, rejestrując obrazy i przesyłając je klatka po klatce lub jako skompresowany strumień wideo.
+
+## Czym są siłowniki?
+
+Siłowniki to przeciwieństwo czujników – przekształcają sygnał elektryczny z urządzenia IoT w interakcję ze światem fizycznym, taką jak emitowanie światła lub dźwięku, czy poruszanie silnikiem.
+
+Niektóre popularne siłowniki to:
+
+* Dioda LED – emituje światło po włączeniu.
+* Głośnik – emituje dźwięk na podstawie przesłanego sygnału, od prostego brzęczyka po głośnik audio odtwarzający muzykę.
+* Silnik krokowy – przekształca sygnał w określoną ilość obrotu, np. obrót pokrętła o 90°.
+* Przekaźnik – przełącznik, który można włączyć lub wyłączyć za pomocą sygnału elektrycznego. Pozwala na włączenie większych napięć za pomocą małego napięcia z urządzenia IoT.
+* Ekrany – bardziej złożone siłowniki, które wyświetlają informacje na wielosegmentowym wyświetlaczu. Ekrany mogą być od prostych wyświetlaczy LED po wysokiej rozdzielczości monitory wideo.
+
+✅ Zrób małe badanie. Jakie siłowniki ma Twój telefon?
+
+## Jak używać siłownika
+
+Skorzystaj z odpowiedniego przewodnika, aby dodać siłownik do swojego urządzenia IoT, sterowany przez czujnik, aby zbudować lampkę nocną IoT. Będzie ona zbierać poziomy światła z czujnika światła i używać siłownika w postaci diody LED do emitowania światła, gdy wykryty poziom światła będzie zbyt niski.
+
+![Schemat przepływu zadania pokazujący odczyt i sprawdzanie poziomów światła oraz sterowanie diodą LED](../../../../../translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.pl.png)
+
+* [Arduino - Wio Terminal](wio-terminal-actuator.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-actuator.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-actuator.md)
+
+## Rodzaje siłowników
+
+Podobnie jak czujniki, siłowniki mogą być analogowe lub cyfrowe.
+
+### Analogowe siłowniki
+
+Analogowe siłowniki przyjmują sygnał analogowy i przekształcają go w jakąś interakcję, gdzie interakcja zmienia się w zależności od dostarczonego napięcia.
+
+Przykładem jest ściemnialne światło, takie jak te, które możesz mieć w domu. Ilość dostarczonego napięcia decyduje o jasności światła.
+![Światło przyciemnione przy niskim napięciu i jaśniejsze przy wyższym napięciu](../../../../../translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.pl.png)
+
+Podobnie jak w przypadku czujników, rzeczywiste urządzenie IoT działa na sygnałach cyfrowych, a nie analogowych. Oznacza to, że aby wysłać sygnał analogowy, urządzenie IoT potrzebuje przetwornika cyfrowo-analogowego (DAC), który może być wbudowany bezpośrednio w urządzenie IoT lub znajdować się na płytce połączeniowej. Przetwornik ten zamienia 0 i 1 z urządzenia IoT na napięcie analogowe, które może być używane przez siłownik.
+
+✅ Co Twoim zdaniem się stanie, jeśli urządzenie IoT wyśle napięcie wyższe niż to, które siłownik może obsłużyć?  
+⛔️ NIE testuj tego w praktyce.
+
+#### Modulacja szerokości impulsu (PWM)
+
+Inną opcją konwersji sygnałów cyfrowych z urządzenia IoT na sygnał analogowy jest modulacja szerokości impulsu (PWM). Polega to na wysyłaniu wielu krótkich impulsów cyfrowych, które działają jak sygnał analogowy.
+
+Na przykład PWM można użyć do kontrolowania prędkości silnika.
+
+Wyobraź sobie, że sterujesz silnikiem zasilanym napięciem 5V. Wysyłasz krótki impuls do silnika, przełączając napięcie na wysokie (5V) na dwie setne sekundy (0,02s). W tym czasie silnik może wykonać jedną dziesiątą obrotu, czyli 36°. Następnie sygnał pauzuje na dwie setne sekundy (0,02s), wysyłając niski sygnał (0V). Każdy cykl włączania i wyłączania trwa 0,04s. Cykl ten powtarza się.
+
+![Modulacja szerokości impulsu - obrót silnika z prędkością 150 RPM](../../../../../translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.pl.png)
+
+Oznacza to, że w ciągu jednej sekundy wysyłasz 25 impulsów 5V trwających 0,02s, które obracają silnik, a każdy z nich jest poprzedzony 0,02s przerwy przy 0V, gdy silnik się nie obraca. Każdy impuls obraca silnik o jedną dziesiątą obrotu, co oznacza, że silnik wykonuje 2,5 obrotu na sekundę. Użyłeś sygnału cyfrowego, aby obrócić silnik z prędkością 2,5 obrotu na sekundę, czyli 150 [obrotów na minutę](https://wikipedia.org/wiki/Revolutions_per_minute) (niestandardowa jednostka prędkości obrotowej).
+
+```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
+```
+
+> 🎓 Gdy sygnał PWM jest włączony przez połowę czasu, a wyłączony przez drugą połowę, nazywa się to [cyklem pracy 50%](https://wikipedia.org/wiki/Duty_cycle). Cykl pracy mierzy się jako procent czasu, w którym sygnał jest w stanie włączonym w porównaniu do stanu wyłączonego.
+
+![Modulacja szerokości impulsu - obrót silnika z prędkością 75 RPM](../../../../../translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.pl.png)
+
+Możesz zmienić prędkość silnika, zmieniając długość impulsów. Na przykład, przy tym samym silniku możesz zachować ten sam czas cyklu 0,04s, ale skrócić impuls włączony do 0,01s, a impuls wyłączony wydłużyć do 0,03s. Liczba impulsów na sekundę (25) pozostaje taka sama, ale każdy impuls włączony jest o połowę krótszy. Krótszy impuls obraca silnik o jedną dwudziestą obrotu, a przy 25 impulsach na sekundę silnik wykona 1,25 obrotu na sekundę, czyli 75 RPM. Zmieniając prędkość impulsów sygnału cyfrowego, zmniejszyłeś prędkość analogowego silnika o połowę.
+
+```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
+```
+
+✅ Jak utrzymać płynność obrotów silnika, szczególnie przy niskich prędkościach? Czy użyłbyś małej liczby długich impulsów z długimi przerwami, czy wielu bardzo krótkich impulsów z krótkimi przerwami?
+
+> 💁 Niektóre czujniki również używają PWM do konwersji sygnałów analogowych na cyfrowe.
+
+> 🎓 Więcej o modulacji szerokości impulsu możesz przeczytać na [stronie Wikipedii o PWM](https://wikipedia.org/wiki/Pulse-width_modulation).
+
+### Siłowniki cyfrowe
+
+Siłowniki cyfrowe, podobnie jak czujniki cyfrowe, mają dwa stany kontrolowane przez wysokie lub niskie napięcie albo mają wbudowany DAC, który pozwala na konwersję sygnału cyfrowego na analogowy.
+
+Prostym siłownikiem cyfrowym jest dioda LED. Gdy urządzenie wysyła sygnał cyfrowy 1, wysyłane jest wysokie napięcie, które zapala diodę LED. Gdy wysyłany jest sygnał cyfrowy 0, napięcie spada do 0V i dioda LED gaśnie.
+
+![Dioda LED wyłączona przy 0V i włączona przy 5V](../../../../../translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.pl.png)
+
+✅ Jakie inne proste siłowniki dwustanowe przychodzą Ci do głowy? Jednym z przykładów jest elektromagnes (solenoid), który można aktywować, aby np. przesunąć rygiel drzwi, blokując/odblokowując drzwi.
+
+Bardziej zaawansowane siłowniki cyfrowe, takie jak ekrany, wymagają przesyłania danych cyfrowych w określonych formatach. Zazwyczaj są one dostarczane z bibliotekami, które ułatwiają wysyłanie odpowiednich danych do ich sterowania.
+
+---
+
+## 🚀 Wyzwanie
+
+Wyzwanie z ostatnich dwóch lekcji polegało na wymienieniu jak największej liczby urządzeń IoT znajdujących się w Twoim domu, szkole lub miejscu pracy oraz określeniu, czy są one oparte na mikrokontrolerach, komputerach jednopłytkowych, czy może na mieszance obu.
+
+Dla każdego wymienionego urządzenia zastanów się, z jakimi czujnikami i siłownikami są one połączone. Jaki jest cel każdego czujnika i siłownika podłączonego do tych urządzeń?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj o elektryczności i obwodach na [ThingLearn](http://thinglearn.jenlooper.com/curriculum/).  
+* Przeczytaj o różnych typach czujników temperatury w [przewodniku Seeed Studios o czujnikach temperatury](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/).  
+* Przeczytaj o diodach LED na [stronie Wikipedii o diodach LED](https://wikipedia.org/wiki/Light-emitting_diode).  
+
+## Zadanie
+
+[Zbadaj czujniki i siłowniki](assignment.md)  
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
new file mode 100644
index 00000000..21489f1c
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c5a568320b1159394108544807895337",
+  "translation_date": "2025-08-26T07:03:38+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Badania czujników i siłowników
+
+## Instrukcje
+
+Ta lekcja dotyczyła czujników i siłowników. Zbadaj i opisz jeden czujnik oraz jeden siłownik, które mogą być używane z zestawem deweloperskim IoT, uwzględniając:
+
+* Co robi
+* Elektronikę/sprzęt używany wewnątrz
+* Czy jest analogowy czy cyfrowy
+* Jakie są jednostki i zakres wejść lub pomiarów
+
+## Kryteria oceny
+
+| Kryteria | Wzorowe | Zadowalające | Wymaga poprawy |
+| -------- | --------- | -------- | ----------------- |
+| Opis czujnika | Opisano czujnik, uwzględniając szczegóły dla wszystkich 4 sekcji wymienionych powyżej. | Opisano czujnik, ale uwzględniono tylko 2-3 sekcje wymienione powyżej. | Opisano czujnik, ale uwzględniono tylko 1 sekcję wymienioną powyżej. |
+| Opis siłownika | Opisano siłownik, uwzględniając szczegóły dla wszystkich 4 sekcji wymienionych powyżej. | Opisano siłownik, ale uwzględniono tylko 2-3 sekcje wymienione powyżej. | Opisano siłownik, ale uwzględniono tylko 1 sekcję wymienioną powyżej. |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
new file mode 100644
index 00000000..4301d539
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
@@ -0,0 +1,128 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4db8a3879a53490513571df2f6cf7641",
+  "translation_date": "2025-08-26T07:03:47+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
+  "language_code": "pl"
+}
+-->
+# Zbuduj lampkę nocną - Raspberry Pi
+
+W tej części lekcji dodasz diodę LED do swojego Raspberry Pi i użyjesz jej do stworzenia lampki nocnej.
+
+## Sprzęt
+
+Lampka nocna potrzebuje teraz aktuatora.
+
+Aktuatorem jest **LED**, czyli [dioda emitująca światło](https://wikipedia.org/wiki/Light-emitting_diode), która świeci, gdy przepływa przez nią prąd. Jest to cyfrowy aktuator, który ma dwa stany: włączony i wyłączony. Wysłanie wartości 1 włącza diodę LED, a 0 ją wyłącza. LED jest zewnętrznym aktuatoriem Grove i musi być podłączony do Grove Base hat na Raspberry Pi.
+
+Logika lampki nocnej w pseudokodzie wygląda następująco:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Podłącz diodę LED
+
+Dioda Grove LED jest dostępna jako moduł z wyborem diod LED, co pozwala wybrać kolor.
+
+#### Zadanie - podłącz diodę LED
+
+Podłącz diodę LED.
+
+![Dioda Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.pl.png)
+
+1. Wybierz swoją ulubioną diodę LED i włóż jej nóżki do dwóch otworów w module LED.
+
+    Diody LED to diody emitujące światło, a diody to urządzenia elektroniczne, które mogą przewodzić prąd tylko w jednym kierunku. Oznacza to, że dioda LED musi być podłączona w odpowiedni sposób, inaczej nie będzie działać.
+
+    Jedna z nóżek diody LED to pin dodatni, a druga to pin ujemny. Dioda LED nie jest idealnie okrągła i jest nieco bardziej płaska z jednej strony. Ta bardziej płaska strona to pin ujemny. Podłączając diodę LED do modułu, upewnij się, że nóżka po stronie zaokrąglonej jest podłączona do gniazda oznaczonego **+** na zewnątrz modułu, a płaska strona jest podłączona do gniazda bliżej środka modułu.
+
+1. Moduł LED ma pokrętło, które pozwala kontrolować jasność. Na początek ustaw je na maksymalną jasność, obracając je w kierunku przeciwnym do ruchu wskazówek zegara, aż do oporu, używając małego śrubokręta krzyżakowego.
+
+1. Włóż jeden koniec kabla Grove do gniazda w module LED. Kabel wejdzie tylko w jednym kierunku.
+
+1. Przy wyłączonym Raspberry Pi podłącz drugi koniec kabla Grove do gniazda cyfrowego oznaczonego **D5** na Grove Base hat podłączonym do Pi. To gniazdo znajduje się jako drugie od lewej, w rzędzie gniazd obok pinów GPIO.
+
+![Dioda Grove LED podłączona do gniazda D5](../../../../../translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.pl.png)
+
+## Zaprogramuj lampkę nocną
+
+Lampka nocna może teraz zostać zaprogramowana przy użyciu czujnika światła Grove i diody LED Grove.
+
+### Zadanie - zaprogramuj lampkę nocną
+
+Zaprogramuj lampkę nocną.
+
+1. Włącz Raspberry Pi i poczekaj, aż się uruchomi.
+
+1. Otwórz projekt lampki nocnej w VS Code, który utworzyłeś w poprzedniej części zadania, uruchamiając go bezpośrednio na Pi lub łącząc się za pomocą rozszerzenia Remote SSH.
+
+1. Dodaj poniższy kod do pliku `app.py`, aby zaimportować wymaganą bibliotekę. Kod ten powinien być dodany na górze, poniżej innych linii `import`.
+
+    ```python
+    from grove.grove_led import GroveLed
+    ```
+
+    Instrukcja `from grove.grove_led import GroveLed` importuje `GroveLed` z bibliotek Python Grove. Ta biblioteka zawiera kod do interakcji z diodą LED Grove.
+
+1. Dodaj poniższy kod po deklaracji `light_sensor`, aby utworzyć instancję klasy zarządzającej diodą LED:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    Linia `led = GroveLed(5)` tworzy instancję klasy `GroveLed`, łącząc się z pinem **D5** - cyfrowym pinem Grove, do którego podłączona jest dioda LED.
+
+    > 💁 Wszystkie gniazda mają unikalne numery pinów. Piny 0, 2, 4 i 6 to piny analogowe, a piny 5, 16, 18, 22, 24 i 26 to piny cyfrowe.
+
+1. Dodaj sprawdzenie wewnątrz pętli `while`, przed `time.sleep`, aby sprawdzić poziomy światła i włączyć lub wyłączyć diodę LED:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    Ten kod sprawdza wartość `light`. Jeśli jest ona mniejsza niż 300, wywołuje metodę `on` klasy `GroveLed`, która wysyła wartość cyfrową 1 do diody LED, włączając ją. Jeśli wartość światła jest większa lub równa 300, wywołuje metodę `off`, wysyłając wartość cyfrową 0 do diody LED, wyłączając ją.
+
+    > 💁 Ten kod powinien być wcięty na tym samym poziomie co linia `print('Light level:', light)`, aby znajdował się wewnątrz pętli while!
+
+    > 💁 Podczas wysyłania wartości cyfrowych do aktuatorów wartość 0 oznacza 0V, a wartość 1 oznacza maksymalne napięcie dla urządzenia. Dla Raspberry Pi z czujnikami i aktuatorami Grove napięcie 1 wynosi 3.3V.
+
+1. W terminalu VS Code uruchom poniższe polecenie, aby uruchomić swoją aplikację w Pythonie:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Wartości światła będą wyświetlane w konsoli.
+
+    ```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. Zakryj i odkryj czujnik światła. Zauważ, że dioda LED zapali się, jeśli poziom światła wynosi 300 lub mniej, a wyłączy się, gdy poziom światła będzie większy niż 300.
+
+    > 💁 Jeśli dioda LED się nie zapala, upewnij się, że jest podłączona w odpowiedni sposób, a pokrętło jest ustawione na maksymalną jasność.
+
+![Dioda LED podłączona do Pi zapala się i gaśnie w zależności od poziomu światła](../../../../../images/pi-running-assignment-1-1.gif)
+
+> 💁 Ten kod znajdziesz w folderze [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi).
+
+😀 Twój program lampki nocnej zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
new file mode 100644
index 00000000..a39e923b
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
@@ -0,0 +1,108 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ea733bd0cdf2479e082373f765a08678",
+  "translation_date": "2025-08-26T07:01:44+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
+  "language_code": "pl"
+}
+-->
+# Zbuduj lampkę nocną - Raspberry Pi
+
+W tej części lekcji dodasz czujnik światła do swojego Raspberry Pi.
+
+## Sprzęt
+
+Czujnikiem używanym w tej lekcji jest **czujnik światła**, który wykorzystuje [fotodiodę](https://wikipedia.org/wiki/Fotodioda) do przekształcania światła w sygnał elektryczny. Jest to czujnik analogowy, który wysyła wartość całkowitą od 0 do 1 000, wskazującą względną ilość światła, która nie odpowiada żadnej standardowej jednostce miary, takiej jak [lux](https://wikipedia.org/wiki/Lux).
+
+Czujnik światła to zewnętrzny czujnik Grove, który należy podłączyć do nakładki Grove Base na Raspberry Pi.
+
+### Podłącz czujnik światła
+
+Czujnik światła Grove, który służy do wykrywania poziomów światła, musi zostać podłączony do Raspberry Pi.
+
+#### Zadanie - podłącz czujnik światła
+
+Podłącz czujnik światła.
+
+![Czujnik światła Grove](../../../../../translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda na module czujnika światła. Kabel wejdzie tylko w jedną stronę.
+
+1. Przy wyłączonym Raspberry Pi podłącz drugi koniec kabla Grove do analogowego gniazda oznaczonego **A0** na nakładce Grove Base przymocowanej do Pi. To gniazdo znajduje się drugie od prawej strony, w rzędzie gniazd obok pinów GPIO.
+
+![Czujnik światła Grove podłączony do gniazda A0](../../../../../translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.pl.png)
+
+## Zaprogramuj czujnik światła
+
+Urządzenie można teraz zaprogramować przy użyciu czujnika światła Grove.
+
+### Zadanie - zaprogramuj czujnik światła
+
+Zaprogramuj urządzenie.
+
+1. Włącz Raspberry Pi i poczekaj, aż się uruchomi.
+
+1. Otwórz projekt lampki nocnej w VS Code, który utworzyłeś w poprzedniej części tego zadania, działając bezpośrednio na Pi lub łącząc się za pomocą rozszerzenia Remote SSH.
+
+1. Otwórz plik `app.py` i usuń z niego cały kod.
+
+1. Dodaj poniższy kod do pliku `app.py`, aby zaimportować wymagane biblioteki:
+
+    ```python
+    import time
+    from grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    Instrukcja `import time` importuje moduł `time`, który będzie używany później w tym zadaniu.
+
+    Instrukcja `from grove.grove_light_sensor_v1_2 import GroveLightSensor` importuje `GroveLightSensor` z bibliotek Python Grove. Ta biblioteka zawiera kod do obsługi czujnika światła Grove i została zainstalowana globalnie podczas konfiguracji Pi.
+
+1. Dodaj poniższy kod po kodzie powyżej, aby utworzyć instancję klasy zarządzającej czujnikiem światła:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    Linia `light_sensor = GroveLightSensor(0)` tworzy instancję klasy `GroveLightSensor`, łącząc się z pinem **A0** - analogowym pinem Grove, do którego podłączony jest czujnik światła.
+
+1. Dodaj nieskończoną pętlę po kodzie powyżej, aby odczytywać wartość czujnika światła i wyświetlać ją w konsoli:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    To odczyta aktualny poziom światła w skali od 0 do 1 023, używając właściwości `light` klasy `GroveLightSensor`. Ta właściwość odczytuje wartość analogową z pinu. Wartość ta jest następnie wyświetlana w konsoli.
+
+1. Dodaj krótką pauzę trwającą jedną sekundę na końcu pętli, ponieważ poziomy światła nie muszą być sprawdzane ciągle. Pauza zmniejsza zużycie energii przez urządzenie.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. W terminalu VS Code uruchom poniższe polecenie, aby uruchomić swoją aplikację w Pythonie:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Wartości światła będą wyświetlane w konsoli. Zakryj i odkryj czujnik światła, a wartości będą się zmieniać:
+
+    ```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
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi).
+
+😀 Dodanie czujnika do programu lampki nocnej zakończyło się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
new file mode 100644
index 00000000..42455de1
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
@@ -0,0 +1,122 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c640f93263fd9adbfda920739e09feb",
+  "translation_date": "2025-08-26T07:04:36+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
+  "language_code": "pl"
+}
+-->
+# Zbuduj lampkę nocną - Wirtualny sprzęt IoT
+
+W tej części lekcji dodasz diodę LED do swojego wirtualnego urządzenia IoT i użyjesz jej do stworzenia lampki nocnej.
+
+## Wirtualny sprzęt
+
+Lampka nocna wymaga jednego aktuatora, który zostanie utworzony w aplikacji CounterFit.
+
+Aktuatorem jest **LED**. W fizycznym urządzeniu IoT byłaby to [dioda elektroluminescencyjna](https://wikipedia.org/wiki/Dioda_elektroluminescencyjna), która emituje światło, gdy przepływa przez nią prąd. Jest to cyfrowy aktuator, który ma dwa stany: włączony i wyłączony. Wysłanie wartości 1 włącza diodę LED, a 0 ją wyłącza.
+
+Logika lampki nocnej w pseudokodzie wygląda następująco:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Dodaj aktuator do CounterFit
+
+Aby użyć wirtualnej diody LED, musisz dodać ją do aplikacji CounterFit.
+
+#### Zadanie - dodaj aktuator do CounterFit
+
+Dodaj diodę LED do aplikacji CounterFit.
+
+1. Upewnij się, że aplikacja webowa CounterFit działa z poprzedniej części tego zadania. Jeśli nie, uruchom ją ponownie i dodaj czujnik światła.
+
+1. Utwórz diodę LED:
+
+    1. W polu *Create actuator* w panelu *Actuator* rozwiń listę *Actuator type* i wybierz *LED*.
+
+    1. Ustaw *Pin* na *5*.
+
+    1. Wybierz przycisk **Add**, aby utworzyć diodę LED na pinie 5.
+
+    ![Ustawienia diody LED](../../../../../translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.pl.png)
+
+    Dioda LED zostanie utworzona i pojawi się na liście aktuatorów.
+
+    ![Utworzona dioda LED](../../../../../translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.pl.png)
+
+    Po utworzeniu diody LED możesz zmienić jej kolor za pomocą selektora *Color*. Wybierz przycisk **Set**, aby zmienić kolor po jego wybraniu.
+
+### Zaprogramuj lampkę nocną
+
+Teraz możesz zaprogramować lampkę nocną, używając czujnika światła i diody LED w CounterFit.
+
+#### Zadanie - zaprogramuj lampkę nocną
+
+Zaprogramuj lampkę nocną.
+
+1. Otwórz projekt lampki nocnej w VS Code, który utworzyłeś w poprzedniej części tego zadania. Jeśli to konieczne, zamknij i ponownie utwórz terminal, aby upewnić się, że działa w wirtualnym środowisku.
+
+1. Otwórz plik `app.py`.
+
+1. Dodaj poniższy kod do pliku `app.py`, aby zaimportować wymaganą bibliotekę. Kod ten powinien zostać dodany na górze, poniżej innych linii `import`.
+
+    ```python
+    from counterfit_shims_grove.grove_led import GroveLed
+    ```
+
+    Linia `from counterfit_shims_grove.grove_led import GroveLed` importuje `GroveLed` z bibliotek Python CounterFit Grove shim. Ta biblioteka zawiera kod do obsługi diody LED utworzonej w aplikacji CounterFit.
+
+1. Dodaj poniższy kod po deklaracji `light_sensor`, aby utworzyć instancję klasy zarządzającej diodą LED:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    Linia `led = GroveLed(5)` tworzy instancję klasy `GroveLed`, łącząc się z pinem **5** - pinem CounterFit Grove, do którego podłączona jest dioda LED.
+
+1. Dodaj sprawdzenie wewnątrz pętli `while`, przed `time.sleep`, aby sprawdzić poziomy światła i włączyć lub wyłączyć diodę LED:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    Ten kod sprawdza wartość `light`. Jeśli jest mniejsza niż 300, wywołuje metodę `on` klasy `GroveLed`, która wysyła wartość cyfrową 1 do diody LED, włączając ją. Jeśli wartość światła jest większa lub równa 300, wywołuje metodę `off`, wysyłając wartość cyfrową 0 do diody LED, wyłączając ją.
+
+    > 💁 Ten kod powinien być wcięty na tym samym poziomie co linia `print('Light level:', light)`, aby znajdował się wewnątrz pętli `while`!
+
+1. W terminalu VS Code uruchom poniższe polecenie, aby uruchomić swoją aplikację w Pythonie:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Wartości światła będą wyświetlane w konsoli.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+1. Zmień ustawienia *Value* lub *Random*, aby zmieniać poziom światła powyżej i poniżej 300. Dioda LED będzie się włączać i wyłączać.
+
+![Dioda LED w aplikacji CounterFit włączająca się i wyłączająca w zależności od poziomu światła](../../../../../images/virtual-device-running-assignment-1-1.gif)
+
+> 💁 Ten kod znajdziesz w folderze [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device).
+
+😀 Twój program lampki nocnej działa poprawnie!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
new file mode 100644
index 00000000..61c97bc8
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
@@ -0,0 +1,122 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "11f10c6760fb8202cf368422702fdf70",
+  "translation_date": "2025-08-26T07:04:56+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
+  "language_code": "pl"
+}
+-->
+# Zbuduj lampkę nocną - Wirtualny sprzęt IoT
+
+W tej części lekcji dodasz czujnik światła do swojego wirtualnego urządzenia IoT.
+
+## Wirtualny sprzęt
+
+Lampka nocna potrzebuje jednego czujnika, utworzonego w aplikacji CounterFit.
+
+Czujnik to **czujnik światła**. W fizycznym urządzeniu IoT byłby to [fotodioda](https://wikipedia.org/wiki/Photodiode), która przekształca światło w sygnał elektryczny. Czujniki światła są analogowymi czujnikami, które wysyłają wartość całkowitą wskazującą względną ilość światła, która nie odpowiada żadnej standardowej jednostce miary, takiej jak [lux](https://wikipedia.org/wiki/Lux).
+
+### Dodaj czujniki do CounterFit
+
+Aby użyć wirtualnego czujnika światła, musisz dodać go do aplikacji CounterFit.
+
+#### Zadanie - dodaj czujniki do CounterFit
+
+Dodaj czujnik światła do aplikacji CounterFit.
+
+1. Upewnij się, że aplikacja internetowa CounterFit działa z poprzedniej części tego zadania. Jeśli nie, uruchom ją.
+
+1. Utwórz czujnik światła:
+
+    1. W polu *Create sensor* w panelu *Sensors* rozwiń pole *Sensor type* i wybierz *Light*.
+
+    1. Pozostaw *Units* ustawione na *NoUnits*.
+
+    1. Upewnij się, że *Pin* jest ustawiony na *0*.
+
+    1. Wybierz przycisk **Add**, aby utworzyć czujnik światła na Pinie 0.
+
+    ![Ustawienia czujnika światła](../../../../../translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.pl.png)
+
+    Czujnik światła zostanie utworzony i pojawi się na liście czujników.
+
+    ![Utworzony czujnik światła](../../../../../translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.pl.png)
+
+## Programowanie czujnika światła
+
+Urządzenie może teraz zostać zaprogramowane do korzystania z wbudowanego czujnika światła.
+
+### Zadanie - zaprogramuj czujnik światła
+
+Zaprogramuj urządzenie.
+
+1. Otwórz projekt lampki nocnej w VS Code, który utworzyłeś w poprzedniej części tego zadania. Jeśli to konieczne, zamknij i ponownie utwórz terminal, aby upewnić się, że działa w wirtualnym środowisku.
+
+1. Otwórz plik `app.py`.
+
+1. Dodaj poniższy kod na początku pliku `app.py` wraz z pozostałymi instrukcjami `import`, aby zaimportować wymagane biblioteki:
+
+    ```python
+    import time
+    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    Instrukcja `import time` importuje moduł Python `time`, który będzie używany później w tym zadaniu.
+
+    Instrukcja `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` importuje `GroveLightSensor` z bibliotek Python CounterFit Grove shim. Ta biblioteka zawiera kod do obsługi czujnika światła utworzonego w aplikacji CounterFit.
+
+1. Dodaj poniższy kod na końcu pliku, aby utworzyć instancje klas zarządzających czujnikiem światła:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    Linia `light_sensor = GroveLightSensor(0)` tworzy instancję klasy `GroveLightSensor`, łącząc się z pinem **0** - pinem CounterFit Grove, do którego podłączony jest czujnik światła.
+
+1. Dodaj nieskończoną pętlę po powyższym kodzie, aby odczytywać wartość czujnika światła i wyświetlać ją w konsoli:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    To odczyta aktualny poziom światła za pomocą właściwości `light` klasy `GroveLightSensor`. Ta właściwość odczytuje wartość analogową z pinu. Następnie wartość ta zostanie wyświetlona w konsoli.
+
+1. Dodaj krótką pauzę trwającą jedną sekundę na końcu pętli `while`, ponieważ poziomy światła nie muszą być sprawdzane ciągle. Pauza zmniejsza zużycie energii przez urządzenie.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. W terminalu VS Code uruchom poniższe polecenie, aby uruchomić swoją aplikację w Pythonie:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Wartości światła zostaną wyświetlone w konsoli. Początkowo wartość ta będzie wynosić 0.
+
+1. W aplikacji CounterFit zmień wartość czujnika światła, która będzie odczytywana przez aplikację. Możesz to zrobić na dwa sposoby:
+
+    * Wpisz liczbę w polu *Value* dla czujnika światła, a następnie wybierz przycisk **Set**. Liczba, którą wpiszesz, będzie wartością zwracaną przez czujnik.
+
+    * Zaznacz pole *Random* i wpisz wartości *Min* oraz *Max*, a następnie wybierz przycisk **Set**. Za każdym razem, gdy czujnik odczytuje wartość, będzie odczytywał losową liczbę pomiędzy *Min* a *Max*.
+
+    Wartości, które ustawisz, zostaną wyświetlone w konsoli. Zmień ustawienia *Value* lub *Random*, aby wartość się zmieniała.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device).
+
+😀 Twój program lampki nocnej zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
new file mode 100644
index 00000000..3e36cf5b
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
@@ -0,0 +1,122 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "db44083b4dc6fb06eac83c4f16448940",
+  "translation_date": "2025-08-26T07:04:10+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
+  "language_code": "pl"
+}
+-->
+# Zbuduj lampkę nocną - Wio Terminal
+
+W tej części lekcji dodasz diodę LED do swojego Wio Terminal i użyjesz jej do stworzenia lampki nocnej.
+
+## Sprzęt
+
+Lampka nocna potrzebuje teraz aktuatora.
+
+Aktuatorem jest **LED**, czyli [dioda emitująca światło](https://wikipedia.org/wiki/Light-emitting_diode), która świeci, gdy przepływa przez nią prąd. Jest to cyfrowy aktuator, który ma dwa stany: włączony i wyłączony. Wysłanie wartości 1 włącza diodę LED, a 0 ją wyłącza. Jest to zewnętrzny aktuator Grove, który należy podłączyć do Wio Terminal.
+
+Logika lampki nocnej w pseudokodzie wygląda następująco:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Podłącz diodę LED
+
+Dioda Grove LED jest dostępna jako moduł z wyborem diod LED, co pozwala wybrać kolor.
+
+#### Zadanie - podłącz diodę LED
+
+Podłącz diodę LED.
+
+![Dioda Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.pl.png)
+
+1. Wybierz swoją ulubioną diodę LED i włóż jej nóżki do dwóch otworów w module LED.
+
+    Diody LED to diody emitujące światło, a diody to urządzenia elektroniczne, które mogą przewodzić prąd tylko w jednym kierunku. Oznacza to, że dioda LED musi być podłączona w odpowiedni sposób, inaczej nie będzie działać.
+
+    Jedna z nóżek diody LED to pin dodatni, a druga to pin ujemny. Dioda LED nie jest idealnie okrągła i jest lekko spłaszczona z jednej strony. Lekko spłaszczona strona to pin ujemny. Podłączając diodę LED do modułu, upewnij się, że nóżka po stronie zaokrąglonej jest podłączona do gniazda oznaczonego **+** na zewnątrz modułu, a spłaszczona strona jest podłączona do gniazda bliżej środka modułu.
+
+1. Moduł LED ma pokrętło, które pozwala kontrolować jasność. Na początek ustaw je na maksymalną jasność, obracając je w kierunku przeciwnym do ruchu wskazówek zegara, aż do oporu, używając małego śrubokręta krzyżakowego.
+
+1. Włóż jeden koniec kabla Grove do gniazda w module LED. Kabel wejdzie tylko w jednym kierunku.
+
+1. Gdy Wio Terminal jest odłączony od komputera lub innego źródła zasilania, podłącz drugi koniec kabla Grove do gniazda Grove po prawej stronie Wio Terminal, patrząc na ekran. Jest to gniazdo najbardziej oddalone od przycisku zasilania.
+
+    > 💁 Prawe gniazdo Grove może być używane z analogowymi lub cyfrowymi czujnikami i aktuatorami. Lewe gniazdo jest przeznaczone tylko dla czujników i aktuatorów cyfrowych. C zostanie omówione w późniejszej lekcji.
+
+![Dioda Grove LED podłączona do prawego gniazda](../../../../../translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.pl.png)
+
+## Zaprogramuj lampkę nocną
+
+Lampka nocna może teraz zostać zaprogramowana przy użyciu wbudowanego czujnika światła i diody Grove LED.
+
+### Zadanie - zaprogramuj lampkę nocną
+
+Zaprogramuj lampkę nocną.
+
+1. Otwórz projekt lampki nocnej w VS Code, który utworzyłeś w poprzedniej części tego zadania.
+
+1. Dodaj następującą linię na końcu funkcji `setup`:
+
+    ```cpp
+    pinMode(D0, OUTPUT);
+    ```
+
+    Ta linia konfiguruje pin używany do komunikacji z diodą LED przez port Grove.
+
+    Pin `D0` to cyfrowy pin dla prawego gniazda Grove. Ten pin jest ustawiony na `OUTPUT`, co oznacza, że łączy się z aktuatorami, a dane będą zapisywane na pinie.
+
+1. Dodaj następujący kod bezpośrednio przed `delay` w funkcji `loop`:
+
+    ```cpp
+    if (light < 300)
+    {
+        digitalWrite(D0, HIGH);
+    }
+    else
+    {
+        digitalWrite(D0, LOW);
+    }
+    ```
+
+    Ten kod sprawdza wartość `light`. Jeśli jest ona mniejsza niż 300, wysyła wartość `HIGH` do cyfrowego pinu `D0`. Wartość `HIGH` to wartość 1, która włącza diodę LED. Jeśli wartość światła jest większa lub równa 300, wysyłana jest wartość `LOW` wynosząca 0, która wyłącza diodę LED.
+
+    > 💁 Podczas wysyłania wartości cyfrowych do aktuatorów wartość LOW to 0V, a wartość HIGH to maksymalne napięcie dla urządzenia. Dla Wio Terminal napięcie HIGH wynosi 3,3V.
+
+1. Podłącz ponownie Wio Terminal do komputera i wgraj nowy kod tak jak wcześniej.
+
+1. Podłącz Serial Monitor. Wartości światła będą wyświetlane w terminalu.
+
+    ```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. Zakryj i odkryj czujnik światła. Zauważ, jak dioda LED zapala się, gdy poziom światła wynosi 300 lub mniej, i gaśnie, gdy poziom światła jest większy niż 300.
+
+![Dioda LED podłączona do WIO zapala się i gaśnie w zależności od poziomu światła](../../../../../images/wio-running-assignment-1-1.gif)
+
+> 💁 Ten kod znajdziesz w folderze [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal).
+
+😀 Twój program lampki nocnej zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
new file mode 100644
index 00000000..b2067dc2
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
@@ -0,0 +1,85 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7f4ad0ef54f248b85b92187c94cf9dcb",
+  "translation_date": "2025-08-26T07:05:17+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
+  "language_code": "pl"
+}
+-->
+# Dodaj czujnik - Wio Terminal
+
+W tej części lekcji użyjesz czujnika światła w swoim Wio Terminal.
+
+## Sprzęt
+
+Czujnik używany w tej lekcji to **czujnik światła**, który wykorzystuje [fotodiodę](https://wikipedia.org/wiki/Fotodioda) do przekształcania światła w sygnał elektryczny. Jest to czujnik analogowy, który wysyła wartość całkowitą od 0 do 1 023, wskazując względną ilość światła, która nie jest powiązana z żadną standardową jednostką miary, taką jak [lux](https://wikipedia.org/wiki/Lux).
+
+Czujnik światła jest wbudowany w Wio Terminal i widoczny przez przezroczyste plastikowe okienko z tyłu urządzenia.
+
+![Czujnik światła z tyłu Wio Terminal](../../../../../translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.pl.png)
+
+## Programowanie czujnika światła
+
+Urządzenie można teraz zaprogramować do korzystania z wbudowanego czujnika światła.
+
+### Zadanie
+
+Zaprogramuj urządzenie.
+
+1. Otwórz projekt nightlight w VS Code, który utworzyłeś w poprzedniej części tego zadania.
+
+1. Dodaj następującą linię na końcu funkcji `setup`:
+
+    ```cpp
+    pinMode(WIO_LIGHT, INPUT);
+    ```
+
+    Ta linia konfiguruje piny używane do komunikacji ze sprzętem czujnika.
+
+    Pin `WIO_LIGHT` to numer pinu GPIO połączonego z wbudowanym czujnikiem światła. Ten pin jest ustawiony na `INPUT`, co oznacza, że łączy się z czujnikiem i dane będą odczytywane z tego pinu.
+
+1. Usuń zawartość funkcji `loop`.
+
+1. Dodaj następujący kod do teraz pustej funkcji `loop`.
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+    Serial.print("Light value: ");
+    Serial.println(light);
+    ```
+
+    Ten kod odczytuje wartość analogową z pinu `WIO_LIGHT`. Odczytuje wartość od 0 do 1 023 z wbudowanego czujnika światła. Ta wartość jest następnie wysyłana do portu szeregowego, dzięki czemu możesz ją odczytać w Serial Monitor, gdy ten kod działa. `Serial.print` zapisuje tekst bez nowej linii na końcu, więc każda linia zacznie się od `Light value:` i zakończy rzeczywistą wartością światła.
+
+1. Dodaj małe opóźnienie jednej sekundy (1 000 ms) na końcu `loop`, ponieważ poziomy światła nie muszą być sprawdzane ciągle. Opóźnienie zmniejsza zużycie energii przez urządzenie.
+
+    ```cpp
+    delay(1000);
+    ```
+
+1. Podłącz ponownie Wio Terminal do komputera i wgraj nowy kod, tak jak wcześniej.
+
+1. Połącz się z Serial Monitor. Wartości światła będą wyświetlane w terminalu. Zakrywaj i odkrywaj czujnik światła z tyłu Wio Terminal, a wartości będą się zmieniać.
+
+    ```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
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal).
+
+😀 Dodanie czujnika do programu nightlight zakończyło się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić precyzję, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/4-connect-internet/README.md b/translations/pl/1-getting-started/lessons/4-connect-internet/README.md
new file mode 100644
index 00000000..1ca0e483
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/4-connect-internet/README.md
@@ -0,0 +1,464 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
+  "translation_date": "2025-08-26T06:58:18+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
+  "language_code": "pl"
+}
+-->
+# Podłącz swoje urządzenie do Internetu
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obrazek, aby zobaczyć większą wersję.
+
+Ta lekcja była częścią serii [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) organizowanej przez [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). Lekcja została podzielona na dwa filmy: godzinny wykład oraz godzinne konsultacje, podczas których szczegółowo omówiono wybrane części lekcji i odpowiadano na pytania.
+
+[![Lekcja 4: Podłącz swoje urządzenie do Internetu](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
+
+[![Lekcja 4: Podłącz swoje urządzenie do Internetu - Konsultacje](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
+
+> 🎥 Kliknij powyższe obrazy, aby obejrzeć filmy
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
+
+## Wprowadzenie
+
+Litera **I** w IoT oznacza **Internet** – połączenie z chmurą i usługi, które umożliwiają wiele funkcji urządzeń IoT, od zbierania pomiarów z czujników podłączonych do urządzenia, po wysyłanie wiadomości sterujących do elementów wykonawczych. Urządzenia IoT zazwyczaj łączą się z jedną usługą IoT w chmurze za pomocą standardowego protokołu komunikacyjnego, a ta usługa jest połączona z resztą aplikacji IoT, od usług AI podejmujących inteligentne decyzje na podstawie danych, po aplikacje webowe do sterowania lub raportowania.
+
+> 🎓 Dane zbierane z czujników i wysyłane do chmury nazywane są telemetrią.
+
+Urządzenia IoT mogą odbierać wiadomości z chmury. Często są to polecenia – instrukcje wykonania jakiejś akcji, zarówno wewnętrznej (np. restart lub aktualizacja oprogramowania), jak i z użyciem elementu wykonawczego (np. włączenie światła).
+
+Ta lekcja wprowadza niektóre protokoły komunikacyjne, które urządzenia IoT mogą używać do łączenia się z chmurą, oraz typy danych, które mogą wysyłać lub odbierać. Będziesz także mieć okazję praktycznie z nimi pracować, dodając kontrolę przez Internet do swojej lampki nocnej, przenosząc logikę sterowania diodą LED do kodu 'serwera' uruchamianego lokalnie.
+
+W tej lekcji omówimy:
+
+* [Protokoły komunikacyjne](../../../../../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)
+* [Polecenia](../../../../../1-getting-started/lessons/4-connect-internet)
+
+## Protokoły komunikacyjne
+
+Istnieje wiele popularnych protokołów komunikacyjnych używanych przez urządzenia IoT do komunikacji z Internetem. Najpopularniejsze opierają się na modelu publikowania/subskrypcji za pośrednictwem jakiegoś rodzaju brokera. Urządzenia IoT łączą się z brokerem, publikują telemetrię i subskrybują polecenia. Usługi w chmurze również łączą się z brokerem, subskrybują wszystkie wiadomości telemetrii i publikują polecenia skierowane do konkretnych urządzeń lub grup urządzeń.
+
+![Urządzenia IoT łączą się z brokerem, publikują telemetrię i subskrybują polecenia. Usługi w chmurze łączą się z brokerem, subskrybują wszystkie wiadomości telemetrii i wysyłają polecenia do konkretnych urządzeń.](../../../../../translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.pl.png)
+
+MQTT jest najpopularniejszym protokołem komunikacyjnym dla urządzeń IoT i jest omówiony w tej lekcji. Inne protokoły to AMQP oraz HTTP/HTTPS.
+
+## Message Queueing Telemetry Transport (MQTT)
+
+[MQTT](http://mqtt.org) to lekki, otwarty standard protokołu komunikacyjnego, który umożliwia przesyłanie wiadomości między urządzeniami. Został zaprojektowany w 1999 roku do monitorowania rurociągów naftowych, a 15 lat później udostępniony jako otwarty standard przez IBM.
+
+MQTT działa na zasadzie jednego brokera i wielu klientów. Wszystkie klienty łączą się z brokerem, a broker przekazuje wiadomości do odpowiednich klientów. Wiadomości są przekazywane za pomocą nazwanych tematów, zamiast być wysyłane bezpośrednio do konkretnego klienta. Klient może publikować wiadomości w temacie, a każdy klient subskrybujący ten temat otrzyma wiadomość.
+
+![Urządzenie IoT publikujące telemetrię w temacie /telemetry, a usługa w chmurze subskrybująca ten temat](../../../../../translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.pl.png)
+
+✅ Zrób badania. Jeśli masz wiele urządzeń IoT, jak możesz zapewnić, że Twój broker MQTT poradzi sobie z wszystkimi wiadomościami?
+
+### Podłącz swoje urządzenie IoT do MQTT
+
+Pierwszym krokiem w dodaniu kontroli przez Internet do lampki nocnej jest podłączenie jej do brokera MQTT.
+
+#### Zadanie
+
+Podłącz swoje urządzenie do brokera MQTT.
+
+W tej części lekcji podłączysz swoją lampkę nocną IoT do Internetu, aby można było nią sterować zdalnie. Później w tej lekcji Twoje urządzenie IoT wyśle wiadomość telemetrii przez MQTT do publicznego brokera MQTT z poziomem światła, gdzie zostanie ona odebrana przez kod serwera, który napiszesz. Ten kod sprawdzi poziom światła i wyśle wiadomość polecenia z powrotem do urządzenia, informując je, czy włączyć, czy wyłączyć diodę LED.
+
+Przykładem zastosowania takiego rozwiązania w rzeczywistości mogłoby być zbieranie danych z wielu czujników światła przed podjęciem decyzji o włączeniu świateł w miejscu, gdzie jest ich dużo, na przykład na stadionie. Dzięki temu światła nie zostaną włączone, jeśli tylko jeden czujnik zostanie zasłonięty przez chmury lub ptaka, ale pozostałe czujniki wykryją wystarczającą ilość światła.
+
+✅ Jakie inne sytuacje wymagałyby oceny danych z wielu czujników przed wysłaniem poleceń?
+
+Zamiast zajmować się złożonością konfiguracji brokera MQTT w ramach tego zadania, możesz skorzystać z publicznego serwera testowego, który działa na [Eclipse Mosquitto](https://www.mosquitto.org), otwartoźródłowym brokerze MQTT. Ten serwer testowy jest publicznie dostępny pod adresem [test.mosquitto.org](https://test.mosquitto.org) i nie wymaga zakładania konta, co czyni go świetnym narzędziem do testowania klientów i serwerów MQTT.
+
+> 💁 Ten serwer testowy jest publiczny i nie jest zabezpieczony. Każdy może słuchać tego, co publikujesz, więc nie powinien być używany do przesyłania danych, które muszą pozostać prywatne.
+
+![Schemat przepływu zadania pokazujący odczyty poziomów światła, ich sprawdzanie i kontrolę diody LED](../../../../../translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.pl.png)
+
+Wykonaj odpowiedni krok poniżej, aby podłączyć swoje urządzenie do brokera MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie IoT](single-board-computer-mqtt.md)
+
+### Głębsze spojrzenie na MQTT
+
+Tematy mogą mieć hierarchię, a klienty mogą subskrybować różne poziomy hierarchii za pomocą symboli wieloznacznych. Na przykład możesz wysyłać wiadomości telemetrii temperatury do tematu `/telemetry/temperature` i wiadomości telemetrii wilgotności do tematu `/telemetry/humidity`, a następnie w swojej aplikacji w chmurze subskrybować temat `/telemetry/*`, aby odbierać zarówno wiadomości telemetrii temperatury, jak i wilgotności.
+
+Wiadomości mogą być wysyłane z różnym poziomem jakości usług (QoS), który określa gwarancję ich odbioru.
+
+* Najwyżej raz – wiadomość jest wysyłana tylko raz, a klient i broker nie podejmują dodatkowych kroków w celu potwierdzenia dostarczenia (wyślij i zapomnij).
+* Co najmniej raz – wiadomość jest ponawiana przez nadawcę wielokrotnie, aż do otrzymania potwierdzenia (dostarczenie potwierdzone).
+* Dokładnie raz – nadawca i odbiorca angażują się w dwupoziomowy proces potwierdzenia, aby zapewnić, że tylko jedna kopia wiadomości zostanie odebrana (dostarczenie gwarantowane).
+
+✅ Jakie sytuacje mogą wymagać wiadomości z gwarantowanym dostarczeniem zamiast wiadomości typu wyślij i zapomnij?
+
+Pomimo nazwy Message Queueing (inicjały w MQTT), protokół ten nie obsługuje kolejek wiadomości. Oznacza to, że jeśli klient się rozłączy, a następnie połączy ponownie, nie otrzyma wiadomości wysłanych podczas rozłączenia, z wyjątkiem tych, które już zaczął przetwarzać za pomocą procesu QoS. Wiadomości mogą mieć ustawioną flagę "retained". Jeśli jest ona ustawiona, broker MQTT przechowa ostatnią wiadomość wysłaną w temacie z tą flagą i wyśle ją do każdego klienta, który później zasubskrybuje ten temat. W ten sposób klienty zawsze otrzymają najnowszą wiadomość.
+
+MQTT obsługuje również funkcję "keep alive", która sprawdza, czy połączenie jest nadal aktywne podczas długich przerw między wiadomościami.
+
+> 🦟 [Mosquitto od Eclipse Foundation](https://mosquitto.org) oferuje darmowy broker MQTT, który możesz uruchomić samodzielnie, aby eksperymentować z MQTT, oraz publiczny broker MQTT, który możesz używać do testowania swojego kodu, dostępny pod adresem [test.mosquitto.org](https://test.mosquitto.org).
+
+Połączenia MQTT mogą być publiczne i otwarte lub szyfrowane i zabezpieczone za pomocą nazw użytkowników i haseł, lub certyfikatów.
+
+> 💁 MQTT komunikuje się za pomocą TCP/IP, tego samego podstawowego protokołu sieciowego co HTTP, ale na innym porcie. Możesz również używać MQTT przez websockets, aby komunikować się z aplikacjami webowymi działającymi w przeglądarce lub w sytuacjach, gdy zapory sieciowe lub inne reguły sieciowe blokują standardowe połączenia MQTT.
+
+## Telemetria
+
+Słowo telemetria pochodzi z greckich korzeni oznaczających zdalne mierzenie. Telemetria to proces zbierania danych z czujników i wysyłania ich do chmury.
+
+> 💁 Jedno z pierwszych urządzeń telemetrycznych zostało wynalezione we Francji w 1874 roku i przesyłało w czasie rzeczywistym dane pogodowe i głębokość śniegu z Mont Blanc do Paryża. Wykorzystywało fizyczne przewody, ponieważ technologie bezprzewodowe nie były wtedy dostępne.
+
+Przyjrzyjmy się ponownie przykładowi inteligentnego termostatu z Lekcji 1.
+
+![Termostat podłączony do Internetu, używający wielu czujników w pomieszczeniach](../../../../../translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.pl.png)
+
+Termostat posiada czujniki temperatury do zbierania telemetrii. Najprawdopodobniej miałby jeden wbudowany czujnik temperatury, a także mógłby łączyć się z wieloma zewnętrznymi czujnikami temperatury za pomocą protokołu bezprzewodowego, takiego jak [Bluetooth Low Energy](https://wikipedia.org/wiki/Bluetooth_Low_Energy) (BLE).
+
+Przykładem danych telemetrii, które mógłby wysyłać, mogłyby być:
+
+| Nazwa | Wartość | Opis |
+| ---- | ----- | ----------- |
+| `thermostat_temperature` | 18°C | Temperatura zmierzona przez wbudowany czujnik temperatury termostatu |
+| `livingroom_temperature` | 19°C | Temperatura zmierzona przez zdalny czujnik temperatury nazwany `livingroom`, aby zidentyfikować pomieszczenie, w którym się znajduje |
+| `bedroom_temperature` | 21°C | Temperatura zmierzona przez zdalny czujnik temperatury nazwany `bedroom`, aby zidentyfikować pomieszczenie, w którym się znajduje |
+
+Usługa w chmurze może następnie wykorzystać te dane telemetrii do podejmowania decyzji dotyczących poleceń sterujących ogrzewaniem.
+
+### Wysyłanie telemetrii z urządzenia IoT
+
+Kolejnym krokiem w dodaniu kontroli przez Internet do lampki nocnej jest wysyłanie telemetrii poziomu światła do brokera MQTT w temacie telemetrii.
+
+#### Zadanie - wysyłanie telemetrii z urządzenia IoT
+
+Wyślij telemetrię poziomu światła do brokera MQTT.
+
+Dane są wysyłane w formacie JSON – skrót od JavaScript Object Notation, standardu kodowania danych w tekście za pomocą par klucz/wartość.
+
+✅ Jeśli nie spotkałeś się wcześniej z JSON, możesz dowiedzieć się więcej na [dokumentacji JSON.org](https://www.json.org/).
+
+Wykonaj odpowiedni krok poniżej, aby wysłać telemetrię ze swojego urządzenia do brokera MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie IoT](single-board-computer-telemetry.md)
+
+### Odbieranie telemetrii z brokera MQTT
+
+Nie ma sensu wysyłać telemetrii, jeśli nikt jej nie odbiera. Telemetria poziomu światła potrzebuje czegoś, co będzie jej słuchać i przetwarzać dane. Kod 'serwera' to rodzaj kodu, który wdrożysz w usłudze chmurowej jako część większej aplikacji IoT, ale tutaj uruchomisz ten kod lokalnie na swoim komputerze (lub na Pi, jeśli kodujesz bezpośrednio na nim). Kod serwera składa się z aplikacji w Pythonie, która nasłuchuje wiadomości telemetrii przez MQTT z poziomami światła. Później w tej lekcji sprawisz, że odpowie wiadomością polecenia z instrukcjami, czy włączyć, czy wyłączyć diodę LED.
+
+✅ Zrób badania: Co dzieje się z wiadomościami MQTT, jeśli nie ma odbiorcy?
+
+#### Zainstaluj Python i VS Code
+
+Jeśli nie masz zainstalowanego Pythona i VS Code lokalnie, będziesz musiał je zainstalować, aby napisać kod serwera. Jeśli używasz wirtualnego urządzenia IoT lub pracujesz na Raspberry Pi, możesz pominąć ten krok, ponieważ powinieneś już mieć to zainstalowane i skonfigurowane.
+
+##### Zadanie - zainstaluj Python i VS Code
+
+Zainstaluj Python i VS Code.
+
+1. Zainstaluj Python. Odwiedź [stronę pobierania Pythona](https://www.python.org/downloads/), aby uzyskać instrukcje dotyczące instalacji najnowszej wersji Pythona.
+
+1. Zainstaluj Visual Studio Code (VS Code). To edytor, którego będziesz używać do pisania kodu w Pythonie dla wirtualnego urządzenia. Odwiedź [dokumentację VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn), aby uzyskać instrukcje dotyczące instalacji VS Code.
+💁 Możesz korzystać z dowolnego edytora lub IDE dla Pythona, jeśli masz ulubione narzędzie, ale lekcje będą zawierały instrukcje oparte na używaniu VS Code.
+1. Zainstaluj rozszerzenie Pylance dla VS Code. Jest to rozszerzenie dla VS Code, które zapewnia wsparcie dla języka Python. Zapoznaj się z [dokumentacją rozszerzenia Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance), aby dowiedzieć się, jak je zainstalować w VS Code.
+
+#### Skonfiguruj wirtualne środowisko Pythona
+
+Jedną z potężnych funkcji Pythona jest możliwość instalowania [pakietów pip](https://pypi.org) - są to pakiety kodu napisane przez innych i opublikowane w Internecie. Możesz zainstalować pakiet pip na swoim komputerze za pomocą jednego polecenia, a następnie używać go w swoim kodzie. W tym przypadku użyjesz pip do zainstalowania pakietu do komunikacji przez MQTT.
+
+Domyślnie, gdy instalujesz pakiet, jest on dostępny wszędzie na twoim komputerze, co może prowadzić do problemów z wersjami pakietów - na przykład jedna aplikacja może wymagać jednej wersji pakietu, która przestaje działać po zainstalowaniu nowej wersji dla innej aplikacji. Aby obejść ten problem, możesz użyć [wirtualnego środowiska Pythona](https://docs.python.org/3/library/venv.html), które jest zasadniczo kopią Pythona w dedykowanym folderze. W takim środowisku pakiety pip są instalowane tylko w tym folderze.
+
+##### Zadanie - skonfiguruj wirtualne środowisko Pythona
+
+Skonfiguruj wirtualne środowisko Pythona i zainstaluj pakiety pip dla MQTT.
+
+1. W terminalu lub wierszu poleceń uruchom poniższe polecenia w wybranej lokalizacji, aby utworzyć i przejść do nowego katalogu:
+
+    ```sh
+    mkdir nightlight-server
+    cd nightlight-server
+    ```
+
+1. Teraz uruchom poniższe polecenie, aby utworzyć wirtualne środowisko w folderze `.venv`:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 Musisz wyraźnie wywołać `python3`, aby utworzyć wirtualne środowisko, na wypadek gdybyś miał zainstalowanego Pythona 2 obok Pythona 3 (najnowszej wersji). Jeśli masz zainstalowanego Pythona 2, wywołanie `python` użyje wersji 2 zamiast 3.
+
+1. Aktywuj wirtualne środowisko:
+
+    * Na Windowsie:
+        * Jeśli używasz Command Prompt lub Command Prompt przez Windows Terminal, uruchom:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Jeśli używasz PowerShell, uruchom:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * Na macOS lub Linux uruchom:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Te polecenia powinny być uruchamiane z tej samej lokalizacji, w której uruchomiłeś polecenie tworzące wirtualne środowisko. Nigdy nie musisz wchodzić do folderu `.venv`, zawsze uruchamiaj polecenie aktywacji i wszelkie polecenia instalacji pakietów lub uruchamiania kodu z folderu, w którym utworzyłeś wirtualne środowisko.
+
+1. Po aktywacji wirtualnego środowiska domyślne polecenie `python` uruchomi wersję Pythona, która została użyta do utworzenia środowiska. Uruchom poniższe polecenie, aby sprawdzić wersję:
+
+    ```sh
+    python --version
+    ```
+
+    Wynik będzie podobny do poniższego:
+
+    ```output
+    (.venv) ➜  nightlight-server python --version
+    Python 3.9.1
+    ```
+
+    > 💁 Twoja wersja Pythona może być inna - o ile jest to wersja 3.6 lub nowsza, wszystko jest w porządku. Jeśli nie, usuń ten folder, zainstaluj nowszą wersję Pythona i spróbuj ponownie.
+
+1. Uruchom poniższe polecenia, aby zainstalować pakiet pip dla [Paho-MQTT](https://pypi.org/project/paho-mqtt/), popularnej biblioteki MQTT.
+
+    ```sh
+    pip install paho-mqtt
+    ```
+
+    Ten pakiet pip zostanie zainstalowany tylko w wirtualnym środowisku i nie będzie dostępny poza nim.
+
+#### Napisz kod serwera
+
+Teraz możesz napisać kod serwera w Pythonie.
+
+##### Zadanie - napisz kod serwera
+
+Napisz kod serwera.
+
+1. W terminalu lub wierszu poleceń uruchom poniższe polecenie wewnątrz wirtualnego środowiska, aby utworzyć plik Pythona o nazwie `app.py`:
+
+    * Na Windowsie uruchom:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * Na macOS lub Linux uruchom:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. Otwórz bieżący folder w VS Code:
+
+    ```sh
+    code .
+    ```
+
+1. Po uruchomieniu VS Code aktywuje ono wirtualne środowisko Pythona. Informacja o tym pojawi się na dolnym pasku stanu:
+
+    ![VS Code pokazujący wybrane wirtualne środowisko](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.pl.png)
+
+1. Jeśli terminal VS Code jest już uruchomiony podczas startu VS Code, wirtualne środowisko nie zostanie w nim aktywowane. Najprostszym rozwiązaniem jest zamknięcie terminala za pomocą przycisku **Kill the active terminal instance**:
+
+    ![Przycisk VS Code Kill the active terminal instance](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.pl.png)
+
+1. Uruchom nowy terminal w VS Code, wybierając *Terminal -> New Terminal* lub naciskając `` CTRL+` ``. Nowy terminal załaduje wirtualne środowisko, a polecenie aktywacji pojawi się w terminalu. Nazwa wirtualnego środowiska (`.venv`) będzie również widoczna w prompt:
+
+    ```output
+    ➜  nightlight-server source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. Otwórz plik `app.py` w eksploratorze VS Code i dodaj poniższy kod:
+
+    ```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)
+    ```
+
+    Zamień `<ID>` w linii 6 na unikalny identyfikator, którego użyłeś podczas tworzenia kodu urządzenia.
+
+    ⚠️ To **musi** być ten sam identyfikator, którego użyłeś na swoim urządzeniu, w przeciwnym razie kod serwera nie będzie subskrybował ani publikował na właściwym temacie.
+
+    Ten kod tworzy klienta MQTT z unikalną nazwą i łączy się z brokerem *test.mosquitto.org*. Następnie uruchamia pętlę przetwarzania, która działa w tle, nasłuchując wiadomości na dowolnych subskrybowanych tematach.
+
+    Klient subskrybuje wiadomości na temacie telemetrycznym i definiuje funkcję, która jest wywoływana, gdy wiadomość zostanie odebrana. Gdy wiadomość telemetryczna zostanie odebrana, funkcja `handle_telemetry` zostanie wywołana, drukując odebraną wiadomość w konsoli.
+
+    Na koniec nieskończona pętla utrzymuje aplikację w działaniu. Klient MQTT nasłuchuje wiadomości w wątku w tle i działa przez cały czas, gdy główna aplikacja działa.
+
+1. W terminalu VS Code uruchom poniższe polecenie, aby uruchomić swoją aplikację w Pythonie:
+
+    ```sh
+    python app.py
+    ```
+
+    Aplikacja zacznie nasłuchiwać wiadomości z urządzenia IoT.
+
+1. Upewnij się, że twoje urządzenie działa i wysyła wiadomości telemetryczne. Dostosuj poziomy światła wykrywane przez swoje fizyczne lub wirtualne urządzenie. Odbierane wiadomości będą drukowane w terminalu.
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Message received: {'light': 400}
+    ```
+
+    Plik `app.py` w wirtualnym środowisku nightlight musi być uruchomiony, aby plik `app.py` w wirtualnym środowisku nightlight-server mógł odbierać wysyłane wiadomości.
+
+> 💁 Ten kod znajdziesz w folderze [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server).
+
+### Jak często należy wysyłać dane telemetryczne?
+
+Jednym z ważnych aspektów danych telemetrycznych jest częstotliwość ich pomiaru i wysyłania. Odpowiedź brzmi - to zależy. Jeśli mierzysz często, możesz szybciej reagować na zmiany, ale zużywasz więcej energii, więcej przepustowości, generujesz więcej danych i potrzebujesz więcej zasobów chmurowych do ich przetwarzania. Musisz mierzyć wystarczająco często, ale nie za często.
+
+Dla termostatu pomiar co kilka minut prawdopodobnie wystarczy, ponieważ temperatura nie zmienia się tak często. Jeśli mierzysz tylko raz dziennie, możesz skończyć z ogrzewaniem domu na nocne temperatury w środku słonecznego dnia, podczas gdy pomiar co sekundę wygeneruje tysiące niepotrzebnie zduplikowanych pomiarów, które obciążą prędkość i przepustowość Internetu użytkownika (problem dla osób z ograniczonymi planami), zużyją więcej energii, co może być problemem dla urządzeń zasilanych bateryjnie, takich jak zdalne czujniki, i zwiększą koszty zasobów chmurowych dostawcy przetwarzających i przechowujących te dane.
+
+Jeśli monitorujesz dane dotyczące maszyny w fabryce, której awaria mogłaby spowodować katastrofalne szkody i miliony dolarów strat, pomiar kilka razy na sekundę może być konieczny. Lepiej zmarnować przepustowość niż przegapić dane telemetryczne wskazujące, że maszyna wymaga zatrzymania i naprawy, zanim się zepsuje.
+
+> 💁 W takiej sytuacji możesz rozważyć użycie urządzenia brzegowego do wstępnego przetwarzania danych telemetrycznych, aby zmniejszyć zależność od Internetu.
+
+### Utrata łączności
+
+Połączenia internetowe mogą być zawodnymi, a przerwy w dostępie są powszechne. Co powinno zrobić urządzenie IoT w takich okolicznościach - czy powinno utracić dane, czy przechować je do czasu przywrócenia łączności? Odpowiedź brzmi - to zależy.
+
+Dla termostatu dane mogą zostać utracone, gdy tylko zostanie wykonany nowy pomiar temperatury. System grzewczy nie przejmuje się, że 20 minut temu było 20,5°C, jeśli teraz jest 19°C - to obecna temperatura decyduje, czy ogrzewanie powinno być włączone czy wyłączone.
+
+Dla maszyn możesz chcieć zachować dane, zwłaszcza jeśli są one używane do analizy trendów. Istnieją modele uczenia maszynowego, które mogą wykrywać anomalie w strumieniach danych, analizując dane z określonego okresu czasu (np. ostatniej godziny) i identyfikując anomalne wartości. Jest to często używane do predykcyjnej konserwacji, szukając wskazówek, że coś może się wkrótce zepsuć, aby można było to naprawić lub wymienić, zanim to nastąpi. Możesz chcieć, aby każde dane telemetryczne maszyny zostały przesłane, aby mogły zostać przetworzone pod kątem wykrywania anomalii, więc gdy urządzenie IoT odzyska połączenie, wyśle wszystkie dane telemetryczne wygenerowane podczas przerwy w dostępie do Internetu.
+
+Projektanci urządzeń IoT powinni również rozważyć, czy urządzenie IoT może być używane podczas przerwy w dostępie do Internetu lub utraty sygnału spowodowanej lokalizacją. Inteligentny termostat powinien być w stanie podejmować pewne ograniczone decyzje dotyczące sterowania ogrzewaniem, jeśli nie może wysyłać danych telemetrycznych do chmury z powodu przerwy.
+
+[![Ten ferrari został "zbrickowany", ponieważ ktoś próbował go zaktualizować pod ziemią, gdzie nie ma zasięgu](../../../../../translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.pl.png)](https://twitter.com/internetofshit/status/1315736960082808832)
+
+Aby MQTT mogło obsłużyć utratę łączności, kod urządzenia i serwera będzie musiał być odpowiedzialny za zapewnienie dostarczenia wiadomości, jeśli jest to konieczne, na przykład poprzez wymaganie, aby wszystkie wysłane wiadomości były potwierdzane dodatkowymi wiadomościami na temacie odpowiedzi, a jeśli nie, były ręcznie kolejkowane do ponownego wysłania później.
+
+## Polecenia
+
+Polecenia to wiadomości wysyłane przez chmurę do urządzenia, instruujące je, aby coś zrobiło. Najczęściej polega to na generowaniu jakiegoś rodzaju wyjścia za pomocą aktuatora, ale może to być również instrukcja dla samego urządzenia, na przykład aby się zrestartowało lub zebrało dodatkowe dane telemetryczne i zwróciło je jako odpowiedź na polecenie.
+
+![Termostat podłączony do Internetu odbierający polecenie włączenia ogrzewania](../../../../../translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.pl.png)
+
+Termostat mógłby otrzymać polecenie z chmury, aby włączyć ogrzewanie. Na podstawie danych telemetrycznych ze wszystkich czujników, jeśli usługa chmurowa zdecyduje, że ogrzewanie powinno być włączone, wysyła odpowiednie polecenie.
+
+### Wysyłanie poleceń do brokera MQTT
+
+Kolejnym krokiem dla naszej nocnej lampki sterowanej przez Internet jest to, aby kod serwera wysyłał polecenie z powrotem do urządzenia IoT, aby sterować światłem na podstawie wykrywanych poziomów światła.
+
+1. Otwórz kod serwera w VS Code.
+
+1. Dodaj poniższą linię po deklaracji `client_telemetry_topic`, aby zdefiniować, na którym temacie wysyłać polecenia:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+1. Dodaj poniższy kod na końcu funkcji `handle_telemetry`:
+
+    ```python
+    command = { 'led_on' : payload['light'] < 300 }
+    print("Sending message:", command)
+    
+    client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    To wysyła wiadomość JSON na temat polecenia z wartością `led_on` ustawioną na true lub false w zależności od tego, czy światło jest mniejsze niż 300, czy nie. Jeśli światło jest mniejsze niż 300, wysyłane jest true, aby nakazać urządzeniu włączenie diody LED.
+
+1. Uruchom kod jak wcześniej.
+
+1. Dostosuj poziomy światła wykrywane przez swoje fizyczne lub wirtualne urządzenie. Odbierane wiadomości i wysyłane polecenia będą zapisywane w terminalu:
+
+    ```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}
+    ```
+
+> 💁 Telemetria i polecenia są wysyłane na pojedynczym temacie każde. Oznacza to, że telemetria z wielu urządzeń pojawi się na tym samym temacie telemetrycznym, a polecenia do wielu urządzeń pojawią się na tym samym temacie poleceń. Jeśli chciałbyś wysłać polecenie do konkretnego urządzenia, możesz użyć wielu tematów, nazwanych unikalnym identyfikatorem urządzenia, takich jak `/commands/device1`, `/commands/device2`. W ten sposób urządzenie może nasłuchiwać wiadomości przeznaczonych tylko dla niego.
+
+> 💁 Ten kod znajdziesz w folderze [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server).
+
+### Obsługa poleceń na urządzeniu IoT
+
+Teraz, gdy polecenia są wysyłane z serwera, możesz dodać kod do urządzenia IoT, aby je obsługiwało i sterowało diodą LED.
+
+Wykonaj odpowiedni krok poniżej, aby nasłuchiwać poleceń z brokera MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-commands.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie IoT](single-board-computer-commands.md)
+
+Gdy ten kod zostanie napisany i uruchomiony, eksperymentuj z zmianą poziomów światła. Obserwuj dane wyjściowe z serwera i urządzenia oraz obserwuj diodę LED, gdy zmieniasz poziomy światła.
+
+### Utrata łączności
+
+Co powinna zrobić usługa chmurowa, jeśli musi wysłać polecenie do urządzenia IoT, które jest offline? Odpowiedź brzmi - to zależy.
+
+Jeśli najnowsze polecenie zastępuje wcześniejsze, wcześniejsze mogą zostać prawdopodobnie zignorowane. Jeśli usługa chmurowa wysyła polecenie włączenia ogrzewania, a następnie polecenie wyłączenia, polecenie włączenia może zostać zignorowane i nie wysłane ponownie.
+
+Jeśli polecenia muszą być przetwarzane w kolejności, na przykład przesunięcie ramienia robota w górę, a następnie zamknięcie chwytaka, muszą być wysyłane w odpowiedniej kolejności po przywróceniu łączności.
+
+✅ Jak kod urządzenia lub serwera mógłby zapewnić, że polecenia są zawsze wysyłane i obsługiwane w odpowiedniej kolejności za pomocą MQTT, jeśli jest to konieczne?
+
+---
+
+## 🚀 Wyzwanie
+
+Wyzwanie z ostatnich trzech lekcji polegało na wymienieniu jak największej liczby urządzeń IoT, które znajdują się w twoim domu, szkole lub miejscu pracy, oraz określeniu, czy są one oparte na mikrokontrolerach, komputerach jednopłytkowych, czy może na mieszance obu, a także
+Dla tych urządzeń zastanów się, jakie wiadomości mogą wysyłać lub odbierać. Jaką telemetrię wysyłają? Jakie wiadomości lub polecenia mogą otrzymywać? Czy uważasz, że są bezpieczne?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
+
+## Przegląd i samodzielna nauka
+
+Przeczytaj więcej o MQTT na [stronie Wikipedii o MQTT](https://wikipedia.org/wiki/MQTT).
+
+Spróbuj uruchomić samodzielnie broker MQTT, korzystając z [Mosquitto](https://www.mosquitto.org), i połącz się z nim za pomocą swojego urządzenia IoT oraz kodu serwera.
+
+> 💁 Wskazówka - domyślnie Mosquitto nie pozwala na anonimowe połączenia (czyli połączenia bez nazwy użytkownika i hasła) oraz nie pozwala na połączenia spoza komputera, na którym działa.
+> Możesz to zmienić za pomocą [pliku konfiguracyjnego `mosquitto.conf`](https://www.mosquitto.org/man/mosquitto-conf-5.html) z następującą zawartością:
+>
+> ```sh
+> listener 1883 0.0.0.0
+> allow_anonymous true
+> ```
+
+## Zadanie
+
+[Porównaj i zestaw MQTT z innymi protokołami komunikacyjnymi](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/pl/1-getting-started/lessons/4-connect-internet/assignment.md
new file mode 100644
index 00000000..7cb4ffe7
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/4-connect-internet/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
+  "translation_date": "2025-08-26T07:00:32+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Porównanie i kontrastowanie MQTT z innymi protokołami komunikacyjnymi
+
+## Instrukcje
+
+Ta lekcja dotyczyła MQTT jako protokołu komunikacyjnego. Istnieją również inne, takie jak AMQP i HTTP/HTTPS.
+
+Zbadaj oba te protokoły i porównaj je z MQTT. Zastanów się nad zużyciem energii, bezpieczeństwem oraz trwałością wiadomości w przypadku utraty połączenia.
+
+## Kryteria oceny
+
+| Kryteria | Wzorowe | Zadowalające | Wymaga poprawy |
+| -------- | --------- | -------- | ----------------- |
+| Porównanie AMQP z MQTT | Potrafi porównać i skontrastować AMQP z MQTT, uwzględniając zużycie energii, bezpieczeństwo i trwałość wiadomości. | Częściowo potrafi porównać i skontrastować AMQP z MQTT, uwzględniając dwa z trzech aspektów: zużycie energii, bezpieczeństwo i trwałość wiadomości. | Częściowo potrafi porównać i skontrastować AMQP z MQTT, uwzględniając jeden z trzech aspektów: zużycie energii, bezpieczeństwo i trwałość wiadomości. |
+| Porównanie HTTP/HTTPS z MQTT | Potrafi porównać i skontrastować HTTP/HTTPS z MQTT, uwzględniając zużycie energii, bezpieczeństwo i trwałość wiadomości. | Częściowo potrafi porównać i skontrastować HTTP/HTTPS z MQTT, uwzględniając dwa z trzech aspektów: zużycie energii, bezpieczeństwo i trwałość wiadomości. | Częściowo potrafi porównać i skontrastować HTTP/HTTPS z MQTT, uwzględniając jeden z trzech aspektów: zużycie energii, bezpieczeństwo i trwałość wiadomości. |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/pl/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
new file mode 100644
index 00000000..c270e010
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
@@ -0,0 +1,65 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c527ce85d69b1a3875366ec61cbed8aa",
+  "translation_date": "2025-08-26T06:57:54+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
+  "language_code": "pl"
+}
+-->
+# Steruj swoją lampką nocną przez Internet - Wirtualny sprzęt IoT i Raspberry Pi
+
+W tej części lekcji zasubskrybujesz polecenia wysyłane z brokera MQTT do Twojego Raspberry Pi lub wirtualnego urządzenia IoT.
+
+## Subskrybuj polecenia
+
+Kolejnym krokiem jest subskrybowanie poleceń wysyłanych z brokera MQTT i reagowanie na nie.
+
+### Zadanie
+
+Zasubskrybuj polecenia.
+
+1. Otwórz projekt lampki nocnej w VS Code.
+
+1. Jeśli używasz wirtualnego urządzenia IoT, upewnij się, że terminal działa w środowisku wirtualnym. Jeśli korzystasz z Raspberry Pi, nie będziesz używać środowiska wirtualnego.
+
+1. Dodaj poniższy kod po definicjach `client_telemetry_topic`:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+    `server_command_topic` to temat MQTT, który urządzenie zasubskrybuje, aby odbierać polecenia dotyczące LED.
+
+1. Dodaj poniższy kod tuż nad główną pętlą, po linii `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
+    ```
+
+    Ten kod definiuje funkcję `handle_command`, która odczytuje wiadomość jako dokument JSON i sprawdza wartość właściwości `led_on`. Jeśli jest ustawiona na `True`, dioda LED zostaje włączona, w przeciwnym razie zostaje wyłączona.
+
+    Klient MQTT subskrybuje temat, na który serwer będzie wysyłał wiadomości, i ustawia funkcję `handle_command`, aby była wywoływana, gdy wiadomość zostanie odebrana.
+
+    > 💁 Handler `on_message` jest wywoływany dla wszystkich subskrybowanych tematów. Jeśli później napiszesz kod nasłuchujący wielu tematów, możesz uzyskać temat, na który wiadomość została wysłana, z obiektu `message` przekazanego do funkcji obsługującej.
+
+1. Uruchom kod w taki sam sposób, jak uruchamiałeś kod z poprzedniej części zadania. Jeśli używasz wirtualnego urządzenia IoT, upewnij się, że aplikacja CounterFit jest uruchomiona, a czujnik światła i dioda LED zostały utworzone na odpowiednich pinach.
+
+1. Dostosuj poziomy światła wykrywane przez swoje fizyczne lub wirtualne urządzenie. Wiadomości odbierane i polecenia wysyłane będą zapisywane w terminalu. Dioda LED będzie również włączana i wyłączana w zależności od poziomu światła.
+
+> 💁 Ten kod znajdziesz w folderze [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) lub [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi).
+
+😀 Udało Ci się zaprogramować swoje urządzenie tak, aby reagowało na polecenia z brokera MQTT.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/pl/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
new file mode 100644
index 00000000..ce41fd22
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
@@ -0,0 +1,91 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "90fb93446e03c38f3c0e4009c2471906",
+  "translation_date": "2025-08-26T07:00:43+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
+  "language_code": "pl"
+}
+-->
+# Steruj swoją lampką nocną przez Internet - Wirtualny sprzęt IoT i Raspberry Pi
+
+Urządzenie IoT musi zostać zaprogramowane tak, aby komunikowało się z *test.mosquitto.org* za pomocą MQTT, wysyłając dane telemetryczne z odczytem czujnika światła oraz odbierając polecenia do sterowania diodą LED.
+
+W tej części lekcji połączysz swoje Raspberry Pi lub wirtualne urządzenie IoT z brokerem MQTT.
+
+## Zainstaluj pakiet klienta MQTT
+
+Aby komunikować się z brokerem MQTT, musisz zainstalować bibliotekę MQTT jako pakiet pip, albo na swoim Raspberry Pi, albo w środowisku wirtualnym, jeśli korzystasz z wirtualnego urządzenia.
+
+### Zadanie
+
+Zainstaluj pakiet pip
+
+1. Otwórz projekt lampki nocnej w VS Code.
+
+1. Jeśli korzystasz z wirtualnego urządzenia IoT, upewnij się, że terminal działa w środowisku wirtualnym. Jeśli używasz Raspberry Pi, nie będziesz korzystać ze środowiska wirtualnego.
+
+1. Uruchom następujące polecenie, aby zainstalować pakiet pip MQTT:
+
+    ```sh
+    pip3 install paho-mqtt
+    ```
+
+## Programowanie urządzenia
+
+Urządzenie jest gotowe do zaprogramowania.
+
+### Zadanie
+
+Napisz kod urządzenia.
+
+1. Dodaj następujący import na początku pliku `app.py`:
+
+    ```python
+    import paho.mqtt.client as mqtt
+    ```
+
+    Biblioteka `paho.mqtt.client` pozwala Twojej aplikacji komunikować się za pomocą MQTT.
+
+1. Dodaj następujący kod po definicjach czujnika światła i diody LED:
+
+    ```python
+    id = '<ID>'
+
+    client_name = id + 'nightlight_client'
+    ```
+
+    Zamień `<ID>` na unikalny identyfikator, który będzie używany jako nazwa tego klienta urządzenia, a później jako nazwa tematów, które to urządzenie publikuje i subskrybuje. Broker *test.mosquitto.org* jest publiczny i używany przez wiele osób, w tym innych uczniów realizujących to zadanie. Posiadanie unikalnej nazwy klienta MQTT i nazw tematów zapewnia, że Twój kod nie będzie kolidował z kodem innych osób. Będziesz również potrzebować tego identyfikatora podczas tworzenia kodu serwera w dalszej części tego zadania.
+
+    > 💁 Możesz użyć strony internetowej, takiej jak [GUIDGen](https://www.guidgen.com), aby wygenerować unikalny identyfikator.
+
+    `client_name` to unikalna nazwa tego klienta MQTT na brokerze.
+
+1. Dodaj następujący kod poniżej nowego kodu, aby utworzyć obiekt klienta MQTT i połączyć się z brokerem MQTT:
+
+    ```python
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+
+    print("MQTT connected!")
+    ```
+
+    Ten kod tworzy obiekt klienta, łączy się z publicznym brokerem MQTT i uruchamia pętlę przetwarzania, która działa w tle, nasłuchując wiadomości na dowolnych subskrybowanych tematach.
+
+1. Uruchom kod w taki sam sposób, jak uruchamiałeś kod z poprzedniej części zadania. Jeśli korzystasz z wirtualnego urządzenia IoT, upewnij się, że aplikacja CounterFit jest uruchomiona, a czujnik światła i dioda LED zostały utworzone na odpowiednich pinach.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Light level: 0
+    Light level: 0
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) lub [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi).
+
+😀 Udało Ci się pomyślnie połączyć swoje urządzenie z brokerem MQTT.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/pl/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
new file mode 100644
index 00000000..dca5a61c
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
@@ -0,0 +1,72 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1226517aae5f5b6f904434670394c688",
+  "translation_date": "2025-08-26T06:58:07+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
+  "language_code": "pl"
+}
+-->
+# Steruj swoją lampką nocną przez Internet - Wirtualny sprzęt IoT i Raspberry Pi
+
+W tej części lekcji wyślesz dane telemetryczne dotyczące poziomu światła z Raspberry Pi lub wirtualnego urządzenia IoT do brokera MQTT.
+
+## Wysyłanie danych telemetrycznych
+
+Kolejnym krokiem jest utworzenie dokumentu JSON z danymi telemetrycznymi i wysłanie go do brokera MQTT.
+
+### Zadanie
+
+Wyślij dane telemetryczne do brokera MQTT.
+
+1. Otwórz projekt lampki nocnej w VS Code.
+
+1. Jeśli korzystasz z wirtualnego urządzenia IoT, upewnij się, że terminal działa w środowisku wirtualnym. Jeśli używasz Raspberry Pi, nie będziesz korzystać ze środowiska wirtualnego.
+
+1. Dodaj następujący import na początku pliku `app.py`:
+
+    ```python
+    import json
+    ```
+
+    Biblioteka `json` jest używana do kodowania danych telemetrycznych jako dokument JSON.
+
+1. Dodaj poniższy kod po deklaracji `client_name`:
+
+    ```python
+    client_telemetry_topic = id + '/telemetry'
+    ```
+
+    Zmienna `client_telemetry_topic` to temat MQTT, na który urządzenie będzie wysyłać poziomy światła.
+
+1. Zamień zawartość pętli `while True:` na końcu pliku na poniższą:
+
+    ```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)
+    ```
+
+    Ten kod pakuje poziom światła w dokument JSON i publikuje go do brokera MQTT. Następnie wprowadza opóźnienie, aby zmniejszyć częstotliwość wysyłania wiadomości.
+
+1. Uruchom kod w taki sam sposób, jak uruchamiałeś kod z poprzedniej części zadania. Jeśli korzystasz z wirtualnego urządzenia IoT, upewnij się, że aplikacja CounterFit jest uruchomiona, a czujnik światła i dioda LED zostały utworzone na odpowiednich pinach.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Sending telemetry  {"light": 0}
+    Sending telemetry  {"light": 0}
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) lub [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi).
+
+😀 Udało Ci się pomyślnie wysłać dane telemetryczne z Twojego urządzenia.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/pl/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
new file mode 100644
index 00000000..a838de2f
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
@@ -0,0 +1,91 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
+  "translation_date": "2025-08-26T07:01:28+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
+  "language_code": "pl"
+}
+-->
+# Steruj swoją lampką nocną przez Internet - Wio Terminal
+
+W tej części lekcji zasubskrybujesz polecenia wysyłane z brokera MQTT do Twojego Wio Terminal.
+
+## Subskrybowanie poleceń
+
+Kolejnym krokiem jest subskrybowanie poleceń wysyłanych z brokera MQTT i odpowiednie reagowanie na nie.
+
+### Zadanie
+
+Zasubskrybuj polecenia.
+
+1. Otwórz projekt lampki nocnej w VS Code.
+
+1. Dodaj poniższy kod na końcu pliku `config.h`, aby zdefiniować nazwę tematu dla poleceń:
+
+    ```cpp
+    const string SERVER_COMMAND_TOPIC = ID + "/commands";
+    ```
+
+    `SERVER_COMMAND_TOPIC` to temat, który urządzenie zasubskrybuje, aby odbierać polecenia dotyczące LED.
+
+1. Dodaj poniższą linię na końcu funkcji `reconnectMQTTClient`, aby zasubskrybować temat poleceń, gdy klient MQTT zostanie ponownie połączony:
+
+    ```cpp
+    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
+    ```
+
+1. Dodaj poniższy kod poniżej funkcji `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);
+    }
+    ```
+
+    Ta funkcja będzie wywoływana jako callback przez klienta MQTT, gdy otrzyma wiadomość z serwera.
+
+    Wiadomość jest odbierana jako tablica 8-bitowych liczb całkowitych bez znaku, więc musi zostać przekonwertowana na tablicę znaków, aby mogła być traktowana jako tekst.
+
+    Wiadomość zawiera dokument JSON, który jest dekodowany za pomocą biblioteki ArduinoJson. Właściwość `led_on` dokumentu JSON jest odczytywana, a w zależności od jej wartości dioda LED jest włączana lub wyłączana.
+
+1. Dodaj poniższy kod do funkcji `createMQTTClient`:
+
+    ```cpp
+    client.setCallback(clientCallback);
+    ```
+
+    Ten kod ustawia `clientCallback` jako callback, który będzie wywoływany, gdy klient MQTT otrzyma wiadomość od brokera.
+
+    > 💁 Handler `clientCallback` jest wywoływany dla wszystkich zasubskrybowanych tematów. Jeśli później napiszesz kod nasłuchujący wielu tematów, możesz uzyskać temat, na który została wysłana wiadomość, z parametru `topic` przekazanego do funkcji callback.
+
+1. Wgraj kod na swój Wio Terminal i użyj Monitora Szeregowego, aby zobaczyć poziomy światła wysyłane do brokera MQTT.
+
+1. Dostosuj poziomy światła wykrywane przez swoje fizyczne lub wirtualne urządzenie. Zobaczysz wiadomości odbierane i polecenia wysyłane w terminalu. Zobaczysz również, jak dioda LED włącza się i wyłącza w zależności od poziomu światła.
+
+> 💁 Ten kod znajdziesz w folderze [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal).
+
+😀 Udało Ci się zaprogramować swoje urządzenie tak, aby reagowało na polecenia z brokera MQTT.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/pl/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
new file mode 100644
index 00000000..b1d04ea8
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
@@ -0,0 +1,249 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
+  "translation_date": "2025-08-26T07:00:57+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
+  "language_code": "pl"
+}
+-->
+# Steruj swoją lampką nocną przez Internet - Wio Terminal
+
+Urządzenie IoT musi zostać zaprogramowane, aby komunikować się z *test.mosquitto.org* za pomocą MQTT w celu wysyłania wartości telemetrycznych z odczytem czujnika światła oraz odbierania poleceń do sterowania diodą LED.
+
+W tej części lekcji połączysz swój Wio Terminal z brokerem MQTT.
+
+## Zainstaluj biblioteki WiFi i MQTT dla Arduino
+
+Aby komunikować się z brokerem MQTT, musisz zainstalować kilka bibliotek Arduino, które umożliwią korzystanie z modułu WiFi w Wio Terminal oraz komunikację z MQTT. Podczas tworzenia aplikacji dla urządzeń Arduino możesz korzystać z szerokiej gamy bibliotek zawierających otwarty kod źródłowy, które implementują różnorodne funkcje. Seeed publikuje biblioteki dla Wio Terminal, które umożliwiają komunikację przez WiFi. Inni deweloperzy opublikowali biblioteki do komunikacji z brokerami MQTT, z których będziesz korzystać na swoim urządzeniu.
+
+Te biblioteki są dostarczane jako kod źródłowy, który można automatycznie zaimportować do PlatformIO i skompilować dla Twojego urządzenia. Dzięki temu biblioteki Arduino będą działać na każdym urządzeniu obsługującym framework Arduino, pod warunkiem, że urządzenie posiada odpowiedni sprzęt wymagany przez daną bibliotekę. Niektóre biblioteki, takie jak biblioteki WiFi od Seeed, są specyficzne dla określonego sprzętu.
+
+Biblioteki można instalować globalnie i kompilować w razie potrzeby lub w ramach konkretnego projektu. W tym zadaniu biblioteki zostaną zainstalowane w projekcie.
+
+✅ Więcej informacji o zarządzaniu bibliotekami oraz o tym, jak je znaleźć i zainstalować, znajdziesz w [dokumentacji bibliotek PlatformIO](https://docs.platformio.org/en/latest/librarymanager/index.html).
+
+### Zadanie - zainstaluj biblioteki WiFi i MQTT dla Arduino
+
+Zainstaluj biblioteki Arduino.
+
+1. Otwórz projekt lampki nocnej w VS Code.
+
+1. Dodaj następujący kod na końcu pliku `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
+    ```
+
+    To importuje biblioteki WiFi od Seeed. Składnia `@ <number>` odnosi się do konkretnej wersji biblioteki.
+
+    > 💁 Możesz usunąć `@ <number>`, aby zawsze używać najnowszej wersji bibliotek, ale nie ma gwarancji, że nowsze wersje będą działać z poniższym kodem. Kod tutaj został przetestowany z tą wersją bibliotek.
+
+    To wszystko, co musisz zrobić, aby dodać biblioteki. Przy następnym budowaniu projektu PlatformIO pobierze kod źródłowy tych bibliotek i skompiluje go w Twoim projekcie.
+
+1. Dodaj następujący kod do `lib_deps`:
+
+    ```ini
+    knolleary/PubSubClient @ 2.8
+    ```
+
+    To importuje [PubSubClient](https://github.com/knolleary/pubsubclient), klienta MQTT dla Arduino.
+
+## Połącz się z WiFi
+
+Teraz możesz połączyć Wio Terminal z WiFi.
+
+### Zadanie - połącz się z WiFi
+
+Połącz Wio Terminal z WiFi.
+
+1. Utwórz nowy plik w folderze `src` o nazwie `config.h`. Możesz to zrobić, wybierając folder `src` lub plik `main.cpp` w środku, a następnie klikając przycisk **New file** w eksploratorze. Ten przycisk pojawia się tylko wtedy, gdy kursor znajduje się nad eksploratorem.
+
+    ![Przycisk nowego pliku](../../../../../translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.pl.png)
+
+1. Dodaj następujący kod do tego pliku, aby zdefiniować stałe dla danych logowania do WiFi:
+
+    ```cpp
+    #pragma once
+
+    #include <string>
+    
+    using namespace std;
+    
+    // WiFi credentials
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    ```
+
+    Zamień `<SSID>` na SSID swojej sieci WiFi. Zamień `<PASSWORD>` na hasło do swojej sieci WiFi.
+
+1. Otwórz plik `main.cpp`.
+
+1. Dodaj następujące dyrektywy `#include` na początku pliku:
+
+    ```cpp
+    #include <PubSubClient.h>
+    #include <rpcWiFi.h>
+    #include <SPI.h>
+    
+    #include "config.h"
+    ```
+
+    To dodaje pliki nagłówkowe dla wcześniej dodanych bibliotek oraz plik nagłówkowy konfiguracji. Te pliki nagłówkowe są potrzebne, aby PlatformIO mogło zaimportować kod z bibliotek. Bez ich wyraźnego uwzględnienia niektóre fragmenty kodu nie zostaną skompilowane, co spowoduje błędy kompilatora.
+
+1. Dodaj następujący kod powyżej funkcji `setup`:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+    Ten kod działa w pętli, dopóki urządzenie nie połączy się z WiFi, i próbuje połączyć się, używając SSID i hasła z pliku nagłówkowego konfiguracji.
+
+1. Dodaj wywołanie tej funkcji na końcu funkcji `setup`, po skonfigurowaniu pinów.
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. Wgraj ten kod na swoje urządzenie, aby sprawdzić, czy połączenie WiFi działa. Powinieneś zobaczyć to w monitorze szeregowym.
+
+    ```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!
+    ```
+
+## Połącz się z MQTT
+
+Gdy Wio Terminal jest połączony z WiFi, może połączyć się z brokerem MQTT.
+
+### Zadanie - połącz się z MQTT
+
+Połącz się z brokerem MQTT.
+
+1. Dodaj następujący kod na końcu pliku `config.h`, aby zdefiniować szczegóły połączenia z brokerem MQTT:
+
+    ```cpp
+    // MQTT settings
+    const string ID = "<ID>";
+    
+    const string BROKER = "test.mosquitto.org";
+    const string CLIENT_NAME = ID + "nightlight_client";
+    ```
+
+    Zamień `<ID>` na unikalny identyfikator, który będzie używany jako nazwa tego klienta urządzenia, a później jako nazwa tematów, które to urządzenie publikuje i subskrybuje. Broker *test.mosquitto.org* jest publiczny i używany przez wiele osób, w tym innych studentów realizujących to zadanie. Posiadanie unikalnej nazwy klienta MQTT i tematów zapewnia, że Twój kod nie będzie kolidował z kodem innych osób. Będziesz również potrzebować tego identyfikatora podczas tworzenia kodu serwera w dalszej części zadania.
+
+    > 💁 Możesz użyć strony internetowej, takiej jak [GUIDGen](https://www.guidgen.com), aby wygenerować unikalny identyfikator.
+
+    `BROKER` to URL brokera MQTT.
+
+    `CLIENT_NAME` to unikalna nazwa tego klienta MQTT na brokerze.
+
+1. Otwórz plik `main.cpp` i dodaj następujący kod poniżej funkcji `connectWiFi` i powyżej funkcji `setup`:
+
+    ```cpp
+    WiFiClient wioClient;
+    PubSubClient client(wioClient);
+    ```
+
+    Ten kod tworzy klienta WiFi, korzystając z bibliotek WiFi Wio Terminal, i używa go do utworzenia klienta MQTT.
+
+1. Poniżej tego kodu dodaj następujący fragment:
+
+    ```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);
+            }
+        }
+    }
+    ```
+
+    Ta funkcja testuje połączenie z brokerem MQTT i ponownie łączy się, jeśli połączenie zostało zerwane. Działa w pętli, dopóki nie zostanie nawiązane połączenie, i próbuje połączyć się, używając unikalnej nazwy klienta zdefiniowanej w pliku nagłówkowym konfiguracji.
+
+    Jeśli połączenie się nie powiedzie, próbuje ponownie po 5 sekundach.
+
+1. Dodaj następujący kod poniżej funkcji `reconnectMQTTClient`:
+
+    ```cpp
+    void createMQTTClient()
+    {
+        client.setServer(BROKER.c_str(), 1883);
+        reconnectMQTTClient();
+    }
+    ```
+
+    Ten kod ustawia brokera MQTT dla klienta oraz konfiguruje wywołanie zwrotne, gdy wiadomość zostanie odebrana. Następnie próbuje połączyć się z brokerem.
+
+1. Wywołaj funkcję `createMQTTClient` w funkcji `setup` po nawiązaniu połączenia z WiFi.
+
+1. Zastąp całą funkcję `loop` następującym kodem:
+
+    ```cpp
+    void loop()
+    {
+        reconnectMQTTClient();
+        client.loop();
+    
+        delay(2000);
+    }
+    ```
+
+    Ten kod zaczyna od ponownego połączenia z brokerem MQTT. Połączenia te mogą być łatwo zrywane, więc warto regularnie sprawdzać i ponownie łączyć się w razie potrzeby. Następnie wywołuje metodę `loop` na kliencie MQTT, aby przetworzyć wszelkie wiadomości przychodzące na subskrybowany temat. Ta aplikacja jest jednowątkowa, więc wiadomości nie mogą być odbierane w tle, dlatego należy przeznaczyć czas w głównym wątku na przetwarzanie wiadomości oczekujących na połączeniu sieciowym.
+
+    Na koniec opóźnienie 2 sekund zapewnia, że poziomy światła nie są wysyłane zbyt często, co zmniejsza zużycie energii przez urządzenie.
+
+1. Wgraj kod na swój Wio Terminal i użyj monitora szeregowego, aby zobaczyć, jak urządzenie łączy się z WiFi i 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
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal).
+
+😀 Udało Ci się pomyślnie połączyć swoje urządzenie z brokerem MQTT.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/pl/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
new file mode 100644
index 00000000..5efac619
--- /dev/null
+++ b/translations/pl/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
@@ -0,0 +1,91 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
+  "translation_date": "2025-08-26T07:00:19+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
+  "language_code": "pl"
+}
+-->
+# Steruj swoją lampką nocną przez Internet - Wio Terminal
+
+W tej części lekcji wyślesz dane telemetryczne dotyczące poziomu światła z Wio Terminal do brokera MQTT.
+
+## Zainstaluj biblioteki JSON dla Arduino
+
+Popularnym sposobem przesyłania wiadomości przez MQTT jest użycie JSON. Istnieje biblioteka Arduino dla JSON, która ułatwia odczytywanie i zapisywanie dokumentów JSON.
+
+### Zadanie
+
+Zainstaluj bibliotekę Arduino JSON.
+
+1. Otwórz projekt lampki nocnej w VS Code.
+
+1. Dodaj następującą linię do listy `lib_deps` w pliku `platformio.ini`:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    To importuje [ArduinoJson](https://arduinojson.org), bibliotekę JSON dla Arduino.
+
+## Publikowanie danych telemetrycznych
+
+Kolejnym krokiem jest utworzenie dokumentu JSON z danymi telemetrycznymi i wysłanie go do brokera MQTT.
+
+### Zadanie - publikowanie danych telemetrycznych
+
+Publikuj dane telemetryczne do brokera MQTT.
+
+1. Dodaj poniższy kod na końcu pliku `config.h`, aby zdefiniować nazwę tematu telemetrycznego dla brokera MQTT:
+
+    ```cpp
+    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
+    ```
+
+    `CLIENT_TELEMETRY_TOPIC` to temat, na który urządzenie będzie publikować poziomy światła.
+
+1. Otwórz plik `main.cpp`.
+
+1. Dodaj następującą dyrektywę `#include` na początku pliku:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. Dodaj poniższy kod wewnątrz funkcji `loop`, tuż przed `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());
+    ```
+
+    Ten kod odczytuje poziom światła i tworzy dokument JSON za pomocą ArduinoJson, który zawiera ten poziom. Następnie jest on serializowany do ciągu znaków i publikowany na temacie telemetrycznym MQTT przez klienta MQTT.
+
+1. Wgraj kod na swój Wio Terminal i użyj Monitora Szeregowego, aby zobaczyć poziomy światła wysyłane do brokera MQTT.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"light":652}
+    Sending telemetry {"light":612}
+    Sending telemetry {"light":583}
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal).
+
+😀 Udało Ci się pomyślnie wysłać dane telemetryczne z urządzenia.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/README.md b/translations/pl/2-farm/README.md
new file mode 100644
index 00000000..4e1689c1
--- /dev/null
+++ b/translations/pl/2-farm/README.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "428bda82d9e6016ecea7c797564bf081",
+  "translation_date": "2025-08-26T06:40:24+00:00",
+  "source_file": "2-farm/README.md",
+  "language_code": "pl"
+}
+-->
+# Rolnictwo z IoT
+
+Wraz ze wzrostem populacji rośnie zapotrzebowanie na rolnictwo. Ilość dostępnej ziemi pozostaje niezmienna, ale klimat się zmienia - stawiając przed rolnikami jeszcze większe wyzwania, szczególnie przed 2 miliardami [rolników utrzymujących się z własnych upraw](https://wikipedia.org/wiki/Subsistence_agriculture), którzy polegają na tym, co wyhodują, aby móc jeść i wyżywić swoje rodziny. IoT może pomóc rolnikom podejmować mądrzejsze decyzje dotyczące tego, co uprawiać i kiedy zbierać plony, zwiększać wydajność, zmniejszać ilość pracy ręcznej oraz wykrywać i zwalczać szkodniki.
+
+W tych 6 lekcjach dowiesz się, jak zastosować Internet Rzeczy, aby usprawnić i zautomatyzować rolnictwo.
+
+> 💁 Te lekcje będą korzystać z zasobów chmurowych. Jeśli nie ukończysz wszystkich lekcji w tym projekcie, upewnij się, że [posprzątasz swój projekt](../clean-up.md).
+
+## Tematy
+
+1. [Przewidywanie wzrostu roślin za pomocą IoT](lessons/1-predict-plant-growth/README.md)
+1. [Wykrywanie wilgotności gleby](lessons/2-detect-soil-moisture/README.md)
+1. [Automatyczne podlewanie roślin](lessons/3-automated-plant-watering/README.md)
+1. [Przeniesienie rośliny do chmury](lessons/4-migrate-your-plant-to-the-cloud/README.md)
+1. [Przeniesienie logiki aplikacji do chmury](lessons/5-migrate-application-to-the-cloud/README.md)
+1. [Zabezpieczenie rośliny](lessons/6-keep-your-plant-secure/README.md)
+
+## Podziękowania
+
+Wszystkie lekcje zostały napisane z ♥️ przez [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić precyzję, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/1-predict-plant-growth/README.md b/translations/pl/2-farm/lessons/1-predict-plant-growth/README.md
new file mode 100644
index 00000000..d2dc25eb
--- /dev/null
+++ b/translations/pl/2-farm/lessons/1-predict-plant-growth/README.md
@@ -0,0 +1,282 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d105b44deae539165855c976dcdeca99",
+  "translation_date": "2025-08-26T06:41:16+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
+  "language_code": "pl"
+}
+-->
+## Przewiduj wzrost roślin za pomocą IoT
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obrazek, aby zobaczyć większą wersję.
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
+
+## Wprowadzenie
+
+Rośliny potrzebują określonych rzeczy, aby rosnąć - wody, dwutlenku węgla, składników odżywczych, światła i ciepła. W tej lekcji dowiesz się, jak obliczać tempo wzrostu i dojrzewania roślin, mierząc temperaturę powietrza.
+
+W tej lekcji omówimy:
+
+* [Cyfrowe rolnictwo](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Dlaczego temperatura jest ważna w rolnictwie?](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Pomiar temperatury otoczenia](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Dni stopni wzrostu (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Obliczanie GDD za pomocą danych z czujnika temperatury](../../../../../2-farm/lessons/1-predict-plant-growth)
+
+## Cyfrowe rolnictwo
+
+Cyfrowe rolnictwo zmienia sposób, w jaki uprawiamy ziemię, wykorzystując narzędzia do zbierania, przechowywania i analizowania danych z gospodarstw rolnych. Obecnie znajdujemy się w okresie określanym przez Światowe Forum Ekonomiczne jako "Czwarta Rewolucja Przemysłowa", a rozwój cyfrowego rolnictwa został nazwany "Czwartą Rewolucją Rolniczą" lub "Rolnictwem 4.0".
+
+> 🎓 Termin "Cyfrowe rolnictwo" obejmuje również cały "łańcuch wartości rolnictwa", czyli całą drogę od farmy do stołu. Obejmuje to śledzenie jakości produktów spożywczych podczas ich transportu i przetwarzania, systemy magazynowe i e-commerce, a nawet aplikacje do wynajmu traktorów!
+
+Te zmiany pozwalają rolnikom zwiększać plony, używać mniej nawozów i pestycydów oraz efektywniej gospodarować wodą. Chociaż głównie stosowane w bogatszych krajach, czujniki i inne urządzenia stopniowo tanieją, co czyni je bardziej dostępnymi w krajach rozwijających się.
+
+Niektóre techniki umożliwione przez cyfrowe rolnictwo to:
+
+* Pomiar temperatury - pomiar temperatury pozwala rolnikom przewidywać wzrost i dojrzewanie roślin.
+* Automatyczne nawadnianie - pomiar wilgotności gleby i włączanie systemów nawadniających, gdy gleba jest zbyt sucha, zamiast nawadniania według harmonogramu. Nawadnianie według harmonogramu może prowadzić do niedostatecznego nawodnienia roślin podczas gorących, suchych okresów lub nadmiernego nawodnienia podczas deszczu. Nawadniając tylko wtedy, gdy gleba tego potrzebuje, rolnicy mogą zoptymalizować zużycie wody.
+* Kontrola szkodników - rolnicy mogą używać kamer na zautomatyzowanych robotach lub dronach do sprawdzania obecności szkodników, a następnie stosować pestycydy tylko tam, gdzie są potrzebne, zmniejszając ilość używanych pestycydów i ograniczając ich spływ do lokalnych źródeł wody.
+
+✅ Zrób badania. Jakie inne techniki są stosowane w celu poprawy plonów rolnych?
+
+> 🎓 Termin "Rolnictwo precyzyjne" odnosi się do obserwowania, mierzenia i reagowania na potrzeby upraw na poziomie pola, a nawet jego części. Obejmuje to pomiar poziomu wody, składników odżywczych i szkodników oraz precyzyjne reagowanie, na przykład nawadnianie tylko małej części pola.
+
+## Dlaczego temperatura jest ważna w rolnictwie?
+
+Ucząc się o roślinach, większość uczniów dowiaduje się o konieczności wody, światła, dwutlenku węgla i składników odżywczych. Rośliny potrzebują również ciepła, aby rosnąć - dlatego rośliny kwitną wiosną, gdy temperatura wzrasta, dlaczego przebiśniegi lub żonkile mogą zakwitnąć wcześnie podczas krótkiego okresu ciepła, i dlaczego szklarnie są tak skuteczne w wspomaganiu wzrostu roślin.
+
+> 🎓 Szklarnie i cieplarnie pełnią podobną funkcję, ale z istotną różnicą. Cieplarnie są ogrzewane sztucznie, co pozwala rolnikom dokładniej kontrolować temperaturę, podczas gdy szklarnie polegają na słońcu jako źródle ciepła, a kontrola ogranicza się zwykle do okien lub innych otworów umożliwiających wypuszczenie ciepła.
+
+Rośliny mają temperaturę bazową lub minimalną, optymalną temperaturę oraz maksymalną temperaturę, wszystko oparte na średnich dziennych temperaturach.
+
+* Temperatura bazowa - to minimalna średnia dzienna temperatura potrzebna do wzrostu rośliny.
+* Temperatura optymalna - to najlepsza średnia dzienna temperatura, aby uzyskać największy wzrost.
+* Temperatura maksymalna - to maksymalna temperatura, którą roślina może wytrzymać. Powyżej tej temperatury roślina przestaje rosnąć, próbując oszczędzać wodę i przetrwać.
+
+> 💁 Są to średnie temperatury, uśrednione z temperatur dziennych i nocnych. Rośliny potrzebują również różnych temperatur w dzień i w nocy, aby efektywniej przeprowadzać fotosyntezę i oszczędzać energię w nocy.
+
+Każdy gatunek rośliny ma różne wartości dla temperatury bazowej, optymalnej i maksymalnej. Dlatego niektóre rośliny dobrze rosną w gorących krajach, a inne w chłodniejszych.
+
+✅ Zrób badania. Dla dowolnych roślin w Twoim ogrodzie, szkole lub lokalnym parku sprawdź, czy możesz znaleźć ich temperaturę bazową.
+
+![Wykres pokazujący wzrost tempa wzrostu wraz ze wzrostem temperatury, a następnie spadek, gdy temperatura jest zbyt wysoka](../../../../../translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.pl.png)
+
+Powyższy wykres pokazuje przykładowy wykres tempa wzrostu w zależności od temperatury. Do temperatury bazowej nie ma wzrostu. Tempo wzrostu wzrasta do temperatury optymalnej, a następnie spada po osiągnięciu szczytu. 
+
+Kształt tego wykresu różni się w zależności od gatunku rośliny. Niektóre mają ostrzejsze spadki powyżej temperatury optymalnej, inne mają wolniejsze wzrosty od temperatury bazowej do optymalnej.
+
+> 💁 Aby rolnik mógł uzyskać najlepszy wzrost, musi znać trzy wartości temperatury i rozumieć kształt wykresów dla roślin, które uprawia.
+
+Jeśli rolnik ma kontrolę nad temperaturą, na przykład w komercyjnej cieplarni, może zoptymalizować warunki dla swoich roślin. Komercyjna cieplarnia uprawiająca pomidory, na przykład, będzie miała temperaturę ustawioną na około 25°C w ciągu dnia i 20°C w nocy, aby uzyskać najszybszy wzrost.
+
+> 🍅 Łącząc te temperatury ze sztucznym oświetleniem, nawozami i kontrolowanym poziomem dwutlenku węgla, komercyjni hodowcy mogą uprawiać i zbierać plony przez cały rok.
+
+## Pomiar temperatury otoczenia
+
+Czujniki temperatury mogą być używane z urządzeniami IoT do pomiaru temperatury otoczenia.
+
+### Zadanie - pomiar temperatury
+
+Przejdź przez odpowiedni przewodnik, aby monitorować temperatury za pomocą swojego urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-temp.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-temp.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-temp.md)
+
+## Dni stopni wzrostu
+
+Dni stopni wzrostu (znane również jako jednostki stopni wzrostu) to sposób mierzenia wzrostu roślin na podstawie temperatury. Zakładając, że roślina ma wystarczającą ilość wody, składników odżywczych i dwutlenku węgla, temperatura determinuje tempo wzrostu.
+
+Dni stopni wzrostu, czyli GDD, są obliczane na każdy dzień jako średnia temperatura w stopniach Celsjusza dla danego dnia powyżej temperatury bazowej rośliny. Każda roślina potrzebuje określonej liczby GDD, aby rosnąć, kwitnąć lub dojrzewać i wydawać plony. Im więcej GDD każdego dnia, tym szybciej roślina rośnie.
+
+> 🇺🇸 Dla Amerykanów dni stopni wzrostu można również obliczać w stopniach Fahrenheita. 5 GDD (dni stopni wzrostu w Celsjuszu) odpowiada 9 GDD (dni stopni wzrostu w Fahrenheicie).
+
+Pełna formuła dla GDD jest nieco skomplikowana, ale często używa się uproszczonego równania jako dobrego przybliżenia:
+
+![GDD = T max + T min podzielone przez 2, wszystko minus T base](../../../../../translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.pl.png)
+
+* **GDD** - to liczba dni stopni wzrostu
+* **T max** - to dzienna maksymalna temperatura w stopniach Celsjusza
+* **T min** - to dzienna minimalna temperatura w stopniach Celsjusza
+* **T base** - to temperatura bazowa rośliny w stopniach Celsjusza
+
+> 💁 Istnieją wariacje uwzględniające T max powyżej 30°C lub T min poniżej T base, ale na razie je pominiemy.
+
+### Przykład - Kukurydza 🌽
+
+W zależności od odmiany, kukurydza (lub kukurydza zwyczajna) potrzebuje od 800 do 2700 GDD, aby dojrzeć, z temperaturą bazową wynoszącą 10°C.
+
+Pierwszego dnia powyżej temperatury bazowej zmierzono następujące temperatury:
+
+| Pomiar     | Temp °C |
+| :--------- | :-----: |
+| Maksymalna | 16      |
+| Minimalna  | 12      |
+
+Podstawiając te liczby do naszego równania:
+
+* T max = 16
+* T min = 12
+* T base = 10
+
+Daje to obliczenie:
+
+![GDD = 16 + 12 podzielone przez 2, wszystko minus 10, daje wynik 4](../../../../../translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.pl.png)
+
+Kukurydza otrzymała 4 GDD tego dnia. Zakładając odmianę kukurydzy, która potrzebuje 800 GDD do dojrzewania, będzie potrzebować jeszcze 796 GDD, aby osiągnąć dojrzałość.
+
+✅ Zrób badania. Dla dowolnych roślin w Twoim ogrodzie, szkole lub lokalnym parku sprawdź, czy możesz znaleźć liczbę GDD potrzebną do osiągnięcia dojrzałości lub wydania plonów.
+
+## Obliczanie GDD za pomocą danych z czujnika temperatury
+
+Rośliny nie rosną według ustalonych dat - na przykład nie można posadzić nasiona i wiedzieć, że roślina wyda owoce dokładnie 100 dni później. Zamiast tego rolnik może mieć ogólne pojęcie, ile czasu zajmuje wzrost rośliny, a następnie codziennie sprawdzać, kiedy plony są gotowe.
+
+To ma ogromny wpływ na pracę na dużej farmie i ryzyko, że rolnik przegapi plony, które są gotowe niespodziewanie wcześnie. Mierząc temperatury, rolnik może obliczyć GDD, które roślina otrzymała, pozwalając mu sprawdzać tylko w pobliżu oczekiwanej dojrzałości.
+
+Zbierając dane o temperaturze za pomocą urządzenia IoT, rolnik może automatycznie otrzymywać powiadomienia, gdy rośliny są bliskie dojrzałości. Typowa architektura dla tego procesu polega na tym, że urządzenia IoT mierzą temperaturę, a następnie przesyłają te dane telemetryczne przez Internet, używając czegoś takiego jak MQTT. Kod serwera nasłuchuje tych danych i zapisuje je gdzieś, na przykład w bazie danych. Dzięki temu dane mogą być później analizowane, na przykład w ramach nocnego zadania obliczającego GDD dla danego dnia, sumującego GDD dla każdej uprawy i wysyłającego alert, jeśli roślina jest bliska dojrzałości.
+
+![Dane telemetryczne są przesyłane na serwer, a następnie zapisywane w bazie danych](../../../../../translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.pl.png)
+
+Kod serwera może również wzbogacać dane, dodając dodatkowe informacje. Na przykład urządzenie IoT może przesyłać identyfikator wskazujący, które urządzenie to jest, a kod serwera może używać tego identyfikatora do wyszukiwania lokalizacji urządzenia i upraw, które monitoruje. Może również dodawać podstawowe dane, takie jak aktualny czas, ponieważ niektóre urządzenia IoT nie mają niezbędnego sprzętu do śledzenia dokładnego czasu lub wymagają dodatkowego kodu do odczytu aktualnego czasu przez Internet.
+
+✅ Dlaczego uważasz, że różne pola mogą mieć różne temperatury?
+
+### Zadanie - przesyłanie informacji o temperaturze
+
+Przejdź przez odpowiedni przewodnik, aby przesyłać dane o temperaturze za pomocą MQTT z urządzenia IoT, aby mogły być później analizowane:
+
+* [Arduino - Wio Terminal](wio-terminal-temp-publish.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie IoT](single-board-computer-temp-publish.md)
+
+### Zadanie - przechwytywanie i przechowywanie informacji o temperaturze
+
+Gdy urządzenie IoT przesyła dane telemetryczne, kod serwera może zostać napisany, aby subskrybować te dane i je przechowywać. Zamiast zapisywać je w bazie danych, kod serwera zapisze je w pliku CSV (Comma Separated Values). Pliki CSV przechowują dane jako wiersze wartości w formacie tekstowym, z każdą wartością oddzieloną przecinkiem i każdym rekordem w nowej linii. Są wygodnym, czytelnym dla człowieka i dobrze obsługiwanym sposobem zapisywania danych jako pliku.
+
+Plik CSV będzie miał dwie kolumny - *data* i *temperatura*. Kolumna *data* będzie ustawiona jako aktualna data i czas, kiedy wiadomość została odebrana przez serwer, a *temperatura* pochodzi z wiadomości telemetrycznej.
+
+1. Powtórz kroki z lekcji 4, aby stworzyć kod serwera do subskrybowania danych telemetrycznych. Nie musisz dodawać kodu do przesyłania poleceń.
+
+    Kroki te obejmują:
+
+    * Konfigurację i aktywację wirtualnego środowiska Python
+
+    * Instalację pakietu paho-mqtt za pomocą pip
+
+    * Napisanie kodu do nasłuchiwania wiadomości MQTT publikowanych na temacie telemetrycznym
+
+      > ⚠️ Możesz odwołać się do [instrukcji w lekcji 4 dotyczących tworzenia aplikacji Python do odbierania danych telemetrycznych, jeśli to konieczne](../../../1-getting-started/lessons/4-connect-internet/README.md#receive-telemetry-from-the-mqtt-broker).
+
+    Nazwij folder dla tego projektu `temperature-sensor-server`.
+
+1. Upewnij się, że `client_name` odzwierciedla ten projekt:
+
+    ```cpp
+    client_name = id + 'temperature_sensor_server'
+    ```
+
+1. Dodaj następujące importy na początku pliku, poniżej istniejących importów:
+
+    ```python
+    from os import path
+    import csv
+    from datetime import datetime
+    ```
+
+    To importuje bibliotekę do odczytu plików, bibliotekę do interakcji z plikami CSV oraz bibliotekę pomagającą w obsłudze dat i czasu.
+
+1. Dodaj następujący kod przed funkcją `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()
+    ```
+
+    Ten kod deklaruje kilka stałych dla nazwy pliku, do którego będą zapisywane dane, oraz nazw nagłówków kolumn dla pliku CSV. Pierwszy wiersz pliku CSV tradycyjnie zawiera nagłówki kolumn oddzielone przecinkami.
+
+    Kod następnie sprawdza, czy plik CSV już istnieje. Jeśli nie istnieje, jest tworzony z nagłówkami kolumn w pierwszym wierszu.
+
+1. Dodaj następujący kod na końcu funkcji `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']})
+    ```
+Ten kod otwiera plik CSV, a następnie dodaje nowy wiersz na końcu. Wiersz zawiera aktualną datę i godzinę sformatowaną w sposób czytelny dla człowieka, a także temperaturę otrzymaną z urządzenia IoT. Dane są przechowywane w [formacie ISO 8601](https://wikipedia.org/wiki/ISO_8601) z uwzględnieniem strefy czasowej, ale bez mikrosekund.
+
+1. Uruchom ten kod w taki sam sposób jak wcześniej, upewniając się, że Twoje urządzenie IoT przesyła dane. W tym samym folderze zostanie utworzony plik CSV o nazwie `temperature.csv`. Jeśli go otworzysz, zobaczysz daty/godziny oraz pomiary temperatury:
+
+    ```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. Uruchom ten kod przez jakiś czas, aby zebrać dane. Idealnie byłoby uruchomić go przez cały dzień, aby zgromadzić wystarczającą ilość danych do obliczeń GDD.
+
+    
+> 💁 Jeśli korzystasz z wirtualnego urządzenia IoT, zaznacz pole wyboru "random" i ustaw zakres, aby uniknąć otrzymywania tej samej temperatury za każdym razem, gdy wartość temperatury jest zwracana.
+    ![Zaznacz pole wyboru "random" i ustaw zakres](../../../../../translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.pl.png) 
+
+    > 💁 Jeśli chcesz uruchomić to przez cały dzień, musisz upewnić się, że komputer, na którym działa Twój kod serwera, nie przejdzie w tryb uśpienia. Możesz to zrobić, zmieniając ustawienia zasilania lub uruchamiając coś takiego jak [ten skrypt Python, który utrzymuje system aktywny](https://github.com/jaqsparow/keep-system-active).
+    
+> 💁 Ten kod znajdziesz w folderze [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server).
+
+### Zadanie - obliczanie GDD przy użyciu zapisanych danych
+
+Gdy serwer zbierze dane o temperaturze, można obliczyć GDD dla rośliny.
+
+Kroki, aby zrobić to ręcznie:
+
+1. Znajdź temperaturę bazową dla rośliny. Na przykład dla truskawek temperatura bazowa wynosi 10°C.
+
+1. W pliku `temperature.csv` znajdź najwyższą i najniższą temperaturę dnia.
+
+1. Użyj wcześniej podanego wzoru na obliczenie GDD.
+
+Na przykład, jeśli najwyższa temperatura dnia wynosi 25°C, a najniższa 12°C:
+
+![GDD = 25 + 12 podzielone przez 2, następnie odejmij 10 od wyniku, co daje 8,5](../../../../../translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.pl.png)
+
+* 25 + 12 = 37
+* 37 / 2 = 18,5
+* 18,5 - 10 = 8,5
+
+Zatem truskawki otrzymały **8,5** GDD. Truskawki potrzebują około 250 GDD, aby wydać owoce, więc jeszcze trochę czasu zostało.
+
+---
+
+## 🚀 Wyzwanie
+
+Rośliny potrzebują więcej niż tylko ciepła, aby rosnąć. Jakie inne czynniki są potrzebne?
+
+Dla tych czynników znajdź, czy istnieją czujniki, które mogą je mierzyć. A co z siłownikami do kontrolowania tych poziomów? Jak połączyłbyś jedno lub więcej urządzeń IoT, aby zoptymalizować wzrost roślin?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj więcej o cyfrowym rolnictwie na [stronie Wikipedii o cyfrowym rolnictwie](https://wikipedia.org/wiki/Digital_agriculture). Przeczytaj także więcej o precyzyjnym rolnictwie na [stronie Wikipedii o precyzyjnym rolnictwie](https://wikipedia.org/wiki/Precision_agriculture).
+* Pełne obliczenie stopniodni wzrostu (GDD) jest bardziej skomplikowane niż uproszczony wzór podany tutaj. Przeczytaj więcej o bardziej skomplikowanym równaniu i jak radzić sobie z temperaturami poniżej wartości bazowej na [stronie Wikipedii o stopniodniach wzrostu](https://wikipedia.org/wiki/Growing_degree-day).
+* Żywność może być w przyszłości deficytowa, jeśli nadal będziemy stosować te same metody uprawy. Dowiedz się więcej o zaawansowanych technikach rolniczych w tym [filmie o zaawansowanych farmach przyszłości na YouTube](https://www.youtube.com/watch?v=KIEOuKD9KX8).
+
+## Zadanie
+
+[Wizualizacja danych GDD za pomocą Jupyter Notebook](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/pl/2-farm/lessons/1-predict-plant-growth/assignment.md
new file mode 100644
index 00000000..5534c668
--- /dev/null
+++ b/translations/pl/2-farm/lessons/1-predict-plant-growth/assignment.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
+  "translation_date": "2025-08-26T06:42:40+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Wizualizacja danych GDD za pomocą Jupyter Notebook
+
+## Instrukcje
+
+W tej lekcji zebrałeś dane GDD za pomocą czujnika IoT. Aby uzyskać dobre dane GDD, musisz zbierać dane przez kilka dni. Aby pomóc w wizualizacji danych dotyczących temperatury i obliczaniu GDD, możesz użyć narzędzi takich jak [Jupyter Notebooks](https://jupyter.org) do analizy danych.
+
+Zacznij od zbierania danych przez kilka dni. Musisz upewnić się, że kod serwera działa przez cały czas, gdy Twoje urządzenie IoT jest aktywne, albo dostosowując ustawienia zarządzania energią, albo uruchamiając coś w rodzaju [tego skryptu Python, który utrzymuje system aktywny](https://github.com/jaqsparow/keep-system-active).
+
+Gdy już masz dane dotyczące temperatury, możesz użyć Jupyter Notebook z tego repozytorium, aby je zwizualizować i obliczyć GDD. Jupyter Notebooks łączą kod i instrukcje w blokach zwanych *komórkami*, często z kodem w Pythonie. Możesz przeczytać instrukcje, a następnie uruchamiać każdy blok kodu, blok po bloku. Możesz także edytować kod. W tym notatniku, na przykład, możesz zmienić temperaturę bazową używaną do obliczania GDD dla Twojej rośliny.
+
+1. Utwórz folder o nazwie `gdd-calculation`.
+
+1. Pobierz plik [gdd.ipynb](../../../../../2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb) i skopiuj go do folderu `gdd-calculation`.
+
+1. Skopiuj plik `temperature.csv` utworzony przez serwer MQTT.
+
+1. Utwórz nowe wirtualne środowisko Pythona w folderze `gdd-calculation`.
+
+1. Zainstaluj kilka pakietów pip dla Jupyter Notebooks oraz biblioteki potrzebne do zarządzania i wizualizacji danych:
+
+    ```sh
+    pip install --upgrade pip
+    pip install pandas
+    pip install matplotlib
+    pip install jupyter
+    ```
+
+1. Uruchom notatnik w Jupyter:
+
+    ```sh
+    jupyter notebook gdd.ipynb
+    ```
+
+    Jupyter uruchomi się i otworzy notatnik w Twojej przeglądarce. Pracuj zgodnie z instrukcjami w notatniku, aby zwizualizować zmierzone temperatury i obliczyć dni stopni wzrostu (GDD).
+
+    ![Notatnik Jupyter](../../../../../translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.pl.png)
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Zadowalające | Wymaga poprawy |
+| --------- | -------- | ------------ | -------------- |
+| Zbieranie danych | Zebrano dane z co najmniej 2 pełnych dni | Zebrano dane z co najmniej 1 pełnego dnia | Zebrano część danych |
+| Obliczanie GDD | Pomyślnie uruchomiono notatnik i obliczono GDD | Pomyślnie uruchomiono notatnik | Nie udało się uruchomić notatnika |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/pl/2-farm/lessons/1-predict-plant-growth/pi-temp.md
new file mode 100644
index 00000000..f75d0959
--- /dev/null
+++ b/translations/pl/2-farm/lessons/1-predict-plant-growth/pi-temp.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
+  "translation_date": "2025-08-26T06:43:51+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
+  "language_code": "pl"
+}
+-->
+# Mierzenie temperatury - Raspberry Pi
+
+W tej części lekcji dodasz czujnik temperatury do swojego Raspberry Pi.
+
+## Sprzęt
+
+Czujnik, którego użyjesz, to [czujnik wilgotności i temperatury DHT11](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html), łączący dwa czujniki w jednym urządzeniu. Jest to dość popularne rozwiązanie, a wiele dostępnych na rynku czujników łączy pomiar temperatury, wilgotności, a czasem także ciśnienia atmosferycznego. Komponent czujnika temperatury to termistor o ujemnym współczynniku temperaturowym (NTC), czyli termistor, którego opór maleje wraz ze wzrostem temperatury.
+
+Jest to czujnik cyfrowy, co oznacza, że posiada wbudowany przetwornik ADC, który generuje sygnał cyfrowy zawierający dane o temperaturze i wilgotności, które mikroprocesor może odczytać.
+
+### Podłączanie czujnika temperatury
+
+Czujnik temperatury Grove można podłączyć do Raspberry Pi.
+
+#### Zadanie
+
+Podłącz czujnik temperatury.
+
+![Czujnik temperatury Grove](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda na czujniku wilgotności i temperatury. Kabel wejdzie tylko w jednym kierunku.
+
+1. Przy wyłączonym zasilaniu Raspberry Pi, podłącz drugi koniec kabla Grove do gniazda cyfrowego oznaczonego jako **D5** na nakładce Grove Base zamontowanej na Raspberry Pi. To gniazdo znajduje się jako drugie od lewej w rzędzie gniazd obok pinów GPIO.
+
+![Czujnik temperatury Grove podłączony do gniazda A0](../../../../../translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.pl.png)
+
+## Programowanie czujnika temperatury
+
+Teraz można zaprogramować urządzenie do korzystania z podłączonego czujnika temperatury.
+
+### Zadanie
+
+Zaprogramuj urządzenie.
+
+1. Włącz Raspberry Pi i poczekaj, aż się uruchomi.
+
+1. Uruchom VS Code, bezpośrednio na Raspberry Pi lub łącząc się za pomocą rozszerzenia Remote SSH.
+
+    > ⚠️ Możesz odwołać się do [instrukcji konfiguracji i uruchamiania VS Code w lekcji 1, jeśli to konieczne](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. W terminalu utwórz nowy folder w katalogu domowym użytkownika `pi` o nazwie `temperature-sensor`. W tym folderze utwórz plik o nazwie `app.py`:
+
+    ```sh
+    mkdir temperature-sensor
+    cd temperature-sensor
+    touch app.py
+    ```
+
+1. Otwórz ten folder w VS Code.
+
+1. Aby użyć czujnika temperatury i wilgotności, należy zainstalować dodatkowy pakiet Pip. W terminalu w VS Code uruchom następujące polecenie, aby zainstalować ten pakiet na Raspberry Pi:
+
+    ```sh
+    pip3 install seeed-python-dht
+    ```
+
+1. Dodaj poniższy kod do pliku `app.py`, aby zaimportować wymagane biblioteki:
+
+    ```python
+    import time
+    from seeed_dht import DHT
+    ```
+
+    Instrukcja `from seeed_dht import DHT` importuje klasę `DHT`, która umożliwia interakcję z czujnikiem temperatury Grove z modułu `seeed_dht`.
+
+1. Dodaj poniższy kod po wcześniejszym, aby utworzyć instancję klasy zarządzającej czujnikiem temperatury:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    To deklaruje instancję klasy `DHT`, która zarządza **D**igitalnym czujnikiem **H**umidity i **T**emperature. Pierwszy parametr informuje kod, że używany jest czujnik *DHT11* - biblioteka, której używasz, obsługuje inne warianty tego czujnika. Drugi parametr informuje kod, że czujnik jest podłączony do portu cyfrowego `D5` na nakładce Grove Base.
+
+    > ✅ Pamiętaj, że wszystkie gniazda mają unikalne numery pinów. Piny 0, 2, 4 i 6 to piny analogowe, a piny 5, 16, 18, 22, 24 i 26 to piny cyfrowe.
+
+1. Dodaj nieskończoną pętlę po wcześniejszym kodzie, aby odczytywać wartość z czujnika temperatury i wyświetlać ją w konsoli:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    Wywołanie `sensor.read()` zwraca krotkę zawierającą wilgotność i temperaturę. Potrzebujesz tylko wartości temperatury, więc wilgotność jest pomijana. Wartość temperatury jest następnie wyświetlana w konsoli.
+
+1. Dodaj krótką pauzę trwającą dziesięć sekund na końcu pętli, ponieważ poziomy temperatury nie muszą być sprawdzane ciągle. Pauza zmniejsza zużycie energii przez urządzenie.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. W terminalu VS Code uruchom następujące polecenie, aby uruchomić swoją aplikację w Pythonie:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Powinieneś zobaczyć wartości temperatury wyświetlane w konsoli. Użyj czegoś, aby ogrzać czujnik, na przykład przyciśnij go kciukiem lub użyj wentylatora, aby zobaczyć zmieniające się wartości:
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
+    Temperature 26°C
+    Temperature 26°C
+    Temperature 28°C
+    Temperature 30°C
+    Temperature 32°C
+    ```
+
+> 💁 Kod ten znajdziesz w folderze [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi).
+
+😀 Twój program do obsługi czujnika temperatury zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/pl/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
new file mode 100644
index 00000000..de09002e
--- /dev/null
+++ b/translations/pl/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
@@ -0,0 +1,69 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4efc74299e19f5d08f2f3f34451a11ba",
+  "translation_date": "2025-08-26T06:42:27+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
+  "language_code": "pl"
+}
+-->
+# Publikowanie temperatury - Wirtualny sprzęt IoT i Raspberry Pi
+
+W tej części lekcji opublikujesz wartości temperatury wykryte przez Raspberry Pi lub Wirtualne Urządzenie IoT za pomocą MQTT, aby mogły być później wykorzystane do obliczenia GDD.
+
+## Publikowanie temperatury
+
+Po odczytaniu temperatury można ją opublikować za pomocą MQTT do kodu 'serwera', który odczyta wartości i zapisze je, aby mogły być użyte do obliczeń GDD.
+
+### Zadanie - publikowanie temperatury
+
+Zaprogramuj urządzenie, aby publikowało dane o temperaturze.
+
+1. Otwórz projekt aplikacji `temperature-sensor`, jeśli nie jest jeszcze otwarty.
+
+1. Powtórz kroki, które wykonałeś w lekcji 4, aby połączyć się z MQTT i wysłać dane telemetryczne. Będziesz korzystać z tego samego publicznego brokera Mosquitto.
+
+    Kroki te obejmują:
+
+    - Dodanie pakietu pip dla MQTT
+    - Dodanie kodu do połączenia z brokerem MQTT
+    - Dodanie kodu do publikowania danych telemetrycznych
+
+    > ⚠️ Zapoznaj się z [instrukcjami dotyczącymi łączenia się z MQTT](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md) oraz [instrukcjami dotyczącymi wysyłania danych telemetrycznych](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md) z lekcji 4, jeśli zajdzie taka potrzeba.
+
+1. Upewnij się, że `client_name` odzwierciedla nazwę tego projektu:
+
+    ```python
+    client_name = id + 'temperature_sensor_client'
+    ```
+
+1. W przypadku danych telemetrycznych, zamiast wysyłać wartość światła, wyślij wartość temperatury odczytaną z czujnika DHT w właściwości dokumentu JSON o nazwie `temperature`:
+
+    ```python
+    _, temp = sensor.read()
+    telemetry = json.dumps({'temperature' : temp})
+    ```
+
+1. Wartość temperatury nie musi być odczytywana zbyt często - nie zmienia się znacząco w krótkim czasie, więc ustaw `time.sleep` na 10 minut:
+
+    ```cpp
+    time.sleep(10 * 60);
+    ```
+
+    > 💁 Funkcja `sleep` przyjmuje czas w sekundach, więc aby ułatwić odczyt, wartość jest przekazywana jako wynik obliczenia. 60 sekund w minucie, więc 10 x (60 sekund w minucie) daje 10-minutowe opóźnienie.
+
+1. Uruchom kod w taki sam sposób, jak uruchamiałeś kod z poprzedniej części zadania. Jeśli korzystasz z wirtualnego urządzenia IoT, upewnij się, że aplikacja CounterFit jest uruchomiona, a czujniki wilgotności i temperatury zostały utworzone na odpowiednich pinach.
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py
+    MQTT connected!
+    Sending telemetry  {"temperature": 25}
+    Sending telemetry  {"temperature": 25}
+    ```
+
+> 💁 Kod ten znajdziesz w folderze [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) lub [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi).
+
+😀 Pomyślnie opublikowałeś temperaturę jako dane telemetryczne z Twojego urządzenia.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/pl/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
new file mode 100644
index 00000000..a87ad7df
--- /dev/null
+++ b/translations/pl/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
@@ -0,0 +1,152 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
+  "translation_date": "2025-08-26T06:43:25+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
+  "language_code": "pl"
+}
+-->
+# Mierz temperaturę - Wirtualny sprzęt IoT
+
+W tej części lekcji dodasz czujnik temperatury do swojego wirtualnego urządzenia IoT.
+
+## Wirtualny sprzęt
+
+Wirtualne urządzenie IoT będzie korzystać z symulowanego czujnika Grove Digital Humidity and Temperature. Dzięki temu laboratorium pozostaje takie samo, jak przy użyciu Raspberry Pi z fizycznym czujnikiem Grove DHT11.
+
+Czujnik łączy **czujnik temperatury** z **czujnikiem wilgotności**, ale w tym laboratorium interesuje Cię tylko komponent czujnika temperatury. W fizycznym urządzeniu IoT czujnik temperatury byłby [termistorem](https://wikipedia.org/wiki/Thermistor), który mierzy temperaturę, wykrywając zmiany oporu w zależności od zmian temperatury. Czujniki temperatury są zazwyczaj cyfrowe i wewnętrznie przekształcają zmierzony opór na temperaturę w stopniach Celsjusza (lub Kelwina, lub Fahrenheita).
+
+### Dodaj czujniki do CounterFit
+
+Aby użyć wirtualnego czujnika wilgotności i temperatury, musisz dodać oba czujniki do aplikacji CounterFit.
+
+#### Zadanie - dodaj czujniki do CounterFit
+
+Dodaj czujniki wilgotności i temperatury do aplikacji CounterFit.
+
+1. Utwórz nową aplikację Python na swoim komputerze w folderze `temperature-sensor` z jednym plikiem o nazwie `app.py` oraz wirtualnym środowiskiem Python, a następnie dodaj pakiety pip CounterFit.
+
+    > ⚠️ Możesz odwołać się do [instrukcji dotyczących tworzenia i konfiguracji projektu Python dla CounterFit w lekcji 1, jeśli zajdzie taka potrzeba](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Zainstaluj dodatkowy pakiet Pip, aby zainstalować CounterFit shim dla czujnika DHT11. Upewnij się, że instalujesz go z terminala z aktywowanym wirtualnym środowiskiem.
+
+    ```sh
+    pip install counterfit-shims-seeed-python-dht
+    ```
+
+1. Upewnij się, że aplikacja webowa CounterFit działa.
+
+1. Utwórz czujnik wilgotności:
+
+    1. W polu *Create sensor* w panelu *Sensors* rozwiń pole *Sensor type* i wybierz *Humidity*.
+
+    1. Pozostaw *Units* ustawione na *Percentage*.
+
+    1. Upewnij się, że *Pin* jest ustawiony na *5*.
+
+    1. Wybierz przycisk **Add**, aby utworzyć czujnik wilgotności na pinie 5.
+
+    ![Ustawienia czujnika wilgotności](../../../../../translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.pl.png)
+
+    Czujnik wilgotności zostanie utworzony i pojawi się na liście czujników.
+
+    ![Utworzony czujnik wilgotności](../../../../../translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.pl.png)
+
+1. Utwórz czujnik temperatury:
+
+    1. W polu *Create sensor* w panelu *Sensors* rozwiń pole *Sensor type* i wybierz *Temperature*.
+
+    1. Pozostaw *Units* ustawione na *Celsius*.
+
+    1. Upewnij się, że *Pin* jest ustawiony na *6*.
+
+    1. Wybierz przycisk **Add**, aby utworzyć czujnik temperatury na pinie 6.
+
+    ![Ustawienia czujnika temperatury](../../../../../translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.pl.png)
+
+    Czujnik temperatury zostanie utworzony i pojawi się na liście czujników.
+
+    ![Utworzony czujnik temperatury](../../../../../translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.pl.png)
+
+## Programowanie aplikacji czujnika temperatury
+
+Teraz możesz zaprogramować aplikację czujnika temperatury, korzystając z czujników CounterFit.
+
+### Zadanie - zaprogramuj aplikację czujnika temperatury
+
+Zaprogramuj aplikację czujnika temperatury.
+
+1. Upewnij się, że aplikacja `temperature-sensor` jest otwarta w VS Code.
+
+1. Otwórz plik `app.py`.
+
+1. Dodaj następujący kod na początku pliku `app.py`, aby połączyć aplikację z CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Dodaj następujący kod do pliku `app.py`, aby zaimportować wymagane biblioteki:
+
+    ```python
+    import time
+    from counterfit_shims_seeed_python_dht import DHT
+    ```
+
+    Instrukcja `from seeed_dht import DHT` importuje klasę `DHT`, która umożliwia interakcję z wirtualnym czujnikiem Grove temperatury za pomocą shima z modułu `counterfit_shims_seeed_python_dht`.
+
+1. Dodaj następujący kod po powyższym, aby utworzyć instancję klasy zarządzającej wirtualnym czujnikiem wilgotności i temperatury:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    To deklaruje instancję klasy `DHT`, która zarządza wirtualnym **D**igital **H**umidity and **T**emperature sensor. Pierwszy parametr informuje kod, że używany czujnik to wirtualny *DHT11*. Drugi parametr informuje kod, że czujnik jest podłączony do portu `5`.
+
+    > 💁 CounterFit symuluje ten połączony czujnik wilgotności i temperatury, łącząc się z dwoma czujnikami: czujnikiem wilgotności na pinie podanym podczas tworzenia klasy `DHT` oraz czujnikiem temperatury działającym na następnym pinie. Jeśli czujnik wilgotności jest na pinie 5, shim oczekuje, że czujnik temperatury będzie na pinie 6.
+
+1. Dodaj nieskończoną pętlę po powyższym kodzie, aby odczytywać wartość czujnika temperatury i wyświetlać ją w konsoli:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    Wywołanie `sensor.read()` zwraca krotkę zawierającą wilgotność i temperaturę. Potrzebujesz tylko wartości temperatury, więc wilgotność jest ignorowana. Wartość temperatury jest następnie wyświetlana w konsoli.
+
+1. Dodaj krótką pauzę trwającą dziesięć sekund na końcu pętli, ponieważ poziomy temperatury nie muszą być sprawdzane ciągle. Pauza zmniejsza zużycie energii przez urządzenie.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. Z terminala VS Code z aktywowanym wirtualnym środowiskiem uruchom następujące polecenie, aby uruchomić swoją aplikację Python:
+
+    ```sh
+    python app.py
+    ```
+
+1. W aplikacji CounterFit zmień wartość czujnika temperatury, która będzie odczytywana przez aplikację. Możesz to zrobić na dwa sposoby:
+
+    * Wpisz liczbę w polu *Value* dla czujnika temperatury, a następnie wybierz przycisk **Set**. Liczba, którą wpiszesz, będzie wartością zwracaną przez czujnik.
+
+    * Zaznacz pole *Random*, wpisz wartości *Min* i *Max*, a następnie wybierz przycisk **Set**. Za każdym razem, gdy czujnik odczytuje wartość, będzie to losowa liczba pomiędzy *Min* a *Max*.
+
+    Powinieneś zobaczyć wartości, które ustawiłeś, pojawiające się w konsoli. Zmień *Value* lub ustawienia *Random*, aby zobaczyć zmieniające się wartości.
+
+    ```output
+    (.venv) ➜  temperature-sensor python app.py
+    Temperature 28.25°C
+    Temperature 30.71°C
+    Temperature 25.17°C
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device).
+
+😀 Twoja aplikacja czujnika temperatury zakończyła się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/pl/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
new file mode 100644
index 00000000..d003dfe0
--- /dev/null
+++ b/translations/pl/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
@@ -0,0 +1,80 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "df28cd649cd892bcce034e064913b2f3",
+  "translation_date": "2025-08-26T06:43:11+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
+  "language_code": "pl"
+}
+-->
+# Publikowanie temperatury - Wio Terminal
+
+W tej części lekcji opublikujesz wartości temperatury wykryte przez Wio Terminal za pomocą MQTT, aby mogły być później wykorzystane do obliczenia GDD.
+
+## Publikowanie temperatury
+
+Po odczytaniu temperatury można ją opublikować za pomocą MQTT do kodu 'serwera', który odczyta wartości i zapisze je, aby mogły być użyte do obliczeń GDD. Mikrokontrolery nie odczytują czasu z Internetu ani nie śledzą czasu za pomocą zegara czasu rzeczywistego w standardzie, urządzenie musi być zaprogramowane, aby to robić, zakładając, że posiada odpowiedni sprzęt.
+
+Aby uprościć sprawy w tej lekcji, czas nie będzie wysyłany razem z danymi z czujnika, zamiast tego może zostać dodany przez kod serwera później, gdy odbierze wiadomości.
+
+### Zadanie
+
+Zaprogramuj urządzenie, aby publikowało dane o temperaturze.
+
+1. Otwórz projekt `temperature-sensor` dla Wio Terminal.
+
+1. Powtórz kroki, które wykonałeś w lekcji 4, aby połączyć się z MQTT i wysłać dane telemetryczne. Będziesz używać tego samego publicznego brokera Mosquitto.
+
+    Kroki te obejmują:
+
+    - Dodanie bibliotek Seeed WiFi i MQTT do pliku `.ini`
+    - Dodanie pliku konfiguracyjnego i kodu do połączenia z WiFi
+    - Dodanie kodu do połączenia z brokerem MQTT
+    - Dodanie kodu do publikowania danych telemetrycznych
+
+    > ⚠️ Zapoznaj się z [instrukcjami dotyczącymi połączenia z MQTT](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) oraz [instrukcjami dotyczącymi wysyłania danych telemetrycznych](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md) z lekcji 4, jeśli zajdzie taka potrzeba.
+
+1. Upewnij się, że `CLIENT_NAME` w pliku nagłówkowym `config.h` odzwierciedla ten projekt:
+
+    ```cpp
+    const string CLIENT_NAME = ID + "temperature_sensor_client";
+    ```
+
+1. W przypadku danych telemetrycznych, zamiast wysyłać wartość światła, wyślij wartość temperatury odczytaną z czujnika DHT jako właściwość w dokumencie JSON o nazwie `temperature`, zmieniając funkcję `loop` w `main.cpp`:
+
+    ```cpp
+    float temp_hum_val[2] = {0};
+    dht.readTempAndHumidity(temp_hum_val);
+
+    DynamicJsonDocument doc(1024);
+    doc["temperature"] = temp_hum_val[1];
+    ```
+
+1. Wartość temperatury nie musi być odczytywana zbyt często - nie zmienia się znacząco w krótkim czasie, więc ustaw `delay` w funkcji `loop` na 10 minut:
+
+    ```cpp
+    delay(10 * 60 * 1000);
+    ```
+
+    > 💁 Funkcja `delay` przyjmuje czas w milisekundach, więc dla ułatwienia odczytu wartość jest przekazywana jako wynik obliczenia. 1,000ms w sekundzie, 60s w minucie, więc 10 x (60s w minucie) x (1000ms w sekundzie) daje opóźnienie 10 minut.
+
+1. Wgraj to na swój Wio Terminal i użyj monitora szeregowego, aby zobaczyć, jak temperatura jest wysyłana do brokera 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}
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal).
+
+😀 Udało Ci się pomyślnie opublikować temperaturę jako dane telemetryczne z Twojego urządzenia.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/pl/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
new file mode 100644
index 00000000..849ed5e4
--- /dev/null
+++ b/translations/pl/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
@@ -0,0 +1,141 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "59263d094f20b302053888cd236880c3",
+  "translation_date": "2025-08-26T06:42:52+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
+  "language_code": "pl"
+}
+-->
+# Mierzenie temperatury - Wio Terminal
+
+W tej części lekcji dodasz czujnik temperatury do swojego Wio Terminal i odczytasz z niego wartości temperatury.
+
+## Sprzęt
+
+Wio Terminal potrzebuje czujnika temperatury.
+
+Czujnik, którego użyjesz, to [czujnik wilgotności i temperatury DHT11](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html), który łączy dwa czujniki w jednym urządzeniu. Jest to dość popularne rozwiązanie, a wiele dostępnych na rynku czujników łączy pomiar temperatury, wilgotności, a czasem także ciśnienia atmosferycznego. Komponent czujnika temperatury to termistor o ujemnym współczynniku temperaturowym (NTC), czyli termistor, którego opór maleje wraz ze wzrostem temperatury.
+
+Jest to czujnik cyfrowy, więc posiada wbudowany przetwornik ADC, który generuje sygnał cyfrowy zawierający dane o temperaturze i wilgotności, które mikroprocesor może odczytać.
+
+### Podłącz czujnik temperatury
+
+Czujnik temperatury Grove można podłączyć do cyfrowego portu Wio Terminal.
+
+#### Zadanie - podłącz czujnik temperatury
+
+Podłącz czujnik temperatury.
+
+![Czujnik temperatury Grove](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda w czujniku wilgotności i temperatury. Kabel pasuje tylko w jednym kierunku.
+
+1. Gdy Wio Terminal jest odłączony od komputera lub innego źródła zasilania, podłącz drugi koniec kabla Grove do prawego gniazda Grove w Wio Terminal, patrząc na ekran. Jest to gniazdo najbardziej oddalone od przycisku zasilania.
+
+![Czujnik temperatury Grove podłączony do prawego gniazda](../../../../../translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.pl.png)
+
+## Programowanie czujnika temperatury
+
+Teraz możesz zaprogramować Wio Terminal, aby korzystał z podłączonego czujnika temperatury.
+
+### Zadanie - zaprogramuj czujnik temperatury
+
+Zaprogramuj urządzenie.
+
+1. Utwórz nowy projekt Wio Terminal w PlatformIO. Nazwij ten projekt `temperature-sensor`. Dodaj kod w funkcji `setup`, aby skonfigurować port szeregowy.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia projektu PlatformIO w projekcie 1, lekcji 1, jeśli potrzebujesz](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project).
+
+1. Dodaj zależność biblioteki dla biblioteki Seeed Grove Humidity and Temperature sensor do pliku `platformio.ini` projektu:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
+    ```
+
+    > ⚠️ Możesz odwołać się do [instrukcji dodawania bibliotek do projektu PlatformIO w projekcie 1, lekcji 4, jeśli potrzebujesz](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries).
+
+1. Dodaj następujące dyrektywy `#include` na początku pliku, pod istniejącym `#include <Arduino.h>`:
+
+    ```cpp
+    #include <DHT.h>
+    #include <SPI.h>
+    ```
+
+    Importuje to pliki potrzebne do interakcji z czujnikiem. Plik nagłówkowy `DHT.h` zawiera kod dla samego czujnika, a dodanie nagłówka `SPI.h` zapewnia, że kod potrzebny do komunikacji z czujnikiem zostanie uwzględniony podczas kompilacji aplikacji.
+
+1. Przed funkcją `setup` zadeklaruj czujnik DHT:
+
+    ```cpp
+    DHT dht(D0, DHT11);
+    ```
+
+    Deklaruje to instancję klasy `DHT`, która zarządza **D**igitalnym **H**umidity i **T**emperature sensorem. Czujnik jest podłączony do portu `D0`, prawego gniazda Grove w Wio Terminal. Drugi parametr informuje kod, że używany czujnik to *DHT11* - biblioteka, której używasz, obsługuje inne warianty tego czujnika.
+
+1. W funkcji `setup` dodaj kod do konfiguracji połączenia szeregowego:
+
+    ```cpp
+    void setup()
+    {
+        Serial.begin(9600);
+    
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    ```
+
+1. Na końcu funkcji `setup`, po ostatnim `delay`, dodaj wywołanie uruchamiające czujnik DHT:
+
+    ```cpp
+    dht.begin();
+    ```
+
+1. W funkcji `loop` dodaj kod wywołujący czujnik i drukujący temperaturę na port szeregowy:
+
+    ```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);
+    }
+    ```
+
+    Ten kod deklaruje pustą tablicę z 2 liczbami zmiennoprzecinkowymi i przekazuje ją do wywołania `readTempAndHumidity` na instancji `DHT`. Wywołanie to wypełnia tablicę dwoma wartościami - wilgotność trafia do pierwszego elementu tablicy (0), a temperatura do drugiego elementu (1).
+
+    Temperatura jest odczytywana z drugiego elementu tablicy i drukowana na port szeregowy.
+
+    > 🇺🇸 Temperatura jest odczytywana w stopniach Celsjusza. Dla Amerykanów, aby przeliczyć ją na stopnie Fahrenheita, podziel wartość w Celsjuszach przez 5, pomnóż przez 9, a następnie dodaj 32. Na przykład odczyt temperatury 20°C przelicza się na ((20/5)*9) + 32 = 68°F.
+
+1. Zbuduj i wgraj kod na Wio Terminal.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia projektu PlatformIO w projekcie 1, lekcji 1, jeśli potrzebujesz](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app).
+
+1. Po wgraniu możesz monitorować temperaturę za pomocą monitora szeregowego:
+
+    ```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
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal).
+
+😀 Twój program do obsługi czujnika temperatury działa poprawnie!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/pl/2-farm/lessons/2-detect-soil-moisture/README.md
new file mode 100644
index 00000000..82c38f9f
--- /dev/null
+++ b/translations/pl/2-farm/lessons/2-detect-soil-moisture/README.md
@@ -0,0 +1,167 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
+  "translation_date": "2025-08-26T06:50:29+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
+  "language_code": "pl"
+}
+-->
+C, wymawiane jako *I-kwadrat-C*, to protokół wielokontrolerowy i wieloperyferyjny, w którym każde podłączone urządzenie może działać jako kontroler lub peryferium, komunikując się za pośrednictwem magistrali I²C (nazwa systemu komunikacyjnego, który przesyła dane). Dane są przesyłane w postaci adresowanych pakietów, z każdym pakietem zawierającym adres urządzenia, do którego są przeznaczone.
+
+> 💁 Ten model był wcześniej określany jako master/slave, ale ta terminologia jest wycofywana ze względu na jej skojarzenia z niewolnictwem. [Open Source Hardware Association przyjęło terminologię kontroler/peryferium](https://www.oshwa.org/a-resolution-to-redefine-spi-signal-names/), ale nadal można spotkać odniesienia do starej terminologii.
+
+Urządzenia mają adres, który jest używany podczas ich podłączania do magistrali I²C i zazwyczaj jest on zakodowany na stałe w urządzeniu. Na przykład każdy typ czujnika Grove od Seeed ma ten sam adres, więc wszystkie czujniki światła mają ten sam adres, wszystkie przyciski mają ten sam adres, który różni się od adresu czujnika światła. Niektóre urządzenia mają możliwość zmiany adresu, na przykład poprzez zmianę ustawień zworki lub lutowanie pinów.
+
+I²C ma magistralę składającą się z 2 głównych przewodów, wraz z 2 przewodami zasilającymi:
+
+| Przewód | Nazwa | Opis |
+| ---- | --------- | ----------- |
+| SDA | Serial Data (Dane szeregowe) | Ten przewód służy do przesyłania danych między urządzeniami. |
+| SCL | Serial Clock (Zegar szeregowy) | Ten przewód przesyła sygnał zegarowy z częstotliwością ustawioną przez kontroler. |
+| VCC | Voltage common collector (Wspólny kolektor napięcia) | Zasilanie dla urządzeń. Jest podłączone do przewodów SDA i SCL, aby dostarczać im zasilanie za pośrednictwem rezystora podciągającego, który wyłącza sygnał, gdy żadne urządzenie nie jest kontrolerem. |
+| GND | Ground (Masa) | Zapewnia wspólną masę dla obwodu elektrycznego. |
+
+![Magistrala I2C z 3 urządzeniami podłączonymi do przewodów SDA i SCL, współdzieląca wspólny przewód masy](../../../../../translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.pl.png)
+
+Aby przesłać dane, jedno urządzenie wydaje warunek startu, aby pokazać, że jest gotowe do przesyłania danych. Następnie staje się kontrolerem. Kontroler wysyła adres urządzenia, z którym chce się komunikować, wraz z informacją, czy chce odczytać, czy zapisać dane. Po przesłaniu danych kontroler wysyła warunek stopu, aby wskazać, że zakończył. Po tym inne urządzenie może stać się kontrolerem i przesyłać lub odbierać dane.
+
+I<sup>2</sup>C ma ograniczenia prędkości, z trzema różnymi trybami działającymi z ustalonymi prędkościami. Najszybszy to tryb High Speed z maksymalną prędkością 3,4 Mbps (megabitów na sekundę), choć bardzo niewiele urządzeń obsługuje tę prędkość. Na przykład Raspberry Pi jest ograniczone do trybu fast z prędkością 400 Kbps (kilobitów na sekundę). Tryb standardowy działa z prędkością 100 Kbps.
+
+> 💁 Jeśli używasz Raspberry Pi z nakładką Grove Base jako swojego sprzętu IoT, możesz zobaczyć kilka gniazd I<sup>2</sup>C na płytce, które możesz wykorzystać do komunikacji z czujnikami I<sup>2</sup>C. Analogowe czujniki Grove również korzystają z I<sup>2</sup>C z przetwornikiem ADC, aby przesyłać wartości analogowe jako dane cyfrowe, więc czujnik światła, którego używałeś, symulował pin analogowy, a wartość była przesyłana przez I<sup>2</sup>C, ponieważ Raspberry Pi obsługuje tylko piny cyfrowe.
+
+### Uniwersalny asynchroniczny odbiornik-nadajnik (UART)
+
+UART obejmuje fizyczny układ, który pozwala dwóm urządzeniom komunikować się. Każde urządzenie ma 2 piny komunikacyjne - transmitujący (Tx) i odbierający (Rx), przy czym pin Tx pierwszego urządzenia jest połączony z pinem Rx drugiego urządzenia, a pin Tx drugiego urządzenia jest połączony z pinem Rx pierwszego urządzenia. Dzięki temu dane mogą być przesyłane w obu kierunkach.
+
+* Urządzenie 1 przesyła dane ze swojego pinu Tx, które są odbierane przez urządzenie 2 na jego pinie Rx
+* Urządzenie 1 odbiera dane na swoim pinie Rx, które są przesyłane przez urządzenie 2 z jego pinu Tx
+
+![UART z pinem Tx jednego układu połączonym z pinem Rx innego i vice versa](../../../../../translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.pl.png)
+
+> 🎓 Dane są przesyłane po jednym bicie na raz, co nazywa się komunikacją *szeregową*. Większość systemów operacyjnych i mikrokontrolerów ma *porty szeregowe*, czyli połączenia umożliwiające przesyłanie i odbieranie danych szeregowych, które są dostępne dla twojego kodu.
+
+Urządzenia UART mają [prędkość transmisji](https://wikipedia.org/wiki/Symbol_rate) (znaną również jako Symbol rate), która określa szybkość przesyłania i odbierania danych w bitach na sekundę. Popularna prędkość transmisji to 9 600, co oznacza, że 9 600 bitów (0 i 1) danych jest przesyłanych każdą sekundę.
+
+UART używa bitów startu i stopu - wysyła bit startu, aby wskazać, że zaraz wyśle bajt (8 bitów) danych, a następnie bit stopu po wysłaniu 8 bitów.
+
+Prędkość UART zależy od sprzętu, ale nawet najszybsze implementacje nie przekraczają 6,5 Mbps (megabitów na sekundę, czyli milionów bitów, 0 lub 1, przesyłanych na sekundę).
+
+Możesz używać UART przez piny GPIO - możesz ustawić jeden pin jako Tx, a inny jako Rx, a następnie połączyć je z innym urządzeniem.
+
+> 💁 Jeśli używasz Raspberry Pi z nakładką Grove Base jako swojego sprzętu IoT, możesz zobaczyć gniazdo UART na płytce, które możesz wykorzystać do komunikacji z czujnikami korzystającymi z protokołu UART.
+
+### Szeregowy interfejs peryferyjny (SPI)
+
+SPI został zaprojektowany do komunikacji na krótkie odległości, na przykład na mikrokontrolerze do komunikacji z urządzeniem pamięci masowej, takim jak pamięć flash. Opiera się na modelu kontroler/peryferium, gdzie pojedynczy kontroler (zazwyczaj procesor urządzenia IoT) komunikuje się z wieloma peryferiami. Kontroler zarządza wszystkim, wybierając peryferium i wysyłając lub żądając danych.
+
+> 💁 Podobnie jak w przypadku I<sup>2</sup>C, terminy kontroler i peryferium to niedawne zmiany, więc możesz spotkać się z użyciem starszych terminów.
+
+Kontrolery SPI używają 3 przewodów, wraz z 1 dodatkowym przewodem na każde peryferium. Peryferia używają 4 przewodów. Te przewody to:
+
+| Przewód | Nazwa | Opis |
+| ---- | --------- | ----------- |
+| COPI | Wyjście kontrolera, wejście peryferium | Ten przewód służy do przesyłania danych z kontrolera do peryferium. |
+| CIPO | Wejście kontrolera, wyjście peryferium | Ten przewód służy do przesyłania danych z peryferium do kontrolera. |
+| SCLK | Zegar szeregowy | Ten przewód przesyła sygnał zegarowy z prędkością ustawioną przez kontroler. |
+| CS   | Wybór układu | Kontroler ma wiele przewodów, po jednym na każde peryferium, a każdy przewód łączy się z przewodem CS odpowiedniego peryferium. |
+
+![SPI z jednym kontrolerem i dwoma peryferiami](../../../../../translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.pl.png)
+
+Przewód CS jest używany do aktywacji jednego peryferium naraz, komunikując się przez przewody COPI i CIPO. Gdy kontroler musi zmienić peryferium, dezaktywuje przewód CS połączony z obecnie aktywnym peryferium, a następnie aktywuje przewód połączony z peryferium, z którym chce się komunikować.
+
+SPI jest *pełnodupleksowe*, co oznacza, że kontroler może jednocześnie wysyłać i odbierać dane z tego samego peryferium, używając przewodów COPI i CIPO. SPI używa sygnału zegarowego na przewodzie SCLK, aby utrzymać synchronizację urządzeń, więc w przeciwieństwie do przesyłania bezpośrednio przez UART, nie potrzebuje bitów startu i stopu.
+
+Nie ma określonych ograniczeń prędkości dla SPI, a implementacje często mogą przesyłać wiele megabajtów danych na sekundę.
+
+Zestawy deweloperskie IoT często obsługują SPI przez niektóre piny GPIO. Na przykład na Raspberry Pi możesz używać pinów GPIO 19, 21, 23, 24 i 26 do SPI.
+
+### Bezprzewodowe
+
+Niektóre czujniki mogą komunikować się za pomocą standardowych protokołów bezprzewodowych, takich jak Bluetooth (głównie Bluetooth Low Energy, czyli BLE), LoRaWAN (protokół sieciowy o niskim zużyciu energii i dużym zasięgu) lub WiFi. Umożliwia to zdalnym czujnikom działanie bez fizycznego połączenia z urządzeniem IoT.
+
+Przykładem są komercyjne czujniki wilgotności gleby. Mierzą one wilgotność gleby na polu, a następnie przesyłają dane przez LoRaWAN do urządzenia centralnego, które przetwarza dane lub przesyła je przez Internet. Dzięki temu czujnik może znajdować się z dala od urządzenia IoT zarządzającego danymi, co zmniejsza zużycie energii i potrzebę dużych sieci WiFi lub długich kabli.
+
+BLE jest popularne w zaawansowanych czujnikach, takich jak opaski fitness noszone na nadgarstku. Łączą one wiele czujników i przesyłają dane do urządzenia IoT, na przykład telefonu, za pomocą BLE.
+
+✅ Czy masz jakieś czujniki Bluetooth przy sobie, w domu lub w szkole? Mogą to być czujniki temperatury, czujniki obecności, lokalizatory urządzeń lub urządzenia fitness.
+
+Jednym z popularnych sposobów łączenia urządzeń komercyjnych jest Zigbee. Zigbee wykorzystuje WiFi do tworzenia sieci kratowych między urządzeniami, gdzie każde urządzenie łączy się z jak największą liczbą pobliskich urządzeń, tworząc dużą liczbę połączeń przypominających pajęczynę. Gdy jedno urządzenie chce wysłać wiadomość do Internetu, może przesłać ją do najbliższych urządzeń, które następnie przekazują ją dalej do innych pobliskich urządzeń i tak dalej, aż dotrze do koordynatora i zostanie przesłana do Internetu.
+
+> 🐝 Nazwa Zigbee odnosi się do tańca pszczół miodnych po ich powrocie do ula.
+
+## Pomiar poziomu wilgotności gleby
+
+Możesz zmierzyć poziom wilgotności gleby za pomocą czujnika wilgotności gleby, urządzenia IoT i rośliny doniczkowej lub pobliskiego kawałka gleby.
+
+### Zadanie - pomiar wilgotności gleby
+
+Przejdź przez odpowiedni przewodnik, aby zmierzyć wilgotność gleby za pomocą swojego urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-soil-moisture.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-soil-moisture.md)
+
+## Kalibracja czujników
+
+Czujniki opierają się na pomiarze właściwości elektrycznych, takich jak rezystancja lub pojemność.
+
+> 🎓 Rezystancja, mierzona w omach (Ω), to miara oporu, jaki napotyka prąd elektryczny przepływający przez coś. Gdy napięcie jest przyłożone do materiału, ilość prądu, który przez niego przepływa, zależy od rezystancji materiału. Więcej informacji znajdziesz na [stronie o rezystancji elektrycznej na Wikipedii](https://wikipedia.org/wiki/Electrical_resistance_and_conductance).
+
+> 🎓 Pojemność, mierzona w faradach (F), to zdolność komponentu lub obwodu do gromadzenia i przechowywania energii elektrycznej. Więcej informacji znajdziesz na [stronie o pojemności na Wikipedii](https://wikipedia.org/wiki/Capacitance).
+
+Te pomiary nie zawsze są użyteczne - wyobraź sobie czujnik temperatury, który podaje wynik 22,5 kΩ! Zamiast tego zmierzona wartość musi zostać przekształcona na użyteczną jednostkę poprzez kalibrację - czyli dopasowanie zmierzonych wartości do mierzonej wielkości, aby umożliwić przekształcenie nowych pomiarów na odpowiednią jednostkę.
+
+Niektóre czujniki są fabrycznie skalibrowane. Na przykład czujnik temperatury, którego używałeś w poprzedniej lekcji, był już skalibrowany, aby mógł zwracać pomiar temperatury w °C. W fabryce pierwszy wyprodukowany czujnik był wystawiany na działanie znanych temperatur, a rezystancja była mierzona. Na tej podstawie opracowano obliczenia, które mogą przekształcać wartość zmierzoną w Ω (jednostka rezystancji) na °C.
+
+> 💁 Wzór do obliczania rezystancji na podstawie temperatury to [równanie Steinharta–Harta](https://wikipedia.org/wiki/Steinhart–Hart_equation).
+
+### Kalibracja czujnika wilgotności gleby
+
+Wilgotność gleby jest mierzona za pomocą zawartości wody grawimetrycznej lub objętościowej.
+
+* Grawimetryczna to waga wody w jednostce wagi gleby, mierzona jako liczba kilogramów wody na kilogram suchej gleby
+* Objętościowa to objętość wody w jednostce objętości gleby, mierzona jako liczba metrów sześciennych wody na metry sześcienne suchej gleby
+
+> 🇺🇸 Dla Amerykanów, ze względu na spójność jednostek, można to mierzyć w funtach zamiast kilogramów lub stopach sześciennych zamiast metrów sześciennych.
+
+Czujniki wilgotności gleby mierzą rezystancję lub pojemność elektryczną - to zależy nie tylko od wilgotności gleby, ale także od jej rodzaju, ponieważ składniki gleby mogą zmieniać jej właściwości elektryczne. Idealnie czujniki powinny być skalibrowane - czyli odczyty z czujnika powinny być porównywane z pomiarami uzyskanymi bardziej naukową metodą. Na przykład laboratorium może obliczyć grawimetryczną wilgotność gleby, używając próbek z konkretnego pola pobranych kilka razy w roku, a te dane mogą być użyte do kalibracji czujnika, dopasowując odczyty czujnika do grawimetrycznej wilgotności gleby.
+
+![Wykres napięcia w zależności od zawartości wilgoci w glebie](../../../../../translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.pl.png)
+
+Powyższy wykres pokazuje, jak skalibrować czujnik. Napięcie jest rejestrowane dla próbki gleby, która następnie jest mierzona w laboratorium przez porównanie wilgotnej wagi z suchą wagą (mierząc wagę wilgotną, a następnie susząc w piecu i mierząc wagę suchą). Po wykonaniu kilku pomiarów można je nanieść na wykres i dopasować linię do punktów. Ta linia może być następnie użyta do przekształcenia odczytów czujnika wilgotności gleby wykonanych przez urządzenie IoT na rzeczywiste pomiary wilgotności gleby.
+
+💁 W przypadku rezystancyjnych czujników wilgotności gleby napięcie wzrasta wraz ze wzrostem wilgotności gleby. W przypadku pojemnościowych czujników wilgotności gleby napięcie maleje wraz ze wzrostem wilgotności gleby, więc wykresy dla tych czujników będą opadać, a nie wznosić się.
+
+![Wartość wilgotności gleby interpolowana z wykresu](../../../../../translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.pl.png)
+
+Powyższy wykres pokazuje odczyt napięcia z czujnika wilgotności gleby, a poprzez śledzenie tego do linii na wykresie można obliczyć rzeczywistą wilgotność gleby.
+
+To podejście oznacza, że rolnik potrzebuje tylko kilku pomiarów laboratoryjnych dla pola, a następnie może używać urządzeń IoT do pomiaru wilgotności gleby - znacznie przyspieszając czas potrzebny na wykonanie pomiarów.
+
+---
+
+## 🚀 Wyzwanie
+
+Rezystancyjne i pojemnościowe czujniki wilgotności gleby mają szereg różnic. Jakie są te różnice i który typ (jeśli w ogóle) jest najlepszy dla rolnika? Czy odpowiedź na to pytanie zmienia się w zależności od tego, czy mówimy o krajach rozwijających się, czy rozwiniętych?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
+
+## Przegląd i samodzielna nauka
+
+Przeczytaj o sprzęcie i protokołach używanych przez czujniki i siłowniki:
+
+* [Strona Wikipedii o GPIO](https://wikipedia.org/wiki/General-purpose_input/output)
+* [Strona Wikipedii o UART](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)
+* [Strona Wikipedii o SPI](https://wikipedia.org/wiki/Serial_Peripheral_Interface)
+* [Strona Wikipedii o I<sup>2</sup>C](https://wikipedia.org/wiki/I²C)
+* [Strona Wikipedii o Zigbee](https://wikipedia.org/wiki/Zigbee)
+
+## Zadanie
+
+[Skalibruj swój czujnik](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/pl/2-farm/lessons/2-detect-soil-moisture/assignment.md
new file mode 100644
index 00000000..29e0f176
--- /dev/null
+++ b/translations/pl/2-farm/lessons/2-detect-soil-moisture/assignment.md
@@ -0,0 +1,61 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "506d21b544d5de47406c89ad496a21cd",
+  "translation_date": "2025-08-26T06:51:48+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Kalibracja czujnika
+
+## Instrukcje
+
+W tej lekcji zebrałeś odczyty z czujnika wilgotności gleby, mierzone w wartościach od 0 do 1023. Aby przekształcić je w rzeczywiste odczyty wilgotności gleby, musisz skalibrować swój czujnik. Możesz to zrobić, wykonując odczyty z próbek gleby, a następnie obliczając grawimetryczną zawartość wilgoci w glebie na podstawie tych próbek.
+
+Będziesz musiał powtórzyć te kroki kilkukrotnie, aby uzyskać potrzebne odczyty, za każdym razem z różnym poziomem wilgotności gleby.
+
+1. Wykonaj odczyt wilgotności gleby za pomocą czujnika wilgotności gleby. Zapisz ten odczyt.
+
+1. Pobierz próbkę gleby i zważ ją. Zapisz tę wagę.
+
+1. Wysusz glebę – najlepiej w ciepłym piekarniku w temperaturze 110°C (230°F) przez kilka godzin. Możesz to zrobić również na słońcu lub umieścić próbkę w ciepłym, suchym miejscu, aż gleba będzie całkowicie sucha. Powinna być sypka i miałka.
+
+    > 💁 W laboratorium, aby uzyskać najdokładniejsze wyniki, suszyłbyś próbkę w piekarniku przez 48-72 godziny. Jeśli w Twojej szkole są dostępne suszarki laboratoryjne, sprawdź, czy możesz z nich skorzystać, aby suszyć próbki dłużej. Im dłużej, tym bardziej sucha próbka i dokładniejsze wyniki.
+
+1. Zważ glebę ponownie.
+
+    > 🔥 Jeśli suszyłeś próbkę w piekarniku, upewnij się, że najpierw ostygła!
+
+Grawimetryczna wilgotność gleby jest obliczana jako:
+
+![wilgotność gleby % to waga mokrej gleby minus waga suchej gleby, podzielone przez wagę suchej gleby, pomnożone przez 100](../../../../../translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.pl.png)
+
+* W  
+- waga mokrej gleby  
+* W  
+- waga suchej gleby  
+
+Na przykład, załóżmy, że masz próbkę gleby, która waży 212 g w stanie mokrym i 197 g w stanie suchym.
+
+![Wypełnione obliczenie](../../../../../translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.pl.png)
+
+* W = 212 g  
+* W = 197 g  
+* 212 - 197 = 15  
+* 15 / 197 = 0,076  
+* 0,076 * 100 = 7,6%  
+
+W tym przykładzie gleba ma grawimetryczną wilgotność na poziomie 7,6%.
+
+Gdy masz odczyty dla co najmniej 3 próbek, narysuj wykres procentowej wilgotności gleby w stosunku do odczytów z czujnika wilgotności gleby i dodaj linię najlepszego dopasowania do punktów. Następnie możesz użyć tego wykresu, aby obliczyć grawimetryczną zawartość wilgoci w glebie dla danego odczytu z czujnika, odczytując wartość z linii.
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Wystarczające | Wymaga poprawy |
+| --------- | ------- | ------------- | -------------- |
+| Zbieranie danych kalibracyjnych | Zebrano co najmniej 3 próbki kalibracyjne | Zebrano co najmniej 2 próbki kalibracyjne | Zebrano co najmniej 1 próbkę kalibracyjną |
+| Wykonanie skalibrowanego odczytu | Pomyślnie narysowano wykres kalibracyjny, wykonano odczyt z czujnika i przeliczono go na grawimetryczną wilgotność gleby | Pomyślnie narysowano wykres kalibracyjny | Nie udało się narysować wykresu |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/pl/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
new file mode 100644
index 00000000..d17c4ece
--- /dev/null
+++ b/translations/pl/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
@@ -0,0 +1,106 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
+  "translation_date": "2025-08-26T06:52:28+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
+  "language_code": "pl"
+}
+-->
+# Pomiar wilgotności gleby - Raspberry Pi
+
+W tej części lekcji dodasz pojemnościowy czujnik wilgotności gleby do swojego Raspberry Pi i odczytasz z niego wartości.
+
+## Sprzęt
+
+Do Raspberry Pi potrzebny jest pojemnościowy czujnik wilgotności gleby.
+
+Czujnik, którego użyjesz, to [Pojemnościowy Czujnik Wilgotności Gleby](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html), który mierzy wilgotność gleby poprzez wykrywanie jej pojemności, właściwości zmieniającej się wraz ze zmianą wilgotności gleby. Wraz ze wzrostem wilgotności gleby napięcie maleje.
+
+Jest to czujnik analogowy, który korzysta z analogowego pinu oraz 10-bitowego przetwornika ADC w Grove Base Hat na Raspberry Pi, aby przekształcić napięcie na sygnał cyfrowy w zakresie od 1 do 1 023. Następnie sygnał ten jest przesyłany przez I²C za pomocą pinów GPIO na Raspberry Pi.
+
+### Podłączanie czujnika wilgotności gleby
+
+Czujnik wilgotności gleby Grove można podłączyć do Raspberry Pi.
+
+#### Zadanie - podłącz czujnik wilgotności gleby
+
+Podłącz czujnik wilgotności gleby.
+
+![Czujnik wilgotności gleby Grove](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda na czujniku wilgotności gleby. Kabel można włożyć tylko w jeden sposób.
+
+1. Przy wyłączonym Raspberry Pi podłącz drugi koniec kabla Grove do gniazda analogowego oznaczonego **A0** na Grove Base Hat przymocowanym do Raspberry Pi. To gniazdo znajduje się drugie od prawej strony w rzędzie gniazd obok pinów GPIO.
+
+![Czujnik wilgotności gleby Grove podłączony do gniazda A0](../../../../../translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.pl.png)
+
+1. Włóż czujnik wilgotności gleby do gleby. Na czujniku znajduje się linia oznaczająca "najwyższy poziom" - biała linia przecinająca czujnik. Włóż czujnik do gleby do tej linii, ale nie głębiej.
+
+![Czujnik wilgotności gleby Grove w glebie](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.pl.png)
+
+## Programowanie czujnika wilgotności gleby
+
+Teraz Raspberry Pi można zaprogramować do obsługi podłączonego czujnika wilgotności gleby.
+
+### Zadanie - zaprogramuj czujnik wilgotności gleby
+
+Zaprogramuj urządzenie.
+
+1. Włącz Raspberry Pi i poczekaj, aż się uruchomi.
+
+1. Uruchom VS Code, bezpośrednio na Raspberry Pi lub za pomocą rozszerzenia Remote SSH.
+
+    > ⚠️ Możesz odwołać się do [instrukcji dotyczących konfiguracji i uruchamiania VS Code w lekcji 1 - nightlight, jeśli to konieczne](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. W terminalu utwórz nowy folder w katalogu domowym użytkownika `pi` o nazwie `soil-moisture-sensor`. W tym folderze utwórz plik o nazwie `app.py`.
+
+1. Otwórz ten folder w VS Code.
+
+1. Dodaj poniższy kod do pliku `app.py`, aby zaimportować wymagane biblioteki:
+
+    ```python
+    import time
+    from grove.adc import ADC
+    ```
+
+    Instrukcja `import time` importuje moduł `time`, który będzie używany później w tym zadaniu.
+
+    Instrukcja `from grove.adc import ADC` importuje `ADC` z bibliotek Python Grove. Ta biblioteka zawiera kod do obsługi przetwornika analogowo-cyfrowego na Grove Base Hat i odczytu napięć z czujników analogowych.
+
+1. Dodaj poniższy kod, aby utworzyć instancję klasy `ADC`:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. Dodaj nieskończoną pętlę, która odczytuje dane z ADC na pinie A0 i zapisuje wynik w konsoli. Pętla ta może następnie usypiać na 10 sekund między odczytami.
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+
+        time.sleep(10)
+    ```
+
+1. Uruchom aplikację w Pythonie. Zobaczysz pomiary wilgotności gleby wyświetlane w konsoli. Dodaj wodę do gleby lub wyjmij czujnik z gleby i obserwuj zmieniające się wartości.
+
+    ```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
+    ```
+
+    W powyższym przykładzie wyjścia widać, jak napięcie spada po dodaniu wody.
+
+> 💁 Kod ten znajdziesz w folderze [code/pi](../../../../../2-farm/lessons/2-detect-soil-moisture/code/pi).
+
+😀 Twój program do obsługi czujnika wilgotności gleby działa poprawnie!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/pl/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
new file mode 100644
index 00000000..ed3b9d4d
--- /dev/null
+++ b/translations/pl/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2bf65f162bcebd35fbcba5fd245afac4",
+  "translation_date": "2025-08-26T06:52:04+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
+  "language_code": "pl"
+}
+-->
+# Pomiar wilgotności gleby - Wirtualny sprzęt IoT
+
+W tej części lekcji dodasz pojemnościowy czujnik wilgotności gleby do swojego wirtualnego urządzenia IoT i odczytasz z niego wartości.
+
+## Wirtualny sprzęt
+
+Wirtualne urządzenie IoT będzie korzystać z symulowanego pojemnościowego czujnika wilgotności gleby Grove. Dzięki temu laboratorium pozostaje takie samo, jak w przypadku użycia Raspberry Pi z fizycznym pojemnościowym czujnikiem wilgotności gleby Grove.
+
+W fizycznym urządzeniu IoT czujnik wilgotności gleby byłby pojemnościowym czujnikiem, który mierzy wilgotność gleby poprzez wykrywanie jej pojemności, właściwości zmieniającej się wraz ze zmianą wilgotności gleby. Wraz ze wzrostem wilgotności gleby napięcie maleje.
+
+Jest to czujnik analogowy, który wykorzystuje symulowany 10-bitowy przetwornik ADC do raportowania wartości w zakresie od 1 do 1 023.
+
+### Dodanie czujnika wilgotności gleby do CounterFit
+
+Aby użyć wirtualnego czujnika wilgotności gleby, musisz dodać go do aplikacji CounterFit.
+
+#### Zadanie - Dodanie czujnika wilgotności gleby do CounterFit
+
+Dodaj czujnik wilgotności gleby do aplikacji CounterFit.
+
+1. Utwórz nową aplikację Python na swoim komputerze w folderze o nazwie `soil-moisture-sensor` z jednym plikiem o nazwie `app.py` oraz wirtualnym środowiskiem Python, a następnie dodaj pakiety pip CounterFit.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia i konfigurowania projektu Python w CounterFit w lekcji 1, jeśli to konieczne](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Upewnij się, że aplikacja internetowa CounterFit jest uruchomiona.
+
+1. Utwórz czujnik wilgotności gleby:
+
+    1. W polu *Create sensor* w panelu *Sensors* rozwiń pole *Sensor type* i wybierz *Soil Moisture*.
+
+    1. Pozostaw *Units* ustawione na *NoUnits*.
+
+    1. Upewnij się, że *Pin* jest ustawiony na *0*.
+
+    1. Wybierz przycisk **Add**, aby utworzyć czujnik *Soil Moisture* na pinie 0.
+
+    ![Ustawienia czujnika wilgotności gleby](../../../../../translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.pl.png)
+
+    Czujnik wilgotności gleby zostanie utworzony i pojawi się na liście czujników.
+
+    ![Utworzony czujnik wilgotności gleby](../../../../../translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.pl.png)
+
+## Programowanie aplikacji czujnika wilgotności gleby
+
+Teraz możesz zaprogramować aplikację czujnika wilgotności gleby, korzystając z czujników CounterFit.
+
+### Zadanie - Programowanie aplikacji czujnika wilgotności gleby
+
+Zaprogramuj aplikację czujnika wilgotności gleby.
+
+1. Upewnij się, że aplikacja `soil-moisture-sensor` jest otwarta w VS Code.
+
+1. Otwórz plik `app.py`.
+
+1. Dodaj następujący kod na początku pliku `app.py`, aby połączyć aplikację z CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Dodaj następujący kod do pliku `app.py`, aby zaimportować wymagane biblioteki:
+
+    ```python
+    import time
+    from counterfit_shims_grove.adc import ADC
+    ```
+
+    Instrukcja `import time` importuje moduł `time`, który będzie używany później w tym zadaniu.
+
+    Instrukcja `from counterfit_shims_grove.adc import ADC` importuje klasę `ADC`, aby umożliwić interakcję z wirtualnym przetwornikiem analogowo-cyfrowym, który może być połączony z czujnikiem CounterFit.
+
+1. Dodaj poniżej następujący kod, aby utworzyć instancję klasy `ADC`:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. Dodaj nieskończoną pętlę, która odczytuje dane z tego przetwornika ADC na pinie 0 i zapisuje wynik w konsoli. Pętla ta może następnie usypiać na 10 sekund między odczytami.
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+    
+        time.sleep(10)
+    ```
+
+1. W aplikacji CounterFit zmień wartość czujnika wilgotności gleby, która będzie odczytywana przez aplikację. Możesz to zrobić na dwa sposoby:
+
+    * Wpisz liczbę w polu *Value* dla czujnika wilgotności gleby, a następnie wybierz przycisk **Set**. Liczba, którą wpiszesz, będzie wartością zwracaną przez czujnik.
+
+    * Zaznacz pole *Random* i wpisz wartości *Min* oraz *Max*, a następnie wybierz przycisk **Set**. Za każdym razem, gdy czujnik odczyta wartość, będzie to losowa liczba z zakresu *Min* i *Max*.
+
+1. Uruchom aplikację Python. Zobaczysz pomiary wilgotności gleby wypisywane w konsoli. Zmień wartość w polu *Value* lub ustawienia *Random*, aby zobaczyć zmieniające się wartości.
+
+    ```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
+    ```
+
+> 💁 Kod ten znajdziesz w folderze [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device).
+
+😀 Twój program czujnika wilgotności gleby zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/pl/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
new file mode 100644
index 00000000..640b2792
--- /dev/null
+++ b/translations/pl/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
@@ -0,0 +1,115 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d55caa8c23d73635b7559102cd17b8a",
+  "translation_date": "2025-08-26T06:51:30+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
+  "language_code": "pl"
+}
+-->
+# Pomiar wilgotności gleby - Wio Terminal
+
+W tej części lekcji dodasz pojemnościowy czujnik wilgotności gleby do swojego Wio Terminal i odczytasz z niego wartości.
+
+## Sprzęt
+
+Wio Terminal potrzebuje pojemnościowego czujnika wilgotności gleby.
+
+Czujnik, którego użyjesz, to [Pojemnościowy Czujnik Wilgotności Gleby](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html), który mierzy wilgotność gleby poprzez wykrywanie jej pojemności, właściwości zmieniającej się wraz ze zmianą wilgotności gleby. Wraz ze wzrostem wilgotności gleby napięcie maleje.
+
+Jest to czujnik analogowy, który łączy się z analogowymi pinami Wio Terminal, wykorzystując wbudowany przetwornik ADC do generowania wartości w zakresie od 0 do 1023.
+
+### Podłącz czujnik wilgotności gleby
+
+Czujnik wilgotności gleby Grove można podłączyć do konfigurowalnego portu analogowo-cyfrowego Wio Terminal.
+
+#### Zadanie - podłącz czujnik wilgotności gleby
+
+Podłącz czujnik wilgotności gleby.
+
+![Czujnik wilgotności gleby Grove](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda na czujniku wilgotności gleby. Kabel wejdzie tylko w jednym kierunku.
+
+1. Przy odłączonym Wio Terminal od komputera lub innego źródła zasilania, podłącz drugi koniec kabla Grove do prawego gniazda Grove na Wio Terminal, patrząc na ekran. Jest to gniazdo najbardziej oddalone od przycisku zasilania.
+
+![Czujnik wilgotności gleby Grove podłączony do prawego gniazda](../../../../../translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.pl.png)
+
+1. Włóż czujnik wilgotności gleby do gleby. Czujnik ma linię oznaczającą "najwyższą pozycję" - białą linię na czujniku. Włóż czujnik do gleby do tej linii, ale nie dalej.
+
+![Czujnik wilgotności gleby Grove w glebie](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.pl.png)
+
+1. Teraz możesz podłączyć Wio Terminal do komputera.
+
+## Programowanie czujnika wilgotności gleby
+
+Wio Terminal może teraz zostać zaprogramowany do korzystania z podłączonego czujnika wilgotności gleby.
+
+### Zadanie - zaprogramuj czujnik wilgotności gleby
+
+Zaprogramuj urządzenie.
+
+1. Utwórz nowy projekt Wio Terminal za pomocą PlatformIO. Nazwij ten projekt `soil-moisture-sensor`. Dodaj kod w funkcji `setup`, aby skonfigurować port szeregowy.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia projektu PlatformIO w projekcie 1, lekcji 1, jeśli potrzebujesz](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project).
+
+1. Nie ma biblioteki dla tego czujnika, zamiast tego możesz odczytać dane z pinu analogowego za pomocą wbudowanej funkcji Arduino [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/). Zacznij od skonfigurowania pinu analogowego jako wejścia, aby można było odczytywać z niego wartości, dodając poniższy kod do funkcji `setup`.
+
+    ```cpp
+    pinMode(A0, INPUT);
+    ```
+
+    Ten kod ustawia pin `A0`, połączony pin analogowo-cyfrowy, jako pin wejściowy, z którego można odczytywać napięcie.
+
+1. Dodaj poniższy kod do funkcji `loop`, aby odczytać napięcie z tego pinu:
+
+    ```cpp
+    int soil_moisture = analogRead(A0);
+    ```
+
+1. Pod tym kodem dodaj poniższy kod, aby wydrukować wartość na port szeregowy:
+
+    ```cpp
+    Serial.print("Soil Moisture: ");
+    Serial.println(soil_moisture);
+    ```
+
+1. Na końcu dodaj opóźnienie wynoszące 10 sekund:
+
+    ```cpp
+    delay(10000);
+    ```
+
+1. Zbuduj i wgraj kod na Wio Terminal.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia projektu PlatformIO w projekcie 1, lekcji 1, jeśli potrzebujesz](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app).
+
+1. Po wgraniu kodu możesz monitorować wilgotność gleby za pomocą monitora szeregowego. Dodaj trochę wody do gleby lub wyjmij czujnik z gleby i zobacz, jak zmieniają się wartości.
+
+    ```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
+    ```
+
+    W powyższym przykładzie wyjścia możesz zobaczyć, jak napięcie spada po dodaniu wody.
+
+> 💁 Ten kod znajdziesz w folderze [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal).
+
+😀 Twój program do czujnika wilgotności gleby zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/3-automated-plant-watering/README.md b/translations/pl/2-farm/lessons/3-automated-plant-watering/README.md
new file mode 100644
index 00000000..21c3ece9
--- /dev/null
+++ b/translations/pl/2-farm/lessons/3-automated-plant-watering/README.md
@@ -0,0 +1,312 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
+  "translation_date": "2025-08-26T06:44:22+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
+  "language_code": "pl"
+}
+-->
+# Automatyczne podlewanie roślin
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+Ta lekcja była częścią [Projektu IoT dla początkujących 2 - Cyfrowe rolnictwo](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) z [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Automatyczne podlewanie roślin zasilane IoT](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
+
+## Quiz przed lekcją
+
+[Quiz przed lekcją](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
+
+## Wprowadzenie
+
+W poprzedniej lekcji nauczyłeś się, jak monitorować wilgotność gleby. W tej lekcji dowiesz się, jak zbudować podstawowe elementy automatycznego systemu nawadniania, który reaguje na wilgotność gleby. Poznasz również zagadnienia związane z czasem - jak czujniki mogą potrzebować chwili na reakcję na zmiany oraz jak siłowniki mogą potrzebować czasu na zmianę właściwości mierzonych przez czujniki.
+
+W tej lekcji omówimy:
+
+* [Sterowanie urządzeniami o dużej mocy za pomocą urządzenia IoT o niskiej mocy](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Sterowanie przekaźnikiem](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Sterowanie rośliną za pomocą MQTT](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Czas reakcji czujników i siłowników](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Dodanie czasu do serwera sterującego rośliną](../../../../../2-farm/lessons/3-automated-plant-watering)
+
+## Sterowanie urządzeniami o dużej mocy za pomocą urządzenia IoT o niskiej mocy
+
+Urządzenia IoT korzystają z niskiego napięcia. Chociaż jest ono wystarczające dla czujników i siłowników o niskim poborze mocy, takich jak diody LED, to jest zbyt niskie, aby sterować większym sprzętem, takim jak pompa wodna używana do nawadniania. Nawet małe pompy, które można wykorzystać do podlewania roślin doniczkowych, pobierają zbyt dużo prądu dla zestawu deweloperskiego IoT i mogłyby go uszkodzić.
+
+> 🎓 Prąd, mierzony w amperach (A), to ilość elektryczności przepływającej przez obwód. Napięcie zapewnia "popych", a prąd określa, ile jest "popychane". Więcej o prądzie możesz przeczytać na [stronie o prądzie elektrycznym w Wikipedii](https://wikipedia.org/wiki/Electric_current).
+
+Rozwiązaniem tego problemu jest podłączenie pompy do zewnętrznego źródła zasilania i użycie siłownika do włączania pompy, podobnie jak włączasz światło. Wymaga to niewielkiej ilości energii (w postaci energii z twojego ciała), aby palcem przełączyć włącznik, co łączy światło z siecią elektryczną o napięciu 110V/240V.
+
+![Włącznik światła włącza zasilanie do lampy](../../../../../translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.pl.png)
+
+> 🎓 [Prąd sieciowy](https://wikipedia.org/wiki/Mains_electricity) odnosi się do elektryczności dostarczanej do domów i firm przez infrastrukturę krajową w wielu częściach świata.
+
+✅ Urządzenia IoT zazwyczaj dostarczają 3,3V lub 5V, przy prądzie mniejszym niż 1 amper (1A). Dla porównania, prąd sieciowy to najczęściej 230V (120V w Ameryce Północnej i 100V w Japonii) i może zasilać urządzenia pobierające prąd o natężeniu 30A.
+
+Istnieje wiele siłowników, które mogą to zrobić, w tym urządzenia mechaniczne, które można przymocować do istniejących przełączników, naśladując ruch palca. Najpopularniejszym rozwiązaniem jest przekaźnik.
+
+### Przekaźniki
+
+Przekaźnik to elektromechaniczny przełącznik, który przekształca sygnał elektryczny w ruch mechaniczny, włączając przełącznik. Rdzeniem przekaźnika jest elektromagnes.
+
+> 🎓 [Elektromagnesy](https://wikipedia.org/wiki/Electromagnet) to magnesy tworzone przez przepływ prądu przez cewkę drutu. Gdy prąd jest włączony, cewka staje się namagnesowana. Gdy prąd jest wyłączony, cewka traci swoje właściwości magnetyczne.
+
+![Gdy włączony, elektromagnes tworzy pole magnetyczne, włączając przełącznik dla obwodu wyjściowego](../../../../../translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.pl.png)
+
+W przekaźniku obwód sterujący zasila elektromagnes. Gdy elektromagnes jest włączony, przyciąga dźwignię, która porusza przełącznik, zamykając parę styków i zamykając obwód wyjściowy.
+
+![Gdy wyłączony, elektromagnes nie tworzy pola magnetycznego, wyłączając przełącznik dla obwodu wyjściowego](../../../../../translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.pl.png)
+
+Gdy obwód sterujący jest wyłączony, elektromagnes wyłącza się, zwalniając dźwignię i otwierając styki, wyłączając obwód wyjściowy. Przekaźniki są cyfrowymi siłownikami - wysoki sygnał włącza przekaźnik, niski sygnał go wyłącza.
+
+Obwód wyjściowy może zasilać dodatkowy sprzęt, taki jak system nawadniania. Urządzenie IoT może włączyć przekaźnik, zamykając obwód wyjściowy, który zasila system nawadniania, a rośliny zostają podlane. Następnie urządzenie IoT może wyłączyć przekaźnik, odcinając zasilanie systemu nawadniania i wyłączając wodę.
+
+![Przekaźnik włączający pompę, która dostarcza wodę do rośliny](../../../../../images/strawberry-pump.gif)
+
+Na powyższym filmie przekaźnik jest włączany. Dioda LED na przekaźniku zapala się, wskazując, że jest włączony (niektóre płytki przekaźników mają diody LED wskazujące, czy przekaźnik jest włączony, czy wyłączony), a zasilanie jest przesyłane do pompy, która włącza się i pompuje wodę do rośliny.
+
+> 💁 Przekaźniki mogą być również używane do przełączania między dwoma obwodami wyjściowymi zamiast włączania i wyłączania jednego. Gdy dźwignia się porusza, przełącza obwód z jednego obwodu wyjściowego na inny, zwykle dzieląc wspólne zasilanie lub wspólną masę.
+
+✅ Zrób badania: Istnieje wiele typów przekaźników, różniących się np. tym, czy obwód sterujący włącza lub wyłącza przekaźnik po podaniu zasilania, lub liczbą obwodów wyjściowych. Dowiedz się więcej o tych różnych typach.
+
+Gdy dźwignia się porusza, zwykle można usłyszeć charakterystyczny klik, gdy styka się z elektromagnesem.
+
+> 💁 Przekaźnik można podłączyć w taki sposób, że połączenie faktycznie przerywa zasilanie przekaźnika, wyłączając go, co następnie ponownie wysyła zasilanie do przekaźnika, włączając go ponownie, i tak dalej. Oznacza to, że przekaźnik będzie klikał bardzo szybko, wydając dźwięk brzęczenia. W ten sposób działały niektóre z pierwszych brzęczyków używanych w dzwonkach elektrycznych.
+
+### Zasilanie przekaźnika
+
+Elektromagnes nie potrzebuje dużo mocy, aby się aktywować i przyciągnąć dźwignię, można go sterować za pomocą 3,3V lub 5V z urządzenia IoT. Obwód wyjściowy może przenosić znacznie większą moc, w zależności od przekaźnika, w tym napięcie sieciowe lub nawet wyższe poziomy mocy dla zastosowań przemysłowych. Dzięki temu zestaw IoT może sterować systemem nawadniania, od małej pompy dla pojedynczej rośliny, po ogromny system przemysłowy dla całej farmy komercyjnej.
+
+![Przekaźnik Grove z oznaczonym obwodem sterującym, obwodem wyjściowym i przekaźnikiem](../../../../../translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.pl.png)
+
+Na powyższym obrazie pokazano przekaźnik Grove. Obwód sterujący łączy się z urządzeniem IoT i włącza lub wyłącza przekaźnik za pomocą 3,3V lub 5V. Obwód wyjściowy ma dwa terminale, z których każdy może być zasilaniem lub masą. Obwód wyjściowy może obsługiwać do 250V przy 10A, co wystarcza dla szeregu urządzeń zasilanych z sieci. Można również znaleźć przekaźniki obsługujące jeszcze wyższe poziomy mocy.
+
+![Pompa podłączona przez przekaźnik](../../../../../translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.pl.png)
+
+Na powyższym obrazie zasilanie jest dostarczane do pompy przez przekaźnik. Czerwony przewód łączy terminal +5V zasilacza USB z jednym terminalem obwodu wyjściowego przekaźnika, a inny czerwony przewód łączy drugi terminal obwodu wyjściowego z pompą. Czarny przewód łączy pompę z masą zasilacza USB. Gdy przekaźnik się włącza, zamyka obwód, przesyłając 5V do pompy, włączając ją.
+
+## Sterowanie przekaźnikiem
+
+Możesz sterować przekaźnikiem za pomocą swojego zestawu IoT.
+
+### Zadanie - sterowanie przekaźnikiem
+
+Przejdź przez odpowiedni przewodnik, aby sterować przekaźnikiem za pomocą swojego urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-relay.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-relay.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-relay.md)
+
+## Sterowanie rośliną za pomocą MQTT
+
+Do tej pory przekaźnik był sterowany bezpośrednio przez urządzenie IoT na podstawie pojedynczego odczytu wilgotności gleby. W komercyjnym systemie nawadniania logika sterowania jest scentralizowana, co pozwala podejmować decyzje o podlewaniu na podstawie danych z wielu czujników i umożliwia zmianę konfiguracji w jednym miejscu. Aby to zasymulować, możesz sterować przekaźnikiem za pomocą MQTT.
+
+### Zadanie - sterowanie przekaźnikiem za pomocą MQTT
+
+1. Dodaj odpowiednie biblioteki MQTT/pakiety pip i kod do swojego projektu `soil-moisture-sensor`, aby połączyć się z MQTT. Nazwij identyfikator klienta jako `soilmoisturesensor_client` z prefiksem swojego ID.
+
+    > ⚠️ Możesz odwołać się do [instrukcji dotyczących łączenia się z MQTT w projekcie 1, lekcja 4, jeśli to konieczne](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt).
+
+1. Dodaj odpowiedni kod urządzenia, aby wysyłać telemetrię z ustawieniami wilgotności gleby. Dla wiadomości telemetrii nazwij właściwość `soil_moisture`.
+
+    > ⚠️ Możesz odwołać się do [instrukcji dotyczących wysyłania telemetrii do MQTT w projekcie 1, lekcja 4, jeśli to konieczne](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device).
+
+1. Utwórz lokalny kod serwera, aby subskrybować telemetrię i wysyłać polecenie sterujące przekaźnikiem w folderze `soil-moisture-sensor-server`. Nazwij właściwość w wiadomości polecenia `relay_on`, a identyfikator klienta jako `soilmoisturesensor_server` z prefiksem swojego ID. Zachowaj tę samą strukturę, co kod serwera, który napisałeś w projekcie 1, lekcja 4, ponieważ będziesz dodawać do tego kodu później w tej lekcji.
+
+    > ⚠️ Możesz odwołać się do [instrukcji dotyczących wysyłania telemetrii do MQTT](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) i [wysyłania poleceń przez MQTT](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker) w projekcie 1, lekcja 4, jeśli to konieczne.
+
+1. Dodaj odpowiedni kod urządzenia, aby sterować przekaźnikiem na podstawie odebranych poleceń, używając właściwości `relay_on` z wiadomości. Wyślij wartość true dla `relay_on`, jeśli `soil_moisture` jest większe niż 450, w przeciwnym razie wyślij false, zgodnie z logiką, którą dodałeś wcześniej dla urządzenia IoT.
+
+    > ⚠️ Możesz odwołać się do [instrukcji dotyczących reagowania na polecenia z MQTT w projekcie 1, lekcja 4, jeśli to konieczne](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device).
+
+> 💁 Kod znajdziesz w folderze [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt).
+
+Upewnij się, że kod działa na twoim urządzeniu i lokalnym serwerze, i przetestuj go, zmieniając poziomy wilgotności gleby, albo zmieniając wartości wysyłane przez wirtualny czujnik, albo zmieniając poziomy wilgotności gleby, dodając wodę lub usuwając czujnik z gleby.
+
+## Czas reakcji czujników i siłowników
+
+W lekcji 3 zbudowałeś lampkę nocną - diodę LED, która włącza się, gdy czujnik światła wykryje niski poziom światła. Czujnik światła wykrywał zmiany poziomu światła natychmiast, a urządzenie mogło szybko reagować, ograniczone jedynie długością opóźnienia w funkcji `loop` lub pętli `while True:`. Jako programista IoT, nie zawsze możesz polegać na tak szybkim sprzężeniu zwrotnym.
+
+### Czas reakcji dla wilgotności gleby
+
+Jeśli wykonałeś poprzednią lekcję dotyczącą wilgotności gleby za pomocą fizycznego czujnika, zauważyłeś, że odczyt wilgotności gleby spadał przez kilka sekund po podlaniu rośliny. Nie wynika to z powolności czujnika, lecz z czasu, jaki woda potrzebuje, aby wsiąknąć w glebę.
+💁 Jeśli podlewałeś zbyt blisko czujnika, mogłeś zauważyć szybki spadek odczytu, a następnie jego powrót do poprzedniego poziomu - dzieje się tak, ponieważ woda w pobliżu czujnika rozprzestrzenia się w pozostałej części gleby, zmniejszając wilgotność gleby w okolicy czujnika.
+![Pomiar wilgotności gleby wynoszący 658 nie zmienia się podczas podlewania, spada dopiero do 320 po podlewaniu, gdy woda przesiąknie przez glebę](../../../../../translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.pl.png)
+
+Na powyższym diagramie odczyt wilgotności gleby wynosi 658. Roślina jest podlewana, ale odczyt ten nie zmienia się od razu, ponieważ woda jeszcze nie dotarła do czujnika. Podlewanie może nawet zakończyć się, zanim woda dotrze do czujnika, a wartość spadnie, odzwierciedlając nowy poziom wilgotności.
+
+Jeśli pisałbyś kod do sterowania systemem nawadniania za pomocą przekaźnika na podstawie poziomów wilgotności gleby, musiałbyś uwzględnić to opóźnienie i wprowadzić inteligentniejsze sterowanie czasem w swoim urządzeniu IoT.
+
+✅ Zastanów się, jak mógłbyś to zrobić.
+
+### Sterowanie czasem czujnika i aktuatora
+
+Wyobraź sobie, że masz za zadanie zbudować system nawadniania dla farmy. Na podstawie rodzaju gleby idealny poziom wilgotności dla uprawianych roślin odpowiada analogowemu odczytowi napięcia w zakresie 400-450.
+
+Możesz zaprogramować urządzenie w taki sam sposób jak lampkę nocną – za każdym razem, gdy czujnik odczytuje wartość powyżej 450, włącz przekaźnik, aby uruchomić pompę. Problem polega na tym, że woda potrzebuje czasu, aby dotrzeć z pompy przez glebę do czujnika. Czujnik zatrzyma wodę, gdy wykryje poziom 450, ale poziom wilgotności będzie nadal spadał, ponieważ pompowana woda wciąż przesiąka przez glebę. W efekcie marnuje się woda, a korzenie roślin są narażone na uszkodzenie.
+
+✅ Pamiętaj – zbyt dużo wody może być równie szkodliwe dla roślin, co jej niedobór, a dodatkowo marnuje cenny zasób.
+
+Lepszym rozwiązaniem jest zrozumienie, że istnieje opóźnienie między włączeniem aktuatora a zmianą właściwości odczytywanej przez czujnik. Oznacza to, że nie tylko czujnik powinien poczekać chwilę przed ponownym pomiarem wartości, ale także aktuator musi być wyłączony na jakiś czas przed kolejnym pomiarem czujnika.
+
+Jak długo przekaźnik powinien być włączony za każdym razem? Lepiej być ostrożnym i włączać przekaźnik na krótki czas, a następnie poczekać, aż woda przesiąknie, i ponownie sprawdzić poziom wilgotności. W końcu zawsze można włączyć pompę ponownie, aby dodać więcej wody, ale nie można usunąć wody z gleby.
+
+> 💁 Tego rodzaju sterowanie czasem jest bardzo specyficzne dla urządzenia IoT, które budujesz, właściwości, którą mierzysz, oraz używanych czujników i aktuatorów.
+
+![Roślina truskawki podłączona do wody za pomocą pompy, z pompą podłączoną do przekaźnika. Przekaźnik i czujnik wilgotności gleby w roślinie są podłączone do Raspberry Pi](../../../../../translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.pl.png)
+
+Na przykład mam roślinę truskawki z czujnikiem wilgotności gleby i pompą sterowaną przekaźnikiem. Zauważyłem, że gdy dodaję wodę, potrzeba około 20 sekund, aby odczyt wilgotności gleby się ustabilizował. Oznacza to, że muszę wyłączyć przekaźnik i poczekać 20 sekund przed sprawdzeniem poziomu wilgotności. Wolę mieć za mało wody niż za dużo – zawsze mogę włączyć pompę ponownie, ale nie mogę usunąć wody z rośliny.
+
+![Krok 1: wykonaj pomiar. Krok 2: dodaj wodę. Krok 3: poczekaj, aż woda przesiąknie przez glebę. Krok 4: wykonaj ponowny pomiar](../../../../../translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.pl.png)
+
+Oznacza to, że najlepszy proces podlewania wyglądałby mniej więcej tak:
+
+* Włącz pompę na 5 sekund
+* Poczekaj 20 sekund
+* Sprawdź wilgotność gleby
+* Jeśli poziom nadal jest powyżej wymaganego, powtórz powyższe kroki
+
+5 sekund może być zbyt długim czasem dla pompy, szczególnie jeśli poziom wilgotności jest tylko nieznacznie powyżej wymaganego poziomu. Najlepszym sposobem na ustalenie odpowiedniego czasu jest wypróbowanie, a następnie dostosowanie na podstawie danych z czujnika, z ciągłym cyklem sprzężenia zwrotnego. Może to nawet prowadzić do bardziej precyzyjnego sterowania czasem, na przykład włączania pompy na 1 sekundę za każde 100 powyżej wymaganego poziomu wilgotności gleby, zamiast stałych 5 sekund.
+
+✅ Zrób badania: Czy istnieją inne kwestie związane z czasem? Czy roślinę można podlewać w dowolnym momencie, gdy wilgotność gleby jest zbyt niska, czy są określone pory dnia, które są dobre lub złe do podlewania roślin?
+
+> 💁 Prognozy pogody również mogą być brane pod uwagę przy sterowaniu automatycznymi systemami nawadniania na zewnątrz. Jeśli spodziewany jest deszcz, podlewanie można wstrzymać do czasu jego zakończenia. Wtedy gleba może być wystarczająco wilgotna, aby nie wymagała podlewania, co jest znacznie bardziej efektywne niż marnowanie wody przez podlewanie tuż przed deszczem.
+
+## Dodaj sterowanie czasem do serwera kontrolującego rośliny
+
+Kod serwera można zmodyfikować, aby dodać kontrolę nad czasem cyklu podlewania i oczekiwaniem na zmianę poziomów wilgotności gleby. Logika serwera kontrolująca czas przekaźnika wygląda następująco:
+
+1. Odebrano wiadomość telemetryczną
+1. Sprawdź poziom wilgotności gleby
+1. Jeśli jest w porządku, nic nie rób. Jeśli odczyt jest zbyt wysoki (co oznacza, że wilgotność gleby jest zbyt niska), to:
+    1. Wyślij polecenie włączenia przekaźnika
+    1. Poczekaj 5 sekund
+    1. Wyślij polecenie wyłączenia przekaźnika
+    1. Poczekaj 20 sekund, aby poziomy wilgotności gleby się ustabilizowały
+
+Cykl podlewania, proces od odebrania wiadomości telemetrycznej do gotowości do ponownego przetwarzania poziomów wilgotności gleby, trwa około 25 sekund. Wysyłamy poziomy wilgotności gleby co 10 sekund, więc istnieje nakładanie się, gdzie wiadomość jest odbierana, podczas gdy serwer czeka na stabilizację poziomów wilgotności gleby, co może rozpocząć kolejny cykl podlewania.
+
+Istnieją dwa rozwiązania tego problemu:
+
+* Zmień kod urządzenia IoT, aby wysyłał telemetrię co minutę, dzięki czemu cykl podlewania zostanie zakończony przed wysłaniem kolejnej wiadomości
+* Wyłącz subskrypcję telemetrii podczas cyklu podlewania
+
+Pierwsza opcja nie zawsze jest dobrym rozwiązaniem dla dużych farm. Rolnik może chcieć rejestrować poziomy wilgotności gleby podczas podlewania, aby później je analizować, na przykład aby być świadomym przepływu wody w różnych obszarach farmy i kierować bardziej precyzyjnym podlewaniem. Druga opcja jest lepsza – kod po prostu ignoruje telemetrię, gdy nie może jej użyć, ale telemetria nadal jest dostępna dla innych usług, które mogą ją subskrybować.
+
+> 💁 Dane IoT nie są wysyłane tylko z jednego urządzenia do jednej usługi, zamiast tego wiele urządzeń może wysyłać dane do brokera, a wiele usług może odbierać dane z brokera. Na przykład jedna usługa może odbierać dane o wilgotności gleby i przechowywać je w bazie danych do późniejszej analizy. Inna usługa może również odbierać tę samą telemetrię, aby sterować systemem nawadniania.
+
+### Zadanie - dodaj sterowanie czasem do serwera kontrolującego rośliny
+
+Zaktualizuj kod serwera, aby uruchamiał przekaźnik na 5 sekund, a następnie czekał 20 sekund.
+
+1. Otwórz folder `soil-moisture-sensor-server` w VS Code, jeśli nie jest już otwarty. Upewnij się, że środowisko wirtualne jest aktywowane.
+
+1. Otwórz plik `app.py`
+
+1. Dodaj poniższy kod do pliku `app.py` poniżej istniejących importów:
+
+    ```python
+    import threading
+    ```
+
+    Ten kod importuje `threading` z bibliotek Pythona, co pozwala na wykonywanie innych kodów podczas oczekiwania.
+
+1. Dodaj poniższy kod przed funkcją `handle_telemetry`, która obsługuje wiadomości telemetryczne odbierane przez kod serwera:
+
+    ```python
+    water_time = 5
+    wait_time = 20
+    ```
+
+    To definiuje, jak długo uruchamiać przekaźnik (`water_time`) i jak długo czekać po tym, aby sprawdzić wilgotność gleby (`wait_time`).
+
+1. Poniżej tego kodu dodaj następujący fragment:
+
+    ```python
+    def send_relay_command(client, state):
+        command = { 'relay_on' : state }
+        print("Sending message:", command)
+        client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    Ten kod definiuje funkcję `send_relay_command`, która wysyła polecenie przez MQTT do sterowania przekaźnikiem. Telemetria jest tworzona jako słownik, a następnie konwertowana na ciąg JSON. Wartość przekazana do `state` określa, czy przekaźnik powinien być włączony czy wyłączony.
+
+1. Po funkcji `send_relay_code` dodaj następujący kod:
+
+    ```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)
+    ```
+
+    Ten kod definiuje funkcję do sterowania przekaźnikiem na podstawie wymaganego czasu. Zaczyna od wyłączenia subskrypcji telemetrii, aby wiadomości o wilgotności gleby nie były przetwarzane podczas podlewania. Następnie wysyła polecenie włączenia przekaźnika. Potem czeka przez `water_time`, zanim wyśle polecenie wyłączenia przekaźnika. Na końcu czeka przez `wait_time`, aby poziomy wilgotności gleby się ustabilizowały, a następnie ponownie subskrybuje telemetrię.
+
+1. Zmień funkcję `handle_telemetry` na następującą:
+
+    ```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()
+    ```
+
+    Ten kod sprawdza poziom wilgotności gleby. Jeśli jest większy niż 450, gleba wymaga podlewania, więc wywołuje funkcję `control_relay`. Ta funkcja jest uruchamiana w osobnym wątku, działającym w tle.
+
+1. Upewnij się, że Twoje urządzenie IoT działa, a następnie uruchom ten kod. Zmień poziomy wilgotności gleby i obserwuj, co dzieje się z przekaźnikiem – powinien włączać się na 5 sekund, a następnie pozostawać wyłączony przez co najmniej 20 sekund, włączając się tylko wtedy, gdy poziomy wilgotności gleby są niewystarczające.
+
+    ```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}
+    ```
+
+    Dobrym sposobem na przetestowanie tego w symulowanym systemie nawadniania jest użycie suchej gleby, a następnie ręczne dolewanie wody podczas włączonego przekaźnika, zatrzymując dolewanie, gdy przekaźnik się wyłącza.
+
+> 💁 Ten kod znajdziesz w folderze [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing).
+
+> 💁 Jeśli chcesz użyć pompy do zbudowania prawdziwego systemu nawadniania, możesz użyć [6V mini pompy wodnej](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) z [zasilaczem USB](https://www.adafruit.com/product/3628). Upewnij się, że zasilanie do lub z pompy jest podłączone przez przekaźnik.
+
+---
+
+## 🚀 Wyzwanie
+
+Czy możesz pomyśleć o innych urządzeniach IoT lub elektrycznych, które mają podobny problem, gdzie potrzeba czasu, aby wyniki aktuatora dotarły do czujnika? Prawdopodobnie masz kilka w swoim domu lub szkole.
+
+* Jakie właściwości mierzą?
+* Jak długo trwa zmiana właściwości po użyciu aktuatora?
+* Czy jest w porządku, jeśli właściwość zmienia się poza wymagany poziom?
+* Jak można ją przywrócić do wymaganego poziomu, jeśli zajdzie taka potrzeba?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj więcej o przekaźnikach, w tym o ich historycznym zastosowaniu w centralach telefonicznych, na [stronie Wikipedii o przekaźnikach](https://wikipedia.org/wiki/Relay).
+
+## Zadanie
+
+[Zbuduj bardziej efektywny cykl podlewania](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/pl/2-farm/lessons/3-automated-plant-watering/assignment.md
new file mode 100644
index 00000000..5ed8337f
--- /dev/null
+++ b/translations/pl/2-farm/lessons/3-automated-plant-watering/assignment.md
@@ -0,0 +1,52 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
+  "translation_date": "2025-08-26T06:45:48+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Stwórz bardziej efektywny cykl nawadniania
+
+## Instrukcje
+
+W tej lekcji omówiono, jak sterować przekaźnikiem za pomocą danych z czujnika, a ten przekaźnik może z kolei sterować pompą w systemie nawadniania. Dla określonej objętości gleby uruchomienie pompy na ustalony czas powinno zawsze mieć taki sam wpływ na wilgotność gleby. Oznacza to, że możesz oszacować, ile sekund nawadniania odpowiada określonemu spadkowi odczytu wilgotności gleby. Korzystając z tych danych, możesz zbudować bardziej kontrolowany system nawadniania.
+
+W tym zadaniu obliczysz, jak długo pompa powinna działać, aby osiągnąć określony wzrost wilgotności gleby.
+
+> ⚠️ Jeśli używasz wirtualnego sprzętu IoT, możesz przejść przez ten proces, ale zasymuluj wyniki, ręcznie zwiększając odczyt wilgotności gleby o stałą wartość na sekundę, gdy przekaźnik jest włączony.
+
+1. Zacznij od suchej gleby. Zmierz wilgotność gleby.
+
+1. Dodaj stałą ilość wody, albo uruchamiając pompę na 1 sekundę, albo wlewając określoną ilość wody.
+
+    > Pompa powinna zawsze działać z stałą wydajnością, więc każda sekunda jej pracy powinna dostarczać taką samą ilość wody.
+
+1. Poczekaj, aż poziom wilgotności gleby się ustabilizuje, i wykonaj odczyt.
+
+1. Powtórz ten proces kilkukrotnie i stwórz tabelę wyników. Przykład takiej tabeli znajduje się poniżej.
+
+    | Całkowity czas pracy pompy | Wilgotność gleby | Spadek |
+    | --- | --: | -: |
+    | Sucha | 643 |  0 |
+    | 1s  | 621 | 22 |
+    | 2s  | 601 | 20 |
+    | 3s  | 579 | 22 |
+    | 4s  | 560 | 19 |
+    | 5s  | 539 | 21 |
+    | 6s  | 521 | 18 |
+
+1. Oblicz średni wzrost wilgotności gleby na sekundę pracy pompy. W powyższym przykładzie każda sekunda pracy pompy zmniejsza odczyt średnio o 20,3.
+
+1. Wykorzystaj te dane, aby poprawić efektywność kodu serwera, uruchamiając pompę na wymagany czas, aby osiągnąć potrzebny poziom wilgotności gleby.
+
+## Kryteria oceny
+
+| Kryteria | Wzorowe | Wystarczające | Wymaga poprawy |
+| -------- | --------- | -------- | ----------------- |
+| Zbieranie danych o wilgotności gleby | Potrafi zebrać wiele odczytów po dodaniu stałych ilości wody | Potrafi zebrać kilka odczytów przy użyciu stałych ilości wody | Potrafi zebrać tylko jeden lub dwa odczyty albo nie potrafi użyć stałych ilości wody |
+| Kalibracja kodu serwera | Potrafi obliczyć średni spadek odczytu wilgotności gleby i zaktualizować kod serwera, aby to uwzględnić | Potrafi obliczyć średni spadek, ale nie potrafi zaktualizować kodu serwera, lub nie potrafi poprawnie obliczyć średniej, ale używa tej wartości do poprawnej aktualizacji kodu serwera | Nie potrafi obliczyć średniej ani zaktualizować kodu serwera |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/pl/2-farm/lessons/3-automated-plant-watering/pi-relay.md
new file mode 100644
index 00000000..a191a6b0
--- /dev/null
+++ b/translations/pl/2-farm/lessons/3-automated-plant-watering/pi-relay.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
+  "translation_date": "2025-08-26T06:46:17+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
+  "language_code": "pl"
+}
+-->
+# Sterowanie przekaźnikiem - Raspberry Pi
+
+W tej części lekcji dodasz przekaźnik do swojego Raspberry Pi, oprócz czujnika wilgotności gleby, i będziesz nim sterować na podstawie poziomu wilgotności gleby.
+
+## Sprzęt
+
+Raspberry Pi potrzebuje przekaźnika.
+
+Przekaźnik, którego użyjesz, to [Grove relay](https://www.seeedstudio.com/Grove-Relay.html), przekaźnik normalnie otwarty (oznacza to, że obwód wyjściowy jest otwarty lub odłączony, gdy nie jest wysyłany sygnał do przekaźnika), który obsługuje obwody wyjściowe do 250V i 10A.
+
+Jest to cyfrowy aktuator, więc podłącza się go do cyfrowego pinu na Grove Base Hat.
+
+### Podłącz przekaźnik
+
+Przekaźnik Grove można podłączyć do Raspberry Pi.
+
+#### Zadanie
+
+Podłącz przekaźnik.
+
+![Przekaźnik Grove](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda w przekaźniku. Kabel wejdzie tylko w jednym kierunku.
+
+1. Przy wyłączonym Raspberry Pi podłącz drugi koniec kabla Grove do cyfrowego gniazda oznaczonego **D5** na Grove Base Hat zamontowanym na Pi. To gniazdo znajduje się drugie od lewej, w rzędzie gniazd obok pinów GPIO. Pozostaw czujnik wilgotności gleby podłączony do gniazda **A0**.
+
+![Przekaźnik Grove podłączony do gniazda D5, a czujnik wilgotności gleby podłączony do gniazda A0](../../../../../translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.pl.png)
+
+1. Włóż czujnik wilgotności gleby do gleby, jeśli nie jest już tam z poprzedniej lekcji.
+
+## Programowanie przekaźnika
+
+Raspberry Pi można teraz zaprogramować do obsługi podłączonego przekaźnika.
+
+### Zadanie
+
+Zaprogramuj urządzenie.
+
+1. Włącz Raspberry Pi i poczekaj, aż się uruchomi.
+
+1. Otwórz projekt `soil-moisture-sensor` z poprzedniej lekcji w VS Code, jeśli nie jest już otwarty. Będziesz dodawać kod do tego projektu.
+
+1. Dodaj poniższy kod do pliku `app.py` poniżej istniejących importów:
+
+    ```python
+    from grove.grove_relay import GroveRelay
+    ```
+
+    Ten kod importuje `GroveRelay` z bibliotek Python Grove, aby umożliwić interakcję z przekaźnikiem Grove.
+
+1. Dodaj poniższy kod poniżej deklaracji klasy `ADC`, aby utworzyć instancję `GroveRelay`:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    Ten kod tworzy przekaźnik używając pinu **D5**, cyfrowego pinu, do którego podłączyłeś przekaźnik.
+
+1. Aby przetestować działanie przekaźnika, dodaj poniższy kod do pętli `while True:`:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    Kod włącza przekaźnik, czeka 0,5 sekundy, a następnie wyłącza przekaźnik.
+
+1. Uruchom aplikację w Pythonie. Przekaźnik będzie włączał się i wyłączał co 10 sekund, z półsekundowym opóźnieniem między włączeniem a wyłączeniem. Usłyszysz kliknięcie przekaźnika przy włączaniu i wyłączaniu. Dioda LED na płytce Grove zapali się, gdy przekaźnik jest włączony, a zgaśnie, gdy jest wyłączony.
+
+    ![Przekaźnik włączający się i wyłączający](../../../../../images/relay-turn-on-off.gif)
+
+## Sterowanie przekaźnikiem na podstawie wilgotności gleby
+
+Teraz, gdy przekaźnik działa, można nim sterować w odpowiedzi na odczyty wilgotności gleby.
+
+### Zadanie
+
+Steruj przekaźnikiem.
+
+1. Usuń 3 linie kodu, które dodałeś do testowania przekaźnika. Zastąp je poniższym kodem:
+
+    ```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()
+    ```
+
+    Ten kod sprawdza poziom wilgotności gleby z czujnika wilgotności gleby. Jeśli poziom wilgotności jest powyżej 450, włącza przekaźnik, a wyłącza go, gdy poziom spada poniżej 450.
+
+    > 💁 Pamiętaj, że pojemnościowy czujnik wilgotności gleby odczytuje: im niższy poziom wilgotności gleby, tym więcej wilgoci znajduje się w glebie i odwrotnie.
+
+1. Uruchom aplikację w Pythonie. Zobaczysz, jak przekaźnik włącza się lub wyłącza w zależności od poziomu wilgotności gleby. Wypróbuj w suchej glebie, a następnie dodaj wodę.
+
+    ```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.
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi).
+
+😀 Twój program sterujący przekaźnikiem na podstawie czujnika wilgotności gleby zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/pl/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
new file mode 100644
index 00000000..2649bb98
--- /dev/null
+++ b/translations/pl/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
@@ -0,0 +1,125 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
+  "translation_date": "2025-08-26T06:46:34+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
+  "language_code": "pl"
+}
+-->
+# Sterowanie przekaźnikiem - Wirtualny sprzęt IoT
+
+W tej części lekcji dodasz przekaźnik do swojego wirtualnego urządzenia IoT, oprócz czujnika wilgotności gleby, i będziesz nim sterować w zależności od poziomu wilgotności gleby.
+
+## Wirtualny sprzęt
+
+Wirtualne urządzenie IoT będzie korzystać z symulowanego przekaźnika Grove. Dzięki temu laboratorium pozostaje takie samo, jak w przypadku użycia Raspberry Pi z fizycznym przekaźnikiem Grove.
+
+W fizycznym urządzeniu IoT przekaźnik byłby przekaźnikiem normalnie otwartym (co oznacza, że obwód wyjściowy jest otwarty lub rozłączony, gdy nie jest wysyłany sygnał do przekaźnika). Taki przekaźnik może obsługiwać obwody wyjściowe do 250V i 10A.
+
+### Dodanie przekaźnika do CounterFit
+
+Aby użyć wirtualnego przekaźnika, musisz dodać go do aplikacji CounterFit.
+
+#### Zadanie
+
+Dodaj przekaźnik do aplikacji CounterFit.
+
+1. Otwórz projekt `soil-moisture-sensor` z poprzedniej lekcji w VS Code, jeśli nie jest jeszcze otwarty. Będziesz dodawać do tego projektu.
+
+1. Upewnij się, że aplikacja webowa CounterFit jest uruchomiona.
+
+1. Utwórz przekaźnik:
+
+    1. W polu *Create actuator* w panelu *Actuators* rozwiń pole *Actuator type* i wybierz *Relay*.
+
+    1. Ustaw *Pin* na *5*.
+
+    1. Wybierz przycisk **Add**, aby utworzyć przekaźnik na Pinie 5.
+
+    ![Ustawienia przekaźnika](../../../../../translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.pl.png)
+
+    Przekaźnik zostanie utworzony i pojawi się na liście aktuatorów.
+
+    ![Utworzony przekaźnik](../../../../../translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.pl.png)
+
+## Programowanie przekaźnika
+
+Aplikacja czujnika wilgotności gleby może teraz zostać zaprogramowana do korzystania z wirtualnego przekaźnika.
+
+### Zadanie
+
+Zaprogramuj wirtualne urządzenie.
+
+1. Otwórz projekt `soil-moisture-sensor` z poprzedniej lekcji w VS Code, jeśli nie jest jeszcze otwarty. Będziesz dodawać do tego projektu.
+
+1. Dodaj poniższy kod do pliku `app.py` poniżej istniejących importów:
+
+    ```python
+    from counterfit_shims_grove.grove_relay import GroveRelay
+    ```
+
+    Ten kod importuje `GroveRelay` z bibliotek Grove Python shim, aby umożliwić interakcję z wirtualnym przekaźnikiem Grove.
+
+1. Dodaj poniższy kod poniżej deklaracji klasy `ADC`, aby utworzyć instancję `GroveRelay`:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    Tworzy to przekaźnik używający pinu **5**, do którego podłączyłeś przekaźnik.
+
+1. Aby przetestować działanie przekaźnika, dodaj poniższy kod do pętli `while True:`:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    Kod włącza przekaźnik, czeka 0,5 sekundy, a następnie wyłącza przekaźnik.
+
+1. Uruchom aplikację w Pythonie. Przekaźnik będzie włączał się i wyłączał co 10 sekund, z półsekundowym opóźnieniem między włączeniem a wyłączeniem. Zobaczysz, jak wirtualny przekaźnik w aplikacji CounterFit zamyka się i otwiera, gdy przekaźnik jest włączany i wyłączany.
+
+    ![Wirtualny przekaźnik włączający się i wyłączający](../../../../../images/virtual-relay-turn-on-off.gif)
+
+## Sterowanie przekaźnikiem na podstawie wilgotności gleby
+
+Teraz, gdy przekaźnik działa, można nim sterować w odpowiedzi na odczyty wilgotności gleby.
+
+### Zadanie
+
+Steruj przekaźnikiem.
+
+1. Usuń 3 linie kodu, które dodałeś do testowania przekaźnika. Zastąp je poniższym kodem:
+
+    ```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()
+    ```
+
+    Ten kod sprawdza poziom wilgotności gleby z czujnika wilgotności. Jeśli poziom jest powyżej 450, włącza przekaźnik, a jeśli spada poniżej 450, wyłącza go.
+
+    > 💁 Pamiętaj, że pojemnościowy czujnik wilgotności gleby odczytuje: im niższy poziom wilgotności gleby, tym więcej wilgoci znajduje się w glebie i odwrotnie.
+
+1. Uruchom aplikację w Pythonie. Zobaczysz, jak przekaźnik włącza się lub wyłącza w zależności od poziomów wilgotności gleby. Zmień ustawienia *Value* lub *Random* dla czujnika wilgotności gleby, aby zobaczyć zmiany wartości.
+
+    ```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.
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device).
+
+😀 Twój program wirtualnego czujnika wilgotności gleby sterujący przekaźnikiem zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/pl/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
new file mode 100644
index 00000000..f3747468
--- /dev/null
+++ b/translations/pl/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
+  "translation_date": "2025-08-26T06:46:10+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
+  "language_code": "pl"
+}
+-->
+# Sterowanie przekaźnikiem - Wio Terminal
+
+W tej części lekcji dodasz przekaźnik do swojego Wio Terminal, oprócz czujnika wilgotności gleby, i będziesz nim sterować na podstawie poziomu wilgotności gleby.
+
+## Sprzęt
+
+Wio Terminal potrzebuje przekaźnika.
+
+Przekaźnik, którego użyjesz, to [Grove relay](https://www.seeedstudio.com/Grove-Relay.html), przekaźnik normalnie otwarty (oznacza to, że obwód wyjściowy jest otwarty lub odłączony, gdy nie jest wysyłany sygnał do przekaźnika), który obsługuje obwody wyjściowe do 250V i 10A.
+
+Jest to cyfrowy aktuator, więc podłącza się go do cyfrowych pinów w Wio Terminal. Połączony port analogowo-cyfrowy jest już używany przez czujnik wilgotności gleby, więc przekaźnik podłącza się do drugiego portu, który jest połączonym portem I
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
new file mode 100644
index 00000000..0532750c
--- /dev/null
+++ b/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
@@ -0,0 +1,449 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4d8e7a066d75b625e7a979c14157041d",
+  "translation_date": "2025-08-26T06:52:47+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
+  "language_code": "pl"
+}
+-->
+# Przenieś swoją roślinę do chmury
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+Ta lekcja była częścią [Projektu IoT dla początkujących 2 - Cyfrowe rolnictwo](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) realizowanego przez [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Połącz swoje urządzenie z chmurą za pomocą Azure IoT Hub](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
+
+## Quiz przed lekcją
+
+[Quiz przed lekcją](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
+
+## Wprowadzenie
+
+W poprzedniej lekcji nauczyłeś się, jak połączyć swoją roślinę z brokerem MQTT i sterować przekaźnikiem za pomocą kodu serwera uruchomionego lokalnie. To stanowi podstawę internetowego, zautomatyzowanego systemu nawadniania, który może być stosowany zarówno w przypadku pojedynczych roślin w domu, jak i na komercyjnych farmach.
+
+Urządzenie IoT komunikowało się z publicznym brokerem MQTT, aby zademonstrować zasady działania, ale nie jest to najbardziej niezawodny ani bezpieczny sposób. W tej lekcji dowiesz się o chmurze i możliwościach IoT oferowanych przez publiczne usługi chmurowe. Nauczysz się również, jak przenieść swoją roślinę z publicznego brokera MQTT do jednej z tych usług chmurowych.
+
+W tej lekcji omówimy:
+
+* [Czym jest chmura?](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Tworzenie subskrypcji chmurowej](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Usługi IoT w chmurze](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Tworzenie usługi IoT w chmurze](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Komunikacja z IoT Hub](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Łączenie urządzenia z usługą IoT](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+
+## Czym jest chmura?
+
+Przed pojawieniem się chmury, firmy, które chciały zapewnić usługi swoim pracownikom (np. bazy danych czy przechowywanie plików) lub klientom (np. strony internetowe), musiały budować i zarządzać własnymi centrami danych. Mogło to być małe pomieszczenie z kilkoma komputerami lub cały budynek pełen sprzętu. Firma musiała zarządzać wszystkim, w tym:
+
+* Zakupem komputerów
+* Konserwacją sprzętu
+* Zasilaniem i chłodzeniem
+* Siecią
+* Bezpieczeństwem, w tym ochroną budynku i oprogramowania
+* Instalacją i aktualizacją oprogramowania
+
+Było to bardzo kosztowne, wymagało szerokiego zakresu umiejętności od pracowników i było powolne w dostosowywaniu się do zmian. Na przykład, jeśli sklep internetowy chciał przygotować się na intensywny sezon świąteczny, musiał planować z dużym wyprzedzeniem, aby zakupić więcej sprzętu, skonfigurować go i zainstalować odpowiednie oprogramowanie. Po zakończeniu sezonu świątecznego, gdy sprzedaż spadała, sprzęt pozostawał niewykorzystany do kolejnego szczytu.
+
+✅ Czy uważasz, że taki model pozwalał firmom działać szybko? Jeśli sklep odzieżowy nagle zyskałby popularność dzięki celebrycie noszącemu ich ubrania, czy byłby w stanie szybko zwiększyć moc obliczeniową, aby obsłużyć nagły wzrost zamówień?
+
+### Komputer kogoś innego
+
+Chmura jest często żartobliwie nazywana „komputerem kogoś innego”. Początkowy pomysł był prosty - zamiast kupować komputery, wynajmujesz je od kogoś innego. Dostawca usług chmurowych zarządza ogromnymi centrami danych. To on odpowiada za zakup i instalację sprzętu, zarządzanie zasilaniem i chłodzeniem, siecią, bezpieczeństwem budynku, aktualizacjami sprzętu i oprogramowania. Jako klient wynajmujesz potrzebne komputery, zwiększając ich liczbę w razie wzrostu zapotrzebowania i zmniejszając, gdy zapotrzebowanie spada. Centra danych chmurowych znajdują się na całym świecie.
+
+![Centrum danych Microsoft w chmurze](../../../../../translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.pl.png)
+![Planowana rozbudowa centrum danych Microsoft w chmurze](../../../../../translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.pl.png)
+
+Te centra danych mogą zajmować powierzchnię kilku kilometrów kwadratowych. Powyższe zdjęcia przedstawiają centrum danych Microsoft sprzed kilku lat, pokazując jego początkowy rozmiar oraz planowaną rozbudowę. Obszar przeznaczony na rozbudowę ma ponad 5 kilometrów kwadratowych.
+
+> 💁 Te centra danych zużywają tak dużo energii, że niektóre mają własne elektrownie. Ze względu na swoją skalę i poziom inwestycji dostawców chmurowych, są one zazwyczaj bardzo przyjazne dla środowiska. Są bardziej efektywne niż wiele małych centrów danych, działają głównie na odnawialnych źródłach energii, a dostawcy chmur ciężko pracują, aby zmniejszyć ilość odpadów, ograniczyć zużycie wody i sadzić lasy w miejsce tych wyciętych pod budowę centrów danych. Więcej o działaniach na rzecz zrównoważonego rozwoju jednego z dostawców chmury możesz przeczytać na [stronie Azure o zrównoważonym rozwoju](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn).
+
+✅ Zrób badania: Przeczytaj o głównych dostawcach chmur, takich jak [Azure od Microsoft](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) czy [GCP od Google](https://cloud.google.com). Ile mają centrów danych i gdzie się znajdują?
+
+Korzystanie z chmury obniża koszty dla firm i pozwala im skupić się na tym, co robią najlepiej, pozostawiając zarządzanie chmurą w rękach dostawcy. Firmy nie muszą już wynajmować lub kupować przestrzeni w centrach danych, płacić różnym dostawcom za łączność i energię ani zatrudniać ekspertów. Zamiast tego płacą jedną miesięczną fakturę dostawcy chmury, który zajmuje się wszystkim.
+
+Dostawca chmury może wykorzystać efekt skali, aby obniżyć koszty, kupując sprzęt hurtowo po niższych cenach, inwestując w narzędzia zmniejszające nakład pracy związany z konserwacją, a nawet projektując i budując własny sprzęt, aby ulepszyć swoją ofertę chmurową.
+
+### Microsoft Azure
+
+Azure to chmura dla programistów od Microsoft, której będziesz używać w tych lekcjach. Poniższy film przedstawia krótki przegląd Azure:
+
+[![Film o Azure](../../../../../translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.pl.png)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
+
+## Tworzenie subskrypcji chmurowej
+
+Aby korzystać z usług w chmurze, musisz założyć subskrypcję u dostawcy chmury. W tej lekcji założysz subskrypcję Microsoft Azure. Jeśli już masz subskrypcję Azure, możesz pominąć to zadanie. Szczegóły subskrypcji opisane tutaj są aktualne w momencie pisania, ale mogą ulec zmianie.
+
+> 💁 Jeśli korzystasz z tych lekcji w ramach szkoły, możesz już mieć dostęp do subskrypcji Azure. Sprawdź to z nauczycielem.
+
+Istnieją dwa rodzaje darmowych subskrypcji Azure, które możesz założyć:
+
+* **Azure dla studentów** - Subskrypcja przeznaczona dla studentów powyżej 18 roku życia. Nie potrzebujesz karty kredytowej, aby się zarejestrować, a do weryfikacji używasz szkolnego adresu e-mail. Po rejestracji otrzymujesz 100 USD na wydatki na zasoby chmurowe oraz darmowe usługi, w tym darmową wersję usługi IoT. Subskrypcja trwa 12 miesięcy i można ją odnawiać co roku, dopóki jesteś studentem.
+
+* **Darmowa subskrypcja Azure** - Subskrypcja dla osób, które nie są studentami. Wymagana jest karta kredytowa do rejestracji, ale karta nie zostanie obciążona - służy jedynie do weryfikacji, że jesteś prawdziwą osobą, a nie botem. Otrzymujesz 200 USD kredytu do wykorzystania w ciągu pierwszych 30 dni na dowolne usługi oraz darmowe poziomy usług Azure. Po wykorzystaniu kredytu karta nie zostanie obciążona, chyba że przejdziesz na subskrypcję płatną.
+
+> 💁 Microsoft oferuje również subskrypcję Azure dla studentów Starter dla osób poniżej 18 roku życia, ale w momencie pisania tego tekstu nie obsługuje ona usług IoT.
+
+### Zadanie - załóż darmową subskrypcję chmurową
+
+Jeśli jesteś studentem powyżej 18 roku życia, możesz założyć subskrypcję Azure dla studentów. Weryfikacja odbywa się za pomocą szkolnego adresu e-mail. Możesz to zrobić na dwa sposoby:
+
+* Zarejestruj się w GitHub Student Developer Pack na stronie [education.github.com/pack](https://education.github.com/pack). Otrzymasz dostęp do wielu narzędzi i ofert, w tym GitHub i Microsoft Azure. Po rejestracji w pakiecie deweloperskim możesz aktywować ofertę Azure dla studentów.
+
+* Zarejestruj się bezpośrednio na konto Azure dla studentów na stronie [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn).
+
+> ⚠️ Jeśli Twój szkolny adres e-mail nie jest rozpoznawany, zgłoś [problem w tym repozytorium](https://github.com/Microsoft/IoT-For-Beginners/issues), a sprawdzimy, czy można go dodać do listy dozwolonych adresów Azure dla studentów.
+
+Jeśli nie jesteś studentem lub nie masz ważnego szkolnego adresu e-mail, możesz założyć darmową subskrypcję Azure.
+
+* Zarejestruj się na darmową subskrypcję Azure na stronie [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn)
+
+## Usługi IoT w chmurze
+
+Publiczny testowy broker MQTT, którego używałeś, jest świetnym narzędziem do nauki, ale ma kilka wad w kontekście zastosowań komercyjnych:
+
+* Niezawodność - to darmowa usługa bez gwarancji, która może zostać wyłączona w dowolnym momencie
+* Bezpieczeństwo - jest publiczna, więc każdy może podsłuchiwać Twoje dane telemetryczne lub wysyłać polecenia do sterowania Twoim sprzętem
+* Wydajność - jest zaprojektowana do obsługi tylko kilku testowych wiadomości, więc nie poradzi sobie z dużą ilością przesyłanych danych
+* Odkrywalność - brak możliwości sprawdzenia, jakie urządzenia są podłączone
+
+Usługi IoT w chmurze rozwiązują te problemy. Są utrzymywane przez dużych dostawców chmurowych, którzy inwestują w niezawodność i są gotowi naprawić wszelkie problemy. Mają wbudowane zabezpieczenia, które chronią przed hakerami odczytującymi Twoje dane lub wysyłającymi fałszywe polecenia. Są również bardzo wydajne, obsługując miliony wiadomości dziennie, korzystając z możliwości skalowania chmury.
+
+> 💁 Chociaż za te korzyści płacisz miesięczną opłatę, większość dostawców chmurowych oferuje darmową wersję swojej usługi IoT z ograniczoną liczbą wiadomości dziennie lub urządzeń, które mogą się połączyć. Ta darmowa wersja zazwyczaj wystarcza programistom do nauki. W tej lekcji będziesz korzystać z darmowej wersji.
+
+Urządzenia IoT łączą się z usługą chmurową za pomocą SDK urządzenia (biblioteki, która dostarcza kod do pracy z funkcjami usługi) lub bezpośrednio za pomocą protokołu komunikacyjnego, takiego jak MQTT lub HTTP. SDK urządzenia jest zazwyczaj najłatwiejszą opcją, ponieważ obsługuje wszystko za Ciebie, np. wie, jakie tematy publikować lub subskrybować i jak obsługiwać bezpieczeństwo.
+
+![Urządzenia łączą się z usługą za pomocą SDK urządzenia. Kod serwera również łączy się z usługą za pomocą SDK](../../../../../translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.pl.png)
+
+Twoje urządzenie komunikuje się z innymi częściami aplikacji za pośrednictwem tej usługi - podobnie jak przesyłałeś dane telemetryczne i odbierałeś polecenia za pomocą MQTT. Zazwyczaj odbywa się to za pomocą SDK usługi lub podobnej biblioteki. Wiadomości są przesyłane z urządzenia do usługi, gdzie inne komponenty aplikacji mogą je odczytać, a następnie wysyłać wiadomości z powrotem do urządzenia.
+
+![Urządzenia bez ważnego klucza tajnego nie mogą połączyć się z usługą IoT](../../../../../translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.pl.png)
+
+Te usługi implementują bezpieczeństwo, znając wszystkie urządzenia, które mogą się połączyć i przesyłać dane, albo poprzez wcześniejszą rejestrację urządzeń w usłudze, albo poprzez nadanie urządzeniom kluczy tajnych lub certyfikatów, które mogą wykorzystać do samodzielnej rejestracji przy pierwszym połączeniu. Nieznane urządzenia nie mogą się połączyć - jeśli spróbują, usługa odrzuci połączenie i zignoruje wysyłane przez nie wiadomości.
+
+✅ Zrób badania: Jakie są wady otwartej usługi IoT, do której każde urządzenie lub kod może się połączyć? Czy możesz znaleźć konkretne przykłady hakerów wykorzystujących takie sytuacje?
+
+Inne komponenty Twojej aplikacji mogą łączyć się z usługą IoT, dowiadywać się o wszystkich podłączonych lub zarejestrowanych urządzeniach i komunikować się z nimi bezpośrednio, zarówno masowo, jak i indywidualnie.
+💁 Usługi IoT wdrażają również dodatkowe funkcje, a dostawcy chmury oferują dodatkowe usługi i aplikacje, które można połączyć z daną usługą. Na przykład, jeśli chcesz przechowywać wszystkie wiadomości telemetryczne wysyłane przez wszystkie urządzenia w bazie danych, zazwyczaj wystarczy kilka kliknięć w narzędziu konfiguracyjnym dostawcy chmury, aby połączyć usługę z bazą danych i przesyłać dane strumieniowo.
+## Utwórz usługę IoT w chmurze
+
+Teraz, gdy masz subskrypcję Azure, możesz zarejestrować się w usłudze IoT. Usługa IoT od Microsoftu nazywa się Azure IoT Hub.
+
+![Logo Azure IoT Hub](../../../../../translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.pl.png)
+
+Poniższy film przedstawia krótki przegląd Azure IoT Hub:
+
+[![Film: Przegląd Azure IoT Hub](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
+
+> 🎥 Kliknij obrazek powyżej, aby obejrzeć film
+
+✅ Poświęć chwilę na przeprowadzenie badań i przeczytaj przegląd IoT Hub w [dokumentacji Microsoft IoT Hub](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn).
+
+Usługi chmurowe dostępne w Azure można konfigurować za pomocą portalu internetowego lub interfejsu wiersza poleceń (CLI). W tym zadaniu użyjesz CLI.
+
+### Zadanie - zainstaluj Azure CLI
+
+Aby korzystać z Azure CLI, najpierw musisz go zainstalować na swoim komputerze PC lub Mac.
+
+1. Postępuj zgodnie z instrukcjami w [dokumentacji Azure CLI](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn), aby zainstalować CLI.
+
+1. Azure CLI obsługuje wiele rozszerzeń, które dodają funkcje zarządzania szeroką gamą usług Azure. Zainstaluj rozszerzenie IoT, uruchamiając następujące polecenie w wierszu poleceń lub terminalu:
+
+    ```sh
+    az extension add --name azure-iot
+    ```
+
+1. W wierszu poleceń lub terminalu uruchom następujące polecenie, aby zalogować się do swojej subskrypcji Azure za pomocą Azure CLI.
+
+    ```sh
+    az login
+    ```
+
+    W przeglądarce zostanie otwarta strona internetowa. Zaloguj się, używając konta, którego użyłeś do rejestracji subskrypcji Azure. Po zalogowaniu możesz zamknąć kartę przeglądarki.
+
+1. Jeśli masz wiele subskrypcji Azure, na przykład subskrypcję zapewnioną przez szkołę oraz własną subskrypcję Azure dla Studentów, musisz wybrać tę, której chcesz używać. Uruchom następujące polecenie, aby wyświetlić listę wszystkich subskrypcji, do których masz dostęp:
+
+    ```sh
+    az account list --output table
+    ```
+
+    W wynikach zobaczysz nazwę każdej subskrypcji wraz z jej `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
+    ```
+
+    Aby wybrać subskrypcję, której chcesz używać, użyj następującego polecenia:
+
+    ```sh
+    az account set --subscription <SubscriptionId>
+    ```
+
+    Zamień `<SubscriptionId>` na Id subskrypcji, której chcesz używać. Po uruchomieniu tego polecenia ponownie uruchom polecenie, aby wyświetlić swoje konta. Zobaczysz, że kolumna `IsDefault` będzie oznaczona jako `True` dla subskrypcji, którą właśnie ustawiłeś.
+
+### Zadanie - utwórz grupę zasobów
+
+Usługi Azure, takie jak instancje IoT Hub, maszyny wirtualne, bazy danych czy usługi AI, są określane jako **zasoby**. Każdy zasób musi znajdować się w **grupie zasobów**, czyli logicznej grupie jednego lub więcej zasobów.
+
+> 💁 Korzystanie z grup zasobów pozwala zarządzać wieloma usługami jednocześnie. Na przykład, po ukończeniu wszystkich lekcji tego projektu możesz usunąć grupę zasobów, a wszystkie zasoby w niej zostaną automatycznie usunięte.
+
+1. Istnieje wiele centrów danych Azure na całym świecie, podzielonych na regiony. Tworząc zasób lub grupę zasobów Azure, musisz określić, gdzie chcesz go utworzyć. Uruchom następujące polecenie, aby uzyskać listę lokalizacji:
+
+    ```sh
+    az account list-locations --output table
+    ```
+
+    Zobaczysz listę lokalizacji. Ta lista będzie długa.
+
+    > 💁 W momencie pisania tego tekstu dostępnych jest 65 lokalizacji, w których można wdrażać zasoby.
+
+    ```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
+    ...
+    ```
+
+    Zanotuj wartość z kolumny `Name` dla regionu najbliższego Tobie. Możesz znaleźć regiony na mapie na stronie [Azure geographies](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn).
+
+1. Uruchom następujące polecenie, aby utworzyć grupę zasobów o nazwie `soil-moisture-sensor`. Nazwy grup zasobów muszą być unikalne w Twojej subskrypcji.
+
+    ```sh
+    az group create --name soil-moisture-sensor \
+                    --location <location>
+    ```
+
+    Zamień `<location>` na lokalizację wybraną w poprzednim kroku.
+
+### Zadanie - utwórz IoT Hub
+
+Teraz możesz utworzyć zasób IoT Hub w swojej grupie zasobów.
+
+1. Użyj następującego polecenia, aby utworzyć zasób IoT Hub:
+
+    ```sh
+    az iot hub create --resource-group soil-moisture-sensor \
+                      --sku F1 \
+                      --partition-count 2 \
+                      --name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę swojego huba. Ta nazwa musi być globalnie unikalna - to znaczy, że żaden inny IoT Hub utworzony przez kogokolwiek nie może mieć tej samej nazwy. Ta nazwa jest używana w adresie URL wskazującym na hub, więc musi być unikalna. Użyj czegoś w stylu `soil-moisture-sensor-` i dodaj unikalny identyfikator na końcu, na przykład losowe słowa lub swoje imię.
+
+    Opcja `--sku F1` wskazuje na użycie darmowego poziomu. Darmowy poziom obsługuje 8 000 wiadomości dziennie oraz większość funkcji pełnopłatnych poziomów.
+
+    > 🎓 Różne poziomy cenowe usług Azure są określane jako poziomy. Każdy poziom ma inną cenę i oferuje różne funkcje lub wolumeny danych.
+
+    > 💁 Jeśli chcesz dowiedzieć się więcej o cenach, możesz sprawdzić [przewodnik cenowy Azure IoT Hub](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn).
+
+    Opcja `--partition-count 2` definiuje, ile strumieni danych obsługuje IoT Hub. Więcej partycji zmniejsza blokowanie danych, gdy wiele urządzeń odczytuje i zapisuje dane w IoT Hub. Partycje są poza zakresem tych lekcji, ale wartość ta musi być ustawiona, aby utworzyć IoT Hub w darmowym poziomie.
+
+    > 💁 Możesz mieć tylko jeden IoT Hub w darmowym poziomie na subskrypcję.
+
+IoT Hub zostanie utworzony. Może to potrwać minutę lub dwie.
+
+## Komunikacja z IoT Hub
+
+W poprzedniej lekcji używałeś MQTT i wysyłałeś wiadomości w różnych tematach, z różnymi tematami mającymi różne cele. Zamiast wysyłać wiadomości w różnych tematach, IoT Hub ma kilka zdefiniowanych sposobów komunikacji urządzenia z hubem lub huba z urządzeniem.
+
+> 💁 Pod spodem ta komunikacja między IoT Hub a Twoim urządzeniem może korzystać z MQTT, HTTPS lub AMQP.
+
+* Wiadomości od urządzenia do chmury (D2C) - są to wiadomości wysyłane z urządzenia do IoT Hub, takie jak dane telemetryczne. Mogą być następnie odczytywane z IoT Hub przez kod aplikacji.
+
+    > 🎓 Pod spodem IoT Hub korzysta z usługi Azure o nazwie [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn). Pisząc kod do odczytu wiadomości wysyłanych do huba, często nazywa się je zdarzeniami.
+
+* Wiadomości od chmury do urządzenia (C2D) - są to wiadomości wysyłane z kodu aplikacji, przez IoT Hub do urządzenia IoT.
+
+* Żądania metod bezpośrednich - są to wiadomości wysyłane z kodu aplikacji przez IoT Hub do urządzenia IoT w celu zażądania wykonania jakiejś czynności, na przykład sterowania siłownikiem. Wiadomości te wymagają odpowiedzi, aby kod aplikacji mógł stwierdzić, czy zostały pomyślnie przetworzone.
+
+* Bliźniaki urządzeń - są to dokumenty JSON synchronizowane między urządzeniem a IoT Hub, używane do przechowywania ustawień lub innych właściwości zgłaszanych przez urządzenie lub mających być ustawionych na urządzeniu (znanych jako pożądane) przez IoT Hub.
+
+IoT Hub może przechowywać wiadomości i żądania metod bezpośrednich przez konfigurowalny okres czasu (domyślnie jeden dzień), więc jeśli urządzenie lub kod aplikacji straci połączenie, nadal może pobrać wiadomości wysłane podczas jego braku po ponownym połączeniu. Bliźniaki urządzeń są przechowywane na stałe w IoT Hub, więc w dowolnym momencie urządzenie może się ponownie połączyć i uzyskać najnowszy bliźniak urządzenia.
+
+✅ Przeprowadź badania: Przeczytaj więcej o tych typach wiadomości w [przewodniku komunikacji od urządzenia do chmury](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn) oraz [przewodniku komunikacji od chmury do urządzenia](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn) w dokumentacji IoT Hub.
+
+## Połącz swoje urządzenie z usługą IoT
+
+Po utworzeniu huba Twoje urządzenie IoT może się z nim połączyć. Tylko zarejestrowane urządzenia mogą łączyć się z usługą, więc najpierw musisz zarejestrować swoje urządzenie. Po rejestracji możesz uzyskać ciąg połączenia, który urządzenie może używać do połączenia. Ten ciąg połączenia jest specyficzny dla urządzenia i zawiera informacje o IoT Hub, urządzeniu oraz tajny klucz, który umożliwia temu urządzeniu połączenie.
+
+> 🎓 Ciąg połączenia to ogólny termin oznaczający fragment tekstu zawierający szczegóły połączenia. Są one używane podczas łączenia z IoT Hub, bazami danych i wieloma innymi usługami. Zazwyczaj składają się z identyfikatora usługi, takiego jak URL, oraz informacji o zabezpieczeniach, takich jak tajny klucz. Są przekazywane do SDK w celu połączenia z usługą.
+
+> ⚠️ Ciągi połączenia powinny być przechowywane w bezpiecznym miejscu! Zagadnienia związane z bezpieczeństwem zostaną omówione bardziej szczegółowo w przyszłej lekcji.
+
+### Zadanie - zarejestruj swoje urządzenie IoT
+
+Urządzenie IoT można zarejestrować w IoT Hub za pomocą Azure CLI.
+
+1. Uruchom następujące polecenie, aby zarejestrować urządzenie:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor \
+                                      --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę, której użyłeś dla swojego IoT Hub.
+
+    Spowoduje to utworzenie urządzenia o identyfikatorze `soil-moisture-sensor`.
+
+1. Gdy Twoje urządzenie IoT łączy się z IoT Hub za pomocą SDK, musi używać ciągu połączenia, który podaje URL huba oraz tajny klucz. Uruchom następujące polecenie, aby uzyskać ciąg połączenia:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę, której użyłeś dla swojego IoT Hub.
+
+1. Zapisz ciąg połączenia wyświetlony w wynikach, ponieważ będzie Ci potrzebny później.
+
+### Zadanie - połącz swoje urządzenie IoT z chmurą
+
+Przejdź przez odpowiedni przewodnik, aby połączyć swoje urządzenie IoT z chmurą:
+
+* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie IoT](single-board-computer-connect-hub.md)
+
+### Zadanie - monitoruj zdarzenia
+
+Na razie nie będziesz aktualizować kodu serwera. Zamiast tego możesz użyć Azure CLI, aby monitorować zdarzenia z Twojego urządzenia IoT.
+
+1. Upewnij się, że Twoje urządzenie IoT działa i wysyła wartości telemetryczne wilgotności gleby.
+
+1. Uruchom następujące polecenie w wierszu poleceń lub terminalu, aby monitorować wiadomości wysyłane do Twojego IoT Hub:
+
+    ```sh
+    az iot hub monitor-events --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę, której użyłeś dla swojego IoT Hub.
+
+    Zobaczysz wiadomości pojawiające się w wynikach konsoli w miarę ich wysyłania przez Twoje urządzenie 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}"
+        }
+    }
+    ```
+
+    Zawartość `payload` będzie odpowiadać wiadomości wysłanej przez Twoje urządzenie IoT.
+
+    > W momencie pisania tego tekstu rozszerzenie `az iot` nie działa w pełni na urządzeniach Apple Silicon. Jeśli używasz urządzenia Apple Silicon, będziesz musiał monitorować wiadomości w inny sposób, na przykład korzystając z [Azure IoT Tools dla Visual Studio Code](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging).
+
+1. Te wiadomości mają automatycznie przypisane różne właściwości, takie jak znacznik czasu ich wysłania. Są one znane jako *adnotacje*. Aby wyświetlić wszystkie adnotacje wiadomości, użyj następującego polecenia:
+
+    ```sh
+    az iot hub monitor-events --properties anno --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę, której użyłeś dla swojego IoT Hub.
+
+    Zobaczysz wiadomości pojawiające się w wynikach konsoli w miarę ich wysyłania przez Twoje urządzenie 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}"
+        }
+    }
+    ```
+
+    Wartości czasu w adnotacjach są w [czasie UNIX](https://wikipedia.org/wiki/Unix_time), reprezentującym liczbę sekund od północy 1 stycznia 1970 roku.
+
+    Wyjdź z monitora zdarzeń, gdy skończysz.
+
+### Zadanie - kontroluj swoje urządzenie IoT
+
+Możesz również użyć Azure CLI, aby wywoływać metody bezpośrednie na swoim urządzeniu IoT.
+
+1. Uruchom następujące polecenie w wierszu poleceń lub terminalu, aby wywołać metodę `relay_on` na urządzeniu IoT:
+
+    ```sh
+    az iot hub invoke-device-method --device-id soil-moisture-sensor \
+                                    --method-name relay_on \
+                                    --method-payload '{}' \
+                                    --hub-name <hub_name>
+    ```
+
+    Zamień `
+<hub_name>
+` z nazwą, której użyłeś dla swojego IoT Hub.
+
+    To wysyła żądanie metody bezpośredniej dla metody określonej przez `method-name`. Metody bezpośrednie mogą przyjmować ładunek zawierający dane dla metody, który można określić w parametrze `method-payload` jako JSON.
+
+    Zobaczysz, jak przekaźnik się włącza, oraz odpowiadające temu dane wyjściowe z Twojego urządzenia IoT:
+
+    ```output
+    Direct method received -  relay_on
+    ```
+
+1. Powtórz powyższy krok, ale ustaw `--method-name` na `relay_off`. Zobaczysz, jak przekaźnik się wyłącza, oraz odpowiadające temu dane wyjściowe z urządzenia IoT.
+
+---
+
+## 🚀 Wyzwanie
+
+Darmowy poziom IoT Hub pozwala na 8 000 wiadomości dziennie. Kod, który napisałeś, wysyła wiadomości telemetryczne co 10 sekund. Ile wiadomości dziennie to jedna wiadomość co 10 sekund?
+
+Zastanów się, jak często powinny być wysyłane pomiary wilgotności gleby? Jak możesz zmienić swój kod, aby pozostać w ramach darmowego poziomu, sprawdzając tak często, jak to konieczne, ale nie za często? Co, jeśli chciałbyś dodać drugie urządzenie?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
+
+## Przegląd i samodzielna nauka
+
+SDK IoT Hub jest open source zarówno dla Arduino, jak i Pythona. W repozytoriach kodu na GitHub znajduje się wiele przykładów pokazujących, jak pracować z różnymi funkcjami IoT Hub.
+
+* Jeśli używasz Wio Terminal, sprawdź [przykłady dla Arduino na GitHub](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples)
+* Jeśli używasz Raspberry Pi lub urządzenia wirtualnego, sprawdź [przykłady dla Pythona na GitHub](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples)
+
+## Zadanie
+
+[Dowiedz się więcej o usługach w chmurze](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
new file mode 100644
index 00000000..840a5041
--- /dev/null
+++ b/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bfd35499bd68d7d740242bfea784bbeb",
+  "translation_date": "2025-08-26T06:54:29+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Dowiedz się o usługach chmurowych
+
+## Instrukcje
+
+Chmury, takie jak Azure od Microsoftu, oferują więcej niż tylko wynajem mocy obliczeniowej. Główne rodzaje usług chmurowych obejmują:
+
+* Infrastruktura jako usługa (IaaS)
+* Platforma jako usługa (PaaS)
+* Bezserwerowe (Serverless)
+* Oprogramowanie jako usługa (SaaS)
+
+Dowiedz się o tych różnych rodzajach usług, wyjaśnij, czym są i czym się różnią. Wyjaśnij, które z tych usług są istotne dla programistów IoT.
+
+## Kryteria oceny
+
+| Kryteria | Wzorowe | Wystarczające | Wymaga poprawy |
+| -------- | --------- | -------- | ----------------- |
+| Wyjaśnienie różnych usług chmurowych | Przedstawiono jasne wyjaśnienia wszystkich 4 rodzajów usług | Przedstawiono wyjaśnienia 3 rodzajów usług | Przedstawiono wyjaśnienia tylko 1 lub 2 rodzajów usług |
+| Wyjaśnienie, która usługa jest istotna dla IoT | Przedstawiono wyjaśnienie, które usługi są istotne dla programistów IoT i dlaczego | Przedstawiono wyjaśnienie, które usługi są istotne dla programistów IoT, ale bez uzasadnienia dlaczego | Nie udało się wyjaśnić, które usługi są istotne dla programistów IoT |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
new file mode 100644
index 00000000..06d87fc0
--- /dev/null
+++ b/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
@@ -0,0 +1,128 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ac42e284a7222c0e83d2d43231a364f",
+  "translation_date": "2025-08-26T06:54:38+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
+  "language_code": "pl"
+}
+-->
+# Podłącz swoje urządzenie IoT do chmury - Wirtualny sprzęt IoT i Raspberry Pi
+
+W tej części lekcji podłączysz swoje wirtualne urządzenie IoT lub Raspberry Pi do IoT Hub, aby wysyłać dane telemetryczne i odbierać polecenia.
+
+## Podłącz swoje urządzenie do IoT Hub
+
+Kolejnym krokiem jest podłączenie urządzenia do IoT Hub.
+
+### Zadanie - podłączenie do IoT Hub
+
+1. Otwórz folder `soil-moisture-sensor` w VS Code. Upewnij się, że środowisko wirtualne działa w terminalu, jeśli używasz wirtualnego urządzenia IoT.
+
+1. Zainstaluj dodatkowe pakiety Pip:
+
+    ```sh
+    pip3 install azure-iot-device
+    ```
+
+    `azure-iot-device` to biblioteka umożliwiająca komunikację z IoT Hub.
+
+1. Dodaj następujące importy na początku pliku `app.py`, poniżej istniejących importów:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
+    ```
+
+    Ten kod importuje SDK do komunikacji z IoT Hub.
+
+1. Usuń linię `import paho.mqtt.client as mqtt`, ponieważ ta biblioteka nie jest już potrzebna. Usuń cały kod MQTT, w tym nazwy tematów, cały kod używający `mqtt_client` oraz `handle_command`. Zachowaj pętlę `while True:`, ale usuń linię `mqtt_client.publish` z tej pętli.
+
+1. Dodaj następujący kod poniżej sekcji importów:
+
+    ```python
+    connection_string = "<connection string>"
+    ```
+
+    Zamień `<connection string>` na ciąg połączenia, który pobrałeś dla urządzenia wcześniej w tej lekcji.
+
+    > 💁 To nie jest najlepsza praktyka. Ciągi połączenia nigdy nie powinny być przechowywane w kodzie źródłowym, ponieważ mogą zostać zapisane w systemie kontroli wersji i znalezione przez innych. Robimy to tutaj dla uproszczenia. Idealnie powinno się używać czegoś takiego jak zmienne środowiskowe i narzędzia takie jak [`python-dotenv`](https://pypi.org/project/python-dotenv/). Dowiesz się więcej na ten temat w kolejnej lekcji.
+
+1. Poniżej tego kodu dodaj następujący fragment, aby utworzyć obiekt klienta urządzenia, który może komunikować się z IoT Hub, i połącz go:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
+
+    print('Connecting')
+    device_client.connect()
+    print('Connected')
+    ```
+
+1. Uruchom ten kod. Zobaczysz, że Twoje urządzenie się połączy.
+
+    ```output
+    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
+    Connecting
+    Connected
+    Soil moisture: 379
+    ```
+
+## Wysyłanie danych telemetrycznych
+
+Teraz, gdy Twoje urządzenie jest podłączone, możesz wysyłać dane telemetryczne do IoT Hub zamiast do brokera MQTT.
+
+### Zadanie - wysyłanie danych telemetrycznych
+
+1. Dodaj następujący kod wewnątrz pętli `while True`, tuż przed funkcją sleep:
+
+    ```python
+    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
+    device_client.send_message(message)
+    ```
+
+    Ten kod tworzy `Message` IoT Hub zawierający odczyt wilgotności gleby jako ciąg JSON, a następnie wysyła go do IoT Hub jako wiadomość od urządzenia do chmury.
+
+## Obsługa poleceń
+
+Twoje urządzenie musi obsługiwać polecenie z kodu serwera, aby sterować przekaźnikiem. Polecenie to jest wysyłane jako żądanie metody bezpośredniej.
+
+## Zadanie - obsługa żądania metody bezpośredniej
+
+1. Dodaj następujący kod przed pętlą `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()    
+    ```
+
+    Ten kod definiuje metodę `handle_method_request`, która zostanie wywołana, gdy IoT Hub wyśle żądanie metody bezpośredniej. Każda metoda bezpośrednia ma nazwę, a ten kod oczekuje metody o nazwie `relay_on`, aby włączyć przekaźnik, oraz `relay_off`, aby go wyłączyć.
+
+    > 💁 Można to również zaimplementować w jednej metodzie bezpośredniej, przekazując pożądany stan przekaźnika w ładunku, który można przesłać z żądaniem metody i który będzie dostępny z obiektu `request`.
+
+1. Metody bezpośrednie wymagają odpowiedzi, aby poinformować kod wywołujący, że zostały obsłużone. Dodaj następujący kod na końcu funkcji `handle_method_request`, aby utworzyć odpowiedź na żądanie:
+
+    ```python
+    method_response = MethodResponse.create_from_method_request(request, 200)
+    device_client.send_method_response(method_response)
+    ```
+
+    Ten kod wysyła odpowiedź na żądanie metody bezpośredniej z kodem statusu HTTP 200 i przesyła ją z powrotem do IoT Hub.
+
+1. Dodaj następujący kod poniżej definicji tej funkcji:
+
+    ```python
+    device_client.on_method_request_received = handle_method_request
+    ```
+
+    Ten kod informuje klienta IoT Hub, aby wywołał funkcję `handle_method_request`, gdy zostanie wywołana metoda bezpośrednia.
+
+> 💁 Ten kod znajdziesz w folderze [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) lub [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device).
+
+😀 Twój program czujnika wilgotności gleby jest podłączony do IoT Hub!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
new file mode 100644
index 00000000..244adec8
--- /dev/null
+++ b/translations/pl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
@@ -0,0 +1,304 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "28320305a35ea3bc59c41fe146a2e6ed",
+  "translation_date": "2025-08-26T06:54:59+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
+  "language_code": "pl"
+}
+-->
+# Podłącz swoje urządzenie IoT do chmury - Wio Terminal
+
+W tej części lekcji podłączysz swój Wio Terminal do IoT Hub, aby wysyłać dane telemetryczne i odbierać polecenia.
+
+## Podłącz swoje urządzenie do IoT Hub
+
+Kolejnym krokiem jest podłączenie urządzenia do IoT Hub.
+
+### Zadanie - podłącz do IoT Hub
+
+1. Otwórz projekt `soil-moisture-sensor` w VS Code.
+
+1. Otwórz plik `platformio.ini`. Usuń zależność od biblioteki `knolleary/PubSubClient`. Była ona używana do połączenia z publicznym brokerem MQTT, ale nie jest potrzebna do połączenia z IoT Hub.
+
+1. Dodaj następujące zależności bibliotek:
+
+    ```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
+    ```
+
+    Biblioteka `Seeed Arduino RTC` dostarcza kod do obsługi zegara czasu rzeczywistego w Wio Terminal, który jest używany do śledzenia czasu. Pozostałe biblioteki umożliwiają Twojemu urządzeniu IoT połączenie z IoT Hub.
+
+1. Dodaj następujący wpis na końcu pliku `platformio.ini`:
+
+    ```ini
+    build_flags =
+        -DDONT_USE_UPLOADTOBLOB
+    ```
+
+    Ustawia to flagę kompilatora, która jest wymagana podczas kompilacji kodu Arduino IoT Hub.
+
+1. Otwórz plik nagłówkowy `config.h`. Usuń wszystkie ustawienia MQTT i dodaj następującą stałą dla ciągu połączenia urządzenia:
+
+    ```cpp
+    // IoT Hub settings
+    const char *CONNECTION_STRING = "<connection string>";
+    ```
+
+    Zamień `<connection string>` na ciąg połączenia dla Twojego urządzenia, który skopiowałeś wcześniej.
+
+1. Połączenie z IoT Hub wykorzystuje token oparty na czasie. Oznacza to, że urządzenie IoT musi znać aktualny czas. W przeciwieństwie do systemów operacyjnych takich jak Windows, macOS czy Linux, mikrokontrolery nie synchronizują automatycznie aktualnego czasu przez Internet. Oznacza to, że musisz dodać kod do pobrania aktualnego czasu z serwera [NTP](https://wikipedia.org/wiki/Network_Time_Protocol). Po pobraniu czasu można go zapisać w zegarze czasu rzeczywistego w Wio Terminal, co pozwala na uzyskanie poprawnego czasu w późniejszym terminie, o ile urządzenie nie straci zasilania. Dodaj nowy plik o nazwie `ntp.h` z następującym kodem:
+
+    ```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);
+    }
+    ```
+
+    Szczegóły tego kodu wykraczają poza zakres tej lekcji. Definiuje on funkcję `initTime`, która pobiera aktualny czas z serwera NTP i ustawia zegar w Wio Terminal.
+
+1. Otwórz plik `main.cpp` i usuń cały kod MQTT, w tym nagłówek `PubSubClient.h`, deklarację zmiennej `PubSubClient`, metody `reconnectMQTTClient` i `createMQTTClient`, oraz wszelkie wywołania tych zmiennych i metod. Plik ten powinien zawierać jedynie kod do połączenia z WiFi, pobrania wilgotności gleby i utworzenia dokumentu JSON z tymi danymi.
+
+1. Dodaj następujące dyrektywy `#include` na początku pliku `main.cpp`, aby dołączyć nagłówki bibliotek IoT Hub oraz ustawiania czasu:
+
+    ```cpp
+    #include <AzureIoTHub.h>
+    #include <AzureIoTProtocol_MQTT.h>
+    #include <iothubtransportmqtt.h>
+    #include "ntp.h"
+    ```
+
+1. Dodaj następujące wywołanie na końcu funkcji `setup`, aby ustawić aktualny czas:
+
+    ```cpp
+    initTime();
+    ```
+
+1. Dodaj następującą deklarację zmiennej na początku pliku, tuż poniżej dyrektyw include:
+
+    ```cpp
+    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
+    ```
+
+    Deklaruje to `IOTHUB_DEVICE_CLIENT_LL_HANDLE`, uchwyt do połączenia z IoT Hub.
+
+1. Poniżej tego dodaj następujący kod:
+
+    ```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");
+        }
+    }
+    ```
+
+    Deklaruje to funkcję zwrotną, która będzie wywoływana, gdy status połączenia z IoT Hub ulegnie zmianie, np. po połączeniu lub rozłączeniu. Status jest wysyłany na port szeregowy.
+
+1. Poniżej tego dodaj funkcję do połączenia z 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);
+    }
+    ```
+
+    Kod ten inicjalizuje bibliotekę IoT Hub, a następnie tworzy połączenie przy użyciu ciągu połączenia zdefiniowanego w pliku nagłówkowym `config.h`. Połączenie to opiera się na MQTT. Jeśli połączenie się nie powiedzie, informacja o tym zostanie wysłana na port szeregowy - jeśli zobaczysz to w wyjściu, sprawdź ciąg połączenia. Na końcu ustawiana jest funkcja zwrotna statusu połączenia.
+
+1. Wywołaj tę funkcję w funkcji `setup` poniżej wywołania `initTime`:
+
+    ```cpp
+    connectIoTHub();
+    ```
+
+1. Podobnie jak w przypadku klienta MQTT, ten kod działa na jednym wątku, więc potrzebuje czasu na przetwarzanie wiadomości wysyłanych przez hub i do huba. Dodaj następujący kod na początku funkcji `loop`, aby to zrobić:
+
+    ```cpp
+    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+    ```
+
+1. Zbuduj i wgraj ten kod. Zobaczysz połączenie w monitorze szeregowym:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Fetched NTP epoch time is: 1619983687
+    Sending telemetry {"soil_moisture":391}
+    The device client is connected to iothub
+    ```
+
+    W wyjściu zobaczysz pobieranie czasu NTP, a następnie łączenie klienta urządzenia. Połączenie może zająć kilka sekund, więc możesz zobaczyć wilgotność gleby w wyjściu, podczas gdy urządzenie się łączy.
+
+    > 💁 Możesz przekonwertować czas UNIX z NTP na bardziej czytelną wersję, korzystając z witryny internetowej, takiej jak [unixtimestamp.com](https://www.unixtimestamp.com)
+
+## Wysyłanie telemetrii
+
+Teraz, gdy Twoje urządzenie jest podłączone, możesz wysyłać dane telemetryczne do IoT Hub zamiast do brokera MQTT.
+
+### Zadanie - wysyłanie telemetrii
+
+1. Dodaj następującą funkcję powyżej funkcji `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);
+    }
+    ```
+
+    Kod ten tworzy wiadomość IoT Hub z ciągu przekazanego jako parametr, wysyła ją do huba, a następnie czyści obiekt wiadomości.
+
+1. Wywołaj ten kod w funkcji `loop`, zaraz po linii, w której telemetria jest wysyłana na port szeregowy:
+
+    ```cpp
+    sendTelemetry(telemetry.c_str());
+    ```
+
+## Obsługa poleceń
+
+Twoje urządzenie musi obsługiwać polecenie z kodu serwera do sterowania przekaźnikiem. Jest ono wysyłane jako żądanie metody bezpośredniej.
+
+## Zadanie - obsługa żądania metody bezpośredniej
+
+1. Dodaj następujący kod przed funkcją `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);
+        }
+    }
+    ```
+
+    Kod ten definiuje metodę zwrotną, którą biblioteka IoT Hub może wywołać, gdy otrzyma żądanie metody bezpośredniej. Metoda, która jest żądana, jest przesyłana w parametrze `method_name`. Funkcja ta wypisuje wywołaną metodę na port szeregowy, a następnie włącza lub wyłącza przekaźnik w zależności od nazwy metody.
+
+    > 💁 Można to również zaimplementować w ramach jednej metody bezpośredniej, przekazując pożądany stan przekaźnika w ładunku, który można przesłać z żądaniem metody i który jest dostępny w parametrze `payload`.
+
+1. Dodaj następujący kod na końcu funkcji `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;
+    ```
+
+    Żądania metod bezpośrednich wymagają odpowiedzi, która składa się z dwóch części - odpowiedzi w formie tekstu oraz kodu zwrotnego. Kod ten utworzy wynik w postaci następującego dokumentu JSON:
+
+    ```JSON
+    {
+        "Result": ""
+    }
+    ```
+
+    Następnie jest on kopiowany do parametru `response`, a rozmiar tej odpowiedzi jest ustawiany w parametrze `response_size`. Kod ten zwraca `IOTHUB_CLIENT_OK`, aby pokazać, że metoda została obsłużona poprawnie.
+
+1. Podłącz funkcję zwrotną, dodając następujący kod na końcu funkcji `connectIoTHub`:
+
+    ```cpp
+    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
+    ```
+
+1. Funkcja `loop` wywoła funkcję `IoTHubDeviceClient_LL_DoWork`, aby przetwarzać zdarzenia wysyłane przez IoT Hub. Funkcja ta jest wywoływana co 10 sekund z powodu `delay`, co oznacza, że metody bezpośrednie są przetwarzane tylko co 10 sekund. Aby to usprawnić, 10-sekundowe opóźnienie można zaimplementować jako wiele krótszych opóźnień, wywołując `IoTHubDeviceClient_LL_DoWork` za każdym razem. Aby to zrobić, dodaj następujący kod powyżej funkcji `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);
+    }
+    ```
+
+    Kod ten będzie wielokrotnie wywoływał `IoTHubDeviceClient_LL_DoWork` i opóźniał o 100 ms za każdym razem. Będzie to robił tyle razy, ile potrzeba, aby opóźnić o czas podany w parametrze `delay_time`. Oznacza to, że urządzenie czeka maksymalnie 100 ms na przetworzenie żądań metod bezpośrednich.
+
+1. W funkcji `loop` usuń wywołanie `IoTHubDeviceClient_LL_DoWork` i zastąp wywołanie `delay(10000)` następującym kodem, aby wywołać nową funkcję:
+
+    ```cpp
+    work_delay(10000);
+    ```
+
+> 💁 Kod ten znajdziesz w folderze [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal).
+
+😀 Twój program czujnika wilgotności gleby jest podłączony do IoT Hub!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/pl/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
new file mode 100644
index 00000000..2abb3453
--- /dev/null
+++ b/translations/pl/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
@@ -0,0 +1,654 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
+  "translation_date": "2025-08-26T06:46:51+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
+  "language_code": "pl"
+}
+-->
+# Przenieś logikę swojej aplikacji do chmury
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+Ta lekcja była częścią [Projektu IoT dla początkujących 2 - Cykl o cyfrowym rolnictwie](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) organizowanego przez [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Steruj swoim urządzeniem IoT za pomocą kodu bezserwerowego](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
+
+## Quiz przed lekcją
+
+[Quiz przed lekcją](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
+
+## Wprowadzenie
+
+W poprzedniej lekcji nauczyłeś się, jak połączyć monitorowanie wilgotności gleby i sterowanie przekaźnikiem z usługą IoT w chmurze. Kolejnym krokiem jest przeniesienie kodu serwera, który kontroluje czas działania przekaźnika, do chmury. W tej lekcji dowiesz się, jak to zrobić za pomocą funkcji bezserwerowych.
+
+W tej lekcji omówimy:
+
+* [Czym jest bezserwerowość?](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Tworzenie aplikacji bezserwerowej](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Tworzenie wyzwalacza zdarzeń IoT Hub](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Wysyłanie żądań metod bezpośrednich z kodu bezserwerowego](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Wdrażanie kodu bezserwerowego w chmurze](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+
+## Czym jest bezserwerowość?
+
+Bezserwerowość, czyli przetwarzanie bezserwerowe, polega na tworzeniu małych bloków kodu, które są uruchamiane w chmurze w odpowiedzi na różne zdarzenia. Gdy zdarzenie wystąpi, Twój kod jest uruchamiany i otrzymuje dane dotyczące tego zdarzenia. Zdarzenia te mogą pochodzić z różnych źródeł, takich jak żądania sieciowe, wiadomości umieszczone w kolejce, zmiany danych w bazie danych czy wiadomości wysyłane do usługi IoT przez urządzenia IoT.
+
+![Zdarzenia wysyłane z usługi IoT do usługi bezserwerowej, przetwarzane jednocześnie przez wiele funkcji](../../../../../translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.pl.png)
+
+> 💁 Jeśli wcześniej korzystałeś z wyzwalaczy w bazach danych, możesz to porównać do tego samego mechanizmu — kod jest uruchamiany w odpowiedzi na zdarzenie, takie jak wstawienie wiersza.
+
+![Gdy wiele zdarzeń występuje jednocześnie, usługa bezserwerowa skaluje się, aby obsłużyć je wszystkie w tym samym czasie](../../../../../translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.pl.png)
+
+Twój kod jest uruchamiany tylko wtedy, gdy wystąpi zdarzenie, a w innych momentach nie jest aktywny. Zdarzenie występuje, Twój kod jest ładowany i uruchamiany. Dzięki temu bezserwerowość jest bardzo skalowalna — jeśli wiele zdarzeń wystąpi jednocześnie, dostawca chmury może uruchomić Twoją funkcję tyle razy, ile potrzeba, na dostępnych serwerach. Wadą tego podejścia jest to, że jeśli musisz udostępniać informacje między zdarzeniami, musisz je zapisać w miejscu takim jak baza danych, zamiast przechowywać je w pamięci.
+
+Twój kod jest pisany jako funkcja, która przyjmuje szczegóły dotyczące zdarzenia jako parametr. Możesz używać szerokiej gamy języków programowania do pisania tych funkcji bezserwerowych.
+
+> 🎓 Bezserwerowość jest również nazywana Funkcjami jako Usługa (FaaS), ponieważ każdy wyzwalacz zdarzenia jest implementowany jako funkcja w kodzie.
+
+Pomimo nazwy, bezserwerowość faktycznie korzysta z serwerów. Nazwa pochodzi stąd, że jako programista nie musisz martwić się o serwery potrzebne do uruchomienia Twojego kodu — interesuje Cię tylko to, że Twój kod jest uruchamiany w odpowiedzi na zdarzenie. Dostawca chmury posiada środowisko uruchomieniowe bezserwerowe, które zarządza przydzielaniem serwerów, siecią, pamięcią masową, procesorem, pamięcią RAM i wszystkim innym potrzebnym do uruchomienia Twojego kodu. W tym modelu nie płacisz za serwer, ponieważ nie ma serwera. Zamiast tego płacisz za czas, w którym Twój kod jest uruchamiany, oraz za ilość użytej pamięci.
+
+> 💰 Bezserwerowość to jeden z najtańszych sposobów uruchamiania kodu w chmurze. Na przykład, w momencie pisania tego tekstu, jeden z dostawców chmury pozwala na wykonanie wszystkich Twoich funkcji bezserwerowych łącznie 1 000 000 razy miesięcznie, zanim zacznie naliczać opłaty, a po tym nalicza 0,20 USD za każde 1 000 000 wykonanych funkcji. Gdy Twój kod nie działa, nie płacisz.
+
+Jako programista IoT, model bezserwerowy jest idealny. Możesz napisać funkcję, która jest wywoływana w odpowiedzi na wiadomości wysyłane przez dowolne urządzenie IoT podłączone do Twojej usługi IoT hostowanej w chmurze. Twój kod obsłuży wszystkie wysłane wiadomości, ale będzie działał tylko wtedy, gdy będzie to potrzebne.
+
+✅ Spójrz na kod, który napisałeś jako kod serwera nasłuchujący wiadomości przez MQTT. Jak mógłby on działać w chmurze, korzystając z bezserwerowości? Jak myślisz, jakie zmiany byłyby potrzebne, aby dostosować kod do przetwarzania bezserwerowego?
+
+> 💁 Model bezserwerowy jest również wdrażany w innych usługach chmurowych, oprócz uruchamiania kodu. Na przykład, w chmurze dostępne są bazy danych bezserwerowe, które korzystają z modelu cenowego bezserwerowego, gdzie płacisz za każde żądanie wykonane wobec bazy danych, takie jak zapytanie czy wstawienie danych. Koszty są zwykle oparte na ilości pracy potrzebnej do obsługi żądania. Na przykład, pojedyncze zapytanie o jeden wiersz na podstawie klucza głównego będzie kosztować mniej niż skomplikowana operacja łącząca wiele tabel i zwracająca tysiące wierszy.
+
+## Tworzenie aplikacji bezserwerowej
+
+Usługa przetwarzania bezserwerowego od Microsoftu nazywa się Azure Functions.
+
+![Logo Azure Functions](../../../../../translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.pl.png)
+
+Krótki film poniżej przedstawia przegląd Azure Functions.
+
+[![Film o Azure Functions](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
+
+> 🎥 Kliknij obraz powyżej, aby obejrzeć film.
+
+✅ Poświęć chwilę na zbadanie i przeczytanie przeglądu Azure Functions w [dokumentacji Microsoft Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn).
+
+Aby napisać Azure Functions, zaczynasz od aplikacji Azure Functions w wybranym przez siebie języku. Domyślnie Azure Functions obsługuje Python, JavaScript, TypeScript, C#, F#, Java i Powershell. W tej lekcji nauczysz się, jak napisać aplikację Azure Functions w Pythonie.
+
+> 💁 Azure Functions obsługuje również niestandardowe obsługiwacze, dzięki czemu możesz pisać swoje funkcje w dowolnym języku, który obsługuje żądania HTTP, w tym w starszych językach, takich jak COBOL.
+
+Aplikacje funkcji składają się z jednego lub więcej *wyzwalaczy* — funkcji, które reagują na zdarzenia. Możesz mieć wiele wyzwalaczy w jednej aplikacji funkcji, które współdzielą wspólną konfigurację. Na przykład w pliku konfiguracyjnym Twojej aplikacji funkcji możesz mieć szczegóły połączenia z IoT Hub, a wszystkie funkcje w aplikacji mogą z tego korzystać, aby się połączyć i nasłuchiwać zdarzeń.
+
+### Zadanie - zainstaluj narzędzia Azure Functions
+
+> W momencie pisania tego tekstu narzędzia do kodowania Azure Functions nie działają w pełni na komputerach Apple Silicon z projektami w Pythonie. Będziesz musiał użyć komputera Mac z procesorem Intel, komputera z systemem Windows lub komputera z systemem Linux.
+
+Jedną z wielkich zalet Azure Functions jest to, że możesz je uruchamiać lokalnie. To samo środowisko uruchomieniowe, które jest używane w chmurze, może być uruchamiane na Twoim komputerze, co pozwala na pisanie kodu reagującego na wiadomości IoT i jego lokalne uruchamianie. Możesz nawet debugować swój kod podczas obsługi zdarzeń. Gdy będziesz zadowolony z kodu, możesz go wdrożyć w chmurze.
+
+Narzędzia Azure Functions są dostępne jako interfejs wiersza poleceń, znany jako Azure Functions Core Tools.
+
+1. Zainstaluj narzędzia Azure Functions Core Tools, postępując zgodnie z instrukcjami w [dokumentacji Azure Functions Core Tools](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn).
+
+1. Zainstaluj rozszerzenie Azure Functions dla VS Code. To rozszerzenie zapewnia wsparcie dla tworzenia, debugowania i wdrażania funkcji Azure. Zapoznaj się z [dokumentacją rozszerzenia Azure Functions](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions), aby uzyskać instrukcje dotyczące instalacji tego rozszerzenia w VS Code.
+
+Podczas wdrażania aplikacji Azure Functions w chmurze potrzebuje ona niewielkiej ilości pamięci w chmurze do przechowywania takich rzeczy jak pliki aplikacji i pliki dziennika. Podczas lokalnego uruchamiania aplikacji Functions nadal musisz połączyć się z pamięcią w chmurze, ale zamiast korzystać z rzeczywistej pamięci w chmurze, możesz użyć emulatora pamięci o nazwie [Azurite](https://github.com/Azure/Azurite). Działa on lokalnie, ale zachowuje się jak pamięć w chmurze.
+
+> 🎓 W Azure pamięć używana przez Azure Functions to konto magazynu Azure. Konta te mogą przechowywać pliki, bloby, dane w tabelach lub dane w kolejkach. Możesz współdzielić jedno konto magazynu między wieloma aplikacjami, takimi jak aplikacja Functions i aplikacja internetowa.
+
+1. Azurite to aplikacja Node.js, więc musisz zainstalować Node.js. Możesz znaleźć instrukcje dotyczące pobierania i instalacji na [stronie Node.js](https://nodejs.org/). Jeśli używasz Maca, możesz również zainstalować go za pomocą [Homebrew](https://formulae.brew.sh/formula/node).
+
+1. Zainstaluj Azurite za pomocą następującego polecenia (`npm` to narzędzie instalowane razem z Node.js):
+
+    ```sh
+    npm install -g azurite
+    ```
+
+1. Utwórz folder o nazwie `azurite`, który Azurite będzie używać do przechowywania danych:
+
+    ```sh
+    mkdir azurite
+    ```
+
+1. Uruchom Azurite, przekazując mu ten nowy folder:
+
+    ```sh
+    azurite --location azurite
+    ```
+
+    Emulator pamięci Azurite zostanie uruchomiony i będzie gotowy do połączenia z lokalnym środowiskiem uruchomieniowym Functions.
+
+    ```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
+    ```
+
+### Zadanie - utwórz projekt Azure Functions
+
+Interfejs wiersza poleceń Azure Functions może być używany do tworzenia nowej aplikacji funkcji.
+
+1. Utwórz folder dla swojej aplikacji funkcji i przejdź do niego. Nazwij go `soil-moisture-trigger`.
+
+    ```sh
+    mkdir soil-moisture-trigger
+    cd soil-moisture-trigger
+    ```
+
+1. Utwórz wirtualne środowisko Pythona w tym folderze:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+1. Aktywuj wirtualne środowisko:
+
+    * W systemie Windows:
+        * Jeśli używasz Wiersza Poleceń lub Wiersza Poleceń przez Windows Terminal, uruchom:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Jeśli używasz PowerShell, uruchom:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * W systemie macOS lub Linux uruchom:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Te polecenia powinny być uruchamiane z tej samej lokalizacji, w której uruchomiłeś polecenie tworzenia wirtualnego środowiska. Nigdy nie musisz przechodzić do folderu `.venv`, zawsze uruchamiaj polecenie aktywacji i inne polecenia instalacji pakietów lub uruchamiania kodu z folderu, w którym utworzyłeś wirtualne środowisko.
+
+1. Uruchom następujące polecenie, aby utworzyć aplikację funkcji w tym folderze:
+
+    ```sh
+    func init --worker-runtime python soil-moisture-trigger
+    ```
+
+    To polecenie utworzy trzy pliki w bieżącym folderze:
+
+    * `host.json` - ten dokument JSON zawiera ustawienia Twojej aplikacji funkcji. Nie będziesz musiał modyfikować tych ustawień.
+    * `local.settings.json` - ten dokument JSON zawiera ustawienia, których Twoja aplikacja używa podczas lokalnego uruchamiania, takie jak ciągi połączeń do Twojego IoT Hub. Te ustawienia są tylko lokalne i nie powinny być dodawane do systemu kontroli wersji. Podczas wdrażania aplikacji w chmurze te ustawienia nie są wdrażane, zamiast tego Twoje ustawienia są ładowane z ustawień aplikacji. To zostanie omówione później w tej lekcji.
+    * `requirements.txt` - to [plik wymagań Pip](https://pip.pypa.io/en/stable/user_guide/#requirements-files), który zawiera pakiety Pip potrzebne do uruchomienia Twojej aplikacji funkcji.
+
+1. Plik `local.settings.json` zawiera ustawienie dla konta magazynu, które aplikacja funkcji będzie używać. Domyślnie jest ono puste, więc musi zostać ustawione. Aby połączyć się z lokalnym emulatorem pamięci Azurite, ustaw tę wartość na następującą:
+
+    ```json
+    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
+    ```
+
+1. Zainstaluj niezbędne pakiety Pip za pomocą pliku wymagań:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 Wymagane pakiety Pip muszą znajdować się w tym pliku, aby podczas wdrażania aplikacji funkcji w chmurze środowisko uruchomieniowe mogło upewnić się, że zainstalowano odpowiednie pakiety.
+
+1. Aby sprawdzić, czy wszystko działa poprawnie, możesz uruchomić środowisko uruchomieniowe funkcji. Uruchom następujące polecenie:
+
+    ```sh
+    func start
+    ```
+
+    Zobaczysz, jak środowisko uruchomieniowe się uruchamia i zgłasza, że nie znalazło żadnych funkcji zadaniowych (wyzwalaczy).
+
+    ```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.
+    ```
+> ⚠️ Jeśli pojawi się powiadomienie o zaporze, udziel dostępu, ponieważ aplikacja `func` musi mieć możliwość odczytu i zapisu w Twojej sieci.
+> ⚠️ Jeśli używasz macOS, w wynikach mogą pojawić się ostrzeżenia:
+>
+> ```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.
+    > ```
+>
+> Możesz je zignorować, o ile aplikacja Functions uruchamia się poprawnie i wyświetla działające funkcje. Jak wspomniano w [tym pytaniu na 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), można je zignorować.
+
+1. Zatrzymaj aplikację Functions, naciskając `ctrl+c`.
+
+1. Otwórz bieżący folder w VS Code, albo uruchamiając VS Code i otwierając ten folder, albo uruchamiając następujące polecenie:
+
+    ```sh
+    code .
+    ```
+
+    VS Code wykryje Twój projekt Functions i wyświetli powiadomienie:
+
+    ```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?
+    ```
+
+    ![Powiadomienie](../../../../../translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.pl.png)
+
+    Wybierz **Yes** w tym powiadomieniu.
+
+1. Upewnij się, że w terminalu VS Code działa wirtualne środowisko Python. Jeśli to konieczne, zakończ je i uruchom ponownie.
+
+## Utwórz wyzwalacz zdarzeń IoT Hub
+
+Aplikacja Functions jest powłoką dla Twojego kodu serwerless. Aby reagować na zdarzenia IoT Hub, możesz dodać wyzwalacz IoT Hub do tej aplikacji. Wyzwalacz musi połączyć się ze strumieniem wiadomości wysyłanych do IoT Hub i na nie reagować. Aby uzyskać ten strumień wiadomości, Twój wyzwalacz musi połączyć się z *kompatybilnym punktem końcowym Event Hub* IoT Hub.
+
+IoT Hub opiera się na innej usłudze Azure zwanej Azure Event Hubs. Event Hubs to usługa umożliwiająca wysyłanie i odbieranie wiadomości, a IoT Hub rozszerza ją o funkcje dla urządzeń IoT. Sposób, w jaki łączysz się, aby odczytać wiadomości z IoT Hub, jest taki sam, jak w przypadku korzystania z Event Hubs.
+
+✅ Zrób trochę badań: Przeczytaj przegląd Event Hubs w [dokumentacji Azure Event Hubs](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn). Jak podstawowe funkcje porównują się z IoT Hub?
+
+Aby urządzenie IoT mogło połączyć się z IoT Hub, musi używać klucza tajnego, który zapewnia, że tylko dozwolone urządzenia mogą się połączyć. To samo dotyczy połączenia w celu odczytu wiadomości – Twój kod będzie potrzebował ciągu połączenia zawierającego klucz tajny oraz szczegóły IoT Hub.
+
+> 💁 Domyślny ciąg połączenia, który otrzymujesz, ma uprawnienia **iothubowner**, co daje każdemu kodowi, który go używa, pełne uprawnienia do IoT Hub. Idealnie powinieneś łączyć się z najniższym poziomem wymaganych uprawnień. Zostanie to omówione w następnej lekcji.
+
+Po nawiązaniu połączenia przez wyzwalacz, kod wewnątrz funkcji będzie wywoływany dla każdej wiadomości wysłanej do IoT Hub, niezależnie od tego, które urządzenie ją wysłało. Wyzwalacz przekaże wiadomość jako parametr.
+
+### Zadanie - uzyskaj ciąg połączenia kompatybilnego punktu końcowego Event Hub
+
+1. W terminalu VS Code uruchom następujące polecenie, aby uzyskać ciąg połączenia dla kompatybilnego punktu końcowego Event Hub IoT Hub:
+
+    ```sh
+    az iot hub connection-string show --default-eventhub \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę, której użyłeś dla swojego IoT Hub.
+
+1. W VS Code otwórz plik `local.settings.json`. Dodaj następującą wartość w sekcji `Values`:
+
+    ```json
+    "IOT_HUB_CONNECTION_STRING": "<connection string>"
+    ```
+
+    Zamień `<connection string>` na wartość z poprzedniego kroku. Musisz dodać przecinek po poprzedniej linii, aby plik był poprawnym JSON-em.
+
+### Zadanie - utwórz wyzwalacz zdarzeń
+
+Teraz możesz utworzyć wyzwalacz zdarzeń.
+
+1. W terminalu VS Code uruchom następujące polecenie z folderu `soil-moisture-trigger`:
+
+    ```sh
+    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
+    ```
+
+    To polecenie tworzy nową funkcję o nazwie `iot-hub-trigger`. Wyzwalacz połączy się z kompatybilnym punktem końcowym Event Hub w IoT Hub, więc możesz użyć wyzwalacza Event Hub. Nie ma specyficznego wyzwalacza IoT Hub.
+
+To utworzy folder w folderze `soil-moisture-trigger` o nazwie `iot-hub-trigger`, który zawiera tę funkcję. W tym folderze znajdą się następujące pliki:
+
+* `__init__.py` - plik kodu Python zawierający wyzwalacz, używający standardowej konwencji nazewnictwa plików Python, aby przekształcić ten folder w moduł Python.
+
+    Ten plik będzie zawierał następujący kod:
+
+    ```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'))
+    ```
+
+    Główna część wyzwalacza to funkcja `main`. To właśnie ta funkcja jest wywoływana z wydarzeniami z IoT Hub. Funkcja ma parametr `event`, który zawiera `EventHubEvent`. Za każdym razem, gdy wiadomość jest wysyłana do IoT Hub, funkcja jest wywoływana, przekazując tę wiadomość jako `event`, wraz z właściwościami, które są takie same jak adnotacje, które widziałeś w poprzedniej lekcji.
+
+    Główna część tej funkcji loguje zdarzenie.
+
+* `function.json` - zawiera konfigurację dla wyzwalacza. Główna konfiguracja znajduje się w sekcji `bindings`. Binding to termin określający połączenie między Azure Functions a innymi usługami Azure. Ta funkcja ma binding wejściowy do Event Hub - łączy się z Event Hub i odbiera dane.
+
+    > 💁 Możesz także mieć bindingi wyjściowe, dzięki którym dane wyjściowe funkcji są wysyłane do innej usługi. Na przykład możesz dodać binding wyjściowy do bazy danych i zwrócić zdarzenie IoT Hub z funkcji, a zostanie ono automatycznie wstawione do bazy danych.
+
+    ✅ Zrób trochę badań: Przeczytaj o bindingach w [dokumentacji koncepcji wyzwalaczy i bindingów Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python).
+
+    Sekcja `bindings` zawiera konfigurację dla bindingu. Interesujące wartości to:
+
+  * `"type": "eventHubTrigger"` - informuje funkcję, że musi nasłuchiwać zdarzeń z Event Hub
+  * `"name": "events"` - to nazwa parametru używanego dla zdarzeń Event Hub. Odpowiada nazwie parametru w funkcji `main` w kodzie Python.
+  * `"direction": "in"` - to binding wejściowy, dane z Event Hub trafiają do funkcji
+  * `"connection": ""` - definiuje nazwę ustawienia, z którego odczytywany jest ciąg połączenia. Podczas uruchamiania lokalnie, ustawienie to zostanie odczytane z pliku `local.settings.json`.
+
+    > 💁 Ciąg połączenia nie może być przechowywany w pliku `function.json`, musi być odczytywany z ustawień. Ma to na celu zapobieżenie przypadkowemu ujawnieniu ciągu połączenia.
+
+1. Z powodu [błędu w szablonie Azure Functions](https://github.com/Azure/azure-functions-templates/issues/1250), pole `cardinality` w pliku `function.json` ma nieprawidłową wartość. Zaktualizuj tę wartość z `many` na `one`:
+
+    ```json
+    "cardinality": "one",
+    ```
+
+1. Zaktualizuj wartość `"connection"` w pliku `function.json`, aby wskazywała na nową wartość dodaną do pliku `local.settings.json`:
+
+    ```json
+    "connection": "IOT_HUB_CONNECTION_STRING",
+    ```
+
+    > 💁 Pamiętaj - musi to wskazywać na ustawienie, a nie zawierać rzeczywisty ciąg połączenia.
+
+1. Ciąg połączenia zawiera wartość `eventHubName`, więc wartość dla tego pola w pliku `function.json` musi być wyczyszczona. Zaktualizuj tę wartość do pustego ciągu:
+
+    ```json
+    "eventHubName": "",
+    ```
+
+### Zadanie - uruchom wyzwalacz zdarzeń
+
+1. Upewnij się, że nie uruchamiasz monitora zdarzeń IoT Hub. Jeśli działa on jednocześnie z aplikacją Functions, aplikacja Functions nie będzie mogła się połączyć i konsumować zdarzeń.
+
+    > 💁 Wiele aplikacji może łączyć się z punktami końcowymi IoT Hub, używając różnych *grup konsumentów*. Zostanie to omówione w późniejszej lekcji.
+
+1. Aby uruchomić aplikację Functions, uruchom następujące polecenie w terminalu VS Code:
+
+    ```sh
+    func start
+    ```
+
+    Aplikacja Functions uruchomi się, wykryje funkcję `iot-hub-trigger` i przetworzy wszystkie zdarzenia, które zostały już wysłane do IoT Hub w ciągu ostatniego dnia.
+
+    ```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)
+    ```
+
+    Każde wywołanie funkcji będzie otoczone blokiem `Executing 'Functions.iot-hub-trigger'`/`Executed 'Functions.iot-hub-trigger'` w wynikach, dzięki czemu zobaczysz, ile wiadomości zostało przetworzonych w każdym wywołaniu funkcji.
+
+1. Upewnij się, że Twoje urządzenie IoT działa. Zobaczysz nowe wiadomości o wilgotności gleby pojawiające się w aplikacji Functions.
+
+1. Zatrzymaj i ponownie uruchom aplikację Functions. Zobaczysz, że nie przetworzy ponownie poprzednich wiadomości, przetworzy tylko nowe wiadomości.
+
+> 💁 VS Code obsługuje również debugowanie Twoich funkcji. Możesz ustawić punkty przerwania, klikając na marginesie przy początku każdej linii kodu, lub umieszczając kursor na linii kodu i wybierając *Run -> Toggle breakpoint*, lub naciskając `F9`. Możesz uruchomić debuger, wybierając *Run -> Start debugging*, naciskając `F5`, lub wybierając panel *Run and debug* i klikając przycisk **Start debugging**. Dzięki temu możesz zobaczyć szczegóły przetwarzanych zdarzeń.
+
+#### Rozwiązywanie problemów
+
+* Jeśli otrzymasz następujący błąd:
+
+    ```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.
+    ```
+
+    Sprawdź, czy Azurite działa i czy ustawiłeś `AzureWebJobsStorage` w pliku `local.settings.json` na `UseDevelopmentStorage=true`.
+
+* Jeśli otrzymasz następujący błąd:
+
+    ```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'
+    ```
+
+    Sprawdź, czy ustawiłeś `cardinality` w pliku `function.json` na `one`.
+
+* Jeśli otrzymasz następujący błąd:
+
+    ```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').
+    ```
+
+    Sprawdź, czy ustawiłeś `eventHubName` w pliku `function.json` na pusty ciąg.
+
+## Wysyłanie żądań metod bezpośrednich z kodu serwerless
+
+Do tej pory Twoja aplikacja Functions nasłuchuje wiadomości z IoT Hub, używając kompatybilnego punktu końcowego Event Hub. Teraz musisz wysyłać polecenia do urządzenia IoT. Odbywa się to za pomocą innego połączenia z IoT Hub przez *Registry Manager*. Registry Manager to narzędzie, które pozwala zobaczyć, jakie urządzenia są zarejestrowane w IoT Hub, i komunikować się z tymi urządzeniami, wysyłając wiadomości z chmury do urządzenia, żądania metod bezpośrednich lub aktualizując bliźniaka urządzenia. Możesz również używać go do rejestrowania, aktualizowania lub usuwania urządzeń IoT z IoT Hub.
+
+Aby połączyć się z Registry Manager, potrzebujesz ciągu połączenia.
+
+### Zadanie - uzyskaj ciąg połączenia Registry Manager
+
+1. Aby uzyskać ciąg połączenia, uruchom następujące polecenie:
+
+    ```sh
+    az iot hub connection-string show --policy-name service \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę, której użyłeś dla swojego IoT Hub.
+
+    Ciąg połączenia jest żądany dla polityki *ServiceConnect* za pomocą parametru `--policy-name service`. Podczas żądania ciągu połączenia możesz określić, jakie uprawnienia ten ciąg połączenia będzie umożliwiał. Polityka ServiceConnect pozwala Twojemu kodowi na połączenie i wysyłanie wiadomości do urządzeń IoT.
+
+    ✅ Zrób trochę badań: Przeczytaj o różnych politykach w [dokumentacji uprawnień IoT Hub](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn)
+
+1. W VS Code otwórz plik `local.settings.json`. Dodaj następującą wartość w sekcji `Values`:
+
+    ```json
+    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
+    ```
+
+    Zamień `<connection string>` na wartość z poprzedniego kroku. Musisz dodać przecinek po poprzedniej linii, aby plik był poprawnym JSON-em.
+
+### Zadanie - wyślij żądanie metody bezpośredniej do urządzenia
+
+1. SDK dla Registry Manager jest dostępne jako pakiet Pip. Dodaj następującą linię do pliku `requirements.txt`, aby dodać zależność od tego pakietu:
+
+    ```sh
+    azure-iot-hub
+    ```
+
+1. Upewnij się, że terminal VS Code ma aktywowane wirtualne środowisko, i uruchom następujące polecenie, aby zainstalować pakiety Pip:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+1. Dodaj następujące importy do pliku `__init__.py`:
+
+    ```python
+    import json
+    import os
+    from azure.iot.hub import IoTHubRegistryManager
+    from azure.iot.hub.models import CloudToDeviceMethod
+    ```
+
+    To importuje niektóre biblioteki systemowe, a także biblioteki do interakcji z Registry Manager i wysyłania żądań metod bezpośrednich.
+
+1. Usuń kod z wnętrza metody `main`, ale zachowaj samą metodę.
+
+1. W metodzie `main` dodaj następujący kod:
+
+    ```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}')
+    ```
+
+    Ten kod wyodrębnia treść zdarzenia, która zawiera wiadomość JSON wysłaną przez urządzenie IoT.
+
+    Następnie pobiera identyfikator urządzenia z adnotacji przekazanych z wiadomością. Treść zdarzenia zawiera wiadomość wysłaną jako telemetria, a słownik `iothub_metadata` zawiera właściwości ustawione przez IoT Hub, takie jak identyfikator urządzenia nadawcy i czas wysłania wiadomości.
+
+    Te informacje są następnie logowane. Zobaczysz to logowanie w terminalu podczas lokalnego uruchamiania aplikacji Functions.
+
+1. Poniżej tego dodaj następujący kod:
+
+    ```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='{}')
+    ```
+
+    Ten kod pobiera wilgotność gleby z wiadomości. Następnie sprawdza wilgotność gleby i w zależności od wartości tworzy klasę pomocniczą dla żądania metody bezpośredniej dla metody `relay_on` lub `relay_off`. Żądanie metody nie wymaga ładunku, więc wysyłany jest pusty dokument JSON.
+
+1. Poniżej tego dodaj następujący kod:
+
+    ```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)
+    ```
+Ten kod ładuje `REGISTRY_MANAGER_CONNECTION_STRING` z pliku `local.settings.json`. Wartości w tym pliku są udostępniane jako zmienne środowiskowe i można je odczytać za pomocą funkcji `os.environ`, która zwraca słownik wszystkich zmiennych środowiskowych.
+
+> 💁 Gdy ten kod zostanie wdrożony w chmurze, wartości z pliku `local.settings.json` zostaną ustawione jako *Application Settings* i można je odczytać ze zmiennych środowiskowych.
+
+Kod następnie tworzy instancję pomocniczej klasy Registry Manager, używając ciągu połączenia.
+
+1. Poniżej dodaj następujący kod:
+
+    ```python
+    registry_manager.invoke_device_method(device_id, direct_method)
+
+    logging.info('Direct method request sent!')
+    ```
+
+    Ten kod instruuje menedżera rejestru, aby wysłał żądanie metody bezpośredniej do urządzenia, które wysłało telemetrię.
+
+    > 💁 W wersjach aplikacji, które stworzyłeś w poprzednich lekcjach, używając MQTT, polecenia sterowania przekaźnikiem były wysyłane do wszystkich urządzeń. Kod zakładał, że będziesz mieć tylko jedno urządzenie. Ta wersja kodu wysyła żądanie metody do pojedynczego urządzenia, dzięki czemu działa, jeśli masz wiele zestawów czujników wilgotności i przekaźników, wysyłając odpowiednie żądanie metody do właściwego urządzenia.
+
+1. Uruchom aplikację Functions i upewnij się, że Twoje urządzenie IoT wysyła dane. Zobaczysz przetwarzane wiadomości i wysyłane żądania metod bezpośrednich. Przesuwaj czujnik wilgotności gleby w i poza glebę, aby zobaczyć zmieniające się wartości i włączanie/wyłączanie przekaźnika.
+
+> 💁 Ten kod znajdziesz w folderze [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions).
+
+## Wdróż swój kod bezserwerowy w chmurze
+
+Twój kod działa teraz lokalnie, więc następnym krokiem jest wdrożenie aplikacji Functions w chmurze.
+
+### Zadanie - utwórz zasoby w chmurze
+
+Twoja aplikacja Functions musi zostać wdrożona w zasobie Functions App w Azure, znajdującym się w grupie zasobów, którą utworzyłeś dla swojego IoT Hub. Będziesz także potrzebować konta magazynu utworzonego w Azure, aby zastąpić emulowane konto działające lokalnie.
+
+1. Uruchom następujące polecenie, aby utworzyć konto magazynu:
+
+    ```sh
+    az storage account create --resource-group soil-moisture-sensor \
+                              --sku Standard_LRS \
+                              --name <storage_name> 
+    ```
+
+    Zamień `<storage_name>` na nazwę swojego konta magazynu. Musi być ona globalnie unikalna, ponieważ stanowi część adresu URL używanego do uzyskania dostępu do konta magazynu. Możesz używać tylko małych liter i cyfr, bez innych znaków, a nazwa jest ograniczona do 24 znaków. Użyj czegoś w rodzaju `sms` i dodaj unikalny identyfikator na końcu, na przykład losowe słowa lub swoje imię.
+
+    Opcja `--sku Standard_LRS` wybiera poziom cenowy, wybierając najtańsze konto ogólnego przeznaczenia. Nie ma darmowego poziomu magazynu, a płacisz za to, co wykorzystasz. Koszty są stosunkowo niskie, a najdroższy magazyn kosztuje mniej niż 0,05 USD miesięcznie za gigabajt przechowywanych danych.
+
+    ✅ Przeczytaj więcej o cenach na stronie [Azure Storage Account pricing page](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn)
+
+1. Uruchom następujące polecenie, aby utworzyć aplikację Functions:
+
+    ```sh
+    az functionapp create --resource-group soil-moisture-sensor \
+                          --runtime python \
+                          --functions-version 3 \
+                          --os-type Linux \
+                          --consumption-plan-location <location> \
+                          --storage-account <storage_name> \
+                          --name <functions_app_name>
+    ```
+
+    Zamień `<location>` na lokalizację, której użyłeś podczas tworzenia grupy zasobów w poprzedniej lekcji.
+
+    Zamień `<storage_name>` na nazwę konta magazynu, które utworzyłeś w poprzednim kroku.
+
+    Zamień `<functions_app_name>` na unikalną nazwę dla swojej aplikacji Functions. Musi być ona globalnie unikalna, ponieważ stanowi część adresu URL, który może być używany do uzyskania dostępu do aplikacji Functions. Użyj czegoś w rodzaju `soil-moisture-sensor-` i dodaj unikalny identyfikator na końcu, na przykład losowe słowa lub swoje imię.
+
+    Opcja `--functions-version 3` ustawia wersję Azure Functions do użycia. Wersja 3 to najnowsza wersja.
+
+    Opcja `--os-type Linux` informuje środowisko uruchomieniowe Functions, aby używało systemu Linux jako systemu operacyjnego do hostowania tych funkcji. Funkcje mogą być hostowane na systemach Linux lub Windows, w zależności od używanego języka programowania. Aplikacje Python są obsługiwane tylko na systemie Linux.
+
+### Zadanie - prześlij ustawienia aplikacji
+
+Podczas tworzenia aplikacji Functions przechowywałeś pewne ustawienia w pliku `local.settings.json` dla ciągów połączeń do swojego IoT Hub. Te ustawienia muszą zostać zapisane jako Application Settings w Twojej aplikacji Functions w Azure, aby mogły być używane przez Twój kod.
+
+> 🎓 Plik `local.settings.json` jest przeznaczony wyłącznie do ustawień lokalnych i nie powinien być dodawany do systemu kontroli wersji, takiego jak GitHub. Po wdrożeniu w chmurze używane są Application Settings. Application Settings to pary klucz/wartość hostowane w chmurze i odczytywane ze zmiennych środowiskowych w kodzie lub przez środowisko uruchomieniowe podczas łączenia kodu z IoT Hub.
+
+1. Uruchom następujące polecenie, aby ustawić ustawienie `IOT_HUB_CONNECTION_STRING` w Application Settings aplikacji Functions:
+
+    ```sh
+    az functionapp config appsettings set --resource-group soil-moisture-sensor \
+                                          --name <functions_app_name> \
+                                          --settings "IOT_HUB_CONNECTION_STRING=<connection string>"
+    ```
+
+    Zamień `<functions_app_name>` na nazwę, której użyłeś dla swojej aplikacji Functions.
+
+    Zamień `<connection string>` na wartość `IOT_HUB_CONNECTION_STRING` z pliku `local.settings.json`.
+
+1. Powtórz powyższy krok, ale ustaw wartość `REGISTRY_MANAGER_CONNECTION_STRING` na odpowiednią wartość z pliku `local.settings.json`.
+
+Po uruchomieniu tych poleceń zostanie również wyświetlona lista wszystkich Application Settings dla aplikacji Functions. Możesz użyć tej listy, aby sprawdzić, czy wartości zostały ustawione poprawnie.
+
+> 💁 Zobaczysz wartość już ustawioną dla `AzureWebJobsStorage`. W pliku `local.settings.json` była ona ustawiona na wartość używającą lokalnego emulatora magazynu. Podczas tworzenia aplikacji Functions przekazujesz konto magazynu jako parametr, a wartość ta jest ustawiana automatycznie w tym ustawieniu.
+
+### Zadanie - wdroż swoją aplikację Functions w chmurze
+
+Teraz, gdy aplikacja Functions jest gotowa, Twój kod może zostać wdrożony.
+
+1. Uruchom następujące polecenie z terminala VS Code, aby opublikować swoją aplikację Functions:
+
+    ```sh
+    func azure functionapp publish <functions_app_name>
+    ```
+
+    Zamień `<functions_app_name>` na nazwę, której użyłeś dla swojej aplikacji Functions.
+
+Kod zostanie spakowany i wysłany do aplikacji Functions, gdzie zostanie wdrożony i uruchomiony. Na konsoli pojawi się wiele komunikatów, kończących się potwierdzeniem wdrożenia i listą wdrożonych funkcji. W tym przypadku lista będzie zawierać tylko wyzwalacz.
+
+```output
+Deployment successful.
+Remote build succeeded!
+Syncing triggers...
+Functions in soil-moisture-sensor:
+    iot-hub-trigger - [eventHubTrigger]
+```
+
+Upewnij się, że Twoje urządzenie IoT działa. Zmieniaj poziomy wilgotności, dostosowując wilgotność gleby lub przesuwając czujnik w i poza glebę. Zobaczysz, jak przekaźnik włącza się i wyłącza w zależności od zmian wilgotności gleby.
+
+---
+
+## 🚀 Wyzwanie
+
+W poprzedniej lekcji zarządzałeś czasem działania przekaźnika, rezygnując z subskrypcji wiadomości MQTT, gdy przekaźnik był włączony, i przez krótki czas po jego wyłączeniu. Nie możesz użyć tej metody tutaj - nie możesz zrezygnować z subskrypcji wyzwalacza IoT Hub.
+
+Zastanów się nad różnymi sposobami, w jakie możesz to obsłużyć w swojej aplikacji Functions.
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj o obliczeniach bezserwerowych na stronie [Serverless Computing na Wikipedii](https://wikipedia.org/wiki/Serverless_computing)
+* Przeczytaj o używaniu rozwiązań bezserwerowych w Azure, w tym więcej przykładów, na blogu [Go serverless for your IoT needs Azure](https://azure.microsoft.com/blog/go-serverless-for-your-iot-needs/?WT.mc_id=academic-17441-jabenn)
+* Dowiedz się więcej o Azure Functions na [kanale YouTube Azure Functions](https://www.youtube.com/c/AzureFunctions)
+
+## Zadanie
+
+[Dodaj ręczne sterowanie przekaźnikiem](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić precyzję, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/pl/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
new file mode 100644
index 00000000..4b173059
--- /dev/null
+++ b/translations/pl/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
@@ -0,0 +1,68 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
+  "translation_date": "2025-08-26T06:49:12+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Dodaj ręczne sterowanie przekaźnikiem
+
+## Instrukcje
+
+Kod bezserwerowy może być uruchamiany przez różne zdarzenia, w tym żądania HTTP. Możesz użyć wyzwalaczy HTTP, aby dodać ręczne sterowanie przekaźnikiem, umożliwiając komuś włączenie lub wyłączenie przekaźnika za pomocą żądania internetowego.
+
+W ramach tego zadania musisz dodać dwa wyzwalacze HTTP do swojej aplikacji Functions App, aby włączyć i wyłączyć przekaźnik, wykorzystując wiedzę zdobytą w tej lekcji do wysyłania poleceń do urządzenia.
+
+Kilka wskazówek:
+
+* Możesz dodać wyzwalacz HTTP do swojej istniejącej aplikacji Functions App za pomocą następującego polecenia:
+
+    ```sh
+    func new --name <trigger name> --template "HTTP trigger"
+    ```
+
+    Zamień `<trigger name>` na nazwę dla swojego wyzwalacza HTTP. Użyj czegoś w rodzaju `relay_on` i `relay_off`.
+
+* Wyzwalacze HTTP mogą mieć kontrolę dostępu. Domyślnie wymagają klucza API specyficznego dla funkcji, który musi być przekazany w URL, aby uruchomić funkcję. W ramach tego zadania możesz usunąć to ograniczenie, aby każdy mógł uruchomić funkcję. Aby to zrobić, zaktualizuj ustawienie `authLevel` w pliku `function.json` dla wyzwalaczy HTTP do następującej wartości:
+
+    ```json
+    "authLevel": "anonymous"
+    ```
+
+    > 💁 Więcej informacji o tej kontroli dostępu znajdziesz w [dokumentacji kluczy dostępu funkcji](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys).
+
+* Wyzwalacze HTTP domyślnie obsługują żądania GET i POST. Oznacza to, że możesz je wywoływać za pomocą swojej przeglądarki internetowej - przeglądarki internetowe wykonują żądania GET.
+
+    Kiedy uruchomisz swoją aplikację Functions App lokalnie, zobaczysz URL wyzwalacza:
+
+    ```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
+    ```
+
+    Wklej URL do swojej przeglądarki i naciśnij `Enter`, lub `Ctrl+kliknij` (`Cmd+kliknij` na macOS) link w oknie terminala w VS Code, aby otworzyć go w domyślnej przeglądarce. To uruchomi wyzwalacz.
+
+    > 💁 Zauważ, że URL zawiera `/api` - wyzwalacze HTTP są domyślnie w subdomenie `api`.
+
+* Po wdrożeniu aplikacji Functions App, URL wyzwalacza HTTP będzie wyglądał następująco:
+
+    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
+
+    Gdzie `<functions app name>` to nazwa Twojej aplikacji Functions App, a `<trigger name>` to nazwa Twojego wyzwalacza.
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Zadowalające | Wymaga poprawy |
+| --------- | ------- | ------------ | -------------- |
+| Tworzenie wyzwalaczy HTTP | Utworzono 2 wyzwalacze do włączania i wyłączania przekaźnika, z odpowiednimi nazwami | Utworzono jeden wyzwalacz z odpowiednią nazwą | Nie udało się utworzyć żadnych wyzwalaczy |
+| Sterowanie przekaźnikiem za pomocą wyzwalaczy HTTP | Udało się połączyć oba wyzwalacze z IoT Hub i odpowiednio sterować przekaźnikiem | Udało się połączyć jeden wyzwalacz z IoT Hub i odpowiednio sterować przekaźnikiem | Nie udało się połączyć wyzwalaczy z IoT Hub |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/pl/2-farm/lessons/6-keep-your-plant-secure/README.md
new file mode 100644
index 00000000..08e2b913
--- /dev/null
+++ b/translations/pl/2-farm/lessons/6-keep-your-plant-secure/README.md
@@ -0,0 +1,241 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
+  "translation_date": "2025-08-26T06:55:32+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
+  "language_code": "pl"
+}
+-->
+# Zabezpiecz swoją roślinę
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
+
+## Wprowadzenie
+
+W ostatnich lekcjach stworzyłeś urządzenie IoT monitorujące glebę i połączyłeś je z chmurą. Ale co, jeśli hakerzy pracujący dla konkurencyjnego rolnika przejęliby kontrolę nad Twoimi urządzeniami IoT? Co, jeśli wysyłaliby fałszywe odczyty wysokiej wilgotności gleby, przez co Twoje rośliny nigdy nie byłyby podlewane, albo włączyliby system nawadniania na stałe, co doprowadziłoby do przelania roślin i ogromnych kosztów za wodę?
+
+W tej lekcji dowiesz się, jak zabezpieczyć urządzenia IoT. Ponieważ jest to ostatnia lekcja w tym projekcie, nauczysz się również, jak posprzątać swoje zasoby w chmurze, aby zminimalizować potencjalne koszty.
+
+W tej lekcji omówimy:
+
+* [Dlaczego musisz zabezpieczać urządzenia IoT?](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Kryptografia](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Zabezpiecz swoje urządzenia IoT](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Generowanie i używanie certyfikatu X.509](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+
+> 🗑 To ostatnia lekcja w tym projekcie, więc po jej ukończeniu i wykonaniu zadania nie zapomnij posprzątać swoich usług w chmurze. Usługi będą potrzebne do ukończenia zadania, więc upewnij się, że najpierw je wykonasz.
+>
+> W razie potrzeby zapoznaj się z [przewodnikiem dotyczącym sprzątania projektu](../../../clean-up.md), aby uzyskać instrukcje, jak to zrobić.
+
+## Dlaczego musisz zabezpieczać urządzenia IoT?
+
+Bezpieczeństwo IoT polega na zapewnieniu, że tylko oczekiwane urządzenia mogą łączyć się z Twoją usługą IoT w chmurze i wysyłać do niej dane telemetryczne, a tylko Twoja usługa w chmurze może wysyłać polecenia do Twoich urządzeń. Dane IoT mogą być również osobiste, obejmując dane medyczne lub intymne, dlatego cała Twoja aplikacja musi uwzględniać bezpieczeństwo, aby zapobiec wyciekowi tych danych.
+
+Jeśli Twoja aplikacja IoT nie jest bezpieczna, istnieje wiele ryzyk:
+
+* Fałszywe urządzenie może wysyłać nieprawidłowe dane, powodując, że Twoja aplikacja zareaguje nieprawidłowo. Na przykład, mogłoby wysyłać ciągłe odczyty wysokiej wilgotności gleby, przez co system nawadniania nigdy by się nie włączał, a Twoje rośliny uschłyby z braku wody.
+* Nieautoryzowani użytkownicy mogliby odczytywać dane z urządzeń IoT, w tym dane osobiste lub kluczowe dla biznesu.
+* Hakerzy mogliby wysyłać polecenia, aby kontrolować urządzenie w sposób, który mógłby spowodować uszkodzenie urządzenia lub podłączonego sprzętu.
+* Łącząc się z urządzeniem IoT, hakerzy mogliby uzyskać dostęp do dodatkowych sieci, aby dostać się do prywatnych systemów.
+* Złośliwi użytkownicy mogliby uzyskać dostęp do danych osobowych i wykorzystać je do szantażu.
+
+To są scenariusze z prawdziwego życia i zdarzają się cały czas. Niektóre przykłady zostały podane w poprzednich lekcjach, ale oto kilka kolejnych:
+
+* W 2018 roku hakerzy wykorzystali otwarty punkt dostępu WiFi na termostacie akwarium, aby uzyskać dostęp do sieci kasyna i ukraść dane. [The Hacker News - Casino Gets Hacked Through Its Internet-Connected Fish Tank Thermometer](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
+* W 2016 roku botnet Mirai przeprowadził atak typu denial of service na Dyn, dostawcę usług internetowych, co spowodowało zakłócenia w dużej części Internetu. Botnet ten używał złośliwego oprogramowania do łączenia się z urządzeniami IoT, takimi jak rejestratory DVR i kamery, które korzystały z domyślnych nazw użytkowników i haseł, a następnie przeprowadził atak. [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 miało bazę danych użytkowników swoich zabawek CloudPets publicznie dostępną w Internecie. [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 oznaczała biegaczy, których mijałeś, i pokazywała ich trasy, umożliwiając obcym osobom praktycznie zobaczenie, gdzie mieszkasz. [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/).
+
+✅ Zrób badania: Poszukaj więcej przykładów włamań do IoT i naruszeń danych IoT, zwłaszcza w przypadku przedmiotów osobistych, takich jak szczoteczki do zębów czy wagi podłączone do Internetu. Zastanów się, jaki wpływ te włamania mogłyby mieć na ofiary lub klientów.
+
+> 💁 Bezpieczeństwo to ogromny temat, a ta lekcja poruszy jedynie podstawy związane z łączeniem urządzenia z chmurą. Inne tematy, które nie zostaną omówione, to monitorowanie zmian danych w trakcie przesyłu, bezpośrednie włamania do urządzeń czy zmiany konfiguracji urządzeń. Zagrożenie związane z hakowaniem IoT jest tak poważne, że opracowano narzędzia takie jak [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn). Narzędzia te są podobne do programów antywirusowych i zabezpieczających, które możesz mieć na swoim komputerze, ale są zaprojektowane dla małych, niskowydajnych urządzeń IoT.
+
+## Kryptografia
+
+Kiedy urządzenie łączy się z usługą IoT, używa identyfikatora, aby się zidentyfikować. Problem polega na tym, że ten identyfikator można sklonować – haker mógłby skonfigurować złośliwe urządzenie, które używa tego samego identyfikatora co prawdziwe urządzenie, ale wysyła fałszywe dane.
+
+![Zarówno prawidłowe, jak i złośliwe urządzenia mogą używać tego samego identyfikatora do wysyłania telemetrii](../../../../../translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.pl.png)
+
+Rozwiązaniem tego problemu jest przekształcenie wysyłanych danych w zaszyfrowany format, używając wartości znanej tylko urządzeniu i chmurze. Proces ten nazywa się *szyfrowaniem*, a wartość używana do szyfrowania danych to *klucz szyfrujący*.
+
+![Jeśli używane jest szyfrowanie, akceptowane są tylko zaszyfrowane wiadomości, inne są odrzucane](../../../../../translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.pl.png)
+
+Usługa w chmurze może następnie przekształcić dane z powrotem w czytelny format, używając procesu zwanego *odszyfrowaniem*, korzystając z tego samego klucza szyfrującego lub *klucza deszyfrującego*. Jeśli zaszyfrowana wiadomość nie może zostać odszyfrowana za pomocą klucza, oznacza to, że urządzenie zostało zhakowane, a wiadomość jest odrzucana.
+
+Technika szyfrowania i odszyfrowywania nazywa się *kryptografią*.
+
+### Wczesna kryptografia
+
+Najwcześniejsze rodzaje kryptografii to szyfry podstawieniowe, które sięgają 3500 lat wstecz. Szyfry podstawieniowe polegają na zastępowaniu jednej litery inną. Na przykład [szyfr Cezara](https://wikipedia.org/wiki/Caesar_cipher) polega na przesunięciu alfabetu o określoną liczbę miejsc, przy czym tylko nadawca zaszyfrowanej wiadomości i jej odbiorca wiedzą, o ile liter należy przesunąć.
+
+[Szyfr Vigenère’a](https://wikipedia.org/wiki/Vigenère_cipher) poszedł o krok dalej, używając słów do szyfrowania tekstu, tak aby każda litera w oryginalnym tekście była przesunięta o inną wartość, zamiast zawsze przesuwać o tę samą liczbę liter.
+
+Kryptografia była używana w różnych celach, takich jak ochrona receptury glazury garncarskiej w starożytnej Mezopotamii, pisanie sekretnych listów miłosnych w Indiach czy utrzymywanie w tajemnicy starożytnych egipskich zaklęć magicznych.
+
+### Współczesna kryptografia
+
+Współczesna kryptografia jest znacznie bardziej zaawansowana, co sprawia, że jest trudniejsza do złamania niż wczesne metody. Współczesna kryptografia wykorzystuje skomplikowaną matematykę do szyfrowania danych, zbyt skomplikowaną, aby ataki brute force były możliwe.
+
+Kryptografia jest używana na wiele różnych sposobów w celu zapewnienia bezpiecznej komunikacji. Jeśli czytasz tę stronę na GitHubie, możesz zauważyć, że adres strony zaczyna się od *HTTPS*, co oznacza, że komunikacja między Twoją przeglądarką a serwerami GitHuba jest zaszyfrowana. Jeśli ktoś byłby w stanie odczytać ruch internetowy między Twoją przeglądarką a GitHubem, nie byłby w stanie odczytać danych, ponieważ są one zaszyfrowane. Twój komputer może nawet szyfrować wszystkie dane na dysku twardym, aby w przypadku kradzieży nikt nie mógł odczytać Twoich danych bez hasła.
+
+> 🎓 HTTPS oznacza HyperText Transfer Protocol **Secure**
+
+Niestety, nie wszystko jest bezpieczne. Niektóre urządzenia nie mają żadnych zabezpieczeń, inne są zabezpieczone łatwymi do złamania kluczami, a czasami wszystkie urządzenia tego samego typu używają tego samego klucza. Zdarzały się przypadki bardzo osobistych urządzeń IoT, które wszystkie miały to samo hasło do połączenia przez WiFi lub Bluetooth. Jeśli możesz połączyć się ze swoim urządzeniem, możesz połączyć się z urządzeniem innej osoby. Po połączeniu możesz uzyskać dostęp do bardzo prywatnych danych lub przejąć kontrolę nad ich urządzeniem.
+
+> 💁 Pomimo złożoności współczesnej kryptografii i twierdzeń, że złamanie szyfrowania może zająć miliardy lat, rozwój komputerów kwantowych otworzył możliwość złamania wszystkich znanych metod szyfrowania w bardzo krótkim czasie!
+
+### Klucze symetryczne i asymetryczne
+
+Szyfrowanie występuje w dwóch rodzajach – symetrycznym i asymetrycznym.
+
+**Symetryczne** szyfrowanie używa tego samego klucza do szyfrowania i odszyfrowywania danych. Zarówno nadawca, jak i odbiorca muszą znać ten sam klucz. Jest to najmniej bezpieczny rodzaj szyfrowania, ponieważ klucz musi zostać w jakiś sposób udostępniony. Aby nadawca mógł wysłać zaszyfrowaną wiadomość odbiorcy, nadawca najpierw musi przesłać odbiorcy klucz.
+
+![Szyfrowanie symetryczne używa tego samego klucza do szyfrowania i odszyfrowywania wiadomości](../../../../../translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.pl.png)
+
+Jeśli klucz zostanie przechwycony podczas przesyłania lub jeśli nadawca lub odbiorca zostaną zhakowani i klucz zostanie znaleziony, szyfrowanie można złamać.
+
+![Szyfrowanie symetryczne jest bezpieczne tylko wtedy, gdy haker nie przechwyci klucza – jeśli tak się stanie, może przechwycić i odszyfrować wiadomość](../../../../../translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.pl.png)
+
+**Asymetryczne** szyfrowanie używa dwóch kluczy – klucza szyfrującego i klucza deszyfrującego, nazywanych parą kluczy publicznego i prywatnego. Klucz publiczny służy do szyfrowania wiadomości, ale nie można go użyć do jej odszyfrowania, natomiast klucz prywatny służy do odszyfrowania wiadomości, ale nie można go użyć do jej zaszyfrowania.
+
+![Szyfrowanie asymetryczne używa różnych kluczy do szyfrowania i odszyfrowywania. Klucz szyfrujący jest wysyłany do nadawców wiadomości, aby mogli zaszyfrować wiadomość przed wysłaniem jej do odbiorcy, który posiada klucze](../../../../../translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.pl.png)
+
+Odbiorca udostępnia swój klucz publiczny, a nadawca używa go do zaszyfrowania wiadomości. Po wysłaniu wiadomości odbiorca odszyfrowuje ją za pomocą swojego klucza prywatnego. Szyfrowanie asymetryczne jest bardziej bezpieczne, ponieważ klucz prywatny jest przechowywany w tajemnicy przez odbiorcę i nigdy nie jest udostępniany. Klucz publiczny może być dostępny dla każdego, ponieważ można go użyć tylko do szyfrowania wiadomości.
+
+Szyfrowanie symetryczne jest szybsze niż asymetryczne, ale asymetryczne jest bardziej bezpieczne. Niektóre systemy używają obu rodzajów – asymetrycznego do szyfrowania i udostępniania klucza symetrycznego, a następnie symetrycznego do szyfrowania wszystkich danych. Dzięki temu udostępnianie klucza symetrycznego między nadawcą a odbiorcą jest bardziej bezpieczne, a szyfrowanie i odszyfrowywanie danych jest szybsze.
+
+## Zabezpiecz swoje urządzenia IoT
+
+Urządzenia IoT można zabezpieczyć za pomocą szyfrowania symetrycznego lub asymetrycznego. Szyfrowanie symetryczne jest łatwiejsze, ale mniej bezpieczne.
+
+### Klucze symetryczne
+
+Kiedy konfigurowałeś swoje urządzenie IoT do współpracy z IoT Hub, używałeś ciągu połączenia. Przykładowy ciąg połączenia wygląda następująco:
+
+```output
+HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
+```
+
+Ten ciąg połączenia składa się z trzech części oddzielonych średnikami, z każdą częścią będącą kluczem i wartością:
+
+| Klucz | Wartość | Opis |
+| --- | ----- | ----------- |
+| HostName | `soil-moisture-sensor.azure-devices.net` | Adres URL IoT Hub |
+| DeviceId | `soil-moisture-sensor` | Unikalny identyfikator urządzenia |
+| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | Klucz symetryczny znany urządzeniu i IoT Hub |
+
+Ostatnia część tego ciągu połączenia, `SharedAccessKey`, to klucz symetryczny znany zarówno urządzeniu, jak i IoT Hub. Klucz ten nigdy nie jest wysyłany z urządzenia do chmury ani z chmury do urządzenia. Zamiast tego jest używany do szyfrowania danych, które są wysyłane lub odbierane.
+
+✅ Zrób eksperyment. Jak myślisz, co się stanie, jeśli zmienisz część `SharedAccessKey` w ciągu połączenia podczas łączenia swojego urządzenia IoT? Wypróbuj to.
+
+Kiedy urządzenie po raz pierwszy próbuje się połączyć, wysyła token podpisu dostępu współdzielonego (SAS) składający się z adresu URL IoT Hub, znacznika czasu, kiedy podpis dostępu wygaśnie (zazwyczaj 1 dzień od bieżącego czasu), oraz podpisu. Ten podpis składa się z adresu URL i czasu wygaśnięcia zaszyfrowanych za pomocą klucza dostępu współdzielonego z ciągu połączenia.
+
+IoT Hub odszyfrowuje ten podpis za pomocą klucza dostępu współdzielonego i jeśli odszyfrowana wartość pasuje do adres
+💁 Ze względu na czas wygaśnięcia, Twoje urządzenie IoT musi znać dokładny czas, który zazwyczaj jest odczytywany z serwera [NTP](https://wikipedia.org/wiki/Network_Time_Protocol). Jeśli czas nie jest dokładny, połączenie się nie powiedzie.
+Po nawiązaniu połączenia wszystkie dane wysyłane do IoT Hub z urządzenia lub z IoT Hub do urządzenia będą szyfrowane za pomocą współdzielonego klucza dostępu.
+
+✅ Co myślisz, że się stanie, jeśli wiele urządzeń będzie korzystać z tego samego ciągu połączenia?
+
+> 💁 Przechowywanie tego klucza w kodzie to zła praktyka bezpieczeństwa. Jeśli haker uzyska dostęp do twojego kodu źródłowego, może zdobyć twój klucz. Utrudnia to również wydawanie kodu, ponieważ musiałbyś rekompilować go z zaktualizowanym kluczem dla każdego urządzenia. Lepiej jest załadować ten klucz z modułu bezpieczeństwa sprzętowego - układu na urządzeniu IoT, który przechowuje zaszyfrowane wartości, które mogą być odczytane przez twój kod.
+>
+> Podczas nauki IoT często łatwiej jest umieścić klucz w kodzie, tak jak zrobiłeś to w poprzedniej lekcji, ale musisz upewnić się, że ten klucz nie zostanie umieszczony w publicznym systemie kontroli wersji.
+
+Urządzenia mają 2 klucze i 2 odpowiadające im ciągi połączenia. Pozwala to na rotację kluczy - czyli przełączanie się z jednego klucza na drugi, jeśli pierwszy zostanie skompromitowany, oraz ponowne wygenerowanie pierwszego klucza.
+
+### Certyfikaty X.509
+
+Kiedy używasz szyfrowania asymetrycznego z parą kluczy publiczny/prywatny, musisz dostarczyć swój klucz publiczny każdemu, kto chce wysłać ci dane. Problem polega na tym, jak odbiorca twojego klucza może być pewien, że to faktycznie twój klucz publiczny, a nie kogoś, kto się pod ciebie podszywa? Zamiast dostarczać klucz, możesz dostarczyć swój klucz publiczny w certyfikacie, który został zweryfikowany przez zaufaną trzecią stronę, zwaną certyfikatem X.509.
+
+Certyfikaty X.509 to cyfrowe dokumenty zawierające klucz publiczny z pary kluczy publiczny/prywatny. Zazwyczaj są one wydawane przez jedną z wielu zaufanych organizacji zwanych [urzędy certyfikacji](https://wikipedia.org/wiki/Certificate_authority) (CAs) i cyfrowo podpisywane przez CA, aby wskazać, że klucz jest ważny i pochodzi od ciebie. Ufasz certyfikatowi i temu, że klucz publiczny pochodzi od osoby, którą certyfikat wskazuje, ponieważ ufasz CA, podobnie jak ufasz paszportowi lub prawu jazdy, ponieważ ufasz krajowi, który je wydał. Certyfikaty kosztują, więc możesz również „podpisać samodzielnie”, czyli stworzyć certyfikat samodzielnie, podpisany przez ciebie, do celów testowych.
+
+> 💁 Nigdy nie powinieneś używać samopodpisanego certyfikatu w wersji produkcyjnej.
+
+Te certyfikaty zawierają szereg pól, w tym informacje o tym, od kogo pochodzi klucz publiczny, szczegóły CA, który go wydał, jak długo jest ważny oraz sam klucz publiczny. Przed użyciem certyfikatu dobrą praktyką jest jego weryfikacja poprzez sprawdzenie, czy został podpisany przez oryginalny CA.
+
+✅ Pełną listę pól w certyfikacie możesz przeczytać w [samouczku Microsoft Understanding X.509 Public Key Certificates](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields)
+
+Podczas korzystania z certyfikatów X.509 zarówno nadawca, jak i odbiorca będą mieli swoje własne klucze publiczne i prywatne, a także certyfikaty X.509 zawierające klucz publiczny. Następnie wymieniają się certyfikatami X.509 w jakiś sposób, używając kluczy publicznych drugiej strony do szyfrowania danych, które wysyłają, oraz swoich własnych kluczy prywatnych do odszyfrowywania danych, które otrzymują.
+
+![Zamiast udostępniać klucz publiczny, możesz udostępnić certyfikat. Użytkownik certyfikatu może zweryfikować, że pochodzi on od ciebie, sprawdzając u urzędu certyfikacji, który go podpisał.](../../../../../translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.pl.png)
+
+Jedną z dużych zalet korzystania z certyfikatów X.509 jest to, że mogą być one współdzielone między urządzeniami. Możesz stworzyć jeden certyfikat, przesłać go do IoT Hub i używać go dla wszystkich swoich urządzeń. Każde urządzenie musi wtedy znać tylko klucz prywatny, aby odszyfrować wiadomości, które otrzymuje z IoT Hub.
+
+Certyfikat używany przez twoje urządzenie do szyfrowania wiadomości wysyłanych do IoT Hub jest publikowany przez Microsoft. Jest to ten sam certyfikat, którego używa wiele usług Azure i czasami jest wbudowany w SDK.
+
+> 💁 Pamiętaj, klucz publiczny jest właśnie tym - publiczny. Klucz publiczny Azure może być używany tylko do szyfrowania danych wysyłanych do Azure, a nie do ich odszyfrowywania, więc może być udostępniany wszędzie, w tym w kodzie źródłowym. Na przykład możesz go zobaczyć w [kodzie źródłowym Azure IoT C SDK](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c).
+
+✅ Istnieje wiele żargonu związanego z certyfikatami X.509. Możesz przeczytać definicje niektórych terminów, które możesz napotkać, w [Przewodniku po żargonie certyfikatów X.509 dla laików](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)
+
+## Generowanie i używanie certyfikatu X.509
+
+Kroki do wygenerowania certyfikatu X.509 są następujące:
+
+1. Utwórz parę kluczy publiczny/prywatny. Jednym z najczęściej używanych algorytmów do generowania pary kluczy publiczny/prywatny jest [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem))(RSA).
+
+1. Prześlij klucz publiczny z powiązanymi danymi do podpisania, albo przez CA, albo przez samopodpisanie.
+
+Azure CLI ma polecenia do tworzenia nowej tożsamości urządzenia w IoT Hub, automatycznego generowania pary kluczy publiczny/prywatny oraz tworzenia samopodpisanego certyfikatu.
+
+> 💁 Jeśli chcesz zobaczyć szczegółowe kroki, zamiast używać Azure CLI, możesz znaleźć je w [samouczku Microsoft IoT Hub dotyczącym używania OpenSSL do tworzenia samopodpisanych certyfikatów](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn)
+
+### Zadanie - utwórz tożsamość urządzenia za pomocą certyfikatu X.509
+
+1. Uruchom następujące polecenie, aby zarejestrować nową tożsamość urządzenia, automatycznie generując klucze i certyfikaty:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
+                                      --am x509_thumbprint \
+                                      --output-dir . \
+                                      --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę, której użyłeś dla swojego IoT Hub.
+
+    To polecenie utworzy urządzenie o identyfikatorze `soil-moisture-sensor-x509`, aby odróżnić je od tożsamości urządzenia, którą utworzyłeś w poprzedniej lekcji. To polecenie utworzy również 2 pliki w bieżącym katalogu:
+
+    * `soil-moisture-sensor-x509-key.pem` - ten plik zawiera klucz prywatny urządzenia.
+    * `soil-moisture-sensor-x509-cert.pem` - to plik certyfikatu X.509 dla urządzenia.
+
+    Przechowuj te pliki w bezpiecznym miejscu! Plik z kluczem prywatnym nie powinien być umieszczany w publicznym systemie kontroli wersji.
+
+### Zadanie - użyj certyfikatu X.509 w kodzie swojego urządzenia
+
+Przejdź przez odpowiedni przewodnik, aby połączyć swoje urządzenie IoT z chmurą za pomocą certyfikatu X.509:
+
+* [Arduino - Wio Terminal](wio-terminal-x509.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie IoT](single-board-computer-x509.md)
+
+---
+
+## 🚀 Wyzwanie
+
+Istnieje wiele sposobów tworzenia, zarządzania i usuwania usług Azure, takich jak Grupy Zasobów i IoT Hub. Jednym z nich jest [Azure Portal](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) - interfejs internetowy, który oferuje GUI do zarządzania usługami Azure.
+
+Przejdź na [portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) i zapoznaj się z portalem. Sprawdź, czy potrafisz utworzyć IoT Hub za pomocą portalu, a następnie go usunąć.
+
+**Wskazówka** - podczas tworzenia usług przez portal nie musisz tworzyć Grupy Zasobów z wyprzedzeniem, można ją utworzyć podczas tworzenia usługi. Upewnij się, że usuniesz ją, gdy skończysz!
+
+W dokumentacji portalu Azure znajdziesz wiele dokumentów, samouczków i przewodników: [Azure portal documentation](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn).
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj o historii kryptografii na stronie [Historia kryptografii na Wikipedii](https://wikipedia.org/wiki/History_of_cryptography).
+* Przeczytaj o certyfikatach X.509 na stronie [X.509 na Wikipedii](https://wikipedia.org/wiki/X.509).
+
+## Zadanie
+
+[Zbuduj nowe urządzenie IoT](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/pl/2-farm/lessons/6-keep-your-plant-secure/assignment.md
new file mode 100644
index 00000000..5d2b626d
--- /dev/null
+++ b/translations/pl/2-farm/lessons/6-keep-your-plant-secure/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
+  "translation_date": "2025-08-26T06:57:05+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Zbuduj nowe urządzenie IoT
+
+## Instrukcje
+
+W ciągu ostatnich 6 lekcji nauczyłeś się o cyfrowym rolnictwie oraz o tym, jak używać urządzeń IoT do zbierania danych w celu przewidywania wzrostu roślin i automatyzacji podlewania na podstawie odczytów wilgotności gleby.
+
+Wykorzystaj zdobytą wiedzę, aby zbudować nowe urządzenie IoT, używając wybranego sensora i aktuatora. Wyślij dane telemetryczne do IoT Hub i użyj ich do sterowania aktuatorami za pomocą kodu bezserwerowego. Możesz użyć sensora i aktuatora, które już były używane w tym lub poprzednim projekcie, albo, jeśli masz inne komponenty, spróbuj czegoś nowego.
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Wystarczające | Wymaga poprawy |
+| --------- | ------- | ------------- | -------------- |
+| Zaprogramowanie urządzenia IoT do użycia sensora i aktuatora | Zaprogramowano urządzenie IoT, które działa z sensorem i aktuatorem | Zaprogramowano urządzenie IoT, które działa z sensorem lub aktuatorem | Nie udało się zaprogramować urządzenia IoT do użycia sensora lub aktuatora |
+| Połączenie urządzenia IoT z IoT Hub | Udało się wdrożyć IoT Hub, wysyłać do niego dane telemetryczne i odbierać polecenia | Udało się wdrożyć IoT Hub i wysyłać dane telemetryczne lub odbierać polecenia | Nie udało się wdrożyć IoT Hub ani nawiązać komunikacji z urządzeniem IoT |
+| Sterowanie aktuatorami za pomocą kodu bezserwerowego | Udało się wdrożyć funkcję Azure do sterowania urządzeniem wyzwalaną przez zdarzenia telemetryczne | Udało się wdrożyć funkcję Azure wyzwalaną przez zdarzenia telemetryczne, ale nie udało się sterować aktuatorami | Nie udało się wdrożyć funkcji Azure |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/pl/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
new file mode 100644
index 00000000..033eb554
--- /dev/null
+++ b/translations/pl/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
@@ -0,0 +1,69 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9aea84bcc7520222b0e1c50469d62d6a",
+  "translation_date": "2025-08-26T06:57:15+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
+  "language_code": "pl"
+}
+-->
+# Użyj certyfikatu X.509 w kodzie urządzenia - Wirtualny sprzęt IoT i Raspberry Pi
+
+W tej części lekcji połączysz swoje wirtualne urządzenie IoT lub Raspberry Pi z IoT Hub, używając certyfikatu X.509.
+
+## Połącz swoje urządzenie z IoT Hub
+
+Kolejnym krokiem jest połączenie urządzenia z IoT Hub za pomocą certyfikatów X.509.
+
+### Zadanie - połącz z IoT Hub
+
+1. Skopiuj pliki klucza i certyfikatu do folderu zawierającego kod Twojego urządzenia IoT. Jeśli korzystasz z Raspberry Pi przez VS Code Remote SSH i utworzyłeś klucze na swoim komputerze PC lub Mac, możesz przeciągnąć i upuścić pliki do eksploratora w VS Code, aby je skopiować.
+
+1. Otwórz plik `app.py`.
+
+1. Aby połączyć się za pomocą certyfikatu X.509, będziesz potrzebować nazwy hosta IoT Hub oraz certyfikatu X.509. Zacznij od utworzenia zmiennej zawierającej nazwę hosta, dodając poniższy kod przed utworzeniem klienta urządzenia:
+
+    ```python
+    host_name = "<host_name>"
+    ```
+
+    Zamień `<host_name>` na nazwę hosta Twojego IoT Hub. Możesz ją znaleźć w sekcji `HostName` w `connection_string`. Będzie to nazwa Twojego IoT Hub, kończąca się na `.azure-devices.net`.
+
+1. Poniżej zadeklaruj zmienną z identyfikatorem urządzenia:
+
+    ```python
+    device_id = "soil-moisture-sensor-x509"
+    ```
+
+1. Będziesz potrzebować instancji klasy `X509`, która zawiera pliki certyfikatu X.509. Dodaj `X509` do listy klas importowanych z modułu `azure.iot.device`:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
+    ```
+
+1. Utwórz instancję klasy `X509`, używając swoich plików certyfikatu i klucza, dodając ten kod poniżej deklaracji `host_name`:
+
+    ```python
+    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
+    ```
+
+    To utworzy klasę `X509`, używając plików `soil-moisture-sensor-x509-cert.pem` i `soil-moisture-sensor-x509-key.pem`, które zostały utworzone wcześniej.
+
+1. Zamień linię kodu, która tworzy `device_client` z connection string, na następującą:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
+    ```
+
+    To połączy urządzenie za pomocą certyfikatu X.509 zamiast connection string.
+
+1. Usuń linię z zmienną `connection_string`.
+
+1. Uruchom swój kod. Monitoruj wiadomości wysyłane do IoT Hub i wysyłaj żądania metod bezpośrednich, jak wcześniej. Zobaczysz, jak urządzenie łączy się, wysyła odczyty wilgotności gleby oraz odbiera żądania metod bezpośrednich.
+
+> 💁 Ten kod znajdziesz w folderze [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) lub [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device).
+
+😀 Twój program czujnika wilgotności gleby jest połączony z IoT Hub za pomocą certyfikatu X.509!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/pl/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
new file mode 100644
index 00000000..7934e00d
--- /dev/null
+++ b/translations/pl/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
@@ -0,0 +1,15 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8a74f789f3c1bf41a13c007190360c19",
+  "translation_date": "2025-08-26T06:57:28+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
+  "language_code": "pl"
+}
+-->
+# Użycie certyfikatu X.509 w kodzie urządzenia - Wio Terminal
+
+W momencie pisania tego tekstu, Azure Arduino SDK nie obsługuje certyfikatów X.509. Jeśli chcesz eksperymentować z certyfikatami X.509, możesz zapoznać się z [instrukcjami dotyczącymi wirtualnego urządzenia IoT przy użyciu Python SDK](single-board-computer-x509.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/README.md b/translations/pl/3-transport/README.md
new file mode 100644
index 00000000..2e09d0a5
--- /dev/null
+++ b/translations/pl/3-transport/README.md
@@ -0,0 +1,36 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e978534a245b000725ed2a048f943213",
+  "translation_date": "2025-08-26T07:27:35+00:00",
+  "source_file": "3-transport/README.md",
+  "language_code": "pl"
+}
+-->
+# Transport z farmy do fabryki - wykorzystanie IoT do śledzenia dostaw żywności
+
+Wielu rolników uprawia żywność na sprzedaż – albo są to rolnicy komercyjni, którzy sprzedają wszystko, co wyprodukują, albo rolnicy samozaopatrzeniowi, którzy sprzedają nadwyżki, aby kupić niezbędne rzeczy. W jakiś sposób żywność musi trafić z farmy do konsumenta, a zazwyczaj odbywa się to za pomocą transportu zbiorowego z farm do centrów dystrybucji lub zakładów przetwórczych, a następnie do sklepów. Na przykład rolnik uprawiający pomidory zbiera je, pakuje do skrzynek, ładuje skrzynki na ciężarówkę, a następnie dostarcza do zakładu przetwórczego. Tam pomidory są sortowane, a następnie trafiają do konsumentów w postaci przetworzonej żywności, sprzedaży detalicznej lub są spożywane w restauracjach.
+
+IoT może wspomóc ten łańcuch dostaw, śledząc żywność w trakcie transportu – zapewniając, że kierowcy jadą tam, gdzie powinni, monitorując lokalizację pojazdów i wysyłając powiadomienia, gdy pojazdy dotrą na miejsce, aby żywność mogła zostać rozładowana i była gotowa do przetworzenia tak szybko, jak to możliwe.
+
+> 🎓 *Łańcuch dostaw* to sekwencja działań prowadzących do wytworzenia i dostarczenia czegoś. Na przykład w przypadku uprawy pomidorów obejmuje to dostarczenie nasion, gleby, nawozów i wody, uprawę pomidorów, dostarczenie ich do centralnego punktu, transport do lokalnego centrum supermarketu, transport do poszczególnych sklepów, wystawienie na półki, sprzedaż konsumentowi i zabranie do domu w celu spożycia. Każdy etap jest jak ogniwo w łańcuchu.
+
+> 🎓 Część łańcucha dostaw związana z transportem nazywana jest *logistyką*.
+
+W tych 4 lekcjach dowiesz się, jak zastosować Internet Rzeczy (IoT), aby usprawnić łańcuch dostaw poprzez monitorowanie żywności podczas jej załadunku na (wirtualną) ciężarówkę, która jest śledzona w drodze do miejsca docelowego. Nauczysz się, jak działa śledzenie GPS, jak przechowywać i wizualizować dane GPS oraz jak otrzymywać powiadomienia, gdy ciężarówka dotrze na miejsce.
+
+> 💁 Te lekcje będą korzystać z niektórych zasobów w chmurze. Jeśli nie ukończysz wszystkich lekcji w tym projekcie, upewnij się, że [wyczyścisz swój projekt](../clean-up.md).
+
+## Tematy
+
+1. [Śledzenie lokalizacji](lessons/1-location-tracking/README.md)  
+1. [Przechowywanie danych lokalizacyjnych](lessons/2-store-location-data/README.md)  
+1. [Wizualizacja danych lokalizacyjnych](lessons/3-visualize-location-data/README.md)  
+1. [Geosiatki](lessons/4-geofences/README.md)  
+
+## Podziękowania
+
+Wszystkie lekcje zostały napisane z ♥️ przez [Jen Looper](https://github.com/jlooper) i [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/1-location-tracking/README.md b/translations/pl/3-transport/lessons/1-location-tracking/README.md
new file mode 100644
index 00000000..b02126f8
--- /dev/null
+++ b/translations/pl/3-transport/lessons/1-location-tracking/README.md
@@ -0,0 +1,214 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
+  "translation_date": "2025-08-26T07:30:48+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/README.md",
+  "language_code": "pl"
+}
+-->
+# Śledzenie lokalizacji
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obrazek, aby zobaczyć większą wersję.
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
+
+## Wprowadzenie
+
+Główny proces dostarczania żywności od rolnika do konsumenta obejmuje załadunek skrzynek z produktami na ciężarówki, statki, samoloty lub inne pojazdy transportowe, a następnie dostarczenie żywności w określone miejsce – bezpośrednio do klienta lub do centralnego magazynu w celu dalszego przetwarzania. Cały proces od farmy do konsumenta jest częścią procesu nazywanego *łańcuchem dostaw*. Poniższy film z W. P. Carey School of Business na Uniwersytecie Stanowym Arizony omawia ideę łańcucha dostaw i sposób jego zarządzania w bardziej szczegółowy sposób.
+
+[![Czym jest zarządzanie łańcuchem dostaw? Film z W. P. Carey School of Business na Uniwersytecie Stanowym Arizony](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
+
+> 🎥 Kliknij obrazek powyżej, aby obejrzeć film
+
+Dodanie urządzeń IoT może znacząco poprawić Twój łańcuch dostaw, umożliwiając zarządzanie lokalizacją przedmiotów, lepsze planowanie transportu i obsługi towarów oraz szybsze reagowanie na problemy.
+
+Podczas zarządzania flotą pojazdów, takich jak ciężarówki, pomocne jest wiedzieć, gdzie każdy pojazd znajduje się w danym momencie. Pojazdy mogą być wyposażone w czujniki GPS, które przesyłają ich lokalizację do systemów IoT, umożliwiając właścicielom określenie ich położenia, prześledzenie trasy, którą przebyły, oraz przewidzenie czasu dotarcia do celu. Większość pojazdów działa poza zasięgiem WiFi, więc do przesyłania takich danych używają sieci komórkowych. Czasami czujnik GPS jest wbudowany w bardziej złożone urządzenia IoT, takie jak elektroniczne dzienniki pokładowe. Te urządzenia śledzą, jak długo ciężarówka jest w trasie, aby upewnić się, że kierowcy przestrzegają lokalnych przepisów dotyczących godzin pracy.
+
+W tej lekcji dowiesz się, jak śledzić lokalizację pojazdu za pomocą czujnika GPS.
+
+W tej lekcji omówimy:
+
+* [Pojazdy połączone](../../../../../3-transport/lessons/1-location-tracking)
+* [Współrzędne geograficzne](../../../../../3-transport/lessons/1-location-tracking)
+* [Globalne systemy pozycjonowania (GPS)](../../../../../3-transport/lessons/1-location-tracking)
+* [Odczyt danych z czujnika GPS](../../../../../3-transport/lessons/1-location-tracking)
+* [Dane GPS w formacie NMEA](../../../../../3-transport/lessons/1-location-tracking)
+* [Dekodowanie danych z czujnika GPS](../../../../../3-transport/lessons/1-location-tracking)
+
+## Pojazdy połączone
+
+IoT zmienia sposób transportu towarów, tworząc floty *połączonych pojazdów*. Te pojazdy są połączone z centralnymi systemami IT, przesyłając informacje o swojej lokalizacji i innych danych z czujników. Posiadanie floty połączonych pojazdów niesie ze sobą wiele korzyści:
+
+* Śledzenie lokalizacji – możesz określić, gdzie pojazd znajduje się w dowolnym momencie, co pozwala na:
+
+  * Otrzymywanie powiadomień, gdy pojazd zbliża się do celu, aby przygotować załogę do rozładunku
+  * Lokalizowanie skradzionych pojazdów
+  * Łączenie danych o lokalizacji i trasie z problemami drogowymi, aby umożliwić zmianę trasy pojazdu w trakcie podróży
+  * Przestrzeganie przepisów podatkowych. Niektóre kraje pobierają opłaty za przejechane kilometry na drogach publicznych (np. [RUC w Nowej Zelandii](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/)), więc wiedza, kiedy pojazd znajduje się na drogach publicznych, a kiedy na prywatnych, ułatwia obliczenie należnego podatku.
+  * Wiedza, gdzie wysłać ekipy serwisowe w przypadku awarii
+
+* Telemetria kierowcy – możliwość monitorowania, czy kierowcy przestrzegają ograniczeń prędkości, pokonują zakręty z odpowiednią prędkością, hamują wcześnie i efektywnie oraz jeżdżą bezpiecznie. Połączone pojazdy mogą również mieć kamery rejestrujące zdarzenia. Może to być powiązane z ubezpieczeniem, oferując niższe stawki dla dobrych kierowców.
+
+* Zgodność z godzinami pracy kierowcy – zapewnienie, że kierowcy jeżdżą tylko przez dozwolone prawem godziny, na podstawie czasu włączania i wyłączania silnika.
+
+Te korzyści można łączyć – na przykład, łączenie zgodności godzin pracy kierowcy ze śledzeniem lokalizacji, aby zmienić trasę kierowcy, jeśli nie może dotrzeć do celu w ramach dozwolonych godzin jazdy. Można je również łączyć z innymi danymi telemetrycznymi specyficznymi dla pojazdu, takimi jak dane o temperaturze z ciężarówek chłodniczych, aby zmienić trasę pojazdu, jeśli obecna trasa uniemożliwiłaby utrzymanie towarów w odpowiedniej temperaturze.
+
+> 🎓 Logistyka to proces transportu towarów z jednego miejsca do drugiego, na przykład z farmy do supermarketu przez jeden lub więcej magazynów. Rolnik pakuje skrzynki z pomidorami, które są ładowane na ciężarówkę, dostarczane do centralnego magazynu, a następnie umieszczane na drugiej ciężarówce, która może zawierać mieszankę różnych rodzajów produktów, które są następnie dostarczane do supermarketu.
+
+Głównym elementem śledzenia pojazdów jest GPS – czujniki, które mogą określić ich lokalizację w dowolnym miejscu na Ziemi. W tej lekcji dowiesz się, jak korzystać z czujnika GPS, zaczynając od nauki, jak definiować lokalizację na Ziemi.
+
+## Współrzędne geograficzne
+
+Współrzędne geograficzne są używane do definiowania punktów na powierzchni Ziemi, podobnie jak współrzędne mogą być używane do rysowania pikseli na ekranie komputera lub pozycjonowania ściegów w hafcie krzyżykowym. Dla pojedynczego punktu masz parę współrzędnych. Na przykład kampus Microsoftu w Redmond, Waszyngton, USA znajduje się na 47.6423109, -122.1390293.
+
+### Szerokość i długość geograficzna
+
+Ziemia jest kulą – trójwymiarowym okręgiem. Z tego powodu punkty są definiowane przez podzielenie jej na 360 stopni, tak jak w geometrii okręgów. Szerokość geograficzna mierzy liczbę stopni od północy do południa, a długość geograficzna mierzy liczbę stopni od wschodu do zachodu.
+
+> 💁 Nikt tak naprawdę nie wie, dlaczego okręgi są podzielone na 360 stopni. [Strona o stopniach (kątach) na Wikipedii](https://wikipedia.org/wiki/Degree_(angle)) omawia niektóre możliwe powody.
+
+![Linie szerokości geograficznej od 90° na biegunie północnym, 45° w połowie drogi między biegunem północnym a równikiem, 0° na równiku, -45° w połowie drogi między równikiem a biegunem południowym oraz -90° na biegunie południowym](../../../../../translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.pl.png)
+
+Szerokość geograficzna jest mierzona za pomocą linii, które okrążają Ziemię i biegną równolegle do równika, dzieląc półkulę północną i południową na 90° każda. Równik znajduje się na 0°, biegun północny na 90°, znany również jako 90° na północ, a biegun południowy na -90°, czyli 90° na południe.
+
+Długość geograficzna jest mierzona jako liczba stopni na wschód i zachód. Punkt początkowy 0° długości geograficznej nazywany jest *południkiem zerowym* i został zdefiniowany w 1884 roku jako linia biegnąca od bieguna północnego do bieguna południowego, przechodząca przez [Brytyjskie Obserwatorium Królewskie w Greenwich, Anglia](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich).
+
+![Linie długości geograficznej od -180° na zachód od południka zerowego, do 0° na południku zerowym, do 180° na wschód od południka zerowego](../../../../../translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.pl.png)
+
+> 🎓 Południk to wyimaginowana prosta linia biegnąca od bieguna północnego do bieguna południowego, tworząca półokrąg.
+
+Aby zmierzyć długość geograficzną punktu, mierzy się liczbę stopni wokół równika od południka zerowego do południka przechodzącego przez ten punkt. Długość geograficzna wynosi od -180°, czyli 180° na zachód, przez 0° na południku zerowym, do 180°, czyli 180° na wschód. 180° i -180° odnoszą się do tego samego punktu, antypołudnika lub 180. południka. Jest to południk po przeciwnej stronie Ziemi od południka zerowego.
+
+> 💁 Antypołudnik nie należy mylić z Międzynarodową Linią Zmiany Daty, która znajduje się w przybliżeniu w tym samym miejscu, ale nie jest prostą linią i zmienia się, aby dopasować się do granic geopolitycznych.
+
+✅ Zrób małe badanie: Spróbuj znaleźć szerokość i długość geograficzną swojej obecnej lokalizacji.
+
+### Stopnie, minuty i sekundy vs stopnie dziesiętne
+
+Tradycyjnie pomiary stopni szerokości i długości geograficznej były wykonywane za pomocą systemu liczbowego sześćdziesiątkowego, czyli bazowego 60, systemu liczbowego używanego przez starożytnych Babilończyków, którzy jako pierwsi dokonywali pomiarów i zapisów czasu oraz odległości. Używasz systemu sześćdziesiątkowego prawdopodobnie codziennie, nawet nie zdając sobie z tego sprawy – dzieląc godziny na 60 minut i minuty na 60 sekund.
+
+Długość i szerokość geograficzna są mierzone w stopniach, minutach i sekundach, przy czym jedna minuta to 1/60 stopnia, a jedna sekunda to 1/60 minuty.
+
+Na przykład na równiku:
+
+* 1° szerokości geograficznej to **111,3 kilometra**
+* 1 minuta szerokości geograficznej to 111,3/60 = **1,855 kilometra**
+* 1 sekunda szerokości geograficznej to 1,855/60 = **0,031 kilometra**
+
+Symbol dla minuty to pojedynczy apostrof, dla sekundy podwójny apostrof. Na przykład 2 stopnie, 17 minut i 43 sekundy byłoby zapisane jako 2°17'43". Części sekund są podawane jako liczby dziesiętne, na przykład pół sekundy to 0°0'0.5".
+
+Komputery nie pracują w bazie 60, więc te współrzędne są podawane jako stopnie dziesiętne podczas korzystania z danych GPS w większości systemów komputerowych. Na przykład 2°17'43" to 2.295277. Symbol stopnia jest zazwyczaj pomijany.
+
+Współrzędne punktu są zawsze podawane jako `szerokość geograficzna, długość geograficzna`, więc wcześniejszy przykład kampusu Microsoftu na 47.6423109,-122.117198 ma:
+
+* Szerokość geograficzną 47.6423109 (47.6423109 stopni na północ od równika)
+* Długość geograficzną -122.1390293 (122.1390293 stopni na zachód od południka zerowego).
+
+![Kampus Microsoftu na 47.6423109,-122.117198](../../../../../translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.pl.png)
+
+## Globalne systemy pozycjonowania (GPS)
+
+Systemy GPS wykorzystują wiele satelitów orbitujących Ziemię do określenia Twojej lokalizacji. Prawdopodobnie korzystałeś z systemów GPS, nawet nie zdając sobie z tego sprawy – aby znaleźć swoją lokalizację w aplikacji mapowej na telefonie, takiej jak Apple Maps lub Google Maps, aby zobaczyć, gdzie znajduje się Twój przejazd w aplikacji do zamawiania transportu, takiej jak Uber lub Lyft, lub podczas korzystania z nawigacji satelitarnej (sat-nav) w samochodzie.
+
+> 🎓 Satelity w „nawigacji satelitarnej” to satelity GPS!
+
+Systemy GPS działają, mając wiele satelitów, które wysyłają sygnał z aktualną pozycją każdego satelity oraz dokładnym znacznikiem czasu. Te sygnały są przesyłane za pomocą fal radiowych i wykrywane przez antenę w czujniku GPS. Czujnik GPS wykrywa te sygnały i, korzystając z aktualnego czasu, mierzy, ile czasu zajęło sygnałowi dotarcie od satelity do czujnika. Ponieważ prędkość fal radiowych jest stała, czujnik GPS może użyć przesłanego znacznika czasu, aby obliczyć, jak daleko czujnik znajduje się od satelity. Łącząc dane z co najmniej 3 satelitów z przesłanymi pozycjami, czujnik GPS jest w stanie określić swoją lokalizację na Ziemi.
+
+> 💁 Czujniki GPS potrzebują anten do wykrywania fal radiowych. Anteny wbudowane w ciężarówki i samochody z wbudowanym GPS są umieszczone tak, aby uzyskać dobry sygnał, zazwyczaj na przedniej szybie lub dachu. Jeśli korzystasz z oddzielnego systemu GPS, takiego jak smartfon lub urządzenie IoT, musisz upewnić się, że antena wbudowana w system GPS lub telefon ma wyraźny widok na niebo, na przykład jest zamontowana na przedniej szybie.
+
+![Znając odległość od czujnika do wielu satelitów, można obliczyć lokalizację](../../../../../translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.pl.png)
+
+Satelity GPS krążą wokół Ziemi, a nie są w stałym punkcie nad czujnikiem, więc dane lokalizacyjne obejmują wysokość nad poziomem morza, a także szerokość i długość geograficzną.
+
+GPS miał kiedyś ograniczenia dotyczące dokładności narzucone przez wojsko USA, ograniczając dokładność do około 5 metrów. To ograniczenie zostało zniesione w 2000 roku, umożliwiając dokładność do 30 centymetrów. Uzyskanie tej dokładności nie zawsze jest możliwe ze względu na zakłócenia sygnałów.
+
+✅ Jeśli masz smartfon, uruchom aplikację mapową i sprawdź, jak dokładna jest Twoja lokalizacja. Może to zająć chwilę, zanim Twój telefon wykryje wiele satelitów, aby uzyskać bardziej dokładną lokalizację.
+💁 Satelity zawierają zegary atomowe, które są niezwykle precyzyjne, ale każdego dnia odchylają się o 38 mikrosekund (0,0000038 sekundy) w porównaniu do zegarów atomowych na Ziemi. Dzieje się tak z powodu spowolnienia czasu przy zwiększającej się prędkości, zgodnie z teoriami szczególnej i ogólnej względności Einsteina – satelity poruszają się szybciej niż obrót Ziemi. To odchylenie zostało wykorzystane do potwierdzenia przewidywań teorii szczególnej i ogólnej względności i musi być uwzględnione w projektowaniu systemów GPS. Dosłownie czas płynie wolniej na satelicie GPS.
+Systemy GPS zostały opracowane i wdrożone przez wiele krajów i unii politycznych, w tym USA, Rosję, Japonię, Indie, UE i Chiny. Nowoczesne czujniki GPS mogą łączyć się z większością tych systemów, aby uzyskać szybsze i bardziej precyzyjne dane lokalizacyjne.
+
+> 🎓 Grupy satelitów w każdej implementacji nazywane są konstelacjami.
+
+## Odczyt danych z czujnika GPS
+
+Większość czujników GPS przesyła dane GPS za pomocą UART.
+
+> ⚠️ UART został omówiony w [projekcie 2, lekcji 2](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart). W razie potrzeby wróć do tej lekcji.
+
+Możesz użyć czujnika GPS w swoim urządzeniu IoT, aby odczytać dane GPS.
+
+### Zadanie - podłącz czujnik GPS i odczytaj dane GPS
+
+Przejdź przez odpowiedni przewodnik, aby odczytać dane GPS za pomocą swojego urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-gps-sensor.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-gps-sensor.md)
+
+## Dane GPS w formacie NMEA
+
+Podczas uruchamiania kodu mogłeś zauważyć coś, co na pierwszy rzut oka wygląda jak niezrozumiały tekst w wynikach. W rzeczywistości są to standardowe dane GPS, które mają swoje znaczenie.
+
+Czujniki GPS przesyłają dane za pomocą wiadomości NMEA, zgodnie ze standardem NMEA 0183. NMEA to akronim od [National Marine Electronics Association](https://www.nmea.org), amerykańskiej organizacji handlowej, która ustala standardy komunikacji między elektroniką morską.
+
+> 💁 Ten standard jest własnościowy i kosztuje co najmniej 2000 USD, ale wystarczająco dużo informacji na jego temat znajduje się w domenie publicznej, aby większość standardu została zrekonstruowana i mogła być używana w kodzie open source oraz innych projektach niekomercyjnych.
+
+Wiadomości te są tekstowe. Każda wiadomość składa się z *zdania*, które zaczyna się od znaku `$`, po którym następują 2 znaki wskazujące źródło wiadomości (np. GP dla amerykańskiego systemu GPS, GN dla GLONASS, rosyjskiego systemu GPS) oraz 3 znaki wskazujące typ wiadomości. Reszta wiadomości to pola oddzielone przecinkami, zakończone znakiem nowej linii.
+
+Niektóre typy wiadomości, które można odebrać, to:
+
+| Typ | Opis |
+| ---- | ----------- |
+| GGA | Dane lokalizacji GPS, w tym szerokość, długość i wysokość czujnika GPS, wraz z liczbą satelitów w zasięgu, które umożliwiają obliczenie tej lokalizacji. |
+| ZDA | Aktualna data i czas, w tym lokalna strefa czasowa |
+| GSV | Szczegóły dotyczące satelitów w zasięgu - zdefiniowane jako satelity, z których czujnik GPS może odbierać sygnały |
+
+> 💁 Dane GPS zawierają znaczniki czasu, więc Twoje urządzenie IoT może uzyskać czas z czujnika GPS, zamiast polegać na serwerze NTP lub wewnętrznym zegarze czasu rzeczywistego.
+
+Wiadomość GGA zawiera aktualną lokalizację w formacie `(dd)dmm.mmmm`, wraz z pojedynczym znakiem wskazującym kierunek. `d` w formacie oznacza stopnie, `m` oznacza minuty, a sekundy są wyrażone jako dziesiętne części minut. Na przykład 2°17'43" to 217.716666667 - 2 stopnie, 17.716666667 minut.
+
+Znak kierunku może być `N` lub `S` dla szerokości geograficznej, aby wskazać północ lub południe, oraz `E` lub `W` dla długości geograficznej, aby wskazać wschód lub zachód. Na przykład szerokość geograficzna 2°17'43" miałaby znak kierunku `N`, -2°17'43" miałaby znak kierunku `S`.
+
+Na przykład - zdanie NMEA `$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
+
+* Część szerokości geograficznej to `4738.538654,N`, co przekłada się na 47.6423109 w stopniach dziesiętnych. `4738.538654` to 47.6423109, a kierunek to `N` (północ), więc jest to dodatnia szerokość geograficzna.
+
+* Część długości geograficznej to `12208.341758,W`, co przekłada się na -122.1390293 w stopniach dziesiętnych. `12208.341758` to 122.1390293°, a kierunek to `W` (zachód), więc jest to ujemna długość geograficzna.
+
+## Dekodowanie danych z czujnika GPS
+
+Zamiast używać surowych danych NMEA, lepiej jest je dekodować do bardziej użytecznego formatu. Istnieje wiele bibliotek open source, które mogą pomóc w wyodrębnieniu przydatnych danych z surowych wiadomości NMEA.
+
+### Zadanie - dekodowanie danych z czujnika GPS
+
+Przejdź przez odpowiedni przewodnik, aby dekodować dane GPS za pomocą swojego urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie IoT](single-board-computer-gps-decode.md)
+
+---
+
+## 🚀 Wyzwanie
+
+Napisz własny dekoder NMEA! Zamiast polegać na bibliotekach zewnętrznych do dekodowania zdań NMEA, czy potrafisz napisać własny dekoder, który wyodrębni szerokość i długość geograficzną ze zdań NMEA?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj więcej o współrzędnych geograficznych na [stronie o systemie współrzędnych geograficznych na Wikipedii](https://wikipedia.org/wiki/Geographic_coordinate_system).
+* Dowiedz się więcej o południkach zerowych na innych ciałach niebieskich niż Ziemia na [stronie o południku zerowym na Wikipedii](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies).
+* Zbadaj różne systemy GPS opracowane przez różne rządy i unie polityczne, takie jak UE, Japonia, Rosja, Indie i USA.
+
+## Zadanie
+
+[Zbadaj inne dane GPS](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/1-location-tracking/assignment.md b/translations/pl/3-transport/lessons/1-location-tracking/assignment.md
new file mode 100644
index 00000000..265f314b
--- /dev/null
+++ b/translations/pl/3-transport/lessons/1-location-tracking/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
+  "translation_date": "2025-08-26T07:32:26+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Zbadaj inne dane GPS
+
+## Instrukcje
+
+Zdania NMEA pochodzące z Twojego czujnika GPS zawierają inne dane oprócz lokalizacji. Zbadaj dodatkowe dane i wykorzystaj je w swoim urządzeniu IoT.
+
+Na przykład - czy możesz uzyskać aktualną datę i czas? Jeśli używasz mikrokontrolera, czy możesz ustawić zegar za pomocą danych GPS w taki sam sposób, jak robiłeś to za pomocą sygnałów NTP w poprzednim projekcie? Czy możesz uzyskać wysokość (swoją wysokość nad poziomem morza) lub aktualną prędkość?
+
+Jeśli używasz wirtualnego urządzenia IoT, możesz uzyskać niektóre z tych danych, wysyłając zdania NMEA wygenerowane za pomocą narzędzi [nmeagen.org](https://www.nmeagen.org).
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Wystarczające | Wymaga poprawy |
+| --------- | ------- | ------------- | -------------- |
+| Uzyskanie dodatkowych danych GPS | Potrafi uzyskać i wykorzystać dodatkowe dane GPS, zarówno jako telemetrię, jak i do konfiguracji urządzenia IoT | Potrafi uzyskać dodatkowe dane GPS, ale nie potrafi ich wykorzystać | Nie potrafi uzyskać dodatkowych danych GPS |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/pl/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
new file mode 100644
index 00000000..abd08a46
--- /dev/null
+++ b/translations/pl/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
@@ -0,0 +1,191 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
+  "translation_date": "2025-08-26T07:32:57+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
+  "language_code": "pl"
+}
+-->
+# Odczyt danych GPS - Raspberry Pi
+
+W tej części lekcji dodasz czujnik GPS do swojego Raspberry Pi i odczytasz z niego dane.
+
+## Sprzęt
+
+Raspberry Pi potrzebuje czujnika GPS.
+
+Czujnik, którego użyjesz, to [Grove GPS Air530 sensor](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). Ten czujnik może łączyć się z wieloma systemami GPS, aby szybko i dokładnie określić pozycję. Składa się z dwóch części - głównej elektroniki czujnika oraz zewnętrznej anteny podłączonej cienkim przewodem, która odbiera fale radiowe z satelitów.
+
+Jest to czujnik UART, więc przesyła dane GPS przez UART.
+
+## Podłącz czujnik GPS
+
+Czujnik Grove GPS można podłączyć do Raspberry Pi.
+
+### Zadanie - podłącz czujnik GPS
+
+Podłącz czujnik GPS.
+
+![Czujnik Grove GPS](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda w czujniku GPS. Kabel pasuje tylko w jedną stronę.
+
+1. Gdy Raspberry Pi jest wyłączone, podłącz drugi koniec kabla Grove do gniazda UART oznaczonego jako **UART** na nakładce Grove Base przymocowanej do Raspberry Pi. Gniazdo to znajduje się w środkowym rzędzie, po stronie najbliższej gniazda karty SD, na przeciwległym końcu od portów USB i gniazda Ethernet.
+
+    ![Czujnik Grove GPS podłączony do gniazda UART](../../../../../translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.pl.png)
+
+1. Ustaw czujnik GPS tak, aby podłączona antena miała widoczność na niebo - najlepiej w pobliżu otwartego okna lub na zewnątrz. Łatwiej uzyskać wyraźny sygnał, gdy nic nie zasłania anteny.
+
+## Programowanie czujnika GPS
+
+Teraz Raspberry Pi można zaprogramować do obsługi podłączonego czujnika GPS.
+
+### Zadanie - zaprogramuj czujnik GPS
+
+Zaprogramuj urządzenie.
+
+1. Włącz Raspberry Pi i poczekaj, aż się uruchomi.
+
+1. Czujnik GPS ma dwie diody LED - niebieską, która miga podczas przesyłania danych, oraz zieloną, która miga co sekundę, gdy odbiera dane z satelitów. Upewnij się, że niebieska dioda LED miga po włączeniu Raspberry Pi. Po kilku minutach powinna zacząć migać zielona dioda LED - jeśli nie, może być konieczne przestawienie anteny.
+
+1. Uruchom VS Code, bezpośrednio na Raspberry Pi lub za pomocą rozszerzenia Remote SSH.
+
+    > ⚠️ Możesz odwołać się do [instrukcji konfiguracji i uruchamiania VS Code w lekcji 1, jeśli to konieczne](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. W nowszych wersjach Raspberry Pi obsługujących Bluetooth występuje konflikt między portem szeregowym używanym przez Bluetooth a tym używanym przez port UART Grove. Aby to naprawić, wykonaj następujące kroki:
+
+    1. W terminalu VS Code edytuj plik `/boot/config.txt` za pomocą `nano`, wbudowanego edytora tekstu w terminalu, używając następującego polecenia:
+
+        ```sh
+        sudo nano /boot/config.txt
+        ```
+
+        > Tego pliku nie można edytować w VS Code, ponieważ wymaga on uprawnień `sudo`, czyli podwyższonych uprawnień. VS Code nie działa z tymi uprawnieniami.
+
+    1. Użyj klawiszy kursora, aby przejść na koniec pliku, a następnie skopiuj poniższy kod i wklej go na końcu pliku:
+
+        ```ini
+        dtoverlay=pi3-miniuart-bt
+        dtoverlay=pi3-disable-bt
+        enable_uart=1
+        ```
+
+        Możesz wkleić, używając standardowych skrótów klawiaturowych dla swojego urządzenia (`Ctrl+v` na Windows, Linux lub Raspberry Pi OS, `Cmd+v` na macOS).
+
+    1. Zapisz plik i wyjdź z `nano`, naciskając `Ctrl+x`. Naciśnij `y`, gdy zostaniesz zapytany, czy chcesz zapisać zmodyfikowany bufor, a następnie naciśnij `enter`, aby potwierdzić nadpisanie `/boot/config.txt`.
+
+        > Jeśli popełnisz błąd, możesz wyjść bez zapisywania, a następnie powtórzyć te kroki.
+
+    1. Edytuj plik `/boot/cmdline.txt` w `nano`, używając następującego polecenia:
+
+        ```sh
+        sudo nano /boot/cmdline.txt
+        ```
+
+    1. Ten plik zawiera kilka par klucz/wartość oddzielonych spacjami. Usuń wszystkie pary klucz/wartość dla klucza `console`. Prawdopodobnie będą wyglądać tak:
+
+        ```output
+        console=serial0,115200 console=tty1 
+        ```
+
+        Możesz przejść do tych wpisów za pomocą klawiszy kursora, a następnie usunąć je za pomocą klawiszy `del` lub `backspace`.
+
+        Na przykład, jeśli Twój oryginalny plik wygląda tak:
+
+        ```output
+        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+        Nowa wersja będzie wyglądać tak:
+
+        ```output
+        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+    1. Wykonaj powyższe kroki, aby zapisać ten plik i wyjść z `nano`.
+
+    1. Uruchom ponownie Raspberry Pi, a następnie połącz się ponownie w VS Code po ponownym uruchomieniu Pi.
+
+1. W terminalu utwórz nowy folder w katalogu domowym użytkownika `pi` o nazwie `gps-sensor`. Utwórz plik w tym folderze o nazwie `app.py`.
+
+1. Otwórz ten folder w VS Code.
+
+1. Moduł GPS przesyła dane UART przez port szeregowy. Zainstaluj pakiet Pip `pyserial`, aby komunikować się z portem szeregowym w kodzie Pythona:
+
+    ```sh
+    pip3 install pyserial
+    ```
+
+1. Dodaj poniższy kod do swojego pliku `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)
+    ```
+
+    Ten kod importuje moduł `serial` z pakietu Pip `pyserial`. Następnie łączy się z portem szeregowym `/dev/ttyAMA0` - to adres portu szeregowego, którego używa nakładka Grove Pi Base Hat dla swojego portu UART. Następnie czyści wszelkie istniejące dane z tego połączenia szeregowego.
+
+    Następnie definiowana jest funkcja `print_gps_data`, która wypisuje na konsolę linię przekazaną do niej jako argument.
+
+    Kolejny fragment kodu działa w nieskończonej pętli, odczytując tyle linii tekstu, ile może z portu szeregowego w każdej iteracji. Wywołuje funkcję `print_gps_data` dla każdej linii.
+
+    Po odczytaniu wszystkich danych pętla usypia na 1 sekundę, a następnie próbuje ponownie.
+
+1. Uruchom ten kod. Zobaczysz surowe dane wyjściowe z czujnika GPS, coś w rodzaju:
+
+    ```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
+    ```
+
+    > Jeśli napotkasz jeden z poniższych błędów podczas zatrzymywania i ponownego uruchamiania kodu, dodaj blok `try - except` do swojej pętli `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)
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi).
+
+😀 Twój program obsługujący czujnik GPS działa poprawnie!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/pl/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
new file mode 100644
index 00000000..1f96eba1
--- /dev/null
+++ b/translations/pl/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
@@ -0,0 +1,73 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cbb8c285bc64c5192fae3368fb5077d2",
+  "translation_date": "2025-08-26T07:32:36+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
+  "language_code": "pl"
+}
+-->
+# Dekodowanie danych GPS - Wirtualny sprzęt IoT i Raspberry Pi
+
+W tej części lekcji będziesz dekodować wiadomości NMEA odczytane z czujnika GPS przez Raspberry Pi lub Wirtualne Urządzenie IoT, aby wyodrębnić szerokość i długość geograficzną.
+
+## Dekodowanie danych GPS
+
+Po odczytaniu surowych danych NMEA z portu szeregowego można je zdekodować za pomocą biblioteki NMEA typu open source.
+
+### Zadanie - dekodowanie danych GPS
+
+Zaprogramuj urządzenie do dekodowania danych GPS.
+
+1. Otwórz projekt aplikacji `gps-sensor`, jeśli nie jest jeszcze otwarty.
+
+1. Zainstaluj pakiet Pip `pynmea2`. Ten pakiet zawiera kod do dekodowania wiadomości NMEA.
+
+    ```sh
+    pip3 install pynmea2
+    ```
+
+1. Dodaj poniższy kod do sekcji importów w pliku `app.py`, aby zaimportować moduł `pynmea2`:
+
+    ```python
+    import pynmea2
+    ```
+
+1. Zastąp zawartość funkcji `print_gps_data` następującym kodem:
+
+    ```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')
+    ```
+
+    Ten kod użyje biblioteki `pynmea2` do parsowania linii odczytanej z portu szeregowego UART.
+
+    Jeśli typ zdania wiadomości to `GGA`, oznacza to wiadomość o ustaleniu pozycji, która zostanie przetworzona. Wartości szerokości i długości geograficznej są odczytywane z wiadomości i konwertowane na stopnie dziesiętne z formatu NMEA `(d)ddmm.mmmm`. Funkcja `dm_to_sd` wykonuje tę konwersję.
+
+    Następnie sprawdzany jest kierunek szerokości geograficznej, a jeśli szerokość geograficzna jest południowa, wartość zostaje przekształcona na liczbę ujemną. Podobnie w przypadku długości geograficznej, jeśli jest zachodnia, zostaje przekształcona na liczbę ujemną.
+
+    Na koniec współrzędne są drukowane na konsoli, wraz z liczbą satelitów użytych do ustalenia lokalizacji.
+
+1. Uruchom kod. Jeśli używasz wirtualnego urządzenia IoT, upewnij się, że aplikacja CounterFit działa i dane GPS są wysyłane.
+
+    ```output
+    pi@raspberrypi:~/gps-sensor $ python3 app.py 
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device) lub [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi).
+
+😀 Twój program czujnika GPS z dekodowaniem danych zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/pl/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
new file mode 100644
index 00000000..f3dc7ebc
--- /dev/null
+++ b/translations/pl/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
@@ -0,0 +1,142 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
+  "translation_date": "2025-08-26T07:30:23+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
+  "language_code": "pl"
+}
+-->
+# Odczyt danych GPS - Wirtualny sprzęt IoT
+
+W tej części lekcji dodasz czujnik GPS do swojego wirtualnego urządzenia IoT i odczytasz z niego wartości.
+
+## Wirtualny sprzęt
+
+Wirtualne urządzenie IoT będzie korzystać z symulowanego czujnika GPS, który jest dostępny przez UART za pośrednictwem portu szeregowego.
+
+Fizyczny czujnik GPS posiada antenę, która odbiera fale radiowe z satelitów GPS i przekształca sygnały GPS w dane GPS. Wirtualna wersja symuluje to, pozwalając na ustawienie szerokości i długości geograficznej, wysyłanie surowych zdań NMEA lub przesyłanie pliku GPX z wieloma lokalizacjami, które mogą być zwracane sekwencyjnie.
+
+> 🎓 Zdania NMEA zostaną omówione później w tej lekcji
+
+### Dodanie czujnika do CounterFit
+
+Aby użyć wirtualnego czujnika GPS, musisz dodać go do aplikacji CounterFit.
+
+#### Zadanie - dodanie czujnika do CounterFit
+
+Dodaj czujnik GPS do aplikacji CounterFit.
+
+1. Utwórz nową aplikację w Pythonie na swoim komputerze w folderze `gps-sensor` z jednym plikiem o nazwie `app.py` oraz wirtualnym środowiskiem Pythona, a następnie dodaj pakiety pip dla CounterFit.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia i konfigurowania projektu CounterFit w Pythonie w lekcji 1, jeśli to konieczne](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Zainstaluj dodatkowy pakiet Pip, aby dodać CounterFit shim, który umożliwia komunikację z czujnikami UART przez połączenie szeregowe. Upewnij się, że instalujesz to z terminala z aktywowanym wirtualnym środowiskiem.
+
+    ```sh
+    pip install counterfit-shims-serial
+    ```
+
+1. Upewnij się, że aplikacja CounterFit działa.
+
+1. Utwórz czujnik GPS:
+
+    1. W polu *Create sensor* w panelu *Sensors* rozwiń listę *Sensor type* i wybierz *UART GPS*.
+
+    1. Pozostaw *Port* ustawiony na */dev/ttyAMA0*.
+
+    1. Wybierz przycisk **Add**, aby utworzyć czujnik GPS na porcie `/dev/ttyAMA0`.
+
+    ![Ustawienia czujnika GPS](../../../../../translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.pl.png)
+
+    Czujnik GPS zostanie utworzony i pojawi się na liście czujników.
+
+    ![Utworzony czujnik GPS](../../../../../translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.pl.png)
+
+## Programowanie czujnika GPS
+
+Wirtualne urządzenie IoT może teraz zostać zaprogramowane do korzystania z wirtualnego czujnika GPS.
+
+### Zadanie - programowanie czujnika GPS
+
+Zaprogramuj aplikację czujnika GPS.
+
+1. Upewnij się, że aplikacja `gps-sensor` jest otwarta w VS Code.
+
+1. Otwórz plik `app.py`.
+
+1. Dodaj poniższy kod na początku pliku `app.py`, aby połączyć aplikację z CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Dodaj poniższy kod poniżej, aby zaimportować potrzebne biblioteki, w tym bibliotekę dla portu szeregowego CounterFit:
+
+    ```python
+    import time
+    import counterfit_shims_serial
+    
+    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
+    ```
+
+    Ten kod importuje moduł `serial` z pakietu Pip `counterfit_shims_serial`. Następnie łączy się z portem szeregowym `/dev/ttyAMA0` - jest to adres portu szeregowego, którego używa wirtualny czujnik GPS dla swojego portu UART.
+
+1. Dodaj poniższy kod poniżej, aby odczytać dane z portu szeregowego i wyświetlić wartości w konsoli:
+
+    ```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)
+    ```
+
+    Zdefiniowana jest funkcja `print_gps_data`, która wypisuje linię przekazaną do niej w konsoli.
+
+    Następnie kod działa w nieskończonej pętli, odczytując tyle linii tekstu, ile może z portu szeregowego w każdej iteracji. Wywołuje funkcję `print_gps_data` dla każdej linii.
+
+    Po odczytaniu wszystkich danych pętla usypia na 1 sekundę, a następnie próbuje ponownie.
+
+1. Uruchom ten kod, upewniając się, że używasz innego terminala niż ten, w którym działa aplikacja CounterFit, aby aplikacja CounterFit pozostała uruchomiona.
+
+1. W aplikacji CounterFit zmień wartość czujnika GPS. Możesz to zrobić na jeden z następujących sposobów:
+
+    * Ustaw **Source** na `Lat/Lon` i wprowadź konkretną szerokość, długość geograficzną oraz liczbę satelitów używanych do uzyskania sygnału GPS. Ta wartość zostanie wysłana tylko raz, więc zaznacz pole **Repeat**, aby dane były powtarzane co sekundę.
+
+      ![Czujnik GPS z wybraną opcją lat lon](../../../../../translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.pl.png)
+
+    * Ustaw **Source** na `NMEA` i dodaj kilka zdań NMEA do pola tekstowego. Wszystkie te wartości zostaną wysłane, z opóźnieniem 1 sekundy przed każdym nowym zdaniem GGA (ustalenie pozycji).
+
+      ![Czujnik GPS z ustawionymi zdaniami NMEA](../../../../../translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.pl.png)
+
+      Możesz użyć narzędzia takiego jak [nmeagen.org](https://www.nmeagen.org), aby wygenerować te zdania, rysując na mapie. Te wartości zostaną wysłane tylko raz, więc zaznacz pole **Repeat**, aby dane były powtarzane co sekundę po ich wysłaniu.
+
+    * Ustaw **Source** na plik GPX i prześlij plik GPX z lokalizacjami trasy. Możesz pobrać pliki GPX z wielu popularnych stron z mapami i trasami, takich jak [AllTrails](https://www.alltrails.com/). Te pliki zawierają wiele lokalizacji GPS jako trasę, a czujnik GPS będzie zwracał każdą nową lokalizację w odstępach 1 sekundy.
+
+      ![Czujnik GPS z ustawionym plikiem GPX](../../../../../translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.pl.png)
+
+      Te wartości zostaną wysłane tylko raz, więc zaznacz pole **Repeat**, aby dane były powtarzane co sekundę po ich wysłaniu.
+
+    Po skonfigurowaniu ustawień GPS wybierz przycisk **Set**, aby zatwierdzić te wartości dla czujnika.
+
+1. Zobaczysz surowe dane wyjściowe z czujnika GPS, coś w rodzaju:
+
+    ```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
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device).
+
+😀 Twój program czujnika GPS działa poprawnie!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić precyzję, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/pl/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
new file mode 100644
index 00000000..392a8f46
--- /dev/null
+++ b/translations/pl/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
@@ -0,0 +1,81 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
+  "translation_date": "2025-08-26T07:33:26+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
+  "language_code": "pl"
+}
+-->
+# Dekodowanie danych GPS - Wio Terminal
+
+W tej części lekcji zdekodujesz wiadomości NMEA odczytane z czujnika GPS przez Wio Terminal i wyodrębnisz szerokość oraz długość geograficzną.
+
+## Dekodowanie danych GPS
+
+Po odczytaniu surowych danych NMEA z portu szeregowego można je zdekodować za pomocą otwartoźródłowej biblioteki NMEA.
+
+### Zadanie - dekodowanie danych GPS
+
+Zaprogramuj urządzenie do dekodowania danych GPS.
+
+1. Otwórz projekt aplikacji `gps-sensor`, jeśli nie jest jeszcze otwarty.
+
+1. Dodaj zależność biblioteki [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) do pliku `platformio.ini` projektu. Ta biblioteka zawiera kod do dekodowania danych NMEA.
+
+    ```ini
+    lib_deps =
+        mikalhart/TinyGPSPlus @ 1.0.2
+    ```
+
+1. W pliku `main.cpp` dodaj dyrektywę include dla biblioteki TinyGPSPlus:
+
+    ```cpp
+    #include <TinyGPS++.h>
+    ```
+
+1. Poniżej deklaracji `Serial3` zadeklaruj obiekt TinyGPSPlus do przetwarzania zdań NMEA:
+
+    ```cpp
+    TinyGPSPlus gps;
+    ```
+
+1. Zmień zawartość funkcji `printGPSData` na następującą:
+
+    ```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");
+        }
+    }
+    ```
+
+    Ten kod odczytuje kolejny znak z portu szeregowego UART do dekodera NMEA `gps`. Po każdym znaku sprawdza, czy dekoder odczytał poprawne zdanie, a następnie sprawdza, czy odczytał poprawną lokalizację. Jeśli lokalizacja jest poprawna, wysyła ją do monitora szeregowego wraz z liczbą satelitów, które przyczyniły się do tego ustalenia.
+
+1. Zbuduj i wgraj kod na Wio Terminal.
+
+1. Po wgraniu możesz monitorować dane lokalizacji GPS za pomocą monitora szeregowego.
+
+    ```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
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal).
+
+😀 Twój program czujnika GPS z dekodowaniem danych zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/pl/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
new file mode 100644
index 00000000..0ce012c2
--- /dev/null
+++ b/translations/pl/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
@@ -0,0 +1,152 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
+  "translation_date": "2025-08-26T07:29:45+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
+  "language_code": "pl"
+}
+-->
+# Odczyt danych GPS - Wio Terminal
+
+W tej części lekcji dodasz czujnik GPS do swojego Wio Terminal i odczytasz z niego wartości.
+
+## Sprzęt
+
+Wio Terminal potrzebuje czujnika GPS.
+
+Czujnik, którego użyjesz, to [Grove GPS Air530 sensor](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). Ten czujnik może łączyć się z wieloma systemami GPS, aby szybko i dokładnie ustalić pozycję. Czujnik składa się z dwóch części - głównej elektroniki czujnika oraz zewnętrznej anteny podłączonej cienkim przewodem, która odbiera fale radiowe z satelitów.
+
+Jest to czujnik UART, więc przesyła dane GPS za pomocą UART.
+
+### Podłącz czujnik GPS
+
+Czujnik Grove GPS można podłączyć do Wio Terminal.
+
+#### Zadanie - podłącz czujnik GPS
+
+Podłącz czujnik GPS.
+
+![Czujnik Grove GPS](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda w czujniku GPS. Kabel wejdzie tylko w jednym kierunku.
+
+1. Gdy Wio Terminal jest odłączony od komputera lub innego źródła zasilania, podłącz drugi koniec kabla Grove do gniazda Grove po lewej stronie Wio Terminal, patrząc na ekran. Jest to gniazdo najbliżej przycisku zasilania.
+
+    ![Czujnik Grove GPS podłączony do lewego gniazda](../../../../../translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.pl.png)
+
+1. Umieść czujnik GPS tak, aby podłączona antena miała widoczność na niebo - najlepiej obok otwartego okna lub na zewnątrz. Łatwiej uzyskać wyraźny sygnał, gdy nic nie zasłania anteny.
+
+1. Teraz możesz podłączyć Wio Terminal do komputera.
+
+1. Czujnik GPS ma 2 diody LED - niebieską, która miga podczas przesyłania danych, oraz zieloną, która miga co sekundę podczas odbierania danych z satelitów. Upewnij się, że niebieska dioda LED miga po włączeniu Wio Terminal. Po kilku minutach zielona dioda LED zacznie migać - jeśli nie, może być konieczne przestawienie anteny.
+
+## Programowanie czujnika GPS
+
+Teraz możesz zaprogramować Wio Terminal, aby korzystał z podłączonego czujnika GPS.
+
+### Zadanie - zaprogramuj czujnik GPS
+
+Zaprogramuj urządzenie.
+
+1. Utwórz nowy projekt dla Wio Terminal w PlatformIO. Nazwij ten projekt `gps-sensor`. Dodaj kod w funkcji `setup`, aby skonfigurować port szeregowy.
+
+1. Dodaj następującą dyrektywę `include` na początku pliku `main.cpp`. Zawiera ona plik nagłówkowy z funkcjami do konfiguracji lewego gniazda Grove dla UART.
+
+    ```cpp
+    #include <wiring_private.h>
+    ```
+
+1. Poniżej dodaj następującą linię kodu, aby zadeklarować połączenie portu szeregowego z portem UART:
+
+    ```cpp
+    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
+    ```
+
+1. Musisz dodać kod, aby przekierować niektóre wewnętrzne obsługiwacze sygnałów do tego portu szeregowego. Dodaj następujący kod poniżej deklaracji `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. W funkcji `setup`, poniżej konfiguracji portu `Serial`, skonfiguruj port szeregowy UART za pomocą następującego kodu:
+
+    ```cpp
+    Serial3.begin(9600);
+
+    while (!Serial3)
+        ; // Wait for Serial3 to be ready
+
+    delay(1000);
+    ```
+
+1. Poniżej tego kodu w funkcji `setup` dodaj następujący kod, aby połączyć pin Grove z portem szeregowym:
+
+    ```cpp
+    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
+    ```
+
+1. Dodaj następującą funkcję przed funkcją `loop`, aby wysyłać dane GPS do monitora szeregowego:
+
+    ```cpp
+    void printGPSData()
+    {
+        Serial.println(Serial3.readStringUntil('\n'));
+    }
+    ```
+
+1. W funkcji `loop` dodaj następujący kod, aby odczytać dane z portu szeregowego UART i wyświetlić je w monitorze szeregowym:
+
+    ```cpp
+    while (Serial3.available() > 0)
+    {
+        printGPSData();
+    }
+    
+    delay(1000);
+    ```
+
+    Ten kod odczytuje dane z portu szeregowego UART. Funkcja `readStringUntil` odczytuje dane aż do znaku kończącego, w tym przypadku nowej linii. Odczytuje całe zdanie NMEA (zdania NMEA są zakończone znakiem nowej linii). Dopóki dane mogą być odczytane z portu szeregowego UART, są odczytywane i wysyłane do monitora szeregowego za pomocą funkcji `printGPSData`. Gdy nie można już odczytać więcej danych, funkcja `loop` wstrzymuje działanie na 1 sekundę (1,000ms).
+
+1. Zbuduj i wgraj kod na Wio Terminal.
+
+1. Po wgraniu możesz monitorować dane GPS za pomocą monitora szeregowego.
+
+    ```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
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal).
+
+😀 Twój program czujnika GPS działa poprawnie!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/2-store-location-data/README.md b/translations/pl/3-transport/lessons/2-store-location-data/README.md
new file mode 100644
index 00000000..f632f568
--- /dev/null
+++ b/translations/pl/3-transport/lessons/2-store-location-data/README.md
@@ -0,0 +1,475 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e345843ccfeb7261d81500d19c64d476",
+  "translation_date": "2025-08-26T07:34:59+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/README.md",
+  "language_code": "pl"
+}
+-->
+# Przechowywanie danych o lokalizacji
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
+
+## Wprowadzenie
+
+W poprzedniej lekcji nauczyłeś się, jak korzystać z czujnika GPS do zbierania danych o lokalizacji. Aby wykorzystać te dane do wizualizacji lokalizacji ciężarówki przewożącej żywność i jej trasy, dane te muszą zostać przesłane do usługi IoT w chmurze, a następnie gdzieś przechowywane.
+
+W tej lekcji dowiesz się o różnych sposobach przechowywania danych IoT oraz jak przechowywać dane z usługi IoT za pomocą kodu bezserwerowego.
+
+W tej lekcji omówimy:
+
+* [Dane strukturalne i niestrukturalne](../../../../../3-transport/lessons/2-store-location-data)
+* [Wysyłanie danych GPS do IoT Hub](../../../../../3-transport/lessons/2-store-location-data)
+* [Ścieżki gorące, ciepłe i zimne](../../../../../3-transport/lessons/2-store-location-data)
+* [Obsługa zdarzeń GPS za pomocą kodu bezserwerowego](../../../../../3-transport/lessons/2-store-location-data)
+* [Konta magazynu Azure](../../../../../3-transport/lessons/2-store-location-data)
+* [Połączenie kodu bezserwerowego z magazynem](../../../../../3-transport/lessons/2-store-location-data)
+
+## Dane strukturalne i niestrukturalne
+
+Systemy komputerowe przetwarzają dane, które mogą przybierać różne formy i rozmiary. Mogą to być pojedyncze liczby, duże ilości tekstu, filmy, obrazy czy dane IoT. Dane te można zazwyczaj podzielić na dwie kategorie - *strukturalne* i *niestrukturalne*.
+
+* **Dane strukturalne** to dane o dobrze zdefiniowanej, sztywnej strukturze, która się nie zmienia i zazwyczaj odpowiada tabelom danych z relacjami. Przykładem mogą być dane osobowe, takie jak imię, data urodzenia i adres.
+
+* **Dane niestrukturalne** to dane bez dobrze zdefiniowanej, sztywnej struktury, które mogą często zmieniać swoją formę. Przykładem mogą być dokumenty, takie jak teksty pisane czy arkusze kalkulacyjne.
+
+✅ Zrób małe badanie: Czy potrafisz wymyślić inne przykłady danych strukturalnych i niestrukturalnych?
+
+> 💁 Istnieją również dane półstrukturalne, które mają strukturę, ale nie pasują do sztywnych tabel danych.
+
+Dane IoT są zazwyczaj uważane za dane niestrukturalne.
+
+Wyobraź sobie, że dodajesz urządzenia IoT do floty pojazdów dużego gospodarstwa rolnego. Możesz chcieć używać różnych urządzeń dla różnych typów pojazdów. Na przykład:
+
+* Dla pojazdów rolniczych, takich jak traktory, chcesz zbierać dane GPS, aby upewnić się, że pracują na właściwych polach.
+* Dla ciężarówek dostawczych przewożących żywność do magazynów chcesz zbierać dane GPS, a także dane o prędkości i przyspieszeniu, aby upewnić się, że kierowca jeździ bezpiecznie, oraz dane o tożsamości kierowcy i rozpoczęciu/zakończeniu pracy, aby zapewnić zgodność z lokalnymi przepisami dotyczącymi godzin pracy.
+* Dla ciężarówek chłodniczych chcesz również zbierać dane o temperaturze, aby upewnić się, że żywność nie przegrzewa się ani nie zamarza podczas transportu.
+
+Te dane mogą się stale zmieniać. Na przykład, jeśli urządzenie IoT znajduje się w kabinie ciężarówki, dane, które wysyła, mogą się zmieniać w zależności od zmiany przyczepy, np. wysyłając dane o temperaturze tylko wtedy, gdy używana jest przyczepa chłodnicza.
+
+✅ Jakie inne dane IoT mogłyby być zbierane? Pomyśl o rodzajach ładunków, które mogą przewozić ciężarówki, a także o danych dotyczących konserwacji.
+
+Te dane różnią się w zależności od pojazdu, ale wszystkie są przesyłane do tej samej usługi IoT w celu przetworzenia. Usługa IoT musi być w stanie przetwarzać te niestrukturalne dane, przechowując je w sposób umożliwiający ich wyszukiwanie lub analizę, ale jednocześnie obsługując różne struktury tych danych.
+
+### Magazyn SQL vs NoSQL
+
+Bazy danych to usługi umożliwiające przechowywanie i przeszukiwanie danych. Bazy danych dzielą się na dwa typy - SQL i NoSQL.
+
+#### Bazy danych SQL
+
+Pierwsze bazy danych to Relacyjne Systemy Zarządzania Bazami Danych (RDBMS), znane również jako bazy danych SQL, od języka Structured Query Language (SQL), który służy do interakcji z nimi w celu dodawania, usuwania, aktualizowania lub przeszukiwania danych. Te bazy danych składają się ze schematu - dobrze zdefiniowanego zestawu tabel danych, podobnych do arkusza kalkulacyjnego. Każda tabela ma wiele nazwanych kolumn. Wstawiając dane, dodajesz wiersz do tabeli, umieszczając wartości w każdej z kolumn. To utrzymuje dane w bardzo sztywnej strukturze - chociaż możesz pozostawić kolumny puste, jeśli chcesz dodać nową kolumnę, musisz to zrobić w bazie danych, uzupełniając wartości dla istniejących wierszy. Te bazy danych są relacyjne - jedna tabela może mieć relację z inną.
+
+![Relacyjna baza danych z ID tabeli użytkowników powiązanym z kolumną ID użytkownika w tabeli zakupów oraz ID tabeli produktów powiązanym z kolumną ID produktu w tabeli zakupów](../../../../../translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.pl.png)
+
+Na przykład, jeśli przechowujesz dane osobowe użytkowników w tabeli, miałbyś jakiś wewnętrzny unikalny identyfikator dla każdego użytkownika, który jest używany w wierszu tabeli zawierającej imię i adres użytkownika. Jeśli chciałbyś przechowywać inne szczegóły dotyczące tego użytkownika, takie jak jego zakupy, w innej tabeli, miałbyś jedną kolumnę w nowej tabeli dla identyfikatora tego użytkownika. Gdy wyszukujesz użytkownika, możesz użyć jego identyfikatora, aby uzyskać jego dane osobowe z jednej tabeli i jego zakupy z innej.
+
+Bazy danych SQL są idealne do przechowywania danych strukturalnych i do sytuacji, gdy chcesz zapewnić zgodność danych ze schematem.
+
+✅ Jeśli nigdy wcześniej nie korzystałeś z SQL, poświęć chwilę, aby przeczytać o nim na [stronie SQL w Wikipedii](https://wikipedia.org/wiki/SQL).
+
+Niektóre znane bazy danych SQL to Microsoft SQL Server, MySQL i PostgreSQL.
+
+✅ Zrób małe badanie: Przeczytaj o niektórych z tych baz danych SQL i ich możliwościach.
+
+#### Bazy danych NoSQL
+
+Bazy danych NoSQL nazywane są NoSQL, ponieważ nie mają tej samej sztywnej struktury co bazy danych SQL. Są również znane jako bazy dokumentów, ponieważ mogą przechowywać dane niestrukturalne, takie jak dokumenty.
+
+> 💁 Pomimo swojej nazwy, niektóre bazy danych NoSQL pozwalają na użycie SQL do przeszukiwania danych.
+
+![Dokumenty w folderach w bazie danych NoSQL](../../../../../translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.pl.png)
+
+Bazy danych NoSQL nie mają z góry zdefiniowanego schematu, który ogranicza sposób przechowywania danych. Możesz wstawiać dowolne dane niestrukturalne, zazwyczaj w formacie JSON. Dokumenty te mogą być organizowane w foldery, podobnie jak pliki na komputerze. Każdy dokument może mieć inne pola niż inne dokumenty - na przykład, jeśli przechowujesz dane IoT z pojazdów rolniczych, niektóre mogą mieć pola dla danych z akcelerometru i prędkości, inne mogą mieć pola dla temperatury w przyczepie. Jeśli dodałbyś nowy typ ciężarówki, na przykład z wbudowanymi wagami do śledzenia wagi przewożonych produktów, urządzenie IoT mogłoby dodać to nowe pole, a dane mogłyby być przechowywane bez żadnych zmian w bazie danych.
+
+Niektóre znane bazy danych NoSQL to Azure CosmosDB, MongoDB i CouchDB.
+
+✅ Zrób małe badanie: Przeczytaj o niektórych z tych baz danych NoSQL i ich możliwościach.
+
+W tej lekcji będziesz używać magazynu NoSQL do przechowywania danych IoT.
+
+## Wysyłanie danych GPS do IoT Hub
+
+W poprzedniej lekcji zebrałeś dane GPS z czujnika GPS podłączonego do urządzenia IoT. Aby przechowywać te dane IoT w chmurze, musisz je przesłać do usługi IoT. Ponownie użyjesz Azure IoT Hub, tej samej usługi IoT w chmurze, której używałeś w poprzednim projekcie.
+
+![Wysyłanie telemetrii GPS z urządzenia IoT do IoT Hub](../../../../../translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.pl.png)
+
+### Zadanie - wysyłanie danych GPS do IoT Hub
+
+1. Utwórz nowy IoT Hub, korzystając z darmowego poziomu.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia IoT Hub z projektu 2, lekcja 4](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud), jeśli to konieczne.
+
+    Pamiętaj, aby utworzyć nową grupę zasobów. Nazwij nową grupę zasobów `gps-sensor`, a nowy IoT Hub unikalną nazwą opartą na `gps-sensor`, na przykład `gps-sensor-<twoje imię>`.
+
+    > 💁 Jeśli nadal masz swój IoT Hub z poprzedniego projektu, możesz go ponownie użyć. Pamiętaj, aby użyć nazwy tego IoT Hub i grupy zasobów, w której się znajduje, podczas tworzenia innych usług.
+
+1. Dodaj nowe urządzenie do IoT Hub. Nazwij to urządzenie `gps-sensor`. Pobierz łańcuch połączenia dla urządzenia.
+
+1. Zaktualizuj kod urządzenia, aby wysyłał dane GPS do nowego IoT Hub, używając łańcucha połączenia urządzenia z poprzedniego kroku.
+
+    > ⚠️ Możesz odwołać się do [instrukcji łączenia urządzenia z IoT z projektu 2, lekcja 4](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service), jeśli to konieczne.
+
+1. Podczas wysyłania danych GPS, zrób to w formacie JSON w następujący sposób:
+
+    ```json
+    {
+        "gps" :
+        {
+            "lat" : <latitude>,
+            "lon" : <longitude>
+        }
+    }
+    ```
+
+1. Wysyłaj dane GPS co minutę, aby nie przekroczyć dziennego limitu wiadomości.
+
+Jeśli używasz Wio Terminal, pamiętaj, aby dodać wszystkie niezbędne biblioteki i ustawić czas za pomocą serwera NTP. Twój kod musi również upewnić się, że odczytał wszystkie dane z portu szeregowego przed wysłaniem lokalizacji GPS, używając istniejącego kodu z poprzedniej lekcji. Użyj poniższego kodu, aby skonstruować dokument JSON:
+
+```cpp
+DynamicJsonDocument doc(1024);
+doc["gps"]["lat"] = gps.location.lat();
+doc["gps"]["lon"] = gps.location.lng();
+```
+
+Jeśli używasz Wirtualnego urządzenia IoT, pamiętaj, aby zainstalować wszystkie potrzebne biblioteki, korzystając z wirtualnego środowiska.
+
+Dla Raspberry Pi i Wirtualnego urządzenia IoT użyj istniejącego kodu z poprzedniej lekcji, aby uzyskać wartości szerokości i długości geograficznej, a następnie wyślij je w odpowiednim formacie JSON za pomocą poniższego kodu:
+
+```python
+message_json = { "gps" : { "lat":lat, "lon":lon } }
+print("Sending telemetry", message_json)
+message = Message(json.dumps(message_json))
+```
+
+> 💁 Ten kod znajdziesz w folderze [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal), [code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) lub [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device).
+
+Uruchom kod urządzenia i upewnij się, że wiadomości trafiają do IoT Hub, używając polecenia CLI `az iot hub monitor-events`.
+
+## Ścieżki gorące, ciepłe i zimne
+
+Dane przesyłane z urządzenia IoT do chmury nie zawsze są przetwarzane w czasie rzeczywistym. Niektóre dane wymagają przetwarzania w czasie rzeczywistym, inne mogą być przetwarzane z niewielkim opóźnieniem, a jeszcze inne mogą być przetwarzane znacznie później. Przepływ danych do różnych usług przetwarzających dane w różnym czasie określa się jako ścieżki gorące, ciepłe i zimne.
+
+### Ścieżka gorąca
+
+Ścieżka gorąca odnosi się do danych, które muszą być przetwarzane w czasie rzeczywistym lub niemal w czasie rzeczywistym. Używałbyś danych ze ścieżki gorącej do alertów, takich jak powiadomienia o zbliżaniu się pojazdu do magazynu lub o zbyt wysokiej temperaturze w ciężarówce chłodniczej.
+
+Aby korzystać z danych ze ścieżki gorącej, twój kod reagowałby na zdarzenia natychmiast po ich odebraniu przez usługi w chmurze.
+
+### Ścieżka ciepła
+
+Ścieżka ciepła odnosi się do danych, które mogą być przetwarzane krótko po ich odebraniu, na przykład do raportowania lub krótkoterminowej analizy. Używałbyś danych ze ścieżki ciepłej do codziennych raportów o przebiegu pojazdów, korzystając z danych zebranych poprzedniego dnia.
+
+Dane ze ścieżki ciepłej są przechowywane zaraz po ich odebraniu przez usługę w chmurze w jakimś rodzaju magazynu, który można szybko uzyskać.
+
+### Ścieżka zimna
+
+Ścieżka zimna odnosi się do danych historycznych, przechowywanych długoterminowo, które mogą być przetwarzane w dowolnym momencie. Na przykład, możesz użyć ścieżki zimnej do uzyskania rocznych raportów o przebiegu pojazdów lub przeprowadzenia analizy tras w celu znalezienia najbardziej optymalnej trasy zmniejszającej koszty paliwa.
+
+Dane ze ścieżki zimnej są przechowywane w hurtowniach danych - bazach danych zaprojektowanych do przechowywania dużych ilości danych, które nigdy się nie zmieniają i mogą być szybko i łatwo przeszukiwane. Zazwyczaj w aplikacji chmurowej uruchamiałbyś regularne zadanie, które w określonym czasie każdego dnia, tygodnia lub miesiąca przenosi dane z magazynu ścieżki ciepłej do hurtowni danych.
+
+✅ Pomyśl o danych, które zebrałeś do tej pory w tych lekcjach. Czy są to dane ze ścieżki gorącej, ciepłej czy zimnej?
+
+## Obsługa zdarzeń GPS za pomocą kodu bezserwerowego
+
+Gdy dane trafiają do IoT Hub, możesz napisać kod bezserwerowy, który będzie nasłuchiwał zdarzeń publikowanych na zgodnym z Event-Hub punkcie końcowym. To jest ścieżka ciepła - te dane zostaną przechowane i wykorzystane w następnej lekcji do raportowania trasy.
+
+![Wysyłanie telemetrii GPS z urządzenia IoT do IoT Hub, a następnie do Azure Functions za pomocą wyzwalacza Event Hub](../../../../../translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.pl.png)
+
+### Zadanie - obsługa zdarzeń GPS za pomocą kodu bezserwerowego
+
+1. Utwórz aplikację Azure Functions za pomocą CLI Azure Functions. Użyj środowiska wykonawczego Python i utwórz ją w folderze o nazwie `gps-trigger`, używając tej samej nazwy dla projektu aplikacji Functions. Upewnij się, że tworzysz wirtualne środowisko do tego celu.
+> ⚠️ Możesz odwołać się do [instrukcji dotyczących tworzenia projektu Azure Functions z projektu 2, lekcji 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application), jeśli zajdzie taka potrzeba.
+1. Dodaj wyzwalacz zdarzeń IoT Hub, który korzysta z punktu końcowego zgodnego z Event Hub w IoT Hub.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia wyzwalacza zdarzeń IoT Hub z projektu 2, lekcja 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger), jeśli będzie to potrzebne.
+
+1. Ustaw łańcuch połączenia punktu końcowego zgodnego z Event Hub w pliku `local.settings.json` i użyj klucza dla tego wpisu w pliku `function.json`.
+
+1. Użyj aplikacji Azurite jako lokalnego emulatora pamięci.
+
+1. Uruchom aplikację funkcji, aby upewnić się, że odbiera zdarzenia z Twojego urządzenia GPS. Upewnij się, że Twoje urządzenie IoT również działa i wysyła dane GPS.
+
+    ```output
+    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
+    ```
+
+## Konta magazynu Azure
+
+![Logo Azure Storage](../../../../../translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.pl.png)
+
+Konta magazynu Azure to uniwersalna usługa przechowywania danych, która umożliwia przechowywanie danych na różne sposoby. Możesz przechowywać dane jako obiekty blob, w kolejkach, w tabelach lub jako pliki – wszystko jednocześnie.
+
+### Magazyn obiektów blob
+
+Słowo *Blob* oznacza duże obiekty binarne, ale stało się określeniem dla wszelkich danych niestrukturalnych. W magazynie obiektów blob możesz przechowywać dowolne dane, od dokumentów JSON zawierających dane IoT, po pliki graficzne i wideo. Magazyn obiektów blob wprowadza pojęcie *kontenerów*, czyli nazwanych zbiorników, w których można przechowywać dane, podobnie jak tabele w relacyjnej bazie danych. Kontenery mogą zawierać jeden lub więcej folderów do przechowywania obiektów blob, a każdy folder może zawierać inne foldery, podobnie jak pliki są przechowywane na dysku twardym komputera.
+
+W tej lekcji użyjesz magazynu obiektów blob do przechowywania danych IoT.
+
+✅ Zrób badania: Przeczytaj o [Azure Blob Storage](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn)
+
+### Magazyn tabel
+
+Magazyn tabel pozwala przechowywać dane półstrukturalne. Jest to w rzeczywistości baza danych NoSQL, więc nie wymaga z góry zdefiniowanego zestawu tabel, ale jest zaprojektowany do przechowywania danych w jednej lub więcej tabelach, z unikalnymi kluczami definiującymi każdy wiersz.
+
+✅ Zrób badania: Przeczytaj o [Azure Table Storage](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn)
+
+### Magazyn kolejek
+
+Magazyn kolejek pozwala przechowywać wiadomości o rozmiarze do 64 KB w kolejce. Możesz dodawać wiadomości na końcu kolejki i odczytywać je z przodu. Kolejki przechowują wiadomości bezterminowo, o ile jest dostępne miejsce w magazynie, co pozwala na ich długoterminowe przechowywanie i odczyt w razie potrzeby. Na przykład, jeśli chcesz uruchamiać miesięczne zadanie przetwarzania danych GPS, możesz codziennie dodawać je do kolejki, a na koniec miesiąca przetworzyć wszystkie wiadomości z kolejki.
+
+✅ Zrób badania: Przeczytaj o [Azure Queue Storage](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn)
+
+### Magazyn plików
+
+Magazyn plików umożliwia przechowywanie plików w chmurze, a aplikacje lub urządzenia mogą się z nim łączyć za pomocą standardowych protokołów. Możesz zapisywać pliki w magazynie plików, a następnie zamontować go jako dysk na swoim komputerze PC lub Mac.
+
+✅ Zrób badania: Przeczytaj o [Azure File Storage](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn)
+
+## Połącz swój kod bezserwerowy z magazynem
+
+Twoja aplikacja funkcji musi teraz połączyć się z magazynem obiektów blob, aby przechowywać wiadomości z IoT Hub. Istnieją dwa sposoby, aby to zrobić:
+
+* Wewnątrz kodu funkcji, połącz się z magazynem obiektów blob za pomocą SDK dla Pythona i zapisz dane jako obiekty blob.
+* Użyj powiązania wyjściowego funkcji, aby powiązać wartość zwracaną funkcji z magazynem obiektów blob i automatycznie zapisać obiekt blob.
+
+W tej lekcji użyjesz SDK dla Pythona, aby zobaczyć, jak pracować z magazynem obiektów blob.
+
+![Wysyłanie telemetrii GPS z urządzenia IoT do IoT Hub, następnie do Azure Functions za pomocą wyzwalacza Event Hub, a następnie zapisywanie jej w magazynie obiektów blob](../../../../../translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.pl.png)
+
+Dane zostaną zapisane jako obiekt JSON w następującym formacie:
+
+```json
+{
+    "device_id": <device_id>,
+    "timestamp" : <time>,
+    "gps" :
+    {
+        "lat" : <latitude>,
+        "lon" : <longitude>
+    }
+}
+```
+
+### Zadanie - połącz swój kod bezserwerowy z magazynem
+
+1. Utwórz konto magazynu Azure. Nazwij je np. `gps<twoje_imie>`.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia konta magazynu z projektu 2, lekcja 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources), jeśli będzie to potrzebne.
+
+    Jeśli masz już konto magazynu z poprzedniego projektu, możesz je ponownie wykorzystać.
+
+    > 💁 Będziesz mógł użyć tego samego konta magazynu do wdrożenia aplikacji Azure Functions później w tej lekcji.
+
+1. Uruchom następujące polecenie, aby uzyskać łańcuch połączenia dla konta magazynu:
+
+    ```sh
+    az storage account show-connection-string --output table \
+                                              --name <storage_name>
+    ```
+
+    Zamień `<storage_name>` na nazwę konta magazynu, które utworzyłeś w poprzednim kroku.
+
+1. Dodaj nowy wpis do pliku `local.settings.json` dla łańcucha połączenia konta magazynu, używając wartości z poprzedniego kroku. Nazwij go `STORAGE_CONNECTION_STRING`.
+
+1. Dodaj następujące wpisy do pliku `requirements.txt`, aby zainstalować pakiety Pip dla magazynu Azure:
+
+    ```sh
+    azure-storage-blob
+    ```
+
+    Zainstaluj pakiety z tego pliku w swoim wirtualnym środowisku.
+
+    > Jeśli pojawi się błąd, zaktualizuj wersję Pip w swoim wirtualnym środowisku do najnowszej wersji za pomocą następującego polecenia, a następnie spróbuj ponownie:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. W pliku `__init__.py` dla `iot-hub-trigger` dodaj następujące instrukcje importu:
+
+    ```python
+    import json
+    import os
+    import uuid
+    from azure.storage.blob import BlobServiceClient, PublicAccess
+    ```
+
+    Moduł systemowy `json` będzie używany do odczytu i zapisu JSON, moduł `os` do odczytu łańcucha połączenia, a moduł `uuid` do generowania unikalnego identyfikatora dla odczytu GPS.
+
+    Pakiet `azure.storage.blob` zawiera SDK dla Pythona do pracy z magazynem obiektów blob.
+
+1. Przed metodą `main` dodaj następującą funkcję pomocniczą:
+
+    ```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)
+    ```
+
+    SDK dla obiektów blob w Pythonie nie ma metody pomocniczej do tworzenia kontenera, jeśli nie istnieje. Ten kod załaduje łańcuch połączenia z pliku `local.settings.json` (lub ustawień aplikacji po wdrożeniu w chmurze), a następnie utworzy klasę `BlobServiceClient`, aby współpracować z kontem magazynu obiektów blob. Następnie przechodzi przez wszystkie kontenery w koncie magazynu obiektów blob, szukając takiego o podanej nazwie – jeśli znajdzie, zwróci klasę `ContainerClient`, która może współpracować z kontenerem w celu tworzenia obiektów blob. Jeśli nie znajdzie, kontener zostanie utworzony, a klient dla nowego kontenera zostanie zwrócony.
+
+    Po utworzeniu nowego kontenera, przyznawany jest publiczny dostęp do zapytań o obiekty blob w kontenerze. Będzie to używane w następnej lekcji do wizualizacji danych GPS na mapie.
+
+1. W przeciwieństwie do wilgotności gleby, w tym kodzie chcemy przechowywać każde zdarzenie, więc dodaj następujący kod wewnątrz pętli `for event in events:` w funkcji `main`, poniżej instrukcji `logging`:
+
+    ```python
+    device_id = event.iothub_metadata['connection-device-id']
+    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
+    ```
+
+    Ten kod pobiera identyfikator urządzenia z metadanych zdarzenia, a następnie używa go do utworzenia nazwy obiektu blob. Obiekty blob mogą być przechowywane w folderach, a identyfikator urządzenia będzie używany jako nazwa folderu, więc każde urządzenie będzie miało wszystkie swoje zdarzenia GPS w jednym folderze. Nazwa obiektu blob to ten folder, a następnie nazwa dokumentu, oddzielone ukośnikami, podobnie jak ścieżki w systemach Linux i macOS (podobnie jak w Windows, ale Windows używa odwrotnych ukośników). Nazwa dokumentu to unikalny identyfikator generowany za pomocą modułu `uuid` w Pythonie, z rozszerzeniem pliku `json`.
+
+    Na przykład, dla identyfikatora urządzenia `gps-sensor`, nazwa obiektu blob może wyglądać tak: `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json`.
+
+1. Dodaj następujący kod poniżej tego:
+
+    ```python
+    container_client = get_or_create_container('gps-data')
+    blob = container_client.get_blob_client(blob_name)
+    ```
+
+    Ten kod pobiera klienta kontenera za pomocą klasy pomocniczej `get_or_create_container`, a następnie uzyskuje obiekt klienta obiektu blob za pomocą nazwy obiektu blob. Klienci obiektów blob mogą odnosić się do istniejących obiektów blob lub, jak w tym przypadku, do nowych obiektów blob.
+
+1. Dodaj następujący kod po tym:
+
+    ```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']
+    }
+    ```
+
+    Ten kod buduje treść obiektu blob, który zostanie zapisany w magazynie obiektów blob. Jest to dokument JSON zawierający identyfikator urządzenia, czas wysłania telemetrii do IoT Hub oraz współrzędne GPS z telemetrii.
+
+    > 💁 Ważne jest, aby używać czasu zakolejkowania wiadomości zamiast bieżącego czasu, aby uzyskać czas, w którym wiadomość została wysłana. Może ona znajdować się w hubie przez jakiś czas, zanim zostanie odebrana, jeśli aplikacja funkcji nie działa.
+
+1. Dodaj następujący kod poniżej tego:
+
+    ```python
+    logging.info(f'Writing blob to {blob_name} - {blob_body}')
+    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
+    ```
+
+    Ten kod loguje, że obiekt blob ma zostać zapisany wraz z jego szczegółami, a następnie przesyła treść obiektu blob jako zawartość nowego obiektu blob.
+
+1. Uruchom aplikację funkcji. Zobaczysz, że obiekty blob są zapisywane dla wszystkich zdarzeń GPS w wyjściu:
+
+    ```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}}
+    ```
+
+    > 💁 Upewnij się, że nie uruchamiasz jednocześnie monitora zdarzeń IoT Hub.
+
+> 💁 Ten kod znajdziesz w folderze [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions).
+
+### Zadanie - zweryfikuj przesłane obiekty blob
+
+1. Aby zobaczyć utworzone obiekty blob, możesz użyć [Azure Storage Explorer](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn), darmowego narzędzia umożliwiającego przeglądanie i zarządzanie kontami magazynu, lub CLI.
+
+    1. Aby użyć CLI, najpierw potrzebujesz klucza konta. Uruchom następujące polecenie, aby uzyskać ten klucz:
+
+        ```sh
+        az storage account keys list --output table \
+                                     --account-name <storage_name>
+        ```
+
+        Zamień `<storage_name>` na nazwę konta magazynu.
+
+        Skopiuj wartość `key1`.
+
+    1. Uruchom następujące polecenie, aby wyświetlić listę obiektów blob w kontenerze:
+
+        ```sh
+        az storage blob list --container-name gps-data \
+                             --output table \
+                             --account-name <storage_name> \
+                             --account-key <key1>
+        ```
+
+        Zamień `<storage_name>` na nazwę konta magazynu, a `<key1>` na wartość `key1`, którą skopiowałeś w poprzednim kroku.
+
+        To wyświetli listę wszystkich obiektów blob w kontenerze:
+
+        ```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. Pobierz jeden z obiektów blob za pomocą następującego polecenia:
+
+        ```sh
+        az storage blob download --container-name gps-data \
+                                 --account-name <storage_name> \
+                                 --account-key <key1> \
+                                 --name <blob_name> \
+                                 --file <file_name>
+        ```
+
+        Zamień `<storage_name>` na nazwę konta magazynu, a `<key1>` na wartość `key1`, którą skopiowałeś w poprzednim kroku.
+
+        Zamień `<blob_name>` na pełną nazwę z kolumny `Name` w wyjściu poprzedniego kroku, włącznie z nazwą folderu. Zamień `<file_name>` na nazwę lokalnego pliku, do którego chcesz zapisać obiekt blob.
+
+    Po pobraniu możesz otworzyć plik JSON w VS Code i zobaczysz obiekt blob zawierający szczegóły lokalizacji GPS:
+
+    ```json
+    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
+    ```
+
+### Zadanie - wdroż swoją aplikację funkcji w chmurze
+
+Teraz, gdy Twoja aplikacja funkcji działa, możesz ją wdrożyć w chmurze.
+
+1. Utwórz nową aplikację Azure Functions, używając konta magazynu, które utworzyłeś wcześniej. Nazwij ją np. `gps-sensor-` i dodaj unikalny identyfikator na końcu, np. losowe słowa lub swoje imię.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia aplikacji Functions z projektu 2, lekcja 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources), jeśli będzie to potrzebne.
+
+1. Prześlij wartości `IOT_HUB_CONNECTION_STRING` i `STORAGE_CONNECTION_STRING` do ustawień aplikacji.
+
+    > ⚠️ Możesz odwołać się do [instrukcji przesyłania ustawień aplikacji z projektu 2, lekcja 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings), jeśli będzie to potrzebne.
+
+1. Wdróż swoją lokalną aplikację Functions w chmurze.
+> ⚠️ Możesz odwołać się do [instrukcji wdrażania aplikacji Functions z projektu 2, lekcji 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud), jeśli zajdzie taka potrzeba.
+## 🚀 Wyzwanie
+
+Dane GPS nie są idealnie dokładne, a wykrywane lokalizacje mogą być przesunięte o kilka metrów, a nawet więcej, szczególnie w tunelach i obszarach z wysokimi budynkami.
+
+Zastanów się, jak nawigacja satelitarna mogłaby sobie z tym poradzić? Jakie dane posiada Twój system nawigacji, które pozwoliłyby mu lepiej przewidywać Twoją lokalizację?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj o danych strukturalnych na [stronie o modelu danych na Wikipedii](https://wikipedia.org/wiki/Data_model)
+* Przeczytaj o danych półstrukturalnych na [stronie o danych półstrukturalnych na Wikipedii](https://wikipedia.org/wiki/Semi-structured_data)
+* Przeczytaj o danych niestrukturalnych na [stronie o danych niestrukturalnych na Wikipedii](https://wikipedia.org/wiki/Unstructured_data)
+* Dowiedz się więcej o Azure Storage i różnych typach przechowywania danych w [dokumentacji Azure Storage](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn)
+
+## Zadanie
+
+[Zbadaj powiązania funkcji](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/2-store-location-data/assignment.md b/translations/pl/3-transport/lessons/2-store-location-data/assignment.md
new file mode 100644
index 00000000..5af53de5
--- /dev/null
+++ b/translations/pl/3-transport/lessons/2-store-location-data/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
+  "translation_date": "2025-08-26T07:37:00+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Zbadaj powiązania funkcji
+
+## Instrukcje
+
+Powiązania funkcji pozwalają Twojemu kodowi zapisywać blobsy w magazynie blobów poprzez ich zwracanie z funkcji `main`. Konto Azure Storage, kolekcja i inne szczegóły są skonfigurowane w pliku `function.json`.
+
+Pracując z Azure lub innymi technologiami Microsoftu, najlepszym źródłem informacji jest [dokumentacja Microsoftu na stronie docs.com](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn). W tym zadaniu będziesz musiał zapoznać się z dokumentacją dotyczącą powiązań w Azure Functions, aby dowiedzieć się, jak skonfigurować powiązanie wyjściowe.
+
+Kilka stron, od których warto zacząć:
+
+* [Koncepcje wyzwalaczy i powiązań w Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
+* [Przegląd powiązań magazynu blobów dla Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
+* [Powiązanie wyjściowe magazynu blobów dla Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Zadowalające | Wymaga poprawy |
+| --------- | ------- | ------------ | -------------- |
+| Konfiguracja powiązania wyjściowego magazynu blobów | Udało się skonfigurować powiązanie wyjściowe, zwrócić blob i pomyślnie zapisać go w magazynie blobów | Udało się skonfigurować powiązanie wyjściowe lub zwrócić blob, ale nie udało się zapisać go w magazynie blobów | Nie udało się skonfigurować powiązania wyjściowego |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/3-visualize-location-data/README.md b/translations/pl/3-transport/lessons/3-visualize-location-data/README.md
new file mode 100644
index 00000000..5aee6206
--- /dev/null
+++ b/translations/pl/3-transport/lessons/3-visualize-location-data/README.md
@@ -0,0 +1,357 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
+  "translation_date": "2025-08-26T07:33:38+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
+  "language_code": "pl"
+}
+-->
+# Wizualizacja danych lokalizacyjnych
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obrazek, aby zobaczyć większą wersję.
+
+Ten film przedstawia przegląd Azure Maps z IoT, usługi, która będzie omawiana w tej lekcji.
+
+[![Azure Maps - Platforma lokalizacyjna Microsoft Azure dla przedsiębiorstw](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
+
+> 🎥 Kliknij obrazek powyżej, aby obejrzeć film
+
+## Quiz przed lekcją
+
+[Quiz przed lekcją](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
+
+## Wprowadzenie
+
+W poprzedniej lekcji nauczyłeś się, jak przesyłać dane GPS z czujników do chmury i zapisywać je w kontenerze magazynowym za pomocą kodu bezserwerowego. Teraz dowiesz się, jak wizualizować te punkty na mapie Azure. Nauczysz się tworzyć mapę na stronie internetowej, poznasz format danych GeoJSON i dowiesz się, jak używać go do nanoszenia wszystkich zarejestrowanych punktów GPS na mapie.
+
+W tej lekcji omówimy:
+
+* [Czym jest wizualizacja danych](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Usługi mapowe](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Tworzenie zasobu Azure Maps](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Wyświetlanie mapy na stronie internetowej](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Format GeoJSON](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Nanoszenie danych GPS na mapę za pomocą GeoJSON](../../../../../3-transport/lessons/3-visualize-location-data)
+
+> 💁 W tej lekcji będziesz pracować z niewielką ilością HTML i JavaScript. Jeśli chcesz dowiedzieć się więcej o tworzeniu stron internetowych za pomocą HTML i JavaScript, sprawdź [Web development for beginners](https://github.com/microsoft/Web-Dev-For-Beginners).
+
+## Czym jest wizualizacja danych
+
+Wizualizacja danych, jak sama nazwa wskazuje, polega na przedstawianiu danych w sposób, który ułatwia ich zrozumienie przez ludzi. Zwykle kojarzy się z wykresami i diagramami, ale obejmuje każdą formę graficznego przedstawienia danych, która pomaga ludziom nie tylko lepiej je zrozumieć, ale także podejmować decyzje.
+
+Weźmy prosty przykład - w projekcie farmy rejestrowałeś poziomy wilgotności gleby. Tabela danych wilgotności gleby rejestrowanych co godzinę 1 czerwca 2021 roku mogłaby wyglądać następująco:
+
+| Data             | Odczyt |
+| ---------------- | ------: |
+| 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 |
+
+Dla człowieka zrozumienie tych danych może być trudne. To ściana liczb bez większego znaczenia. Pierwszym krokiem do wizualizacji tych danych może być ich przedstawienie na wykresie liniowym:
+
+![Wykres liniowy powyższych danych](../../../../../translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.pl.png)
+
+Można to dodatkowo ulepszyć, dodając linię wskazującą moment włączenia automatycznego systemu nawadniania przy odczycie wilgotności gleby wynoszącym 450:
+
+![Wykres liniowy wilgotności gleby z linią przy wartości 450](../../../../../translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.pl.png)
+
+Ten wykres szybko pokazuje nie tylko poziomy wilgotności gleby, ale także punkty, w których system nawadniania został włączony.
+
+Wykresy nie są jedynym narzędziem do wizualizacji danych. Urządzenia IoT monitorujące pogodę mogą mieć aplikacje internetowe lub mobilne, które wizualizują warunki pogodowe za pomocą symboli, takich jak chmura dla dni pochmurnych, chmura deszczowa dla dni deszczowych i tak dalej. Istnieje ogromna liczba sposobów wizualizacji danych, od poważnych po zabawne.
+
+✅ Pomyśl o sposobach, w jakie widziałeś dane wizualizowane. Które metody były najbardziej przejrzyste i pozwalały najszybciej podejmować decyzje?
+
+Najlepsze wizualizacje pozwalają ludziom podejmować decyzje szybko. Na przykład, posiadanie ściany wskaźników pokazujących różne odczyty z maszyn przemysłowych jest trudne do przetworzenia, ale migające czerwone światło, gdy coś idzie nie tak, pozwala człowiekowi podjąć decyzję. Czasami najlepszą wizualizacją jest migające światło!
+
+Pracując z danymi GPS, najczytelniejszą wizualizacją może być naniesienie danych na mapę. Mapa pokazująca na przykład ciężarówki dostawcze może pomóc pracownikom zakładu przetwórczego zobaczyć, kiedy ciężarówki dotrą. Jeśli mapa pokazuje nie tylko lokalizacje ciężarówek, ale także ich zawartość, pracownicy zakładu mogą odpowiednio zaplanować działania - widząc blisko ciężarówkę chłodniczą, wiedzą, że należy przygotować miejsce w lodówce.
+
+## Usługi mapowe
+
+Praca z mapami to interesujące zadanie, a dostępnych jest wiele opcji, takich jak Bing Maps, Leaflet, Open Street Maps czy Google Maps. W tej lekcji dowiesz się o [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) i o tym, jak mogą one wyświetlać dane GPS.
+
+![Logo Azure Maps](../../../../../translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.pl.png)
+
+Azure Maps to "zbiór usług geolokalizacyjnych i SDK, które wykorzystują aktualne dane mapowe, aby dostarczyć kontekst geograficzny dla aplikacji internetowych i mobilnych." Programiści otrzymują narzędzia do tworzenia pięknych, interaktywnych map, które mogą oferować takie funkcje jak rekomendowane trasy, informacje o zdarzeniach drogowych, nawigacja wewnętrzna, możliwości wyszukiwania, dane o wysokości terenu, usługi pogodowe i wiele więcej.
+
+✅ Eksperymentuj z [przykładami kodu mapowego](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps)
+
+Mapy można wyświetlać jako pustą przestrzeń, kafelki, obrazy satelitarne, obrazy satelitarne z naniesionymi drogami, różne typy map w odcieniach szarości, mapy z cieniowaniem reliefowym pokazującym wysokość terenu, mapy nocne oraz mapy o wysokim kontraście. Możesz uzyskać aktualizacje w czasie rzeczywistym na swoich mapach, integrując je z [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn). Możesz kontrolować zachowanie i wygląd swoich map, włączając różne kontrolki, które pozwalają mapie reagować na zdarzenia, takie jak szczypanie, przeciąganie i klikanie. Aby kontrolować wygląd mapy, możesz dodawać warstwy, które obejmują bąbelki, linie, wielokąty, mapy cieplne i inne. Styl mapy, który zaimplementujesz, zależy od wybranego SDK.
+
+Do interfejsu Azure Maps można uzyskać dostęp, korzystając z [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) lub, jeśli tworzysz aplikację mobilną, [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).
+
+W tej lekcji użyjesz Web SDK, aby narysować mapę i wyświetlić ścieżkę lokalizacji GPS swojego czujnika.
+
+## Tworzenie zasobu Azure Maps
+
+Pierwszym krokiem jest utworzenie konta Azure Maps.
+
+### Zadanie - utworzenie zasobu Azure Maps
+
+1. Uruchom następujące polecenie w Terminalu lub Command Prompt, aby utworzyć zasób Azure Maps w grupie zasobów `gps-sensor`:
+
+    ```sh
+    az maps account create --name gps-sensor \
+                           --resource-group gps-sensor \
+                           --accept-tos \
+                           --sku S1
+    ```
+
+    To polecenie utworzy zasób Azure Maps o nazwie `gps-sensor`. Używany jest poziom `S1`, który jest płatnym poziomem obejmującym szeroki zakres funkcji, ale z hojną ilością darmowych wywołań.
+
+    > 💁 Aby zobaczyć koszty korzystania z Azure Maps, sprawdź [stronę cenową Azure Maps](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn).
+
+1. Będziesz potrzebować klucza API dla zasobu map. Użyj następującego polecenia, aby uzyskać ten klucz:
+
+    ```sh
+    az maps account keys list --name gps-sensor \
+                              --resource-group gps-sensor \
+                              --output table
+    ```
+
+    Skopiuj wartość `PrimaryKey`.
+
+## Wyświetlanie mapy na stronie internetowej
+
+Teraz możesz przejść do kolejnego kroku, czyli wyświetlenia mapy na stronie internetowej. Użyjemy tylko jednego pliku `html` dla małej aplikacji internetowej; pamiętaj, że w środowisku produkcyjnym lub zespołowym Twoja aplikacja internetowa prawdopodobnie będzie miała więcej elementów.
+
+### Zadanie - wyświetlenie mapy na stronie internetowej
+
+1. Utwórz plik o nazwie `index.html` w folderze na swoim komputerze lokalnym. Dodaj znacznik HTML, aby umieścić mapę:
+
+    ```html
+    <html>
+    <head>
+        <style>
+            #myMap {
+                width:100%;
+                height:100%;
+            }
+        </style>
+    </head>
+    
+    <body onload="init()">
+        <div id="myMap"></div>
+    </body>
+    </html>
+    ```
+
+    Mapa zostanie załadowana w `div` o nazwie `myMap`. Kilka stylów pozwala jej rozciągnąć się na szerokość i wysokość strony.
+
+    > 🎓 `div` to sekcja strony internetowej, którą można nazwać i stylizować.
+
+1. Pod otwierającym tagiem `<head>` dodaj zewnętrzny arkusz stylów do kontrolowania wyglądu mapy oraz zewnętrzny skrypt z Web SDK do zarządzania jej zachowaniem:
+
+    ```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>
+    ```
+
+    Ten arkusz stylów zawiera ustawienia dotyczące wyglądu mapy, a plik skryptu zawiera kod do jej załadowania. Dodanie tego kodu jest podobne do dołączania plików nagłówkowych w C++ lub importowania modułów w Pythonie.
+
+1. Pod tym skryptem dodaj blok skryptu do uruchomienia mapy.
+
+    ```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>
+    ```
+
+    Zamień `<subscription_key>` na klucz API dla swojego konta Azure Maps.
+
+    Jeśli otworzysz swój plik `index.html` w przeglądarce internetowej, powinieneś zobaczyć załadowaną mapę, skoncentrowaną na obszarze Seattle.
+
+    ![Mapa pokazująca Seattle, miasto w stanie Waszyngton, USA](../../../../../translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.pl.png)
+
+    ✅ Eksperymentuj z parametrami zoom i center, aby zmienić wyświetlanie mapy. Możesz dodać różne współrzędne odpowiadające szerokości i długości geograficznej swoich danych, aby zmienić środek mapy.
+
+> 💁 Lepszym sposobem pracy z aplikacjami internetowymi lokalnie jest zainstalowanie [http-server](https://www.npmjs.com/package/http-server). Będziesz potrzebować [node.js](https://nodejs.org/) i [npm](https://www.npmjs.com/) zainstalowanych przed użyciem tego narzędzia. Po zainstalowaniu tych narzędzi możesz przejść do lokalizacji swojego pliku `index.html` i wpisać `http-server`. Aplikacja internetowa otworzy się na lokalnym serwerze [http://127.0.0.1:8080/](http://127.0.0.1:8080/).
+
+## Format GeoJSON
+
+Teraz, gdy masz swoją aplikację internetową z wyświetlaną mapą, musisz wyodrębnić dane GPS z konta magazynowego i wyświetlić je w warstwie znaczników na mapie. Zanim to zrobimy, przyjrzyjmy się formatowi [GeoJSON](https://wikipedia.org/wiki/GeoJSON), który jest wymagany przez Azure Maps.
+
+[GeoJSON](https://geojson.org/) to otwarty standard JSON ze specjalnym formatowaniem zaprojektowanym do obsługi danych geograficznych. Możesz dowiedzieć się więcej o nim, testując przykładowe dane za pomocą [geojson.io](https://geojson.io), które jest również przydatnym narzędziem do debugowania plików GeoJSON.
+
+Przykładowe dane GeoJSON wyglądają tak:
+
+```json
+{
+  "type": "FeatureCollection",
+  "features": [
+    {
+      "type": "Feature",
+      "geometry": {
+        "type": "Point",
+        "coordinates": [
+          -2.10237979888916,
+          57.164918677004714
+        ]
+      }
+    }
+  ]
+}
+```
+
+Szczególnie interesujący jest sposób, w jaki dane są zagnieżdżone jako `Feature` w `FeatureCollection`. W tym obiekcie znajduje się `geometry` z `coordinates` wskazującymi szerokość i długość geograficzną.
+
+✅ Tworząc swój GeoJSON, zwróć uwagę na kolejność `latitude` i `longitude` w obiekcie, inaczej punkty nie pojawią się tam, gdzie powinny! GeoJSON oczekuje danych w kolejności `lon,lat` dla punktów, a nie `lat,lon`.
+
+`Geometry` może mieć różne typy, takie jak pojedynczy punkt lub wielokąt. W tym przykładzie jest to punkt z dwoma określonymi współrzędnymi: długością i szerokością geograficzną.
+✅ Azure Maps obsługuje standardowy GeoJSON oraz [rozszerzone funkcje](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn), w tym możliwość rysowania okręgów i innych geometrii.
+
+## Wyświetlanie danych GPS na mapie za pomocą GeoJSON
+
+Teraz jesteś gotowy, aby wykorzystać dane z magazynu, który stworzyłeś w poprzedniej lekcji. Przypominając, dane są przechowywane w postaci plików w magazynie blobów, więc musisz pobrać te pliki i przeanalizować je, aby Azure Maps mógł z nich korzystać.
+
+### Zadanie - skonfiguruj magazyn do dostępu z poziomu strony internetowej
+
+Jeśli wykonasz zapytanie do swojego magazynu, aby pobrać dane, możesz być zaskoczony, widząc błędy w konsoli przeglądarki. Dzieje się tak, ponieważ musisz ustawić uprawnienia dla [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) w tym magazynie, aby umożliwić zewnętrznym aplikacjom internetowym odczyt danych.
+
+> 🎓 CORS oznacza "Cross-Origin Resource Sharing" i zazwyczaj musi być jawnie ustawiony w Azure ze względów bezpieczeństwa. Zapobiega to dostępowi do Twoich danych przez nieoczekiwane witryny.
+
+1. Uruchom następujące polecenie, aby włączyć CORS:
+
+    ```sh
+    az storage cors add --methods GET \
+                        --origins "*" \
+                        --services b \
+                        --account-name <storage_name> \
+                        --account-key <key1>
+    ```
+
+    Zamień `<storage_name>` na nazwę swojego konta magazynu. Zamień `<key1>` na klucz konta dla swojego magazynu.
+
+    To polecenie pozwala dowolnej witrynie (symbol wieloznaczny `*` oznacza dowolną) na wykonanie żądania *GET*, czyli pobranie danych z Twojego konta magazynu. `--services b` oznacza, że ustawienie to dotyczy tylko blobów.
+
+### Zadanie - załaduj dane GPS z magazynu
+
+1. Zamień całą zawartość funkcji `init` na następujący kod:
+
+    ```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);
+        })
+    })
+    ```
+
+    Zamień `<storage_name>` na nazwę swojego konta magazynu. Zamień `<subscription_key>` na klucz API dla swojego konta Azure Maps.
+
+    W tym kodzie dzieje się kilka rzeczy. Po pierwsze, kod pobiera dane GPS z Twojego kontenera blobów, używając punktu końcowego URL zbudowanego na podstawie nazwy Twojego konta magazynu. Ten URL pobiera dane z `gps-data`, wskazując, że typ zasobu to kontener (`restype=container`), i zwraca informacje o wszystkich blobach. Lista ta nie zwraca samych blobów, ale zwraca URL dla każdego bloba, który można wykorzystać do załadowania danych bloba.
+
+    > 💁 Możesz wkleić ten URL w przeglądarce, aby zobaczyć szczegóły wszystkich blobów w swoim kontenerze. Każdy element będzie miał właściwość `Url`, którą również możesz załadować w przeglądarce, aby zobaczyć zawartość bloba.
+
+    Kod następnie ładuje każdy blob, wywołując funkcję `loadJSON`, którą utworzysz w kolejnym kroku. Następnie tworzy kontrolkę mapy i dodaje kod do zdarzenia `ready`. To zdarzenie jest wywoływane, gdy mapa zostanie wyświetlona na stronie internetowej.
+
+    Zdarzenie `ready` tworzy źródło danych Azure Maps - kontener zawierający dane GeoJSON, które zostaną później wypełnione. To źródło danych jest następnie używane do stworzenia warstwy bąbelkowej - czyli zestawu okręgów na mapie, umieszczonych w punktach GeoJSON.
+
+1. Dodaj funkcję `loadJSON` do swojego bloku skryptu, poniżej funkcji `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();
+    }    
+    ```
+
+    Ta funkcja jest wywoływana przez procedurę pobierania, aby przeanalizować dane JSON i przekonwertować je na współrzędne długości i szerokości geograficznej w formacie GeoJSON. 
+    Po przeanalizowaniu dane są ustawiane jako część `Feature` GeoJSON. Mapa zostanie zainicjalizowana, a małe okręgi pojawią się wzdłuż ścieżki, którą wyznaczają Twoje dane:
+
+1. Załaduj stronę HTML w przeglądarce. Załaduje ona mapę, a następnie wszystkie dane GPS z magazynu i wyświetli je na mapie.
+
+    ![Mapa Saint Edward State Park w pobliżu Seattle, z okręgami pokazującymi ścieżkę wokół krawędzi parku](../../../../../translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.pl.png)
+
+> 💁 Ten kod znajdziesz w folderze [code](../../../../../3-transport/lessons/3-visualize-location-data/code).
+
+---
+
+## 🚀 Wyzwanie
+
+Fajnie jest móc wyświetlać statyczne dane na mapie jako znaczniki. Czy potrafisz ulepszyć tę aplikację internetową, aby dodać animację i pokazać ścieżkę znaczników w czasie, używając plików JSON z oznaczeniem czasowym? Oto [kilka przykładów](https://azuremapscodesamples.azurewebsites.net/) użycia animacji na mapach.
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
+
+## Przegląd i samodzielna nauka
+
+Azure Maps jest szczególnie przydatne w pracy z urządzeniami IoT.
+
+* Zbadaj niektóre zastosowania w [dokumentacji Azure Maps na Microsoft Docs](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn).
+* Pogłęb swoją wiedzę na temat tworzenia map i punktów nawigacyjnych dzięki [samouczkowi na temat tworzenia pierwszej aplikacji do wyznaczania tras z Azure Maps na Microsoft Learn](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn).
+
+## Zadanie
+
+[Wdróż swoją aplikację](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/pl/3-transport/lessons/3-visualize-location-data/assignment.md
new file mode 100644
index 00000000..0f3de001
--- /dev/null
+++ b/translations/pl/3-transport/lessons/3-visualize-location-data/assignment.md
@@ -0,0 +1,24 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
+  "translation_date": "2025-08-26T07:34:48+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Wdrażanie aplikacji
+
+## Instrukcje
+
+Istnieje kilka sposobów na wdrożenie aplikacji, aby móc ją udostępnić światu, w tym korzystanie z GitHub Pages lub jednego z wielu dostawców usług. Doskonałym rozwiązaniem jest użycie Azure Static Web Apps. W tym zadaniu zbuduj swoją aplikację internetową i wdroż ją w chmurze, postępując zgodnie z [tymi instrukcjami](https://github.com/Azure/static-web-apps-cli) lub oglądając [te filmy](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3).  
+Jedną z zalet korzystania z Azure Static Web Apps jest możliwość ukrycia kluczy API w portalu, więc skorzystaj z tej okazji, aby przekształcić swój subscriptionKey w zmienną i przechowywać ją w chmurze.
+
+## Kryteria oceny
+
+| Kryteria | Wzorowe                                                                                                                                | Wystarczające                                                                                                      | Wymaga poprawy                                     |
+| -------- | --------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------- |
+|          | Działająca aplikacja internetowa jest przedstawiona w udokumentowanym repozytorium GitHub, a jej subscriptionKey jest przechowywany w chmurze i wywoływany jako zmienna | Działająca aplikacja internetowa jest przedstawiona w udokumentowanym repozytorium GitHub, ale jej subscriptionKey nie jest przechowywany w chmurze | Aplikacja zawiera błędy lub nie działa poprawnie |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/4-geofences/README.md b/translations/pl/3-transport/lessons/4-geofences/README.md
new file mode 100644
index 00000000..713fbdc9
--- /dev/null
+++ b/translations/pl/3-transport/lessons/4-geofences/README.md
@@ -0,0 +1,486 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
+  "translation_date": "2025-08-26T07:27:50+00:00",
+  "source_file": "3-transport/lessons/4-geofences/README.md",
+  "language_code": "pl"
+}
+-->
+# Geofences
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+Ten film przedstawia przegląd geofencing i sposobu ich użycia w Azure Maps, tematy, które zostaną omówione w tej lekcji:
+
+[![Geofencing z Azure Maps w programie Microsoft Developer IoT](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
+
+> 🎥 Kliknij obraz powyżej, aby obejrzeć film
+
+## Quiz przed lekcją
+
+[Quiz przed lekcją](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
+
+## Wprowadzenie
+
+W ostatnich trzech lekcjach używałeś IoT do lokalizowania ciężarówek przewożących produkty z Twojej farmy do centrum przetwarzania. Zarejestrowałeś dane GPS, wysłałeś je do chmury, aby je przechować, i zwizualizowałeś je na mapie. Kolejnym krokiem w zwiększaniu efektywności Twojego łańcucha dostaw jest otrzymanie alertu, gdy ciężarówka zbliża się do centrum przetwarzania, aby załoga potrzebna do rozładunku mogła być gotowa z wózkami widłowymi i innym sprzętem, gdy pojazd dotrze na miejsce. Dzięki temu rozładunek będzie szybki, a Ty nie będziesz płacić za czas oczekiwania ciężarówki i kierowcy.
+
+W tej lekcji dowiesz się o geofencing - zdefiniowanych obszarach geograficznych, takich jak obszar w promieniu 2 km od centrum przetwarzania, oraz o tym, jak sprawdzić, czy współrzędne GPS znajdują się wewnątrz czy na zewnątrz geofence, aby zobaczyć, czy Twój czujnik GPS dotarł do obszaru lub go opuścił.
+
+W tej lekcji omówimy:
+
+* [Czym są geofencing](../../../../../3-transport/lessons/4-geofences)
+* [Definiowanie geofence](../../../../../3-transport/lessons/4-geofences)
+* [Testowanie punktów względem geofence](../../../../../3-transport/lessons/4-geofences)
+* [Użycie geofence w kodzie bezserwerowym](../../../../../3-transport/lessons/4-geofences)
+
+> 🗑 To jest ostatnia lekcja w tym projekcie, więc po jej ukończeniu i wykonaniu zadania, nie zapomnij posprzątać swoich usług w chmurze. Usługi będą potrzebne do ukończenia zadania, więc upewnij się, że najpierw je wykonasz.
+>
+> Jeśli potrzebujesz instrukcji, zapoznaj się z [przewodnikiem czyszczenia projektu](../../../clean-up.md).
+
+## Czym są Geofencing
+
+Geofence to wirtualny obwód dla rzeczywistego obszaru geograficznego. Geofencing mogą być okręgami zdefiniowanymi jako punkt i promień (na przykład okrąg o średnicy 100 m wokół budynku) lub wielokątami obejmującymi obszar, taki jak strefa szkolna, granice miasta, kampus uniwersytecki lub biurowy.
+
+![Przykłady geofence pokazujące okrągły geofence wokół sklepu Microsoft oraz wielokąt wokół zachodniego kampusu Microsoft](../../../../../translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.pl.png)
+
+> 💁 Mogłeś już korzystać z geofence, nie zdając sobie z tego sprawy. Jeśli ustawiłeś przypomnienie w aplikacji przypomnień iOS lub Google Keep na podstawie lokalizacji, użyłeś geofence. Te aplikacje ustawiają geofence na podstawie podanej lokalizacji i powiadamiają Cię, gdy Twój telefon wejdzie w obszar geofence.
+
+Istnieje wiele powodów, dla których warto wiedzieć, czy pojazd znajduje się wewnątrz czy na zewnątrz geofence:
+
+* Przygotowanie do rozładunku - otrzymanie powiadomienia, że pojazd dotarł na miejsce, pozwala załodze przygotować się do rozładunku, skracając czas oczekiwania pojazdu. Dzięki temu kierowca może wykonać więcej dostaw w ciągu dnia przy mniejszym czasie oczekiwania.
+* Zgodność podatkowa - niektóre kraje, takie jak Nowa Zelandia, pobierają podatki drogowe od pojazdów z silnikiem diesla na podstawie ich wagi, ale tylko podczas jazdy po drogach publicznych. Korzystanie z geofence pozwala śledzić przebyty dystans na drogach publicznych w porównaniu do prywatnych, takich jak farmy czy obszary leśne.
+* Monitorowanie kradzieży - jeśli pojazd powinien pozostać w określonym obszarze, na przykład na farmie, a opuści geofence, może zostać skradziony.
+* Zgodność lokalizacyjna - niektóre części miejsca pracy, farmy lub fabryki mogą być niedostępne dla określonych pojazdów, na przykład utrzymanie pojazdów przewożących sztuczne nawozy i pestycydy z dala od pól uprawiających produkty organiczne. Jeśli geofence zostanie naruszony, pojazd znajduje się poza zgodnością, a kierowca może zostać powiadomiony.
+
+✅ Czy potrafisz wymyślić inne zastosowania geofence?
+
+Azure Maps, usługa, której używałeś w poprzedniej lekcji do wizualizacji danych GPS, pozwala definiować geofence, a następnie sprawdzać, czy punkt znajduje się wewnątrz czy na zewnątrz geofence.
+
+## Definiowanie geofence
+
+Geofencing są definiowane za pomocą GeoJSON, tak samo jak punkty dodane do mapy w poprzedniej lekcji. W tym przypadku, zamiast być `FeatureCollection` wartości `Point`, jest to `FeatureCollection` zawierające `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"
+       }
+     }
+   ]
+}
+```
+
+Każdy punkt na wielokącie jest definiowany jako para długości i szerokości geograficznej w tablicy, a te punkty znajdują się w tablicy ustawionej jako `coordinates`. W przypadku `Point` w poprzedniej lekcji, `coordinates` było tablicą zawierającą 2 wartości, szerokość i długość geograficzną, dla `Polygon` jest to tablica tablic zawierających 2 wartości, długość i szerokość geograficzną.
+
+> 💁 Pamiętaj, GeoJSON używa `długość, szerokość` dla punktów, a nie `szerokość, długość`
+
+Tablica współrzędnych wielokąta zawsze ma o 1 więcej wpis niż liczba punktów na wielokącie, z ostatnim wpisem będącym takim samym jak pierwszy, zamykającym wielokąt. Na przykład dla prostokąta byłoby 5 punktów.
+
+![Prostokąt z współrzędnymi](../../../../../translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.pl.png)
+
+Na powyższym obrazku znajduje się prostokąt. Współrzędne wielokąta zaczynają się w lewym górnym rogu na 47,-122, następnie przesuwają się w prawo do 47,-121, potem w dół do 46,-121, następnie w lewo do 46, -122, a potem z powrotem do punktu początkowego na 47, -122. Daje to wielokąt o 5 punktach - lewy górny, prawy górny, prawy dolny, lewy dolny, a następnie lewy górny, aby go zamknąć.
+
+✅ Spróbuj stworzyć wielokąt GeoJSON wokół swojego domu lub szkoły. Użyj narzędzia takiego jak [GeoJSON.io](https://geojson.io/).
+
+### Zadanie - definiowanie geofence
+
+Aby użyć geofence w Azure Maps, najpierw musi zostać przesłany do Twojego konta Azure Maps. Po przesłaniu otrzymasz unikalny identyfikator, który możesz użyć do testowania punktu względem geofence. Aby przesłać geofencing do Azure Maps, musisz użyć web API map. Możesz wywołać web API Azure Maps za pomocą narzędzia o nazwie [curl](https://curl.se).
+
+> 🎓 Curl to narzędzie wiersza poleceń do wykonywania żądań do punktów końcowych w sieci
+
+1. Jeśli używasz Linuxa, macOS lub najnowszej wersji Windows 10, prawdopodobnie masz curl już zainstalowany. Uruchom następujące polecenie z terminala lub wiersza poleceń, aby sprawdzić:
+
+    ```sh
+    curl --version
+    ```
+
+    Jeśli nie widzisz informacji o wersji curl, będziesz musiał go zainstalować ze [strony pobierania curl](https://curl.se/download.html).
+
+    > 💁 Jeśli masz doświadczenie z Postmanem, możesz go użyć zamiast curl, jeśli wolisz.
+
+1. Utwórz plik GeoJSON zawierający wielokąt. Będziesz testować go za pomocą swojego czujnika GPS, więc stwórz wielokąt wokół swojej obecnej lokalizacji. Możesz go stworzyć ręcznie, edytując podany powyżej przykład GeoJSON, lub użyć narzędzia takiego jak [GeoJSON.io](https://geojson.io/).
+
+    GeoJSON musi zawierać `FeatureCollection`, zawierające `Feature` z `geometry` typu `Polygon`.
+
+    Musisz również dodać element `properties` na tym samym poziomie co element `geometry`, a ten musi zawierać `geometryId`:
+
+    ```json
+    "properties": {
+        "geometryId": "1"
+    }
+    ```
+
+    Jeśli używasz [GeoJSON.io](https://geojson.io/), będziesz musiał ręcznie dodać ten element do pustego `properties`, albo po pobraniu pliku JSON, albo w edytorze JSON w aplikacji.
+
+    Ten `geometryId` musi być unikalny w tym pliku. Możesz przesłać wiele geofencing jako wiele `Features` w `FeatureCollection` w tym samym pliku GeoJSON, pod warunkiem, że każdy z nich ma inny `geometryId`. Wielokąty mogą mieć ten sam `geometryId`, jeśli są przesyłane z innego pliku w innym czasie.
+
+1. Zapisz ten plik jako `geofence.json` i przejdź do miejsca, w którym został zapisany w terminalu lub konsoli.
+
+1. Uruchom następujące polecenie curl, aby utworzyć 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
+    ```
+
+    Zamień `<subscription_key>` w URL na klucz API dla swojego konta Azure Maps.
+
+    URL jest używany do przesyłania danych map za pomocą API `https://atlas.microsoft.com/mapData/upload`. Wywołanie zawiera parametr `api-version`, aby określić, której wersji API Azure Maps użyć, co pozwala na zmiany w API w czasie przy zachowaniu kompatybilności wstecznej. Format danych przesyłanych jest ustawiony na `geojson`.
+
+    To uruchomi żądanie POST do API przesyłania i zwróci listę nagłówków odpowiedzi, która zawiera nagłówek o nazwie `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
+    ```
+
+    > 🎓 Podczas wywoływania punktu końcowego w sieci możesz przekazywać parametry do wywołania, dodając `?` po którym następują pary klucz-wartość jako `klucz=wartość`, oddzielając pary klucz-wartość za pomocą `&`.
+
+1. Azure Maps nie przetwarza tego natychmiast, więc będziesz musiał sprawdzić, czy żądanie przesyłania zostało zakończone, używając URL podanego w nagłówku `location`. Wykonaj żądanie GET do tego URL, aby sprawdzić status. Będziesz musiał dodać swój klucz subskrypcji na końcu URL `location`, dodając `&subscription-key=<subscription_key>` na końcu, zastępując `<subscription_key>` kluczem API dla swojego konta Azure Maps. Uruchom następujące polecenie:
+
+    ```sh
+    curl --request GET '<location>&subscription-key=<subscription_key>'
+    ```
+
+    Zamień `<location>` na wartość nagłówka `location`, a `<subscription_key>` na klucz API dla swojego konta Azure Maps.
+
+1. Sprawdź wartość `status` w odpowiedzi. Jeśli nie jest `Succeeded`, poczekaj minutę i spróbuj ponownie.
+
+1. Gdy status wróci jako `Succeeded`, spójrz na `resourceLocation` z odpowiedzi. Zawiera szczegóły dotyczące unikalnego identyfikatora (znanego jako UDID) dla obiektu GeoJSON. UDID to wartość po `metadata/`, nie uwzględniając `api-version`. Na przykład, jeśli `resourceLocation` wynosi:
+
+    ```json
+    {
+      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
+    }
+    ```
+
+    Wtedy UDID wynosi `7c3776eb-da87-4c52-ae83-caadf980323a`.
+
+    Zachowaj kopię tego UDID, ponieważ będziesz go potrzebować do testowania geofence.
+
+## Testowanie punktów względem geofence
+
+Po przesłaniu wielokąta do Azure Maps możesz przetestować punkt, aby sprawdzić, czy znajduje się wewnątrz czy na zewnątrz geofence. Robisz to, wykonując żądanie web API, przekazując UDID geofence oraz szerokość i długość geograficzną punktu do testowania.
+
+Podczas wykonywania tego żądania możesz również przekazać wartość zwaną `searchBuffer`. Określa ona, jak dokładne mają być wyniki. Powodem tego jest fakt, że GPS nie jest idealnie dokładny i czasami lokalizacje mogą być przesunięte o metry lub więcej. Domyślnie search buffer wynosi 50 m, ale możesz ustawić wartości od 0 m do 500 m.
+
+Gdy wyniki zostaną zwrócone z wywołania API, jedna z części wyniku to `distance` mierzona do najbliższego punktu na krawędzi geofence, z wartością dodatnią, jeśli punkt znajduje się na zewnątrz geofence, ujemną, jeśli znajduje się wewnątrz geofence. Jeśli ta odległość jest mniejsza niż search buffer, rzeczywista odległość jest zwracana w metrach, w przeciwnym razie wartość wynosi 999 lub -999. 999 oznacza, że punkt znajduje się na zewnątrz geofence o więcej niż search buffer, -999 oznacza, że znajduje się wewnątrz geofence o więcej niż search buffer.
+
+![Geofence z buforem wyszukiwania 50 m wokół niego](../../../../../translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.pl.png)
+
+Na powyższym obrazku geofence ma bufor wyszukiwania 50 m.
+
+* Punkt w centrum geofence, dobrze wewnątrz bufora wyszukiwania, ma odległość **-999**
+* Punkt dobrze poza buforem wyszukiwania ma odległość **999**
+* Punkt wewnątrz geofence i wewnątrz bufora wyszukiwania, 6 m od geofence, ma odległość **6 m**
+* Punkt na zewnątrz geofence i wewnątrz bufora wyszukiwania, 39 m od geofence, ma odległość **39 m**
+
+Ważne jest, aby znać odległość do krawędzi geofence i łączyć ją z innymi informacjami, takimi jak inne odczyty GPS, prędkość i dane drogowe, podczas podejmowania decyzji na podstawie lokalizacji pojazdu.
+
+Na przykład, wyobraź sobie odczyty GPS pokazujące, że pojazd jechał drogą, która kończy się obok geofence. Jeśli pojedyncza wartość GPS jest niedokładna i umieszcza pojazd wewnątrz geofence, mimo że nie ma tam dostępu dla pojazdów, można ją zignorować.
+
+![Ślad GPS pokazujący pojazd przejeżdżający obok kampusu Microsoft na 520, z odczytami GPS wzdłuż drogi, z wyjątkiem jednego na kampusie, wewnątrz geofence](../../../../../translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.pl.png)
+Na powyższym obrazku widoczny jest geofence obejmujący część kampusu Microsoft. Czerwona linia pokazuje trasę ciężarówki jadącej wzdłuż drogi 520, z okręgami oznaczającymi odczyty GPS. Większość z nich jest dokładna i znajduje się wzdłuż drogi 520, ale jeden niedokładny odczyt znajduje się wewnątrz geofence. Nie ma możliwości, aby ten odczyt był poprawny - nie ma dróg, które pozwoliłyby ciężarówce nagle zjechać z drogi 520 na kampus, a potem wrócić na drogę 520. Kod sprawdzający ten geofence będzie musiał uwzględnić poprzednie odczyty przed podjęciem działań na podstawie wyników testu geofence.
+
+✅ Jakie dodatkowe dane byłyby potrzebne, aby sprawdzić, czy odczyt GPS można uznać za poprawny?
+
+### Zadanie - testowanie punktów względem geofence
+
+1. Zacznij od zbudowania URL dla zapytania do API. Format wygląda następująco:
+
+    ```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>
+    ```
+
+    Zamień `<subscription_key>` na klucz API dla swojego konta Azure Maps.
+
+    Zamień `<UDID>` na UDID geofence z poprzedniego zadania.
+
+    Zamień `<lat>` i `<lon>` na szerokość i długość geograficzną, które chcesz przetestować.
+
+    Ten URL używa API `https://atlas.microsoft.com/spatial/geofence/json`, aby zapytać o geofence zdefiniowany za pomocą GeoJSON. Celuje w wersję API `1.0`. Parametr `deviceId` jest wymagany i powinien być nazwą urządzenia, z którego pochodzi szerokość i długość geograficzna.
+
+    Domyślny bufor wyszukiwania wynosi 50 m, ale możesz go zmienić, przekazując dodatkowy parametr `searchBuffer=<distance>`, ustawiając `<distance>` na odległość bufora wyszukiwania w metrach, od 0 do 500.
+
+1. Użyj curl, aby wykonać żądanie GET do tego URL:
+
+    ```sh
+    curl --request GET '<URL>'
+    ```
+
+    > 💁 Jeśli otrzymasz kod odpowiedzi `BadRequest` z błędem:
+    >
+    > ```output
+    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
+    > ```
+    >
+    > oznacza to, że Twój GeoJSON nie zawiera sekcji `properties` z `geometryId`. Musisz poprawić swój GeoJSON, a następnie powtórzyć powyższe kroki, aby ponownie przesłać i uzyskać nowy UDID.
+
+1. Odpowiedź będzie zawierać listę `geometries`, po jednej dla każdego wielokąta zdefiniowanego w GeoJSON użytym do stworzenia geofence. Każda geometria ma 3 interesujące pola: `distance`, `nearestLat` i `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` i `nearestLon` to szerokość i długość geograficzna punktu na krawędzi geofence, który jest najbliżej testowanej lokalizacji.
+
+    * `distance` to odległość od testowanej lokalizacji do najbliższego punktu na krawędzi geofence. Liczby ujemne oznaczają, że punkt znajduje się wewnątrz geofence, liczby dodatnie - na zewnątrz. Ta wartość będzie mniejsza niż 50 (domyślny bufor wyszukiwania) lub wynosić 999.
+
+1. Powtórz to wielokrotnie z lokalizacjami wewnątrz i na zewnątrz geofence.
+
+## Użycie geofence w kodzie bezserwerowym
+
+Teraz możesz dodać nowy wyzwalacz do swojej aplikacji Functions, aby testować dane GPS z IoT Hub względem geofence.
+
+### Grupy konsumenckie
+
+Jak pamiętasz z poprzednich lekcji, IoT Hub pozwala na odtwarzanie zdarzeń, które zostały odebrane przez hub, ale nie przetworzone. Ale co się stanie, jeśli podłączysz wiele wyzwalaczy? Skąd hub będzie wiedział, które zdarzenia zostały przetworzone przez który wyzwalacz?
+
+Odpowiedź brzmi: nie będzie wiedział! Zamiast tego możesz zdefiniować wiele oddzielnych połączeń do odczytu zdarzeń, a każde z nich może zarządzać odtwarzaniem nieprzeczytanych wiadomości. Są one nazywane *grupami konsumenckimi*. Podczas łączenia się z punktem końcowym możesz określić, z którą grupą konsumencką chcesz się połączyć. Każdy komponent Twojej aplikacji będzie łączył się z inną grupą konsumencką.
+
+![Jeden IoT Hub z 3 grupami konsumenckimi rozdzielającymi te same wiadomości do 3 różnych aplikacji Functions](../../../../../translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.pl.png)
+
+Teoretycznie do każdej grupy konsumenckiej może podłączyć się do 5 aplikacji, a wszystkie będą otrzymywać wiadomości, gdy tylko się pojawią. Najlepszą praktyką jest, aby tylko jedna aplikacja miała dostęp do każdej grupy konsumenckiej, aby uniknąć duplikacji przetwarzania wiadomości i zapewnić, że po ponownym uruchomieniu wszystkie zakolejkowane wiadomości zostaną poprawnie przetworzone. Na przykład, jeśli uruchomisz swoją aplikację Functions lokalnie, a także w chmurze, obie będą przetwarzać wiadomości, co doprowadzi do duplikacji blobów przechowywanych w koncie magazynu.
+
+Jeśli przejrzysz plik `function.json` dla wyzwalacza IoT Hub, który utworzyłeś we wcześniejszej lekcji, zobaczysz grupę konsumencką w sekcji wiązania wyzwalacza Event Hub:
+
+```json
+"consumerGroup": "$Default"
+```
+
+Podczas tworzenia IoT Hub, domyślnie tworzona jest grupa konsumencka `$Default`. Jeśli chcesz dodać dodatkowy wyzwalacz, możesz to zrobić, używając nowej grupy konsumenckiej.
+
+> 💁 W tej lekcji użyjesz innej funkcji do testowania geofence niż tej używanej do przechowywania danych GPS. Ma to na celu pokazanie, jak używać grup konsumenckich i rozdzielać kod, aby był łatwiejszy do odczytania i zrozumienia. W aplikacji produkcyjnej istnieje wiele sposobów, w jakie można to zaprojektować - umieszczenie obu w jednej funkcji, użycie wyzwalacza na koncie magazynu do uruchomienia funkcji sprawdzającej geofence lub użycie wielu funkcji. Nie ma "jednego właściwego sposobu", wszystko zależy od reszty Twojej aplikacji i Twoich potrzeb.
+
+### Zadanie - utwórz nową grupę konsumencką
+
+1. Uruchom następujące polecenie, aby utworzyć nową grupę konsumencką o nazwie `geofence` dla swojego IoT Hub:
+
+    ```sh
+    az iot hub consumer-group create --name geofence \
+                                     --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę, której użyłeś dla swojego IoT Hub.
+
+1. Jeśli chcesz zobaczyć wszystkie grupy konsumenckie dla IoT Hub, uruchom następujące polecenie:
+
+    ```sh
+    az iot hub consumer-group list --output table \
+                                   --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę, której użyłeś dla swojego IoT Hub. To polecenie wyświetli wszystkie grupy konsumenckie.
+
+    ```output
+    Name      ResourceGroup
+    --------  ---------------
+    $Default  gps-sensor
+    geofence  gps-sensor
+    ```
+
+> 💁 Kiedy uruchomiłeś monitor zdarzeń IoT Hub we wcześniejszej lekcji, połączył się on z grupą konsumencką `$Default`. Dlatego nie możesz uruchomić monitora zdarzeń i wyzwalacza zdarzeń jednocześnie. Jeśli chcesz uruchomić oba, możesz użyć innych grup konsumenckich dla wszystkich swoich aplikacji Functions i zachować `$Default` dla monitora zdarzeń.
+
+### Zadanie - utwórz nowy wyzwalacz IoT Hub
+
+1. Dodaj nowy wyzwalacz zdarzeń IoT Hub do swojej aplikacji `gps-trigger`, którą utworzyłeś we wcześniejszej lekcji. Nazwij tę funkcję `geofence-trigger`.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia wyzwalacza zdarzeń IoT Hub z projektu 2, lekcja 5, jeśli potrzebujesz](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger).
+
+1. Skonfiguruj ciąg połączenia IoT Hub w pliku `function.json`. Plik `local.settings.json` jest współdzielony między wszystkimi wyzwalaczami w aplikacji Functions.
+
+1. Zaktualizuj wartość `consumerGroup` w pliku `function.json`, aby odwoływała się do nowej grupy konsumenckiej `geofence`:
+
+    ```json
+    "consumerGroup": "geofence"
+    ```
+
+1. Będziesz potrzebować klucza subskrypcji dla swojego konta Azure Maps w tym wyzwalaczu, więc dodaj nowy wpis do pliku `local.settings.json` o nazwie `MAPS_KEY`.
+
+1. Uruchom aplikację Functions, aby upewnić się, że łączy się i przetwarza wiadomości. Wyzwalacz `iot-hub-trigger` z wcześniejszej lekcji również będzie działał i przesyłał bloby do magazynu.
+
+    > Aby uniknąć duplikacji odczytów GPS w magazynie blobów, możesz zatrzymać aplikację Functions, którą masz uruchomioną w chmurze. Aby to zrobić, użyj następującego polecenia:
+    >
+    > ```sh
+    > az functionapp stop --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > Zamień `<functions_app_name>` na nazwę, której użyłeś dla swojej aplikacji Functions.
+    >
+    > Możesz ją później ponownie uruchomić za pomocą następującego polecenia:
+    >
+    > ```sh
+    > az functionapp start --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > Zamień `<functions_app_name>` na nazwę, której użyłeś dla swojej aplikacji Functions.
+
+### Zadanie - testowanie geofence z wyzwalacza
+
+We wcześniejszej części lekcji użyłeś curl, aby zapytać o geofence i sprawdzić, czy punkt znajduje się wewnątrz czy na zewnątrz. Możesz wykonać podobne zapytanie webowe z wnętrza swojego wyzwalacza.
+
+1. Aby zapytać o geofence, potrzebujesz jego UDID. Dodaj nowy wpis do pliku `local.settings.json` o nazwie `GEOFENCE_UDID` z tą wartością.
+
+1. Otwórz plik `__init__.py` z nowego wyzwalacza `geofence-trigger`.
+
+1. Dodaj następujący import na początku pliku:
+
+    ```python
+    import json
+    import os
+    import requests
+    ```
+
+    Pakiet `requests` pozwala na wykonywanie zapytań do API webowych. Azure Maps nie ma SDK dla Pythona, więc musisz wykonywać zapytania webowe, aby używać go w kodzie Pythona.
+
+1. Dodaj następujące 2 linie na początku metody `main`, aby uzyskać klucz subskrypcji Maps:
+
+    ```python
+    maps_key = os.environ['MAPS_KEY']
+    geofence_udid = os.environ['GEOFENCE_UDID']    
+    ```
+
+1. Wewnątrz pętli `for event in events` dodaj następujący kod, aby uzyskać szerokość i długość geograficzną z każdego zdarzenia:
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    lat = event_body['gps']['lat']
+    lon = event_body['gps']['lon']
+    ```
+
+    Ten kod konwertuje JSON z treści zdarzenia na słownik, a następnie wyodrębnia `lat` i `lon` z pola `gps`.
+
+1. Podczas używania `requests`, zamiast budować długi URL, jak to robiłeś za pomocą curl, możesz użyć tylko części URL i przekazać parametry jako słownik. Dodaj następujący kod, aby zdefiniować URL do wywołania i skonfigurować parametry:
+
+    ```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
+    }
+    ```
+
+    Elementy w słowniku `params` będą odpowiadać parom klucz-wartość, które używałeś podczas wywoływania API webowego za pomocą curl.
+
+1. Dodaj następujące linie kodu, aby wywołać API webowe:
+
+    ```python
+    response = requests.get(url, params=params)
+    response_body = json.loads(response.text)
+    ```
+
+    To wywołuje URL z parametrami i zwraca obiekt odpowiedzi.
+
+1. Dodaj następujący kod poniżej tego:
+
+    ```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')
+    ```
+
+    Ten kod zakłada 1 geometrię i wyodrębnia odległość z tej pojedynczej geometrii. Następnie loguje różne wiadomości w zależności od odległości.
+
+1. Uruchom ten kod. W logach zobaczysz, czy współrzędne GPS znajdują się wewnątrz czy na zewnątrz geofence, z odległością, jeśli punkt znajduje się w odległości 50 m. Wypróbuj ten kod z różnymi geofence w zależności od lokalizacji swojego czujnika GPS, spróbuj przesunąć czujnik (na przykład podłączony do WiFi z telefonu komórkowego lub z różnymi współrzędnymi na wirtualnym urządzeniu IoT), aby zobaczyć tę zmianę.
+
+1. Gdy będziesz gotowy, wdroż ten kod do swojej aplikacji Functions w chmurze. Nie zapomnij wdrożyć nowych ustawień aplikacji.
+
+    > ⚠️ Możesz odwołać się do [instrukcji przesyłania ustawień aplikacji z projektu 2, lekcja 5, jeśli potrzebujesz](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings).
+
+    > ⚠️ Możesz odwołać się do [instrukcji wdrażania aplikacji Functions z projektu 2, lekcja 5, jeśli potrzebujesz](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud).
+
+> 💁 Kod ten znajdziesz w folderze [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions).
+
+---
+
+## 🚀 Wyzwanie
+
+W tej lekcji dodałeś jeden geofence za pomocą pliku GeoJSON z jednym wielokątem. Możesz przesłać wiele wielokątów jednocześnie, pod warunkiem, że mają różne wartości `geometryId` w sekcji `properties`.
+
+Spróbuj przesłać plik GeoJSON z wieloma wielokątami i dostosuj swój kod, aby znaleźć, który wielokąt jest najbliższy współrzędnym GPS lub w którym się znajdują.
+
+## Quiz po lekcji
+
+[Quiz po lekcji](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj więcej o geofence i ich zastosowaniach na [stronie Geofencing na Wikipedii](https://en.wikipedia.org/wiki/Geo-fence).
+* Przeczytaj więcej o API geofence Azure Maps na [dokumentacji Microsoft Azure Maps Spatial - Get Geofence](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn).
+* Przeczytaj więcej o grupach konsumenckich w [Funkcje i terminologia w Azure Event Hubs - dokumentacja Event consumers na Microsoft docs](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers).
+
+## Zadanie
+
+[Wysyłanie powiadomień za pomocą Twilio](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/3-transport/lessons/4-geofences/assignment.md b/translations/pl/3-transport/lessons/4-geofences/assignment.md
new file mode 100644
index 00000000..7976213c
--- /dev/null
+++ b/translations/pl/3-transport/lessons/4-geofences/assignment.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
+  "translation_date": "2025-08-26T07:29:34+00:00",
+  "source_file": "3-transport/lessons/4-geofences/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Wysyłanie powiadomień za pomocą Twilio
+
+## Instrukcje
+
+W swoim kodzie do tej pory logowałeś jedynie odległość od geofence. W tym zadaniu musisz dodać powiadomienie, na przykład wiadomość tekstową lub e-mail, gdy współrzędne GPS znajdują się wewnątrz geofence.
+
+Azure Functions oferuje wiele opcji powiązań, w tym z usługami zewnętrznymi, takimi jak Twilio, platforma komunikacyjna.
+
+* Zarejestruj się na darmowe konto na [Twilio.com](https://www.twilio.com)
+* Przeczytaj dokumentację na temat powiązania Azure Functions z Twilio SMS na stronie [Microsoft docs Twilio binding for Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python).
+* Przeczytaj dokumentację na temat powiązania Azure Functions z Twilio SendGrid w celu wysyłania e-maili na stronie [Microsoft docs Azure Functions SendGrid bindings](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python).
+* Dodaj powiązanie do swojej aplikacji Functions, aby otrzymywać powiadomienia o współrzędnych GPS znajdujących się wewnątrz lub na zewnątrz geofence - ale nie w obu przypadkach.
+
+## Kryteria oceny
+
+| Kryteria | Wzorowe | Zadowalające | Wymaga poprawy |
+| -------- | --------- | -------- | ----------------- |
+| Konfiguracja powiązań funkcji i odbieranie e-maila lub SMS-a | Udało się skonfigurować powiązania funkcji i odebrać e-mail lub SMS, gdy współrzędne znajdowały się wewnątrz lub na zewnątrz geofence, ale nie w obu przypadkach | Udało się skonfigurować powiązania, ale nie udało się wysłać e-maila lub SMS-a, albo udało się wysłać tylko wtedy, gdy współrzędne znajdowały się zarówno wewnątrz, jak i na zewnątrz | Nie udało się skonfigurować powiązań ani wysłać e-maila lub SMS-a |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/README.md b/translations/pl/4-manufacturing/README.md
new file mode 100644
index 00000000..5de7601b
--- /dev/null
+++ b/translations/pl/4-manufacturing/README.md
@@ -0,0 +1,36 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3764e089adf2d5801272bc0895f8498b",
+  "translation_date": "2025-08-26T06:30:00+00:00",
+  "source_file": "4-manufacturing/README.md",
+  "language_code": "pl"
+}
+-->
+# Produkcja i przetwarzanie - wykorzystanie IoT do poprawy przetwarzania żywności
+
+Gdy żywność dociera do centralnego punktu lub zakładu przetwórczego, nie zawsze jest od razu wysyłana do supermarketów. Często przechodzi przez szereg etapów przetwarzania, takich jak sortowanie według jakości. Jest to proces, który kiedyś był wykonywany ręcznie - zaczynał się na polu, gdzie zbieracze wybierali tylko dojrzałe owoce, a następnie w fabryce owoce jechały na taśmie, a pracownicy ręcznie usuwali uszkodzone lub zgniłe owoce. Sam miałem okazję zbierać i sortować truskawki jako wakacyjną pracę w szkole, więc mogę potwierdzić, że nie jest to przyjemne zajęcie.
+
+Nowocześniejsze rozwiązania opierają się na IoT do sortowania. Jedne z pierwszych urządzeń, takie jak sortery od [Weco](https://wecotek.com), wykorzystują czujniki optyczne do wykrywania jakości produktów, odrzucając na przykład zielone pomidory. Mogą być stosowane zarówno w kombajnach na farmie, jak i w zakładach przetwórczych.
+
+Wraz z postępem w dziedzinie sztucznej inteligencji (AI) i uczenia maszynowego (ML), te maszyny mogą stawać się coraz bardziej zaawansowane, wykorzystując modele ML trenowane do rozróżniania owoców od obcych obiektów, takich jak kamienie, ziemia czy owady. Modele te mogą być również trenowane do oceny jakości owoców, nie tylko wykrywania uszkodzeń, ale także wczesnego wykrywania chorób lub innych problemów z uprawami.
+
+> 🎓 Termin *model ML* odnosi się do wyniku trenowania oprogramowania uczenia maszynowego na zestawie danych. Na przykład, można wytrenować model ML do rozróżniania dojrzałych i niedojrzałych pomidorów, a następnie używać tego modelu na nowych obrazach, aby sprawdzić, czy pomidory są dojrzałe czy nie.
+
+W tych 4 lekcjach nauczysz się, jak trenować modele AI oparte na obrazach do oceny jakości owoców, jak korzystać z nich na urządzeniu IoT oraz jak uruchamiać je na urządzeniu brzegowym - czyli na urządzeniu IoT, a nie w chmurze.
+
+> 💁 W tych lekcjach zostaną wykorzystane zasoby chmurowe. Jeśli nie ukończysz wszystkich lekcji w tym projekcie, upewnij się, że [posprzątasz swój projekt](../clean-up.md).
+
+## Tematy
+
+1. [Trenowanie detektora jakości owoców](./lessons/1-train-fruit-detector/README.md)
+1. [Sprawdzanie jakości owoców z urządzenia IoT](./lessons/2-check-fruit-from-device/README.md)
+1. [Uruchamianie detektora owoców na urządzeniu brzegowym](./lessons/3-run-fruit-detector-edge/README.md)
+1. [Wyzwalanie detekcji jakości owoców za pomocą czujnika](./lessons/4-trigger-fruit-detector/README.md)
+
+## Autorzy
+
+Wszystkie lekcje zostały napisane z ♥️ przez [Jen Fox](https://github.com/jenfoxbot) i [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/pl/4-manufacturing/lessons/1-train-fruit-detector/README.md
new file mode 100644
index 00000000..1499c5ad
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/1-train-fruit-detector/README.md
@@ -0,0 +1,242 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
+  "translation_date": "2025-08-26T06:30:14+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
+  "language_code": "pl"
+}
+-->
+# Trenuj detektor jakości owoców
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+Ten film przedstawia przegląd usługi Azure Custom Vision, która zostanie omówiona w tej lekcji.
+
+[![Custom Vision – Machine Learning Made Easy | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
+
+> 🎥 Kliknij obraz powyżej, aby obejrzeć film
+
+## Quiz przed lekcją
+
+[Quiz przed lekcją](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
+
+## Wprowadzenie
+
+Niedawny rozwój Sztucznej Inteligencji (AI) i Uczenia Maszynowego (ML) dostarcza dzisiejszym programistom szerokiego wachlarza możliwości. Modele ML mogą być trenowane do rozpoznawania różnych rzeczy na obrazach, w tym niedojrzałych owoców, co może być wykorzystane w urządzeniach IoT do sortowania produktów podczas zbiorów lub w trakcie przetwarzania w fabrykach czy magazynach.
+
+W tej lekcji dowiesz się o klasyfikacji obrazów – wykorzystaniu modeli ML do rozróżniania obrazów różnych obiektów. Nauczysz się, jak trenować klasyfikator obrazów, aby odróżniał owoce dobrej jakości od złej, np. niedojrzałe, przejrzałe, obite lub zgniłe.
+
+W tej lekcji omówimy:
+
+* [Wykorzystanie AI i ML do sortowania żywności](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Klasyfikacja obrazów za pomocą Uczenia Maszynowego](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Trenowanie klasyfikatora obrazów](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Testowanie klasyfikatora obrazów](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Ponowne trenowanie klasyfikatora obrazów](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+
+## Wykorzystanie AI i ML do sortowania żywności
+
+Wyżywienie globalnej populacji jest trudne, zwłaszcza po cenach, które sprawiają, że jedzenie jest dostępne dla wszystkich. Jednym z największych kosztów jest praca, dlatego rolnicy coraz częściej sięgają po automatyzację i narzędzia takie jak IoT, aby obniżyć koszty pracy. Zbiory ręczne są pracochłonne (i często wyczerpujące fizycznie), dlatego są zastępowane przez maszyny, zwłaszcza w bogatszych krajach. Mimo oszczędności wynikających z użycia maszyn, istnieje wada – brak możliwości sortowania żywności podczas zbiorów.
+
+Nie wszystkie plony dojrzewają równomiernie. Na przykład pomidory mogą mieć jeszcze zielone owoce na krzaku, gdy większość jest gotowa do zbioru. Chociaż zbieranie ich zbyt wcześnie jest marnotrawstwem, dla rolnika jest taniej i łatwiej zebrać wszystko za pomocą maszyn, a niedojrzałe owoce wyrzucić później.
+
+✅ Przyjrzyj się różnym owocom lub warzywom, które rosną w pobliżu – na farmach, w ogrodzie lub w sklepach. Czy wszystkie są w tym samym stopniu dojrzałe, czy widzisz różnice?
+
+Wzrost automatyzacji zbiorów przeniósł sortowanie produktów z pola do fabryki. Żywność trafiała na długie taśmy przenośnikowe, gdzie zespoły ludzi usuwały produkty niespełniające standardów jakości. Zbiory były tańsze dzięki maszynom, ale nadal istniał koszt ręcznego sortowania żywności.
+
+![Jeśli wykryty zostanie czerwony pomidor, kontynuuje swoją drogę. Jeśli wykryty zostanie zielony pomidor, dźwignia przerzuca go do kosza na odpady](../../../../../translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.pl.png)
+
+Kolejną ewolucją było wykorzystanie maszyn do sortowania, wbudowanych w kombajny lub używanych w zakładach przetwórczych. Pierwsza generacja tych maszyn używała czujników optycznych do wykrywania kolorów, sterując siłownikami, które przerzucały zielone pomidory do kosza na odpady za pomocą dźwigni lub strumieni powietrza, pozostawiając czerwone pomidory na taśmach przenośnikowych.
+
+W tym filmie, gdy pomidory spadają z jednej taśmy na drugą, zielone pomidory są wykrywane i przerzucane do kosza za pomocą dźwigni.
+
+✅ Jakie warunki musiałyby być spełnione w fabryce lub na polu, aby te czujniki optyczne działały poprawnie?
+
+Najnowocześniejsze maszyny sortujące wykorzystują AI i ML, używając modeli trenowanych do rozróżniania dobrych produktów od złych, nie tylko na podstawie oczywistych różnic kolorystycznych, takich jak zielone vs czerwone pomidory, ale także subtelniejszych różnic w wyglądzie, które mogą wskazywać na choroby lub obicia.
+
+## Klasyfikacja obrazów za pomocą Uczenia Maszynowego
+
+Tradycyjne programowanie polega na tym, że bierzesz dane, stosujesz do nich algorytm i otrzymujesz wynik. Na przykład w poprzednim projekcie używałeś współrzędnych GPS i geofencing, stosując algorytm dostarczony przez Azure Maps, aby uzyskać wynik, czy punkt znajduje się wewnątrz, czy na zewnątrz geofencing. Wprowadzasz więcej danych, otrzymujesz więcej wyników.
+
+![Tradycyjne programowanie bierze dane wejściowe i algorytm, aby dać wynik. Uczenie maszynowe używa danych wejściowych i wyników do trenowania modelu, który może generować nowe wyniki na podstawie nowych danych wejściowych](../../../../../translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.pl.png)
+
+Uczenie maszynowe odwraca ten proces – zaczynasz od danych i znanych wyników, a algorytm uczenia maszynowego uczy się na podstawie tych danych. Następnie możesz użyć wytrenowanego algorytmu, zwanego *modelem uczenia maszynowego* lub *modelem*, aby wprowadzić nowe dane i uzyskać nowe wyniki.
+
+> 🎓 Proces uczenia się algorytmu uczenia maszynowego na podstawie danych nazywa się *trenowaniem*. Dane wejściowe i znane wyniki nazywane są *danymi treningowymi*.
+
+Na przykład możesz dostarczyć modelowi miliony zdjęć niedojrzałych bananów jako dane treningowe z wynikiem `niedojrzały`, oraz miliony zdjęć dojrzałych bananów z wynikiem `dojrzały`. Algorytm ML stworzy model na podstawie tych danych. Następnie możesz dostarczyć temu modelowi nowe zdjęcie banana, a on przewidzi, czy jest dojrzały, czy niedojrzały.
+
+> 🎓 Wyniki modeli ML nazywane są *przewidywaniami*.
+
+![2 banany, jeden dojrzały z przewidywaniem 99,7% dojrzały, 0,3% niedojrzały, i jeden niedojrzały z przewidywaniem 1,4% dojrzały, 98,6% niedojrzały](../../../../../translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.pl.png)
+
+Modele ML nie dają odpowiedzi binarnej, zamiast tego podają prawdopodobieństwa. Na przykład model może otrzymać zdjęcie banana i przewidzieć `dojrzały` na poziomie 99,7% oraz `niedojrzały` na poziomie 0,3%. Twój kod wybierze najlepsze przewidywanie i zdecyduje, że banan jest dojrzały.
+
+Model ML używany do wykrywania obrazów, takich jak ten, nazywa się *klasyfikatorem obrazów* – otrzymuje oznaczone obrazy, a następnie klasyfikuje nowe obrazy na podstawie tych oznaczeń.
+
+> 💁 To uproszczenie, istnieje wiele innych sposobów trenowania modeli, które nie zawsze wymagają oznaczonych wyników, takich jak uczenie nienadzorowane. Jeśli chcesz dowiedzieć się więcej o ML, sprawdź [ML dla początkujących, 24-lekcyjny kurs o Uczeniu Maszynowym](https://aka.ms/ML-beginners).
+
+## Trenowanie klasyfikatora obrazów
+
+Aby skutecznie wytrenować klasyfikator obrazów, potrzebujesz milionów obrazów. Jak się okazuje, gdy już masz klasyfikator obrazów wytrenowany na milionach lub miliardach różnych obrazów, możesz go ponownie wykorzystać i wytrenować na małym zestawie obrazów, uzyskując świetne wyniki dzięki procesowi zwanemu *transfer learning*.
+
+> 🎓 Transfer learning to proces przenoszenia wiedzy z istniejącego modelu ML do nowego modelu na podstawie nowych danych.
+
+Gdy klasyfikator obrazów został wytrenowany na szerokiej gamie obrazów, jego wewnętrzne mechanizmy są świetne w rozpoznawaniu kształtów, kolorów i wzorów. Transfer learning pozwala modelowi wykorzystać to, czego już nauczył się w rozpoznawaniu części obrazu, aby rozpoznawać nowe obrazy.
+
+![Gdy rozpoznasz kształty, możesz je ułożyć w różne konfiguracje, aby stworzyć łódkę lub kota](../../../../../translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.pl.png)
+
+Możesz to porównać do książek dla dzieci o kształtach, gdzie po rozpoznaniu półkola, prostokąta i trójkąta możesz rozpoznać żaglówkę lub kota w zależności od konfiguracji tych kształtów. Klasyfikator obrazów rozpoznaje kształty, a transfer learning uczy go, jaka kombinacja tworzy łódkę, kota – lub dojrzałego banana.
+
+Istnieje wiele narzędzi, które mogą Ci w tym pomóc, w tym usługi w chmurze, które umożliwiają trenowanie modelu, a następnie korzystanie z niego za pośrednictwem API internetowego.
+
+> 💁 Trenowanie tych modeli wymaga dużej mocy obliczeniowej, zwykle za pomocą procesorów graficznych (GPU). Ten sam specjalistyczny sprzęt, który sprawia, że gry na Twoim Xboxie wyglądają niesamowicie, może być również używany do trenowania modeli uczenia maszynowego. Dzięki chmurze możesz wynająć czas na potężnych komputerach z GPU, aby trenować te modele, uzyskując dostęp do potrzebnej mocy obliczeniowej tylko na czas, który jest Ci potrzebny.
+
+## Custom Vision
+
+Custom Vision to narzędzie w chmurze do trenowania klasyfikatorów obrazów. Pozwala trenować klasyfikator, używając jedynie niewielkiej liczby obrazów. Możesz przesyłać obrazy przez portal internetowy, API lub SDK, przypisując każdemu obrazowi *tag*, który określa jego klasyfikację. Następnie trenujesz model i testujesz go, aby sprawdzić, jak dobrze działa. Gdy jesteś zadowolony z modelu, możesz opublikować jego wersje, które można uzyskać za pośrednictwem API internetowego lub SDK.
+
+![Logo Azure Custom Vision](../../../../../translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.pl.png)
+
+> 💁 Możesz wytrenować model Custom Vision, używając zaledwie 5 obrazów na klasyfikację, ale więcej to lepiej. Lepsze wyniki uzyskasz, mając co najmniej 30 obrazów.
+
+Custom Vision jest częścią gamy narzędzi AI od Microsoftu, zwanych Cognitive Services. Są to narzędzia AI, które można używać bez trenowania lub z niewielką ilością trenowania. Obejmują one rozpoznawanie mowy i tłumaczenie, rozumienie języka i analizę obrazów. Są dostępne w ramach darmowego poziomu jako usługi w Azure.
+
+> 💁 Darmowy poziom jest wystarczający, aby stworzyć model, wytrenować go, a następnie używać go do pracy deweloperskiej. Możesz przeczytać o limitach darmowego poziomu na stronie [Custom Vision Limits and quotas na Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn).
+
+### Zadanie – utwórz zasób Cognitive Services
+
+Aby korzystać z Custom Vision, najpierw musisz utworzyć dwa zasoby Cognitive Services w Azure za pomocą Azure CLI: jeden do trenowania Custom Vision, a drugi do przewidywań Custom Vision.
+
+1. Utwórz grupę zasobów dla tego projektu o nazwie `fruit-quality-detector`.
+
+1. Użyj poniższego polecenia, aby utworzyć darmowy zasób do trenowania 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>
+    ```
+
+    Zastąp `<location>` lokalizacją, której użyłeś podczas tworzenia grupy zasobów.
+
+    To polecenie utworzy zasób do trenowania Custom Vision w Twojej grupie zasobów. Będzie on nazywał się `fruit-quality-detector-training` i używał SKU `F0`, które jest darmowym poziomem. Opcja `--yes` oznacza, że zgadzasz się na warunki korzystania z Cognitive Services.
+
+> 💁 Użyj SKU `S0`, jeśli masz już darmowe konto korzystające z dowolnych Cognitive Services.
+
+1. Użyj poniższego polecenia, aby utworzyć darmowy zasób do przewidywań 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>
+    ```
+
+    Zastąp `<location>` lokalizacją, której użyłeś podczas tworzenia grupy zasobów.
+
+    To polecenie utworzy zasób do przewidywań Custom Vision w Twojej grupie zasobów. Będzie on nazywał się `fruit-quality-detector-prediction` i używał SKU `F0`, które jest darmowym poziomem. Opcja `--yes` oznacza, że zgadzasz się na warunki korzystania z Cognitive Services.
+
+### Zadanie – utwórz projekt klasyfikatora obrazów
+
+1. Otwórz portal Custom Vision na [CustomVision.ai](https://customvision.ai) i zaloguj się za pomocą konta Microsoft, którego używasz do swojego konta Azure.
+
+1. Postępuj zgodnie z sekcją [create a new Project w quickstart na Microsoft docs](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), aby utworzyć nowy projekt Custom Vision. Interfejs użytkownika może się zmieniać, a te dokumenty są zawsze najbardziej aktualnym źródłem informacji.
+
+    Nazwij swój projekt `fruit-quality-detector`.
+
+    Podczas tworzenia projektu upewnij się, że używasz zasobu `fruit-quality-detector-training`, który utworzyłeś wcześniej. Wybierz typ projektu *Classification*, typ klasyfikacji *Multiclass* oraz domenę *Food*.
+
+    ![Ustawienia projektu Custom Vision z nazwą ustawioną na fruit-quality-detector, bez opisu, zasobem ustawionym na fruit-quality-detector-training, typem projektu ustawionym na classification, typem klasyfikacji ustawionym na multi class i domeną ustawioną na food](../../../../../translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.pl.png)
+
+✅ Poświęć trochę czasu na zapoznanie się z interfejsem użytkownika Custom Vision dla swojego klasyfikatora obrazów.
+
+### Zadanie – trenuj swój projekt klasyfikatora obrazów
+
+Aby wytrenować klasyfikator obrazów, będziesz potrzebować wielu zdjęć owoców, zarówno dobrej, jak i złej jakości, aby oznaczyć je jako dobre i złe, na przykład dojrzałe i przejrzałe banany.
+💁 Te klasyfikatory mogą klasyfikować obrazy wszystkiego, więc jeśli nie masz pod ręką owoców o różnej jakości, możesz użyć dwóch różnych rodzajów owoców albo kotów i psów!
+Idealnie każde zdjęcie powinno przedstawiać tylko owoc, z jednolitym tłem lub różnorodnymi tłami. Upewnij się, że w tle nie ma niczego, co wskazywałoby na dojrzałość lub niedojrzałość owocu.
+
+> 💁 Ważne jest, aby unikać specyficznych teł lub przedmiotów niezwiązanych z klasyfikowanym obiektem dla każdego tagu. W przeciwnym razie klasyfikator może opierać swoje decyzje na tle. Istniał klasyfikator raka skóry, który był trenowany na zdjęciach znamion – zarówno normalnych, jak i rakowych. Na zdjęciach znamion rakowych zawsze znajdowały się linijki do pomiaru ich rozmiaru. Okazało się, że klasyfikator był niemal w 100% skuteczny w rozpoznawaniu linijek na zdjęciach, a nie rakowych znamion.
+
+Klasyfikatory obrazów działają na bardzo niskiej rozdzielczości. Na przykład Custom Vision może przyjmować obrazy treningowe i predykcyjne o rozdzielczości do 10240x10240, ale trenuje i uruchamia model na obrazach o rozdzielczości 227x227. Większe obrazy są zmniejszane do tego rozmiaru, więc upewnij się, że klasyfikowany obiekt zajmuje dużą część obrazu. W przeciwnym razie może być zbyt mały w zmniejszonym obrazie używanym przez klasyfikator.
+
+1. Zbierz zdjęcia dla swojego klasyfikatora. Potrzebujesz co najmniej 5 zdjęć dla każdej etykiety, aby wytrenować klasyfikator, ale im więcej, tym lepiej. Potrzebujesz również kilku dodatkowych zdjęć do przetestowania klasyfikatora. Wszystkie te zdjęcia powinny przedstawiać różne ujęcia tego samego obiektu. Na przykład:
+
+    * Używając 2 dojrzałych bananów, zrób kilka zdjęć każdego z nich z różnych kątów, wykonując co najmniej 7 zdjęć (5 do treningu, 2 do testów), ale najlepiej więcej.
+
+        ![Zdjęcia 2 różnych bananów](../../../../../translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.pl.png)
+
+    * Powtórz ten sam proces, używając 2 niedojrzałych bananów.
+
+    Powinieneś mieć co najmniej 10 zdjęć treningowych, z co najmniej 5 dojrzałymi i 5 niedojrzałymi, oraz 4 zdjęcia testowe – 2 dojrzałe, 2 niedojrzałe. Twoje zdjęcia powinny być w formacie png lub jpeg, o rozmiarze mniejszym niż 6 MB. Jeśli tworzysz je na przykład za pomocą iPhone'a, mogą być to obrazy w wysokiej rozdzielczości w formacie HEIC, które trzeba będzie przekonwertować i ewentualnie zmniejszyć. Im więcej zdjęć, tym lepiej, i powinieneś mieć podobną liczbę zdjęć dojrzałych i niedojrzałych.
+
+    Jeśli nie masz zarówno dojrzałych, jak i niedojrzałych owoców, możesz użyć różnych owoców lub dowolnych dwóch dostępnych obiektów. Możesz także znaleźć przykładowe obrazy w folderze [images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images) przedstawiające dojrzałe i niedojrzałe banany, które możesz wykorzystać.
+
+1. Postępuj zgodnie z [sekcją przesyłania i tagowania obrazów w szybkim przewodniku po tworzeniu klasyfikatora w dokumentacji 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), aby przesłać swoje zdjęcia treningowe. Oznacz dojrzałe owoce jako `ripe`, a niedojrzałe jako `unripe`.
+
+    ![Okna dialogowe przesyłania zdjęć dojrzałych i niedojrzałych bananów](../../../../../translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.pl.png)
+
+1. Postępuj zgodnie z [sekcją trenowania klasyfikatora w szybkim przewodniku po tworzeniu klasyfikatora w dokumentacji 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), aby wytrenować klasyfikator obrazów na przesłanych zdjęciach.
+
+    Otrzymasz możliwość wyboru typu treningu. Wybierz **Quick Training**.
+
+Klasyfikator rozpocznie trening. Proces ten zajmie kilka minut.
+
+> 🍌 Jeśli zdecydujesz się zjeść swoje owoce podczas trenowania klasyfikatora, upewnij się, że masz wystarczającą liczbę zdjęć do testów!
+
+## Przetestuj swój klasyfikator obrazów
+
+Gdy klasyfikator zostanie wytrenowany, możesz go przetestować, dostarczając nowe zdjęcie do klasyfikacji.
+
+### Zadanie – przetestuj swój klasyfikator obrazów
+
+1. Postępuj zgodnie z [dokumentacją testowania modelu w dokumentacji Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model), aby przetestować swój klasyfikator obrazów. Użyj zdjęć testowych, które stworzyłeś wcześniej, a nie tych, które wykorzystałeś do treningu.
+
+    ![Niedojrzały banan przewidziany jako niedojrzały z prawdopodobieństwem 98,9%, dojrzały z prawdopodobieństwem 1,1%](../../../../../translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.pl.png)
+
+1. Wypróbuj wszystkie zdjęcia testowe, do których masz dostęp, i zaobserwuj prawdopodobieństwa.
+
+## Ponowne trenowanie klasyfikatora obrazów
+
+Podczas testowania klasyfikatora może się okazać, że wyniki nie są zgodne z oczekiwaniami. Klasyfikatory obrazów wykorzystują uczenie maszynowe do przewidywania, co znajduje się na zdjęciu, na podstawie prawdopodobieństw, że określone cechy obrazu odpowiadają danej etykiecie. Klasyfikator nie rozumie, co znajduje się na zdjęciu – nie wie, czym jest banan ani co sprawia, że banan to banan, a nie łódź. Możesz poprawić swój klasyfikator, ponownie go trenując na zdjęciach, które zostały źle sklasyfikowane.
+
+Za każdym razem, gdy dokonujesz predykcji za pomocą opcji szybkiego testu, obraz i wyniki są przechowywane. Możesz użyć tych zdjęć do ponownego trenowania modelu.
+
+### Zadanie – ponownie wytrenuj swój klasyfikator obrazów
+
+1. Postępuj zgodnie z [dokumentacją dotyczącą używania przewidywanych obrazów do trenowania w dokumentacji 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), aby ponownie wytrenować swój model, używając poprawnej etykiety dla każdego zdjęcia.
+
+1. Po ponownym wytrenowaniu modelu przetestuj go na nowych zdjęciach.
+
+---
+
+## 🚀 Wyzwanie
+
+Jak myślisz, co by się stało, gdybyś użył zdjęcia truskawki w modelu wytrenowanym na bananach, zdjęcia dmuchanego banana, osoby w kostiumie banana, a nawet żółtej postaci z kreskówki, takiej jak ktoś z Simpsonów?
+
+Wypróbuj to i zobacz, jakie będą przewidywania. Możesz znaleźć zdjęcia do przetestowania, korzystając z [wyszukiwarki obrazów Bing](https://www.bing.com/images/trending).
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
+
+## Przegląd i samodzielna nauka
+
+* Podczas trenowania klasyfikatora zauważyłeś wartości *Precision*, *Recall* i *AP*, które oceniają utworzony model. Przeczytaj, czym są te wartości, korzystając z [sekcji oceny klasyfikatora w szybkim przewodniku po tworzeniu klasyfikatora w dokumentacji 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).
+* Przeczytaj, jak poprawić swój klasyfikator, korzystając z [poradnika poprawy modelu Custom Vision w dokumentacji Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn).
+
+## Zadanie
+
+[Wytrenuj klasyfikator dla wielu owoców i warzyw](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/pl/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
new file mode 100644
index 00000000..b57f42ff
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
+  "translation_date": "2025-08-26T06:31:40+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Trenuj swój klasyfikator dla wielu owoców i warzyw
+
+## Instrukcje
+
+W tej lekcji nauczyłeś się trenować klasyfikator obrazów, aby rozróżniać między dojrzałymi a niedojrzałymi owocami, ale tylko dla jednego rodzaju owocu. Klasyfikator można wytrenować tak, aby rozpoznawał wiele owoców, z różnym poziomem skuteczności w zależności od rodzaju owocu i różnicy między dojrzałym a niedojrzałym.
+
+Na przykład, w przypadku owoców, które zmieniają kolor podczas dojrzewania, klasyfikatory obrazów mogą być mniej skuteczne niż czujnik koloru, ponieważ zazwyczaj działają na obrazach w skali szarości zamiast w pełnym kolorze.
+
+Wytrenuj swój klasyfikator z innymi owocami, aby zobaczyć, jak dobrze działa, zwłaszcza gdy owoce wyglądają podobnie. Na przykład jabłka i pomidory.
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Wystarczające | Wymaga poprawy |
+| --------- | ------- | ------------- | -------------- |
+| Wytrenowanie klasyfikatora dla wielu owoców | Udało się wytrenować klasyfikator dla wielu owoców | Udało się wytrenować klasyfikator dla jednego dodatkowego owocu | Nie udało się wytrenować klasyfikatora dla większej liczby owoców |
+| Określenie skuteczności klasyfikatora | Udało się poprawnie skomentować, jak dobrze klasyfikator działał z różnymi owocami | Udało się zaobserwować i zaproponować sugestie dotyczące jego działania | Nie udało się skomentować, jak dobrze klasyfikator działał |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/README.md
new file mode 100644
index 00000000..699d7a94
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/README.md
@@ -0,0 +1,170 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
+  "translation_date": "2025-08-26T06:31:48+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
+  "language_code": "pl"
+}
+-->
+# Sprawdź jakość owoców za pomocą urządzenia IoT
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obrazek, aby zobaczyć większą wersję.
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
+
+## Wprowadzenie
+
+W poprzedniej lekcji nauczyłeś się o klasyfikatorach obrazów i o tym, jak je trenować, aby wykrywać dobre i złe owoce. Aby użyć tego klasyfikatora obrazów w aplikacji IoT, musisz być w stanie uchwycić obraz za pomocą jakiegoś rodzaju kamery i przesłać ten obraz do chmury w celu klasyfikacji.
+
+W tej lekcji dowiesz się o czujnikach kamer i o tym, jak używać ich z urządzeniem IoT do uchwycenia obrazu. Nauczysz się również, jak wywołać klasyfikator obrazów z urządzenia IoT.
+
+W tej lekcji omówimy:
+
+* [Czujniki kamer](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Uchwycenie obrazu za pomocą urządzenia IoT](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Publikacja klasyfikatora obrazów](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Klasyfikacja obrazów z urządzenia IoT](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Udoskonalenie modelu](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+
+## Czujniki kamer
+
+Czujniki kamer, jak sama nazwa wskazuje, to kamery, które można podłączyć do urządzenia IoT. Mogą robić zdjęcia lub rejestrować strumieniowe wideo. Niektóre zwracają surowe dane obrazowe, inne kompresują dane obrazowe do pliku graficznego, takiego jak JPEG lub PNG. Zazwyczaj kamery współpracujące z urządzeniami IoT są znacznie mniejsze i mają niższą rozdzielczość niż te, do których możesz być przyzwyczajony, ale można znaleźć kamery o wysokiej rozdzielczości, które dorównują najlepszym telefonom. Dostępne są różne wymienne obiektywy, zestawy wielokamerowe, kamery termiczne na podczerwień czy kamery UV.
+
+![Światło ze sceny przechodzi przez obiektyw i jest skupiane na czujniku CMOS](../../../../../translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.pl.png)
+
+Większość czujników kamer wykorzystuje czujniki obrazu, gdzie każdy piksel jest fotodiodą. Obiektyw skupia obraz na czujniku obrazu, a tysiące lub miliony fotodiod wykrywają światło padające na każdą z nich i zapisują je jako dane pikselowe.
+
+> 💁 Obiektywy odwracają obrazy, a czujnik kamery następnie odwraca obraz z powrotem do właściwej orientacji. To samo dzieje się w twoich oczach - to, co widzisz, jest wykrywane do góry nogami na tylnej części oka, a twój mózg to koryguje.
+
+> 🎓 Czujnik obrazu jest znany jako Aktywny Czujnik Pikseli (APS), a najpopularniejszym typem APS jest czujnik komplementarny metal-oksydowy półprzewodnikowy, czyli CMOS. Możesz znać termin czujnik CMOS używany w odniesieniu do czujników kamer.
+
+Czujniki kamer to czujniki cyfrowe, przesyłające dane obrazowe jako dane cyfrowe, zazwyczaj z pomocą biblioteki zapewniającej komunikację. Kamery łączą się za pomocą protokołów takich jak SPI, aby umożliwić przesyłanie dużych ilości danych - obrazy są znacznie większe niż pojedyncze liczby z czujnika, takiego jak czujnik temperatury.
+
+✅ Jakie są ograniczenia dotyczące rozmiaru obrazu w urządzeniach IoT? Zastanów się nad ograniczeniami, szczególnie w przypadku sprzętu mikroprocesorowego.
+
+## Uchwycenie obrazu za pomocą urządzenia IoT
+
+Możesz użyć swojego urządzenia IoT do uchwycenia obrazu, który ma zostać sklasyfikowany.
+
+### Zadanie - uchwycenie obrazu za pomocą urządzenia IoT
+
+Przejdź przez odpowiedni przewodnik, aby uchwycić obraz za pomocą swojego urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-camera.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-camera.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-camera.md)
+
+## Publikacja klasyfikatora obrazów
+
+W poprzedniej lekcji wytrenowałeś swój klasyfikator obrazów. Zanim będziesz mógł go używać z urządzenia IoT, musisz opublikować model.
+
+### Iteracje modelu
+
+Podczas trenowania modelu w poprzedniej lekcji mogłeś zauważyć, że zakładka **Performance** pokazuje iteracje z boku. Kiedy po raz pierwszy trenowałeś model, widziałeś *Iteration 1* w trakcie trenowania. Kiedy ulepszyłeś model za pomocą obrazów predykcyjnych, widziałeś *Iteration 2* w trakcie trenowania.
+
+Za każdym razem, gdy trenujesz model, powstaje nowa iteracja. Jest to sposób na śledzenie różnych wersji modelu trenowanych na różnych zestawach danych. Podczas **Quick Test** dostępny jest rozwijany wybór, który pozwala wybrać iterację, aby porównać wyniki między różnymi iteracjami.
+
+Kiedy jesteś zadowolony z iteracji, możesz ją opublikować, aby była dostępna do użycia w aplikacjach zewnętrznych. Dzięki temu możesz mieć opublikowaną wersję używaną przez urządzenia, a następnie pracować nad nową wersją przez wiele iteracji, a następnie opublikować ją, gdy będziesz z niej zadowolony.
+
+### Zadanie - publikacja iteracji
+
+Iteracje są publikowane z portalu Custom Vision.
+
+1. Uruchom portal Custom Vision na [CustomVision.ai](https://customvision.ai) i zaloguj się, jeśli jeszcze tego nie zrobiłeś. Następnie otwórz swój projekt `fruit-quality-detector`.
+
+1. Wybierz zakładkę **Performance** z opcji u góry.
+
+1. Wybierz najnowszą iterację z listy *Iterations* z boku.
+
+1. Wybierz przycisk **Publish** dla iteracji.
+
+    ![Przycisk publikacji](../../../../../translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.pl.png)
+
+1. W oknie dialogowym *Publish Model* ustaw *Prediction resource* na zasób `fruit-quality-detector-prediction`, który utworzyłeś w poprzedniej lekcji. Pozostaw nazwę jako `Iteration2` i wybierz przycisk **Publish**.
+
+1. Po opublikowaniu wybierz przycisk **Prediction URL**. Wyświetli to szczegóły dotyczące API predykcji, które będą potrzebne do wywołania modelu z urządzenia IoT. Dolna sekcja jest oznaczona *If you have an image file* i to są szczegóły, które cię interesują. Skopiuj URL, który będzie wyglądał mniej więcej tak:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
+    ```
+
+    Gdzie `<location>` będzie lokalizacją używaną podczas tworzenia zasobu Custom Vision, a `<id>` będzie długim identyfikatorem składającym się z liter i cyfr.
+
+    Skopiuj również wartość *Prediction-Key*. Jest to klucz zabezpieczający, który musisz przekazać podczas wywoływania modelu. Tylko aplikacje, które przekazują ten klucz, mogą korzystać z modelu, inne aplikacje są odrzucane.
+
+    ![Okno dialogowe API predykcji pokazujące URL i klucz](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.pl.png)
+
+✅ Kiedy nowa iteracja zostanie opublikowana, będzie miała inną nazwę. Jak myślisz, jak można zmienić iterację używaną przez urządzenie IoT?
+
+## Klasyfikacja obrazów z urządzenia IoT
+
+Teraz możesz użyć tych szczegółów połączenia, aby wywołać klasyfikator obrazów z urządzenia IoT.
+
+### Zadanie - klasyfikacja obrazów z urządzenia IoT
+
+Przejdź przez odpowiedni przewodnik, aby sklasyfikować obrazy za pomocą swojego urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie IoT](single-board-computer-classify-image.md)
+
+## Udoskonalenie modelu
+
+Możesz zauważyć, że wyniki uzyskane przy użyciu kamery podłączonej do urządzenia IoT nie odpowiadają twoim oczekiwaniom. Predykcje nie zawsze są tak dokładne, jak w przypadku obrazów przesłanych z komputera. Dzieje się tak, ponieważ model był trenowany na innych danych niż te używane do predykcji.
+
+Aby uzyskać najlepsze wyniki dla klasyfikatora obrazów, należy trenować model za pomocą obrazów, które są jak najbardziej podobne do obrazów używanych do predykcji. Na przykład, jeśli użyłeś kamery telefonu do uchwycenia obrazów do trenowania, jakość obrazu, ostrość i kolor będą różne od kamery podłączonej do urządzenia IoT.
+
+![2 zdjęcia bananów, jedno o niskiej rozdzielczości i słabym oświetleniu z urządzenia IoT, drugie o wysokiej rozdzielczości i dobrym oświetleniu z telefonu](../../../../../translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.pl.png)
+
+Na powyższym obrazku zdjęcie banana po lewej zostało zrobione za pomocą kamery Raspberry Pi, a zdjęcie po prawej zostało zrobione tego samego banana w tym samym miejscu za pomocą iPhone'a. Widać zauważalną różnicę w jakości - zdjęcie z iPhone'a jest ostrzejsze, z jaśniejszymi kolorami i większym kontrastem.
+
+✅ Co jeszcze może powodować, że obrazy uchwycone przez twoje urządzenie IoT mają nieprawidłowe predykcje? Zastanów się nad środowiskiem, w którym może być używane urządzenie IoT, jakie czynniki mogą wpływać na uchwycony obraz?
+
+Aby ulepszyć model, możesz go ponownie wytrenować, używając obrazów uchwyconych z urządzenia IoT.
+
+### Zadanie - udoskonalenie modelu
+
+1. Sklasyfikuj wiele obrazów zarówno dojrzałych, jak i niedojrzałych owoców za pomocą swojego urządzenia IoT.
+
+1. W portalu Custom Vision ponownie wytrenuj model, używając obrazów na zakładce *Predictions*.
+
+    > ⚠️ Możesz odwołać się do [instrukcji dotyczących ponownego trenowania klasyfikatora w lekcji 1, jeśli zajdzie taka potrzeba](../1-train-fruit-detector/README.md#retrain-your-image-classifier).
+
+1. Jeśli twoje obrazy wyglądają bardzo inaczej niż oryginalne użyte do trenowania, możesz usunąć wszystkie oryginalne obrazy, wybierając je na zakładce *Training Images* i klikając przycisk **Delete**. Aby wybrać obraz, najedź na niego kursorem, a pojawi się znacznik wyboru, kliknij go, aby wybrać lub odznaczyć obraz.
+
+1. Wytrenuj nową iterację modelu i opublikuj ją, korzystając z powyższych kroków.
+
+1. Zaktualizuj URL punktu końcowego w swoim kodzie i uruchom aplikację ponownie.
+
+1. Powtarzaj te kroki, aż będziesz zadowolony z wyników predykcji.
+
+---
+
+## 🚀 Wyzwanie
+
+Jak bardzo rozdzielczość obrazu lub oświetlenie wpływa na predykcję?
+
+Spróbuj zmienić rozdzielczość obrazów w kodzie swojego urządzenia i zobacz, czy ma to wpływ na jakość obrazów. Spróbuj również zmienić oświetlenie.
+
+Jeśli miałbyś stworzyć urządzenie produkcyjne do sprzedaży na farmach lub w fabrykach, jak zapewniłbyś, że zawsze daje ono spójne wyniki?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
+
+## Przegląd i samodzielna nauka
+
+Wytrenowałeś swój model Custom Vision za pomocą portalu. To wymaga posiadania dostępnych obrazów - a w rzeczywistości możesz nie być w stanie uzyskać danych treningowych, które odpowiadają temu, co uchwyca kamera na twoim urządzeniu. Możesz obejść ten problem, trenując bezpośrednio z urządzenia za pomocą API treningowego, aby wytrenować model za pomocą obrazów uchwyconych z urządzenia IoT.
+
+* Przeczytaj o API treningowym w [szybkim starcie korzystania z Custom Vision SDK](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/image-classification?WT.mc_id=academic-17441-jabenn&tabs=visual-studio&pivots=programming-language-python)
+
+## Zadanie
+
+[Reakcja na wyniki klasyfikacji](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
new file mode 100644
index 00000000..9d6930d1
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "022e21f8629b721424c1de25195fff67",
+  "translation_date": "2025-08-26T06:32:51+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Reagowanie na wyniki klasyfikacji
+
+## Instrukcje
+
+Twoje urządzenie sklasyfikowało obrazy i posiada wartości dla przewidywań. Urządzenie może wykorzystać te informacje w dowolny sposób - może wysłać je do IoT Hub w celu przetworzenia przez inne systemy lub może sterować elementem wykonawczym, takim jak dioda LED, która zapala się, gdy owoc jest niedojrzały.
+
+Dodaj kod do swojego urządzenia, aby reagowało w wybrany przez Ciebie sposób - na przykład wysyłając dane do IoT Hub, sterując elementem wykonawczym lub łącząc oba podejścia, wysyłając dane do IoT Hub z użyciem bezserwerowego kodu, który określa, czy owoc jest dojrzały, a następnie wysyła polecenie sterujące elementem wykonawczym.
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Zadowalające | Wymaga poprawy |
+| --------- | ------- | ------------ | -------------- |
+| Reakcja na przewidywania | Udało się zaimplementować reakcję na przewidywania, która działa konsekwentnie dla przewidywań o tej samej wartości. | Udało się zaimplementować reakcję, która nie zależy od przewidywań, na przykład wysyłanie surowych danych do IoT Hub. | Nie udało się zaprogramować urządzenia, aby reagowało na przewidywania. |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
new file mode 100644
index 00000000..0eb81963
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
@@ -0,0 +1,153 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c677667095f6133eee418c7e53615d05",
+  "translation_date": "2025-08-26T06:33:01+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
+  "language_code": "pl"
+}
+-->
+# Zrób zdjęcie - Raspberry Pi
+
+W tej części lekcji dodasz czujnik kamery do swojego Raspberry Pi i odczytasz z niego obrazy.
+
+## Sprzęt
+
+Raspberry Pi potrzebuje kamery.
+
+Kamera, której użyjesz, to [Raspberry Pi Camera Module](https://www.raspberrypi.org/products/camera-module-v2/). Ta kamera została zaprojektowana do współpracy z Raspberry Pi i łączy się za pomocą dedykowanego złącza na płytce.
+
+> 💁 Ta kamera korzysta z [Camera Serial Interface, protokołu opracowanego przez Mobile Industry Processor Interface Alliance](https://wikipedia.org/wiki/Camera_Serial_Interface), znanego jako MIPI-CSI. Jest to dedykowany protokół do przesyłania obrazów.
+
+## Podłącz kamerę
+
+Kamera może być podłączona do Raspberry Pi za pomocą taśmy.
+
+### Zadanie - podłącz kamerę
+
+![Kamera Raspberry Pi](../../../../../translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.pl.png)
+
+1. Wyłącz zasilanie Raspberry Pi.
+
+1. Podłącz taśmę, która jest dostarczona z kamerą, do modułu kamery. Aby to zrobić, delikatnie pociągnij czarny plastikowy klips w uchwycie, aby lekko się wysunął, następnie wsun taśmę do gniazda, tak aby niebieska strona była skierowana od obiektywu, a metalowe paski pinów w stronę obiektywu. Gdy taśma będzie całkowicie wsunięta, wciśnij czarny klips z powrotem na miejsce.
+
+   Możesz znaleźć animację pokazującą, jak otworzyć klips i włożyć taśmę w [dokumentacji Raspberry Pi dotyczącej rozpoczęcia pracy z modułem kamery](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2).
+
+   ![Taśma włożona do modułu kamery](../../../../../translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.pl.png)
+
+1. Zdejmij Grove Base Hat z Raspberry Pi.
+
+1. Przełóż taśmę przez otwór na kamerę w Grove Base Hat. Upewnij się, że niebieska strona taśmy jest skierowana w stronę portów analogowych oznaczonych jako **A0**, **A1** itd.
+
+   ![Taśma przechodząca przez Grove Base Hat](../../../../../translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.pl.png)
+
+1. Włóż taśmę do portu kamery na Raspberry Pi. Ponownie, podnieś czarny plastikowy klips, włóż taśmę, a następnie wciśnij klips z powrotem. Niebieska strona taśmy powinna być skierowana w stronę portów USB i Ethernet.
+
+   ![Taśma podłączona do gniazda kamery na Raspberry Pi](../../../../../translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.pl.png)
+
+1. Załóż ponownie Grove Base Hat.
+
+## Programowanie kamery
+
+Raspberry Pi można teraz zaprogramować do obsługi kamery za pomocą biblioteki Python [PiCamera](https://pypi.org/project/picamera/).
+
+### Zadanie - włącz tryb kamery legacy
+
+Niestety, wraz z wydaniem Raspberry Pi OS Bullseye, oprogramowanie kamery dostarczane z systemem operacyjnym zostało zmienione, co oznacza, że domyślnie PiCamera już nie działa. Trwają prace nad zamiennikiem, o nazwie PiCamera2, ale nie jest on jeszcze gotowy do użycia.
+
+Na razie możesz przełączyć Raspberry Pi w tryb kamery legacy, aby umożliwić działanie PiCamera. Gniazdo kamery jest również domyślnie wyłączone, ale włączenie oprogramowania kamery legacy automatycznie je aktywuje.
+
+1. Włącz Raspberry Pi i poczekaj, aż się uruchomi.
+
+1. Uruchom VS Code, bezpośrednio na Raspberry Pi lub łącząc się za pomocą rozszerzenia Remote SSH.
+
+1. Wykonaj następujące polecenia w terminalu:
+
+    ```sh
+    sudo raspi-config nonint do_legacy 0
+    sudo reboot
+    ```
+
+    To polecenie przełączy ustawienie, aby włączyć oprogramowanie kamery legacy, a następnie zrestartuje Raspberry Pi, aby zmiana zaczęła działać.
+
+1. Poczekaj, aż Raspberry Pi się zrestartuje, a następnie ponownie uruchom VS Code.
+
+### Zadanie - zaprogramuj kamerę
+
+Zaprogramuj urządzenie.
+
+1. W terminalu utwórz nowy folder w katalogu domowym użytkownika `pi` o nazwie `fruit-quality-detector`. W tym folderze utwórz plik o nazwie `app.py`.
+
+1. Otwórz ten folder w VS Code.
+
+1. Aby korzystać z kamery, możesz użyć biblioteki Python PiCamera. Zainstaluj pakiet Pip dla tej biblioteki za pomocą następującego polecenia:
+
+    ```sh
+    pip3 install picamera
+    ```
+
+1. Dodaj następujący kod do swojego pliku `app.py`:
+
+    ```python
+    import io
+    import time
+    from picamera import PiCamera
+    ```
+
+    Ten kod importuje potrzebne biblioteki, w tym bibliotekę `PiCamera`.
+
+1. Dodaj poniższy kod, aby zainicjalizować kamerę:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    
+    time.sleep(2)
+    ```
+
+    Ten kod tworzy obiekt PiCamera i ustawia rozdzielczość na 640x480. Chociaż obsługiwane są wyższe rozdzielczości (do 3280x2464), klasyfikator obrazu działa na znacznie mniejszych obrazach (227x227), więc nie ma potrzeby przechwytywania i przesyłania większych obrazów.
+
+    Linia `camera.rotation = 0` ustawia obrót obrazu. Taśma wchodzi do dolnej części kamery, ale jeśli kamera została obrócona, aby łatwiej skierować ją na obiekt, który chcesz sklasyfikować, możesz zmienić tę linię na liczbę stopni obrotu.
+
+    ![Kamera zawieszona nad puszką napoju](../../../../../translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.pl.png)
+
+    Na przykład, jeśli zawiesisz taśmę nad czymś, tak że znajduje się na górze kamery, ustaw obrót na 180:
+
+    ```python
+    camera.rotation = 180
+    ```
+
+    Kamera potrzebuje kilku sekund na uruchomienie, stąd linia `time.sleep(2)`.
+
+1. Dodaj poniższy kod, aby przechwycić obraz jako dane binarne:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    Ten kod tworzy obiekt `BytesIO` do przechowywania danych binarnych. Obraz jest odczytywany z kamery jako plik JPEG i przechowywany w tym obiekcie. Obiekt ten ma wskaźnik pozycji, który określa, gdzie znajduje się w danych, aby można było zapisać więcej danych na końcu, jeśli to konieczne, więc linia `image.seek(0)` przesuwa ten wskaźnik z powrotem na początek, aby później można było odczytać wszystkie dane.
+
+1. Poniżej tego dodaj kod do zapisania obrazu do pliku:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    Ten kod otwiera plik o nazwie `image.jpg` do zapisu, a następnie odczytuje wszystkie dane z obiektu `BytesIO` i zapisuje je do pliku.
+
+    > 💁 Możesz przechwycić obraz bezpośrednio do pliku zamiast do obiektu `BytesIO`, podając nazwę pliku w wywołaniu `camera.capture`. Powodem użycia obiektu `BytesIO` jest to, że później w tej lekcji będziesz mógł wysłać obraz do swojego klasyfikatora obrazów.
+
+1. Skieruj kamerę na coś i uruchom ten kod.
+
+1. Obraz zostanie przechwycony i zapisany jako `image.jpg` w bieżącym folderze. Zobaczysz ten plik w eksploratorze VS Code. Wybierz plik, aby wyświetlić obraz. Jeśli wymaga obrotu, zaktualizuj linię `camera.rotation = 0` i zrób kolejne zdjęcie.
+
+> 💁 Ten kod znajdziesz w folderze [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi).
+
+😀 Twój program obsługujący kamerę działa poprawnie!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
new file mode 100644
index 00000000..b3a1e6dd
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
@@ -0,0 +1,103 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e5896207b304ce1abaf065b8acc0cc79",
+  "translation_date": "2025-08-26T06:33:43+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
+  "language_code": "pl"
+}
+-->
+# Klasyfikacja obrazu - Wirtualny sprzęt IoT i Raspberry Pi
+
+W tej części lekcji wyślesz obraz uchwycony przez kamerę do usługi Custom Vision, aby go sklasyfikować.
+
+## Wysyłanie obrazów do Custom Vision
+
+Usługa Custom Vision posiada bibliotekę SDK dla Pythona, której możesz użyć do klasyfikacji obrazów.
+
+### Zadanie - wysyłanie obrazów do Custom Vision
+
+1. Otwórz folder `fruit-quality-detector` w VS Code. Jeśli korzystasz z wirtualnego urządzenia IoT, upewnij się, że środowisko wirtualne działa w terminalu.
+
+1. Biblioteka SDK dla Pythona do wysyłania obrazów do Custom Vision jest dostępna jako pakiet Pip. Zainstaluj ją za pomocą następującego polecenia:
+
+    ```sh
+    pip3 install azure-cognitiveservices-vision-customvision
+    ```
+
+1. Dodaj następujące instrukcje importu na początku pliku `app.py`:
+
+    ```python
+    from msrest.authentication import ApiKeyCredentials
+    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
+    ```
+
+    Dzięki temu zaimportujesz moduły z bibliotek Custom Vision: jeden do uwierzytelniania za pomocą klucza predykcji, a drugi do dostarczenia klasy klienta predykcji, która może wywoływać Custom Vision.
+
+1. Dodaj następujący kod na końcu pliku:
+
+    ```python
+    prediction_url = '<prediction_url>'
+    prediction_key = '<prediction key>'
+    ```
+
+    Zamień `<prediction_url>` na adres URL, który skopiowałeś z okna dialogowego *Prediction URL* wcześniej w tej lekcji. Zamień `<prediction key>` na klucz predykcji, który również skopiowałeś z tego samego okna dialogowego.
+
+1. Adres URL predykcji, który został dostarczony w oknie dialogowym *Prediction URL*, jest przeznaczony do użycia podczas bezpośredniego wywoływania punktu końcowego REST. Biblioteka SDK dla Pythona używa części tego adresu URL w różnych miejscach. Dodaj następujący kod, aby podzielić ten adres URL na potrzebne części:
+
+    ```python
+    parts = prediction_url.split('/')
+    endpoint = 'https://' + parts[2]
+    project_id = parts[6]
+    iteration_name = parts[9]
+    ```
+
+    Kod ten dzieli adres URL, wyodrębniając punkt końcowy `https://<location>.api.cognitive.microsoft.com`, identyfikator projektu oraz nazwę opublikowanej iteracji.
+
+1. Utwórz obiekt predyktora, aby przeprowadzić predykcję za pomocą następującego kodu:
+
+    ```python
+    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
+    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
+    ```
+
+    `prediction_credentials` zawiera klucz predykcji. Są one następnie używane do utworzenia obiektu klienta predykcji wskazującego na punkt końcowy.
+
+1. Wyślij obraz do Custom Vision za pomocą następującego kodu:
+
+    ```python
+    image.seek(0)
+    results = predictor.classify_image(project_id, iteration_name, image)
+    ```
+
+    Kod ten przewija obraz na początek, a następnie wysyła go do klienta predykcji.
+
+1. Na koniec wyświetl wyniki za pomocą następującego kodu:
+
+    ```python
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    Kod ten przechodzi przez wszystkie zwrócone predykcje i wyświetla je w terminalu. Zwracane prawdopodobieństwa to liczby zmiennoprzecinkowe w zakresie od 0 do 1, gdzie 0 oznacza 0% szans na dopasowanie do tagu, a 1 oznacza 100% szans.
+
+    > 💁 Klasyfikatory obrazów zwracają procenty dla wszystkich użytych tagów. Każdy tag będzie miał przypisane prawdopodobieństwo, że obraz pasuje do tego tagu.
+
+1. Uruchom swój kod, kierując kamerę na jakiś owoc, odpowiedni zestaw obrazów lub owoc widoczny na kamerze internetowej, jeśli korzystasz z wirtualnego sprzętu IoT. Wyniki zobaczysz w konsoli:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    Będziesz mógł zobaczyć uchwycony obraz, a także te wartości w zakładce **Predictions** w Custom Vision.
+
+    ![Banana w Custom Vision przewidziany jako dojrzały w 56,8% i niedojrzały w 43,1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.pl.png)
+
+> 💁 Kod ten znajdziesz w folderze [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) lub [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device).
+
+😀 Twój program do klasyfikacji jakości owoców zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
new file mode 100644
index 00000000..4a046e70
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ba7150ffc4a6999f6c3cfb4906ec7df",
+  "translation_date": "2025-08-26T06:34:27+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
+  "language_code": "pl"
+}
+-->
+# Przechwytywanie obrazu - Wirtualny sprzęt IoT
+
+W tej części lekcji dodasz czujnik kamery do swojego wirtualnego urządzenia IoT i odczytasz z niego obrazy.
+
+## Sprzęt
+
+Wirtualne urządzenie IoT będzie korzystać z symulowanej kamery, która przesyła obrazy z plików lub z Twojej kamery internetowej.
+
+### Dodanie kamery do CounterFit
+
+Aby używać wirtualnej kamery, musisz dodać ją do aplikacji CounterFit.
+
+#### Zadanie - dodanie kamery do CounterFit
+
+Dodaj kamerę do aplikacji CounterFit.
+
+1. Utwórz nową aplikację w Pythonie na swoim komputerze w folderze o nazwie `fruit-quality-detector` z jednym plikiem o nazwie `app.py` oraz wirtualnym środowiskiem Pythona, a następnie dodaj pakiety pip dla CounterFit.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia i konfiguracji projektu CounterFit w Pythonie w lekcji 1, jeśli to konieczne](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Zainstaluj dodatkowy pakiet Pip, który umożliwia zainstalowanie shima CounterFit, symulującego niektóre funkcje pakietu [Picamera Pip package](https://pypi.org/project/picamera/). Upewnij się, że instalujesz go z terminala z aktywowanym wirtualnym środowiskiem.
+
+    ```sh
+    pip install counterfit-shims-picamera
+    ```
+
+1. Upewnij się, że aplikacja webowa CounterFit jest uruchomiona.
+
+1. Utwórz kamerę:
+
+    1. W polu *Create sensor* w panelu *Sensors* rozwiń listę *Sensor type* i wybierz *Camera*.
+
+    1. Ustaw *Name* na `Picamera`.
+
+    1. Wybierz przycisk **Add**, aby utworzyć kamerę.
+
+    ![Ustawienia kamery](../../../../../translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.pl.png)
+
+    Kamera zostanie utworzona i pojawi się na liście czujników.
+
+    ![Utworzona kamera](../../../../../translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.pl.png)
+
+## Programowanie kamery
+
+Wirtualne urządzenie IoT może teraz zostać zaprogramowane do korzystania z wirtualnej kamery.
+
+### Zadanie - programowanie kamery
+
+Zaprogramuj urządzenie.
+
+1. Upewnij się, że aplikacja `fruit-quality-detector` jest otwarta w VS Code.
+
+1. Otwórz plik `app.py`.
+
+1. Dodaj poniższy kod na początku pliku `app.py`, aby połączyć aplikację z CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Dodaj poniższy kod do pliku `app.py`:
+
+    ```python
+    import io
+    from counterfit_shims_picamera import PiCamera
+    ```
+
+    Ten kod importuje potrzebne biblioteki, w tym klasę `PiCamera` z biblioteki counterfit_shims_picamera.
+
+1. Dodaj poniższy kod poniżej, aby zainicjalizować kamerę:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    ```
+
+    Ten kod tworzy obiekt PiCamera i ustawia rozdzielczość na 640x480. Chociaż obsługiwane są wyższe rozdzielczości, klasyfikator obrazów działa na znacznie mniejszych obrazach (227x227), więc nie ma potrzeby przechwytywania i przesyłania większych obrazów.
+
+    Linia `camera.rotation = 0` ustawia obrót obrazu w stopniach. Jeśli musisz obrócić obraz z kamery internetowej lub pliku, ustaw tę wartość odpowiednio. Na przykład, jeśli chcesz zmienić obraz banana z kamery internetowej w trybie poziomym na tryb pionowy, ustaw `camera.rotation = 90`.
+
+1. Dodaj poniższy kod poniżej, aby przechwycić obraz jako dane binarne:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    Ten kod tworzy obiekt `BytesIO` do przechowywania danych binarnych. Obraz jest odczytywany z kamery jako plik JPEG i przechowywany w tym obiekcie. Obiekt ten ma wskaźnik pozycji, który wskazuje, gdzie znajdują się dane, aby można było zapisać więcej danych na końcu, jeśli to konieczne, więc linia `image.seek(0)` przesuwa ten wskaźnik z powrotem na początek, aby później można było odczytać wszystkie dane.
+
+1. Poniżej dodaj następujący kod, aby zapisać obraz do pliku:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    Ten kod otwiera plik o nazwie `image.jpg` do zapisu, następnie odczytuje wszystkie dane z obiektu `BytesIO` i zapisuje je do pliku.
+
+    > 💁 Możesz przechwycić obraz bezpośrednio do pliku zamiast do obiektu `BytesIO`, przekazując nazwę pliku do wywołania `camera.capture`. Powodem użycia obiektu `BytesIO` jest to, że później w tej lekcji możesz przesłać obraz do swojego klasyfikatora obrazów.
+
+1. Skonfiguruj obraz, który kamera w CounterFit będzie przechwytywać. Możesz ustawić *Source* na *File*, a następnie przesłać plik obrazu, lub ustawić *Source* na *WebCam*, aby obrazy były przechwytywane z Twojej kamery internetowej. Upewnij się, że wybierasz przycisk **Set** po wybraniu obrazu lub kamery internetowej.
+
+    ![CounterFit z plikiem ustawionym jako źródło obrazu oraz kamerą internetową pokazującą osobę trzymającą banana w podglądzie kamery](../../../../../translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.pl.png)
+
+1. Obraz zostanie przechwycony i zapisany jako `image.jpg` w bieżącym folderze. Zobaczysz ten plik w eksploratorze VS Code. Wybierz plik, aby wyświetlić obraz. Jeśli wymaga obrotu, zaktualizuj linię `camera.rotation = 0` zgodnie z potrzebami i zrób kolejne zdjęcie.
+
+> 💁 Ten kod znajdziesz w folderze [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device).
+
+😀 Twój program obsługujący kamerę zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
new file mode 100644
index 00000000..414f2e31
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
@@ -0,0 +1,473 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "160be8c0f558687f6686dca64f10f739",
+  "translation_date": "2025-08-26T06:34:51+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
+  "language_code": "pl"
+}
+-->
+# Zrób zdjęcie - Wio Terminal
+
+W tej części lekcji dodasz kamerę do swojego Wio Terminal i zrobisz zdjęcia za jej pomocą.
+
+## Sprzęt
+
+Wio Terminal potrzebuje kamery.
+
+Kamera, której użyjesz, to [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/). Jest to kamera o rozdzielczości 2 megapikseli, oparta na czujniku obrazu OV2640. Komunikuje się za pomocą interfejsu SPI, aby przechwytywać obrazy, i używa I2C do konfiguracji czujnika.
+
+## Podłącz kamerę
+
+ArduCam nie posiada gniazda Grove, zamiast tego łączy się z magistralami SPI i I2C za pomocą pinów GPIO na Wio Terminal.
+
+### Zadanie - podłącz kamerę
+
+Podłącz kamerę.
+
+![Czujnik ArduCam](../../../../../translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.pl.png)
+
+1. Piny na spodzie ArduCam muszą być podłączone do pinów GPIO na Wio Terminal. Aby łatwiej było znaleźć odpowiednie piny, przyklej naklejkę z oznaczeniami pinów GPIO, która jest dołączona do Wio Terminal:
+
+    ![Wio Terminal z naklejką oznaczającą piny GPIO](../../../../../translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.pl.png)
+
+1. Używając przewodów połączeniowych, wykonaj następujące połączenia:
+
+    | Pin ArduCAM | Pin Wio Terminal | Opis                                    |
+    | ----------- | ---------------- | --------------------------------------- |
+    | CS          | 24 (SPI_CS)      | Wybór układu SPI                        |
+    | MOSI        | 19 (SPI_MOSI)    | Wyjście kontrolera SPI, wejście peryferyjne |
+    | MISO        | 21 (SPI_MISO)    | Wejście kontrolera SPI, wyjście peryferyjne |
+    | SCK         | 23 (SPI_SCLK)    | Zegar szeregowy SPI                     |
+    | GND         | 6 (GND)          | Masa - 0V                               |
+    | VCC         | 4 (5V)           | Zasilanie 5V                            |
+    | SDA         | 3 (I2C1_SDA)     | Dane szeregowe I2C                      |
+    | SCL         | 5 (I2C1_SCL)     | Zegar szeregowy I2C                     |
+
+    ![Wio Terminal podłączony do ArduCam za pomocą przewodów połączeniowych](../../../../../translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.pl.png)
+
+    Połączenia GND i VCC dostarczają zasilanie 5V do ArduCam. Kamera działa na 5V, w przeciwieństwie do czujników Grove, które działają na 3V. Zasilanie pochodzi bezpośrednio z połączenia USB-C, które zasila urządzenie.
+
+    > 💁 W przypadku połączenia SPI etykiety pinów na ArduCam i nazwy pinów Wio Terminal używane w kodzie nadal korzystają ze starej konwencji nazewnictwa. Instrukcje w tej lekcji będą używać nowej konwencji nazewnictwa, z wyjątkiem przypadków, gdy nazwy pinów są używane w kodzie.
+
+1. Teraz możesz podłączyć Wio Terminal do komputera.
+
+## Zaprogramuj urządzenie, aby połączyć się z kamerą
+
+Wio Terminal można teraz zaprogramować, aby korzystał z podłączonej kamery ArduCAM.
+
+### Zadanie - zaprogramuj urządzenie, aby połączyć się z kamerą
+
+1. Utwórz nowy projekt Wio Terminal w PlatformIO. Nazwij ten projekt `fruit-quality-detector`. Dodaj kod w funkcji `setup`, aby skonfigurować port szeregowy.
+
+1. Dodaj kod do połączenia z WiFi, umieszczając dane logowania w pliku `config.h`. Nie zapomnij dodać wymaganych bibliotek do pliku `platformio.ini`.
+
+1. Biblioteka ArduCam nie jest dostępna jako biblioteka Arduino, którą można zainstalować z pliku `platformio.ini`. Zamiast tego trzeba ją zainstalować ze źródła z ich strony GitHub. Możesz to zrobić na dwa sposoby:
+
+    * Klonując repozytorium z [https://github.com/ArduCAM/Arduino.git](https://github.com/ArduCAM/Arduino.git)
+    * Przechodząc do repozytorium na GitHub pod adresem [github.com/ArduCAM/Arduino](https://github.com/ArduCAM/Arduino) i pobierając kod jako plik zip za pomocą przycisku **Code**
+
+1. Potrzebujesz tylko folderu `ArduCAM` z tego kodu. Skopiuj cały folder do folderu `lib` w swoim projekcie.
+
+    > ⚠️ Należy skopiować cały folder, aby kod znajdował się w `lib/ArduCam`. Nie kopiuj tylko zawartości folderu `ArduCam` do folderu `lib`, skopiuj cały folder.
+
+1. Kod biblioteki ArduCam działa dla wielu typów kamer. Typ kamery, której chcesz użyć, jest konfigurowany za pomocą flag kompilatora - dzięki temu biblioteka jest jak najmniejsza, usuwając kod dla kamer, których nie używasz. Aby skonfigurować bibliotekę dla kamery OV2640, dodaj następujący kod na końcu pliku `platformio.ini`:
+
+    ```ini
+    build_flags =
+        -DARDUCAM_SHIELD_V2
+        -DOV2640_CAM
+    ```
+
+    Ustawia to dwie flagi kompilatora:
+
+      * `ARDUCAM_SHIELD_V2`, aby poinformować bibliotekę, że kamera znajduje się na płytce Arduino, znanej jako shield.
+      * `OV2640_CAM`, aby poinformować bibliotekę, aby uwzględniała tylko kod dla kamery OV2640.
+
+1. Dodaj plik nagłówkowy do folderu `src`, nazwij go `camera.h`. Będzie on zawierał kod do komunikacji z kamerą. Dodaj do tego pliku następujący kod:
+
+    ```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;
+    };
+    ```
+
+    Jest to kod niskopoziomowy, który konfiguruje kamerę za pomocą bibliotek ArduCam i pobiera obrazy w razie potrzeby za pomocą magistrali SPI. Kod ten jest bardzo specyficzny dla ArduCam, więc na tym etapie nie musisz się martwić, jak działa.
+
+1. W pliku `main.cpp` dodaj następujący kod poniżej innych instrukcji `include`, aby dołączyć nowy plik i utworzyć instancję klasy kamery:
+
+    ```cpp
+    #include "camera.h"
+
+    Camera camera = Camera(JPEG, OV2640_640x480);
+    ```
+
+    Tworzy to obiekt `Camera`, zapisujący obrazy jako JPEG w rozdzielczości 640x480. Chociaż obsługiwane są wyższe rozdzielczości (do 3280x2464), klasyfikator obrazu działa na znacznie mniejszych obrazach (227x227), więc nie ma potrzeby przechwytywania i przesyłania większych obrazów.
+
+1. Dodaj poniższy kod, aby zdefiniować funkcję konfigurującą kamerę:
+
+    ```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!");
+        }
+    }
+    ```
+
+    Funkcja `setupCamera` zaczyna od skonfigurowania pinu wyboru układu SPI (`PIN_SPI_SS`) jako wysokiego, czyniąc Wio Terminal kontrolerem SPI. Następnie uruchamia magistrale I2C i SPI. Na końcu inicjalizuje klasę kamery, która konfiguruje ustawienia czujnika kamery i upewnia się, że wszystko jest poprawnie podłączone.
+
+1. Wywołaj tę funkcję na końcu funkcji `setup`:
+
+    ```cpp
+    setupCamera();
+    ```
+
+1. Zbuduj i wgraj ten kod, a następnie sprawdź dane wyjściowe w monitorze szeregowym. Jeśli zobaczysz komunikat `Error setting up the camera!`, sprawdź okablowanie, aby upewnić się, że wszystkie przewody są podłączone do odpowiednich pinów na ArduCam i Wio Terminal, a wszystkie przewody są dobrze osadzone.
+
+## Zrób zdjęcie
+
+Wio Terminal można teraz zaprogramować tak, aby robił zdjęcie po naciśnięciu przycisku.
+
+### Zadanie - zrób zdjęcie
+
+1. Mikrokontrolery wykonują kod w sposób ciągły, więc trudno jest wywołać coś takiego jak zrobienie zdjęcia bez reakcji na czujnik. Wio Terminal ma przyciski, więc kamerę można skonfigurować tak, aby była wyzwalana jednym z przycisków. Dodaj poniższy kod na końcu funkcji `setup`, aby skonfigurować przycisk C (jeden z trzech przycisków na górze, ten najbliżej przełącznika zasilania).
+
+    ![Przycisk C na górze, najbliżej przełącznika zasilania](../../../../../translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.pl.png)
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+    Tryb `INPUT_PULLUP` zasadniczo odwraca wejście. Na przykład, normalnie przycisk wysyła niski sygnał, gdy nie jest naciśnięty, i wysoki sygnał, gdy jest naciśnięty. Gdy ustawiony jest na `INPUT_PULLUP`, wysyła wysoki sygnał, gdy nie jest naciśnięty, i niski sygnał, gdy jest naciśnięty.
+
+1. Dodaj pustą funkcję reagującą na naciśnięcie przycisku przed funkcją `loop`:
+
+    ```cpp
+    void buttonPressed()
+    {
+        
+    }
+    ```
+
+1. Wywołaj tę funkcję w metodzie `loop`, gdy przycisk jest naciśnięty:
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW)
+        {
+            buttonPressed();
+            delay(2000);
+        }
+    
+        delay(200);
+    }
+    ```
+
+    Ten klucz sprawdza, czy przycisk jest naciśnięty. Jeśli jest naciśnięty, wywoływana jest funkcja `buttonPressed`, a pętla opóźnia się o 2 sekundy. Ma to na celu umożliwienie zwolnienia przycisku, aby długie naciśnięcie nie zostało zarejestrowane dwukrotnie.
+
+    > 💁 Przycisk na Wio Terminal jest ustawiony na `INPUT_PULLUP`, więc wysyła wysoki sygnał, gdy nie jest naciśnięty, i niski sygnał, gdy jest naciśnięty.
+
+1. Dodaj poniższy kod do funkcji `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);
+    }
+    ```
+
+    Ten kod rozpoczyna przechwytywanie obrazu, wywołując `startCapture`. Sprzęt kamery nie działa w ten sposób, że zwraca dane na żądanie, zamiast tego wysyłasz instrukcję rozpoczęcia przechwytywania, a kamera działa w tle, aby przechwycić obraz, przekonwertować go na JPEG i zapisać w lokalnym buforze na samej kamerze. Wywołanie `captureReady` sprawdza, czy przechwytywanie obrazu zostało zakończone.
+
+    Po zakończeniu przechwytywania dane obrazu są kopiowane z bufora na kamerze do lokalnego bufora (tablicy bajtów) za pomocą wywołania `readImageToBuffer`. Długość bufora jest następnie wysyłana do monitora szeregowego.
+
+1. Zbuduj i wgraj ten kod, a następnie sprawdź dane wyjściowe w monitorze szeregowym. Za każdym razem, gdy naciśniesz przycisk C, obraz zostanie przechwycony, a jego rozmiar zostanie wysłany do monitora szeregowego.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 9224
+    Image captured
+    Image read to buffer with length 11272
+    ```
+
+    Różne obrazy będą miały różne rozmiary. Są one kompresowane jako JPEG, a rozmiar pliku JPEG dla danej rozdzielczości zależy od tego, co znajduje się na obrazie.
+
+> 💁 Kod ten znajdziesz w folderze [code-camera/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/wio-terminal).
+
+😀 Udało Ci się przechwycić obrazy za pomocą Wio Terminal.
+
+## Opcjonalne - zweryfikuj obrazy z kamery za pomocą karty SD
+
+Najłatwiejszym sposobem zobaczenia obrazów przechwyconych przez kamerę jest zapisanie ich na karcie SD w Wio Terminal, a następnie obejrzenie ich na komputerze. Wykonaj ten krok, jeśli masz wolną kartę microSD i gniazdo microSD w komputerze lub adapter.
+
+Wio Terminal obsługuje tylko karty microSD o pojemności do 16 GB. Jeśli masz większą kartę SD, nie będzie działać.
+
+### Zadanie - zweryfikuj obrazy z kamery za pomocą karty SD
+
+1. Sformatuj kartę microSD jako FAT32 lub exFAT za pomocą odpowiednich aplikacji na komputerze (Disk Utility na macOS, File Explorer na Windows lub narzędzi wiersza poleceń w Linux).
+
+1. Włóż kartę microSD do gniazda tuż poniżej przełącznika zasilania. Upewnij się, że jest całkowicie wsunięta, aż kliknie i pozostanie na miejscu. Może być konieczne użycie paznokcia lub cienkiego narzędzia.
+
+1. Dodaj następujące instrukcje `include` na początku pliku `main.cpp`:
+
+    ```cpp
+    #include "SD/Seeed_SD.h"
+    #include <Seeed_FS.h>
+    ```
+
+1. Dodaj następującą funkcję przed funkcją `setup`:
+
+    ```cpp
+    void setupSDCard()
+    {
+        while (!SD.begin(SDCARD_SS_PIN, SDCARD_SPI))
+        {
+            Serial.println("SD Card Error");
+        }
+    }
+    ```
+
+    Funkcja ta konfiguruje kartę SD za pomocą magistrali SPI.
+
+1. Wywołaj tę funkcję z funkcji `setup`:
+
+    ```cpp
+    setupSDCard();
+    ```
+
+1. Dodaj poniższy kod powyżej funkcji `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);
+    }
+    ```
+
+    Definiuje to globalną zmienną dla licznika plików. Jest ona używana do nazw plików obrazów, aby można było przechwycić wiele obrazów z rosnącymi nazwami plików - `1.jpg`, `2.jpg` i tak dalej.
+
+    Następnie definiuje funkcję `saveToSDCard`, która przyjmuje bufor danych bajtowych i długość bufora. Tworzona jest nazwa pliku przy użyciu licznika plików, a licznik plików jest zwiększany, aby przygotować się na kolejny plik. Dane binarne z bufora są następnie zapisywane do pliku.
+
+1. Wywołaj funkcję `saveToSDCard` z funkcji `buttonPressed`. Wywołanie powinno być **przed** usunięciem bufora:
+
+    ```cpp
+    Serial.print("Image read to buffer with length ");
+    Serial.println(length);
+
+    saveToSDCard(buffer, length);
+    
+    delete(buffer);
+    ```
+
+1. Zbuduj i wgraj ten kod, a następnie sprawdź dane wyjściowe w monitorze szeregowym. Za każdym razem, gdy naciśniesz przycisk C, obraz zostanie przechwycony i zapisany na karcie 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. Wyłącz zasilanie karty microSD i wysuń ją, delikatnie wciskając i zwalniając, a karta wyskoczy. Może być konieczne użycie cienkiego narzędzia, aby to zrobić. Podłącz kartę microSD do komputera, aby obejrzeć obrazy.
+
+    ![Zdjęcie banana wykonane za pomocą ArduCam](../../../../../translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.pl.jpg)
+💁 Może zająć kilka zdjęć, zanim balans bieli aparatu dostosuje się. Zauważysz to na podstawie kolorów uchwyconych zdjęć, pierwsze kilka może wyglądać na nieprawidłowe. Zawsze możesz obejść ten problem, zmieniając kod tak, aby uchwycić kilka zdjęć, które są ignorowane w funkcji `setup`.
+
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
new file mode 100644
index 00000000..0aa62636
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
@@ -0,0 +1,227 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "32a1f23e7834fbe7715da8c4ebb450b9",
+  "translation_date": "2025-08-26T06:33:58+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
+  "language_code": "pl"
+}
+-->
+# Klasyfikacja obrazu - Wio Terminal
+
+W tej części lekcji wyślesz obraz uchwycony przez kamerę do usługi Custom Vision, aby go sklasyfikować.
+
+## Klasyfikacja obrazu
+
+Usługa Custom Vision udostępnia interfejs REST API, który można wywołać z poziomu Wio Terminal, aby klasyfikować obrazy. Ten interfejs REST API jest dostępny przez połączenie HTTPS - bezpieczne połączenie HTTP.
+
+Podczas korzystania z punktów końcowych HTTPS, kod klienta musi zażądać certyfikatu klucza publicznego od serwera, z którym się łączy, i użyć go do szyfrowania przesyłanych danych. Twoja przeglądarka internetowa robi to automatycznie, ale mikrokontrolery tego nie robią. Musisz ręcznie zażądać tego certyfikatu i użyć go do utworzenia bezpiecznego połączenia z REST API. Certyfikaty te nie zmieniają się, więc po ich uzyskaniu można je zakodować na stałe w aplikacji.
+
+Certyfikaty te zawierają klucze publiczne i nie muszą być przechowywane w sposób bezpieczny. Możesz ich używać w swoim kodzie źródłowym i udostępniać je publicznie, na przykład na GitHubie.
+
+### Zadanie - konfiguracja klienta SSL
+
+1. Otwórz projekt aplikacji `fruit-quality-detector`, jeśli nie jest jeszcze otwarty.
+
+1. Otwórz plik nagłówkowy `config.h` i dodaj następujący kod:
+
+    ```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";
+    ```
+
+    Jest to *Microsoft Azure DigiCert Global Root G2 certificate* - jeden z certyfikatów używanych globalnie przez wiele usług Azure.
+
+    > 💁 Aby zobaczyć, że jest to właściwy certyfikat, uruchom następujące polecenie na macOS lub Linux. Jeśli używasz systemu Windows, możesz uruchomić to polecenie za pomocą [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
+    > ```
+    >
+    > Wynik wyświetli certyfikat DigiCert Global Root G2.
+
+1. Otwórz `main.cpp` i dodaj następującą dyrektywę include:
+
+    ```cpp
+    #include <WiFiClientSecure.h>
+    ```
+
+1. Poniżej dyrektyw include zadeklaruj instancję `WifiClientSecure`:
+
+    ```cpp
+    WiFiClientSecure client;
+    ```
+
+    Ta klasa zawiera kod do komunikacji z punktami końcowymi sieciowymi przez HTTPS.
+
+1. W metodzie `connectWiFi` ustaw `WiFiClientSecure`, aby używał certyfikatu DigiCert Global Root G2:
+
+    ```cpp
+    client.setCACert(CERTIFICATE);
+    ```
+
+### Zadanie - klasyfikacja obrazu
+
+1. Dodaj następującą linię do listy `lib_deps` w pliku `platformio.ini`:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    Importuje to bibliotekę [ArduinoJson](https://arduinojson.org), bibliotekę JSON dla Arduino, która będzie używana do dekodowania odpowiedzi JSON z REST API.
+
+1. W pliku `config.h` dodaj stałe dla adresu URL predykcji i klucza z usługi Custom Vision:
+
+    ```cpp
+    const char *PREDICTION_URL = "<PREDICTION_URL>";
+    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
+    ```
+
+    Zamień `<PREDICTION_URL>` na adres URL predykcji z Custom Vision. Zamień `<PREDICTION_KEY>` na klucz predykcji.
+
+1. W pliku `main.cpp` dodaj dyrektywę include dla biblioteki ArduinoJson:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. Dodaj następującą funkcję do `main.cpp`, powyżej funkcji `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();
+    }
+    ```
+
+    Kod zaczyna się od zadeklarowania `HTTPClient` - klasy zawierającej metody do interakcji z REST API. Następnie łączy klienta z adresem URL predykcji za pomocą instancji `WiFiClientSecure`, która została skonfigurowana z kluczem publicznym Azure.
+
+    Po nawiązaniu połączenia wysyłane są nagłówki - informacje o nadchodzącym żądaniu do REST API. Nagłówek `Content-Type` wskazuje, że wywołanie API wyśle surowe dane binarne, a nagłówek `Prediction-Key` przekazuje klucz predykcji Custom Vision.
+
+    Następnie do klienta HTTP wysyłane jest żądanie POST, przesyłające tablicę bajtów. Tablica ta zawiera obraz JPEG uchwycony przez kamerę w momencie wywołania tej funkcji.
+
+    > 💁 Żądania POST służą do przesyłania danych i uzyskiwania odpowiedzi. Istnieją inne typy żądań, takie jak żądania GET, które służą do pobierania danych. Żądania GET są używane przez przeglądarki internetowe do ładowania stron internetowych.
+
+    Żądanie POST zwraca kod statusu odpowiedzi. Są to dobrze zdefiniowane wartości, gdzie 200 oznacza **OK** - żądanie POST zakończyło się sukcesem.
+
+    > 💁 Wszystkie kody statusu odpowiedzi można znaleźć na stronie [List of HTTP status codes na Wikipedii](https://wikipedia.org/wiki/List_of_HTTP_status_codes)
+
+    Jeśli zwrócony zostanie kod 200, wynik jest odczytywany z klienta HTTP. Jest to odpowiedź tekstowa z REST API zawierająca wyniki predykcji w formacie JSON. JSON ma następujący format:
+
+    ```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"
+            }
+        ]
+    }
+    ```
+
+    Najważniejszą częścią jest tablica `predictions`. Zawiera ona predykcje, z jednym wpisem dla każdej etykiety, zawierającym nazwę etykiety i prawdopodobieństwo. Zwracane prawdopodobieństwa to liczby zmiennoprzecinkowe od 0 do 1, gdzie 0 oznacza 0% szans na dopasowanie do etykiety, a 1 oznacza 100% szans.
+
+    > 💁 Klasyfikatory obrazów zwracają procenty dla wszystkich użytych etykiet. Każda etykieta będzie miała prawdopodobieństwo, że obraz pasuje do tej etykiety.
+
+    JSON jest dekodowany, a prawdopodobieństwa dla każdej etykiety są wysyłane do monitora szeregowego.
+
+1. W funkcji `buttonPressed` zastąp kod zapisujący na kartę SD wywołaniem `classifyImage`, lub dodaj go po zapisaniu obrazu, ale **przed** usunięciem bufora:
+
+    ```cpp
+    classifyImage(buffer, length);
+    ```
+
+    > 💁 Jeśli zastąpisz kod zapisujący na kartę SD, możesz wyczyścić swój kod, usuwając funkcje `setupSDCard` i `saveToSDCard`.
+
+1. Wgraj i uruchom swój kod. Skieruj kamerę na jakiś owoc i naciśnij przycisk C. Zobaczysz wynik w monitorze szeregowym:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    Będziesz mógł zobaczyć obraz, który został zrobiony, oraz te wartości na karcie **Predictions** w Custom Vision.
+
+    ![Banana w Custom Vision przewidziany jako dojrzały w 56,8% i niedojrzały w 43,1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.pl.png)
+
+> 💁 Kod ten znajdziesz w folderze [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal).
+
+😀 Twój program klasyfikujący jakość owoców zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
new file mode 100644
index 00000000..442ed816
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
@@ -0,0 +1,624 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2625af24587465c5547ae33d6cc000a5",
+  "translation_date": "2025-08-26T06:35:42+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
+  "language_code": "pl"
+}
+-->
+# Uruchom swój detektor owoców na urządzeniach brzegowych
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+Ten film przedstawia przegląd klasyfikatorów obrazów uruchamianych na urządzeniach IoT, co jest tematem tej lekcji.
+
+[![Custom Vision AI na Azure IoT Edge](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
+
+## Wprowadzenie
+
+W poprzedniej lekcji użyłeś swojego klasyfikatora obrazów do rozróżniania dojrzałych i niedojrzałych owoców, przesyłając obraz z kamery na urządzeniu IoT przez internet do usługi w chmurze. Takie operacje zajmują czas, generują koszty, a w zależności od rodzaju danych obrazowych mogą mieć konsekwencje związane z prywatnością.
+
+W tej lekcji dowiesz się, jak uruchamiać modele uczenia maszynowego (ML) na urządzeniach brzegowych – na urządzeniach IoT działających w Twojej własnej sieci, a nie w chmurze. Poznasz korzyści i wady obliczeń brzegowych w porównaniu z obliczeniami w chmurze, nauczysz się wdrażać model AI na urządzeniach brzegowych oraz uzyskiwać do niego dostęp z urządzenia IoT.
+
+W tej lekcji omówimy:
+
+* [Obliczenia brzegowe](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Rejestracja urządzenia IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Konfiguracja urządzenia IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Eksportowanie modelu](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Przygotowanie kontenera do wdrożenia](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Wdrożenie kontenera](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Użycie urządzenia IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+
+## Obliczenia brzegowe
+
+Obliczenia brzegowe polegają na przetwarzaniu danych IoT jak najbliżej miejsca ich generowania. Zamiast przetwarzać dane w chmurze, operacje te są przenoszone na krawędź chmury – do Twojej wewnętrznej sieci.
+
+![Schemat architektury pokazujący usługi internetowe w chmurze i urządzenia IoT w lokalnej sieci](../../../../../translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.pl.png)
+
+W dotychczasowych lekcjach urządzenia zbierały dane i przesyłały je do chmury w celu analizy, uruchamiając funkcje bezserwerowe lub modele AI w chmurze.
+
+![Schemat architektury pokazujący urządzenia IoT w lokalnej sieci łączące się z urządzeniami brzegowymi, które z kolei łączą się z chmurą](../../../../../translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.pl.png)
+
+Obliczenia brzegowe polegają na przeniesieniu części usług chmurowych na komputery działające w tej samej sieci co urządzenia IoT, komunikując się z chmurą tylko w razie potrzeby. Na przykład można uruchamiać modele AI na urządzeniach brzegowych, aby analizować dojrzałość owoców, a do chmury przesyłać jedynie dane analityczne, takie jak liczba dojrzałych i niedojrzałych owoców.
+
+✅ Zastanów się nad aplikacjami IoT, które stworzyłeś do tej pory. Które ich części mogłyby zostać przeniesione na urządzenia brzegowe?
+
+### Zalety
+
+Zalety obliczeń brzegowych to:
+
+1. **Szybkość** – obliczenia brzegowe są idealne dla danych wymagających szybkiej reakcji, ponieważ operacje są wykonywane w tej samej sieci co urządzenie, zamiast przesyłać dane przez internet. Dzięki temu osiąga się wyższe prędkości, ponieważ sieci wewnętrzne mogą działać znacznie szybciej niż połączenia internetowe, a dane pokonują znacznie krótsze odległości.
+
+    > 💁 Mimo że połączenia internetowe wykorzystują kable optyczne, które pozwalają na przesyłanie danych z prędkością światła, przesyłanie danych na całym świecie do dostawców chmurowych zajmuje czas. Na przykład przesyłanie danych z Europy do usług chmurowych w USA zajmuje co najmniej 28 ms, aby pokonać Atlantyk w kablu optycznym, nie uwzględniając czasu potrzebnego na przesłanie danych do kabla transatlantyckiego, konwersję sygnałów elektrycznych na świetlne i odwrotnie po drugiej stronie, a następnie przesłanie danych z kabla optycznego do dostawcy chmurowego.
+
+    Obliczenia brzegowe również wymagają mniej ruchu sieciowego, zmniejszając ryzyko spowolnienia danych z powodu przeciążenia ograniczonej przepustowości dostępnej dla połączenia internetowego.
+
+1. **Dostępność w odległych lokalizacjach** – obliczenia brzegowe działają w przypadku ograniczonej lub braku łączności, albo gdy łączność jest zbyt kosztowna, aby używać jej ciągle. Na przykład w obszarach dotkniętych katastrofami humanitarnymi, gdzie infrastruktura jest ograniczona, lub w krajach rozwijających się.
+
+1. **Niższe koszty** – zbieranie, przechowywanie, analizowanie danych i wyzwalanie działań na urządzeniach brzegowych zmniejsza wykorzystanie usług chmurowych, co może obniżyć całkowity koszt aplikacji IoT. W ostatnim czasie pojawiły się urządzenia zaprojektowane do obliczeń brzegowych, takie jak akceleratory AI, np. [Jetson Nano od NVIDIA](https://developer.nvidia.com/embedded/jetson-nano-developer-kit), które mogą uruchamiać obciążenia AI na sprzęcie GPU w urządzeniach kosztujących mniej niż 100 USD.
+
+1. **Prywatność i bezpieczeństwo** – w przypadku obliczeń brzegowych dane pozostają w Twojej sieci i nie są przesyłane do chmury. Jest to często preferowane w przypadku danych wrażliwych i umożliwiających identyfikację osób, zwłaszcza że dane nie muszą być przechowywane po ich analizie, co znacznie zmniejsza ryzyko wycieku danych. Przykłady obejmują dane medyczne i nagrania z kamer bezpieczeństwa.
+
+1. **Obsługa niebezpiecznych urządzeń** – jeśli masz urządzenia z znanymi lukami w zabezpieczeniach, których nie chcesz podłączać bezpośrednio do swojej sieci lub internetu, możesz podłączyć je do oddzielnej sieci za pomocą brzegowego urządzenia IoT Edge. To urządzenie brzegowe może mieć również połączenie z szerszą siecią lub internetem i zarządzać przepływem danych w obie strony.
+
+1. **Obsługa niekompatybilnych urządzeń** – jeśli masz urządzenia, które nie mogą łączyć się z IoT Hub, na przykład urządzenia, które mogą łączyć się tylko za pomocą połączeń HTTP lub urządzenia, które mają tylko Bluetooth, możesz użyć urządzenia IoT Edge jako urządzenia brzegowego, które przekazuje wiadomości do IoT Hub.
+
+✅ Zrób badania: Jakie inne zalety mogą mieć obliczenia brzegowe?
+
+### Wady
+
+Obliczenia brzegowe mają również wady, które mogą sprawić, że chmura będzie preferowaną opcją:
+
+1. **Skalowalność i elastyczność** – obliczenia w chmurze mogą dostosowywać się do potrzeb sieci i danych w czasie rzeczywistym, dodając lub redukując serwery i inne zasoby. Dodanie większej liczby komputerów brzegowych wymaga ręcznego dodawania kolejnych urządzeń.
+
+1. **Niezawodność i odporność** – obliczenia w chmurze zapewniają wiele serwerów, często w wielu lokalizacjach, dla redundancji i odzyskiwania danych po awarii. Aby osiągnąć ten sam poziom redundancji na urządzeniach brzegowych, potrzebne są duże inwestycje i wiele pracy konfiguracyjnej.
+
+1. **Konserwacja** – dostawcy usług chmurowych zapewniają konserwację systemów i aktualizacje.
+
+✅ Zrób badania: Jakie inne wady mogą mieć obliczenia brzegowe?
+
+Wady są w zasadzie przeciwieństwem zalet korzystania z chmury – musisz samodzielnie budować i zarządzać tymi urządzeniami, zamiast polegać na wiedzy i skali dostawców chmurowych.
+
+Niektóre ryzyka są łagodzone przez samą naturę obliczeń brzegowych. Na przykład, jeśli masz urządzenie brzegowe działające w fabryce, które zbiera dane z maszyn, nie musisz myśleć o niektórych scenariuszach odzyskiwania danych po awarii. Jeśli w fabryce zabraknie prądu, nie potrzebujesz zapasowego urządzenia brzegowego, ponieważ maszyny generujące dane, które urządzenie brzegowe przetwarza, również będą pozbawione zasilania.
+
+W przypadku systemów IoT często będziesz chciał połączyć obliczenia w chmurze i na urządzeniach brzegowych, wykorzystując każdą usługę w zależności od potrzeb systemu, jego użytkowników i osób odpowiedzialnych za jego utrzymanie.
+
+## Azure IoT Edge
+
+![Logo Azure IoT Edge](../../../../../translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.pl.png)
+
+Azure IoT Edge to usługa, która może pomóc w przeniesieniu obciążeń z chmury na urządzenia brzegowe. Konfigurujesz urządzenie jako urządzenie brzegowe, a z chmury możesz wdrażać kod na to urządzenie brzegowe. Pozwala to na połączenie możliwości chmury i urządzeń brzegowych.
+
+> 🎓 *Obciążenia* to termin określający każdą usługę wykonującą jakąś pracę, taką jak modele AI, aplikacje czy funkcje bezserwerowe.
+
+Na przykład możesz wytrenować klasyfikator obrazów w chmurze, a następnie wdrożyć go z chmury na urządzenie brzegowe. Twoje urządzenie IoT przesyła wtedy obrazy do urządzenia brzegowego w celu klasyfikacji, zamiast przesyłać je przez internet. Jeśli potrzebujesz wdrożyć nową wersję modelu, możesz wytrenować ją w chmurze i użyć IoT Edge do zaktualizowania modelu na urządzeniu brzegowym.
+
+> 🎓 Oprogramowanie wdrażane na IoT Edge jest nazywane *modułami*. Domyślnie IoT Edge uruchamia moduły komunikujące się z IoT Hub, takie jak moduły `edgeAgent` i `edgeHub`. Gdy wdrażasz klasyfikator obrazów, jest on wdrażany jako dodatkowy moduł.
+
+IoT Edge jest wbudowany w IoT Hub, więc możesz zarządzać urządzeniami brzegowymi za pomocą tej samej usługi, której używasz do zarządzania urządzeniami IoT, z tym samym poziomem bezpieczeństwa.
+
+IoT Edge uruchamia kod z *kontenerów* – samodzielnych aplikacji uruchamianych w izolacji od reszty aplikacji na Twoim komputerze. Gdy uruchamiasz kontener, działa on jak oddzielny komputer wewnątrz Twojego komputera, z własnym oprogramowaniem, usługami i aplikacjami. Większość czasu kontenery nie mają dostępu do niczego na Twoim komputerze, chyba że zdecydujesz się udostępnić im coś, na przykład folder. Kontener udostępnia wtedy usługi za pomocą otwartego portu, do którego możesz się podłączyć lub udostępnić go w swojej sieci.
+
+![Żądanie sieciowe przekierowane do kontenera](../../../../../translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.pl.png)
+
+Na przykład możesz mieć kontener z witryną internetową działającą na porcie 80, domyślnym porcie HTTP, i możesz go udostępnić ze swojego komputera również na porcie 80.
+
+✅ Zrób badania: Przeczytaj o kontenerach i usługach takich jak Docker czy Moby.
+
+Możesz użyć Custom Vision, aby pobrać klasyfikatory obrazów i wdrożyć je jako kontenery, uruchamiane bezpośrednio na urządzeniu lub wdrażane za pomocą IoT Edge. Gdy działają w kontenerze, można uzyskać do nich dostęp za pomocą tego samego API REST, co w wersji chmurowej, ale z punktem końcowym wskazującym na urządzenie brzegowe uruchamiające kontener.
+
+## Rejestracja urządzenia IoT Edge
+
+Aby używać urządzenia IoT Edge, musi ono zostać zarejestrowane w IoT Hub.
+
+### Zadanie – rejestracja urządzenia IoT Edge
+
+1. Utwórz IoT Hub w grupie zasobów `fruit-quality-detector`. Nadaj mu unikalną nazwę opartą na `fruit-quality-detector`.
+
+1. Zarejestruj urządzenie IoT Edge o nazwie `fruit-quality-detector-edge` w swoim IoT Hub. Polecenie do tego jest podobne do polecenia używanego do rejestracji urządzenia niebrzegowego, z wyjątkiem użycia flagi `--edge-enabled`.
+
+    ```sh
+    az iot hub device-identity create --edge-enabled \
+                                      --device-id fruit-quality-detector-edge \
+                                      --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę swojego IoT Hub.
+
+1. Pobierz ciąg połączenia dla swojego urządzenia, używając następującego polecenia:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    Zamień `<hub_name>` na nazwę swojego IoT Hub.
+
+    Skopiuj ciąg połączenia wyświetlony w wyniku.
+
+## Konfiguracja urządzenia IoT Edge
+
+Po utworzeniu rejestracji urządzenia brzegowego w IoT Hub możesz skonfigurować urządzenie brzegowe.
+
+### Zadanie – Instalacja i uruchomienie środowiska IoT Edge
+
+**Środowisko IoT Edge obsługuje tylko kontenery Linux.** Może być uruchamiane na Linuxie lub na Windowsie za pomocą maszyn wirtualnych Linux.
+
+* Jeśli używasz Raspberry Pi jako swojego urządzenia IoT, to działa ono na wspieranej wersji Linuxa i może hostować środowisko IoT Edge. Postępuj zgodnie z [instrukcją instalacji Azure IoT Edge dla Linuxa w dokumentacji Microsoft](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn), aby zainstalować IoT Edge i ustawić ciąg połączenia.
+
+    > 💁 Pamiętaj, Raspberry Pi OS to wariant Linuxa Debian.
+
+* Jeśli nie używasz Raspberry Pi, ale masz komputer z Linuxem, możesz uruchomić środowisko IoT Edge. Postępuj zgodnie z [instrukcją instalacji Azure IoT Edge dla Linuxa w dokumentacji Microsoft](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn), aby zainstalować IoT Edge i ustawić ciąg połączenia.
+
+* Jeśli używasz Windowsa, możesz zainstalować środowisko IoT Edge w maszynie wirtualnej Linux, postępując zgodnie z [sekcją instalacji i uruchomienia środowiska IoT Edge w szybkim starcie wdrożenia pierwszego modułu IoT Edge na urządzeniu z Windows w dokumentacji Microsoft](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime). Możesz zatrzymać się, gdy dojdziesz do sekcji *Wdrożenie modułu*.
+
+* Jeśli używasz macOS, możesz utworzyć maszynę wirtualną (VM) w chmurze do użycia jako swoje urządzenie IoT Edge. Są to komputery, które możesz utworzyć w chmurze i uzyskać do nich dostęp przez internet. Możesz utworzyć maszynę wirtualną Linux z zainstalowanym IoT Edge. Postępuj zgodnie z [instrukcją tworzenia maszyny wirtualnej z IoT Edge](vm-iotedge.md), aby uzyskać szczegółowe instrukcje.
+
+## Eksportowanie modelu
+
+Aby uruchomić klasyfikator na urządzeniu brzegowym, musi on zostać wyeksportowany z Custom Vision. Custom Vision może generować dwa typy modeli – standardowe i kompaktowe. Modele kompaktowe wykorzystują różne techniki, aby zmniejszyć rozmiar modelu, dzięki czemu jest on wystarczająco mały, aby można go było pobrać i wdrożyć na urządzeniach IoT.
+
+Podczas tworzenia klasyfikatora obrazów użyłeś domeny *Food*, wersji modelu zoptymalizowanej do trenowania na obrazach jedzenia. W Custom Vision możesz zmienić domenę swojego projektu, używając swoich danych treningowych do wytrenowania nowego modelu w nowej domenie. Wszystkie domeny obsługiwane przez Custom Vision są dostępne zarówno jako standardowe, jak i kompaktowe.
+
+### Zadanie – wytrenuj swój model,
+1. Uruchom portal Custom Vision na stronie [CustomVision.ai](https://customvision.ai) i zaloguj się, jeśli nie masz go już otwartego. Następnie otwórz swój projekt `fruit-quality-detector`.
+
+1. Wybierz przycisk **Settings** (ikona ⚙).
+
+1. Na liście *Domains* wybierz *Food (compact)*.
+
+1. W sekcji *Export Capabilities* upewnij się, że wybrano *Basic platforms (Tensorflow, CoreML, ONNX, ...)*.
+
+1. Na dole strony ustawień wybierz **Save Changes**.
+
+1. Przeprowadź ponowne trenowanie modelu, klikając przycisk **Train** i wybierając opcję *Quick training*.
+
+### Zadanie - eksportuj swój model
+
+Po przetrenowaniu modelu należy go wyeksportować jako kontener.
+
+1. Wybierz zakładkę **Performance** i znajdź najnowszą iterację, która została przetrenowana przy użyciu kompaktowej domeny.
+
+1. Kliknij przycisk **Export** u góry.
+
+1. Wybierz **DockerFile**, a następnie wybierz wersję pasującą do Twojego urządzenia brzegowego:
+
+    * Jeśli używasz IoT Edge na komputerze z systemem Linux, Windows lub maszynie wirtualnej, wybierz wersję *Linux*.
+    * Jeśli używasz IoT Edge na Raspberry Pi, wybierz wersję *ARM (Raspberry Pi 3)*.
+
+> 🎓 Docker to jedno z najpopularniejszych narzędzi do zarządzania kontenerami, a DockerFile to zestaw instrukcji dotyczących konfiguracji kontenera.
+
+1. Kliknij **Export**, aby Custom Vision utworzył odpowiednie pliki, a następnie **Download**, aby pobrać je w formie pliku zip.
+
+1. Zapisz pliki na swoim komputerze, a następnie rozpakuj folder.
+
+## Przygotowanie kontenera do wdrożenia
+
+![Kontenery są budowane, a następnie przesyłane do rejestru kontenerów, skąd są wdrażane na urządzenie brzegowe za pomocą IoT Edge](../../../../../translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.pl.png)
+
+Po pobraniu modelu należy go zbudować jako kontener, a następnie przesłać do rejestru kontenerów - miejsca online, w którym można przechowywać kontenery. IoT Edge może następnie pobrać kontener z rejestru i przesłać go na Twoje urządzenie.
+
+![Logo Azure Container Registry](../../../../../translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.pl.png)
+
+Rejestr kontenerów, którego użyjesz w tej lekcji, to Azure Container Registry. Nie jest to usługa darmowa, więc aby zaoszczędzić pieniądze, upewnij się, że [posprzątasz swój projekt](../../../clean-up.md) po zakończeniu pracy.
+
+> 💁 Koszty korzystania z Azure Container Registry można sprawdzić na stronie [cennika Azure Container Registry](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn).
+
+### Zadanie - zainstaluj Docker
+
+Aby zbudować i wdrożyć klasyfikator, może być konieczne zainstalowanie [Docker](https://www.docker.com/).
+
+Musisz to zrobić tylko wtedy, gdy planujesz zbudować kontener na innym urządzeniu niż to, na którym zainstalowano IoT Edge - podczas instalacji IoT Edge Docker jest instalowany automatycznie.
+
+1. Jeśli budujesz kontener Docker na innym urządzeniu niż Twoje urządzenie IoT Edge, postępuj zgodnie z instrukcjami instalacji Docker na stronie [Docker install page](https://www.docker.com/products/docker-desktop), aby zainstalować Docker Desktop lub silnik Docker. Upewnij się, że działa po instalacji.
+
+### Zadanie - utwórz zasób rejestru kontenerów
+
+1. Uruchom następujące polecenie w terminalu lub wierszu poleceń, aby utworzyć zasób Azure Container Registry:
+
+    ```sh
+    az acr create --resource-group fruit-quality-detector \
+                  --sku Basic \
+                  --name <Container registry name>
+    ```
+
+    Zastąp `<Container registry name>` unikalną nazwą dla swojego rejestru kontenerów, używając tylko liter i cyfr. Opartą na `fruitqualitydetector`. Ta nazwa stanie się częścią URL do dostępu do rejestru kontenerów, więc musi być globalnie unikalna.
+
+1. Zaloguj się do Azure Container Registry za pomocą następującego polecenia:
+
+    ```sh
+    az acr login --name <Container registry name>
+    ```
+
+    Zastąp `<Container registry name>` nazwą, którą użyłeś dla swojego rejestru kontenerów.
+
+1. Włącz tryb administratora dla rejestru kontenerów, aby móc wygenerować hasło, za pomocą następującego polecenia:
+
+    ```sh
+    az acr update --admin-enabled true \
+                 --name <Container registry name>
+    ```
+
+    Zastąp `<Container registry name>` nazwą, którą użyłeś dla swojego rejestru kontenerów.
+
+1. Wygeneruj hasła dla swojego rejestru kontenerów za pomocą następującego polecenia:
+
+    ```sh
+     az acr credential renew --password-name password \
+                             --output table \
+                             --name <Container registry name>
+    ```
+
+    Zastąp `<Container registry name>` nazwą, którą użyłeś dla swojego rejestru kontenerów.
+
+    Skopiuj wartość `PASSWORD`, ponieważ będzie Ci potrzebna później.
+
+### Zadanie - zbuduj swój kontener
+
+To, co pobrałeś z Custom Vision, to DockerFile zawierający instrukcje dotyczące budowy kontenera, wraz z kodem aplikacji, który będzie uruchamiany wewnątrz kontenera, aby obsługiwać Twój model Custom Vision oraz REST API do jego wywoływania. Możesz użyć Docker, aby zbudować oznaczony kontener z DockerFile, a następnie przesłać go do rejestru kontenerów.
+
+> 🎓 Kontenery są oznaczane tagiem, który definiuje ich nazwę i wersję. Gdy musisz zaktualizować kontener, możesz zbudować go z tym samym tagiem, ale nowszą wersją.
+
+1. Otwórz terminal lub wiersz poleceń i przejdź do rozpakowanego modelu, który pobrałeś z Custom Vision.
+
+1. Uruchom następujące polecenie, aby zbudować i oznaczyć obraz:
+
+    ```sh
+    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
+    ```
+
+    Zastąp `<platform>` platformą, na której będzie działał ten kontener. Jeśli używasz IoT Edge na Raspberry Pi, ustaw to na `linux/armhf`, w przeciwnym razie ustaw to na `linux/amd64`.
+
+    > 💁 Jeśli uruchamiasz to polecenie z urządzenia, na którym działa IoT Edge, na przykład z Raspberry Pi, możesz pominąć część `--platform <platform>`, ponieważ domyślnie używana jest bieżąca platforma.
+
+    Zastąp `<Container registry name>` nazwą, którą użyłeś dla swojego rejestru kontenerów.
+
+    > 💁 Jeśli używasz systemu Linux lub Raspberry Pi OS, może być konieczne użycie `sudo`, aby uruchomić to polecenie.
+
+    Docker zbuduje obraz, konfigurując całe potrzebne oprogramowanie. Obraz zostanie oznaczony jako `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
+    ```
+
+### Zadanie - prześlij swój kontener do rejestru kontenerów
+
+1. Użyj następującego polecenia, aby przesłać swój kontener do rejestru kontenerów:
+
+    ```sh
+    docker push <Container registry name>.azurecr.io/classifier:v1
+    ```
+
+    Zastąp `<Container registry name>` nazwą, którą użyłeś dla swojego rejestru kontenerów.
+
+    > 💁 Jeśli używasz systemu Linux, może być konieczne użycie `sudo`, aby uruchomić to polecenie.
+
+    Kontener zostanie przesłany do rejestru kontenerów.
+
+    ```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. Aby zweryfikować przesłanie, możesz wyświetlić listę kontenerów w swoim rejestrze za pomocą następującego polecenia:
+
+    ```sh
+    az acr repository list --output table \
+                           --name <Container registry name> 
+    ```
+
+    Zastąp `<Container registry name>` nazwą, którą użyłeś dla swojego rejestru kontenerów.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
+    Result
+    ----------
+    classifier
+    ```
+
+    W wynikach zobaczysz swój klasyfikator.
+
+## Wdrożenie kontenera
+
+Twój kontener może teraz zostać wdrożony na urządzeniu IoT Edge. Aby go wdrożyć, musisz zdefiniować manifest wdrożenia - dokument JSON, który zawiera listę modułów, które zostaną wdrożone na urządzeniu brzegowym.
+
+### Zadanie - utwórz manifest wdrożenia
+
+1. Utwórz nowy plik o nazwie `deployment.json` gdzieś na swoim komputerze.
+
+1. Dodaj do tego pliku następujący kod:
+
+    ```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
+                        }
+                    }
+                }
+            }
+        }
+    }
+    ```
+
+    > 💁 Ten plik można znaleźć w folderze [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment).
+
+    Zastąp trzy wystąpienia `<Container registry name>` nazwą, którą użyłeś dla swojego rejestru kontenerów. Jedno znajduje się w sekcji modułu `ImageClassifier`, a dwa pozostałe w sekcji `registryCredentials`.
+
+    Zastąp `<Container registry password>` w sekcji `registryCredentials` hasłem do swojego rejestru kontenerów.
+
+1. Z folderu zawierającego manifest wdrożenia uruchom następujące polecenie:
+
+    ```sh
+    az iot edge set-modules --device-id fruit-quality-detector-edge \
+                            --content deployment.json \
+                            --hub-name <hub_name>
+    ```
+
+    Zastąp `<hub_name>` nazwą swojego IoT Hub.
+
+    Moduł klasyfikatora obrazów zostanie wdrożony na Twoje urządzenie brzegowe.
+
+### Zadanie - zweryfikuj działanie klasyfikatora
+
+1. Połącz się z urządzeniem IoT Edge:
+
+    * Jeśli używasz Raspberry Pi do uruchamiania IoT Edge, połącz się za pomocą ssh z terminala lub zdalnej sesji SSH w VS Code.
+    * Jeśli uruchamiasz IoT Edge w kontenerze Linux na Windows, postępuj zgodnie z krokami w przewodniku [verify successful configuration guide](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge-on-windows?WT.mc_id=academic-17441-jabenn&view=iotedge-2018-06&tabs=powershell#verify-successful-configuration), aby połączyć się z urządzeniem IoT Edge.
+    * Jeśli uruchamiasz IoT Edge na maszynie wirtualnej, możesz połączyć się z maszyną za pomocą ssh, używając `adminUsername` i `password`, które ustawiłeś podczas tworzenia VM, oraz używając adresu IP lub nazwy DNS:
+
+        ```sh
+        ssh <adminUsername>@<IP address>
+        ```
+
+        Lub:
+
+        ```sh
+        ssh <adminUsername>@<DNS Name>
+        ```
+
+        Wprowadź swoje hasło, gdy zostaniesz o to poproszony.
+
+1. Po połączeniu uruchom następujące polecenie, aby uzyskać listę modułów IoT Edge:
+
+    ```sh
+    iotedge list
+    ```
+
+    > 💁 Może być konieczne uruchomienie tego polecenia z `sudo`.
+
+    Zobaczysz działające moduły:
+
+    ```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. Sprawdź logi modułu klasyfikatora obrazów za pomocą następującego polecenia:
+
+    ```sh
+    iotedge logs ImageClassifier
+    ```
+
+    > 💁 Może być konieczne uruchomienie tego polecenia z `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)
+    ```
+
+### Zadanie - przetestuj klasyfikator obrazów
+
+1. Możesz użyć CURL, aby przetestować klasyfikator obrazów, używając adresu IP lub nazwy hosta komputera, na którym działa agent IoT Edge. Znajdź adres IP:
+
+    * Jeśli jesteś na tym samym urządzeniu, na którym działa IoT Edge, możesz użyć `localhost` jako nazwy hosta.
+    * Jeśli używasz maszyny wirtualnej, możesz użyć adresu IP lub nazwy DNS maszyny wirtualnej.
+    * W przeciwnym razie możesz uzyskać adres IP urządzenia, na którym działa IoT Edge:
+      * Na Windows 10, postępuj zgodnie z przewodnikiem [find your IP address guide](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn).
+      * Na macOS, postępuj zgodnie z przewodnikiem [how to find you IP address on a Mac guide](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac).
+      * Na Linux, postępuj zgodnie z sekcją dotyczącą znajdowania prywatnego adresu IP w przewodniku [how to find your IP address in Linux guide](https://opensource.com/article/18/5/how-find-ip-address-linux).
+
+1. Możesz przetestować kontener za pomocą lokalnego pliku, uruchamiając następujące polecenie curl:
+
+    ```sh
+    curl --location \
+         --request POST 'http://<IP address or name>/image' \
+         --header 'Content-Type: image/png' \
+         --data-binary '@<file_Name>' 
+    ```
+
+    Zastąp `<IP address or name>` adresem IP lub nazwą hosta komputera, na którym działa IoT Edge. Zastąp `<file_Name>` nazwą pliku do testowania.
+
+    W wynikach zobaczysz wyniki predykcji:
+
+    ```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": ""
+    }
+    ```
+
+    > 💁 Nie ma potrzeby podawania klucza predykcji, ponieważ nie korzystasz z zasobu Azure. Zamiast tego bezpieczeństwo byłoby skonfigurowane w sieci wewnętrznej na podstawie wewnętrznych potrzeb bezpieczeństwa, a nie polegało na publicznym punkcie końcowym i kluczu API.
+
+## Użyj swojego urządzenia IoT Edge
+
+Teraz, gdy Twój klasyfikator obrazów został wdrożony na urządzeniu IoT Edge, możesz go używać z urządzenia IoT.
+
+### Zadanie - użyj swojego urządzenia IoT Edge
+
+Przejdź przez odpowiedni przewodnik, aby klasyfikować obrazy za pomocą klasyfikatora IoT Edge:
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie IoT](single-board-computer.md)
+
+### Ponowne trenowanie modelu
+
+Jednym z minusów uruchamiania klasyfikatorów obrazów na IoT Edge jest brak połączenia z projektem Custom Vision. Jeśli spojrzysz na zakładkę **Predictions** w Custom Vision, nie zobaczysz obrazów, które zostały sklasyfikowane za pomocą klasyfikatora Edge.
+
+To oczekiwane zachowanie - obrazy nie są wysyłane do chmury w celu klasyfikacji, więc nie będą dostępne w chmurze. Jednym z plusów korzystania z IoT Edge jest prywatność, zapewniając, że obrazy nie opuszczają Twojej sieci, innym jest możliwość pracy offline, bez konieczności przesyłania obrazów, gdy urządzenie nie ma połączenia z internetem. Minusem jest poprawa modelu - musiałbyś wdrożyć inny sposób przechowywania obrazów, które można ręcznie sklasyfikować, aby poprawić i ponownie przetrenować klasyfikator obrazów.
+
+✅ Zastanów się nad sposobami przesyłania obrazów w celu ponownego trenowania klasyfikatora.
+
+---
+
+## 🚀 Wyzwanie
+
+Uruchamianie modeli AI na urządzeniach brzegowych może być szybsze niż w chmurze - skok sieciowy jest krótszy. Mogą być również wolniejsze, ponieważ sprzęt, na którym działa model, może nie być tak wydajny jak chmura.
+
+Zrób pomiary czasu i porównaj, czy wywołanie urządzenia brzegowego jest szybsze czy wolniejsze niż wywołanie chmury? Zastanów się nad powodami różnicy lub jej braku. Zbadaj sposoby szybszego uruchamiania modeli AI na urządzeniach brzegowych, korzystając ze specjalistycznego sprzętu.
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj więcej o kontenerach na stronie [OS-level virtualization na Wikipedii](https://wikipedia.org/wiki/OS-level_virtualization).
+* Przeczytaj więcej o edge computing, ze szczególnym uwzględnieniem tego, jak technologia 5G może pomóc w rozwoju edge computing, w artykule [czym jest edge computing i dlaczego ma znaczenie? na stronie NetworkWorld](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html)
+* Dowiedz się więcej o uruchamianiu usług AI w IoT Edge, oglądając odcinek [dowiedz się, jak używać Azure IoT Edge na gotowej usłudze AI na Edge do wykrywania języka w serii Learn Live na 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)
+
+## Zadanie
+
+[Uruchamianie innych usług na edge](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
new file mode 100644
index 00000000..d0d879a2
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
+  "translation_date": "2025-08-26T06:37:14+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Uruchamianie innych usług na urządzeniach brzegowych
+
+## Instrukcje
+
+Na urządzeniach brzegowych można uruchamiać nie tylko klasyfikatory obrazów – wszystko, co można zapakować w kontener, może zostać wdrożone na urządzeniu IoT Edge. Bezserwerowy kod działający jako Azure Functions, na przykład wyzwalacze, które stworzyłeś w poprzednich lekcjach, może być uruchamiany w kontenerach, a tym samym na IoT Edge.
+
+Wybierz jedną z poprzednich lekcji i spróbuj uruchomić aplikację Azure Functions w kontenerze IoT Edge. Możesz znaleźć przewodnik pokazujący, jak to zrobić, używając innego projektu aplikacji Functions w [Samouczek: Wdrażanie Azure Functions jako modułów IoT Edge w dokumentacji Microsoft](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11).
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Zadowalające | Wymaga poprawy |
+| --------- | -------- | ------------ | -------------- |
+| Wdrożenie aplikacji Azure Functions na IoT Edge | Udało się wdrożyć aplikację Azure Functions na IoT Edge i użyć jej z urządzeniem IoT do uruchomienia wyzwalacza na podstawie danych IoT | Udało się wdrożyć aplikację Functions na IoT Edge, ale nie udało się uruchomić wyzwalacza | Nie udało się wdrożyć aplikacji Functions na IoT Edge |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
new file mode 100644
index 00000000..a65c64b2
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
@@ -0,0 +1,66 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50151d9f9dce2801348a93880ef16d86",
+  "translation_date": "2025-08-26T06:37:51+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
+  "language_code": "pl"
+}
+-->
+# Klasyfikacja obrazu za pomocą klasyfikatora obrazów opartego na IoT Edge - Wirtualny sprzęt IoT i Raspberry Pi
+
+W tej części lekcji użyjesz klasyfikatora obrazów działającego na urządzeniu IoT Edge.
+
+## Użyj klasyfikatora IoT Edge
+
+Urządzenie IoT może zostać przekierowane do korzystania z klasyfikatora obrazów IoT Edge. Adres URL dla klasyfikatora obrazów to `http://<IP address or name>/image`, gdzie `<IP address or name>` należy zastąpić adresem IP lub nazwą hosta komputera, na którym działa IoT Edge.
+
+Biblioteka Python dla Custom Vision działa tylko z modelami hostowanymi w chmurze, a nie z modelami hostowanymi na IoT Edge. Oznacza to, że będziesz musiał użyć REST API, aby wywołać klasyfikator.
+
+### Zadanie - użyj klasyfikatora IoT Edge
+
+1. Otwórz projekt `fruit-quality-detector` w VS Code, jeśli nie jest już otwarty. Jeśli korzystasz z wirtualnego urządzenia IoT, upewnij się, że środowisko wirtualne jest aktywowane.
+
+1. Otwórz plik `app.py` i usuń instrukcje importu z `azure.cognitiveservices.vision.customvision.prediction` oraz `msrest.authentication`.
+
+1. Dodaj następujący import na początku pliku:
+
+    ```python
+    import requests
+    ```
+
+1. Usuń cały kod po zapisaniu obrazu do pliku, od `image_file.write(image.read())` do końca pliku.
+
+1. Dodaj następujący kod na końcu pliku:
+
+    ```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}%')
+    ```
+
+    Zamień `<URL>` na adres URL swojego klasyfikatora.
+
+    Ten kod wykonuje żądanie REST POST do klasyfikatora, przesyłając obraz jako treść żądania. Wyniki są zwracane w formacie JSON, który jest dekodowany, aby wyświetlić prawdopodobieństwa.
+
+1. Uruchom swój kod, kierując kamerę na jakiś owoc, odpowiedni zestaw obrazów lub widoczny owoc na kamerze internetowej, jeśli korzystasz z wirtualnego sprzętu IoT. Zobaczysz wynik w konsoli:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) lub [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device).
+
+😀 Twój program klasyfikatora jakości owoców zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
new file mode 100644
index 00000000..02f9db29
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "24dc783a600e20251211987b36370e93",
+  "translation_date": "2025-08-26T06:37:23+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
+  "language_code": "pl"
+}
+-->
+# Utwórz maszynę wirtualną z uruchomionym IoT Edge
+
+W Azure możesz utworzyć maszynę wirtualną - komputer w chmurze, który możesz skonfigurować według własnych potrzeb i uruchomić na nim własne oprogramowanie.
+
+> 💁 Więcej informacji o maszynach wirtualnych znajdziesz na [stronie Wikipedii o maszynach wirtualnych](https://wikipedia.org/wiki/Virtual_machine).
+
+## Zadanie - Skonfiguruj maszynę wirtualną z IoT Edge
+
+1. Uruchom poniższe polecenie, aby utworzyć maszynę wirtualną z już zainstalowanym Azure IoT Edge:
+
+    ```sh
+    az deployment group create \
+                --resource-group fruit-quality-detector \
+                --template-uri https://raw.githubusercontent.com/Azure/iotedge-vm-deploy/1.2.0/edgeDeploy.json \
+                --parameters dnsLabelPrefix=<vm_name> \
+                --parameters adminUsername=<username> \
+                --parameters deviceConnectionString="<connection_string>" \
+                --parameters authenticationType=password \
+                --parameters adminPasswordOrKey="<password>"
+    ```
+
+    Zamień `<vm_name>` na nazwę dla tej maszyny wirtualnej. Nazwa musi być unikalna globalnie, więc użyj czegoś w stylu `fruit-quality-detector-vm-` z Twoim imieniem lub inną wartością na końcu.
+
+    Zamień `<username>` i `<password>` na nazwę użytkownika i hasło, które będą używane do logowania do maszyny wirtualnej. Muszą być one stosunkowo bezpieczne, więc nie możesz użyć admin/password.
+
+    Zamień `<connection_string>` na ciąg połączenia swojego urządzenia IoT Edge `fruit-quality-detector-edge`.
+
+    To polecenie utworzy maszynę wirtualną skonfigurowaną jako `DS1 v2`. Kategorie te wskazują na moc maszyny, a co za tym idzie, jej koszt. Ta maszyna wirtualna ma 1 CPU i 3,5 GB RAM.
+
+    > 💰 Aktualne ceny tych maszyn wirtualnych znajdziesz w [przewodniku cenowym Azure Virtual Machine](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn)
+
+    Po utworzeniu maszyny wirtualnej, środowisko IoT Edge zostanie automatycznie zainstalowane i skonfigurowane do połączenia z Twoim IoT Hub jako urządzenie `fruit-quality-detector-edge`.
+
+1. Aby wywołać klasyfikator obrazów z maszyny wirtualnej, będziesz potrzebować jej adresu IP lub nazwy DNS. Uruchom poniższe polecenie, aby je uzyskać:
+
+    ```sh
+    az vm list --resource-group fruit-quality-detector \
+               --output table \
+               --show-details
+    ```
+
+    Skopiuj wartość z pola `PublicIps` lub `Fqdns`.
+
+1. Maszyny wirtualne generują koszty. W momencie pisania tego tekstu, maszyna DS1 kosztuje około $0.06 za godzinę. Aby ograniczyć koszty, powinieneś wyłączać maszynę wirtualną, gdy jej nie używasz, oraz usuwać ją po zakończeniu projektu.
+
+    Możesz skonfigurować maszynę wirtualną tak, aby automatycznie wyłączała się o określonej godzinie każdego dnia. Dzięki temu, jeśli zapomnisz ją wyłączyć, nie będziesz obciążony kosztami za czas przekraczający automatyczne wyłączenie. Użyj poniższego polecenia, aby to ustawić:
+
+    ```sh
+    az vm auto-shutdown --resource-group fruit-quality-detector \
+                        --name <vm_name> \
+                        --time <shutdown_time_utc>
+    ```
+
+    Zamień `<vm_name>` na nazwę swojej maszyny wirtualnej.
+
+    Zamień `<shutdown_time_utc>` na czas UTC, o którym chcesz wyłączyć maszynę wirtualną, używając 4 cyfr w formacie HHMM. Na przykład, jeśli chcesz wyłączyć maszynę o północy UTC, ustaw wartość na `0000`. Dla godziny 19:30 czasu zachodniego wybrzeża USA, użyj `0230` (19:30 czasu zachodniego wybrzeża USA to 2:30 UTC).
+
+1. Twój klasyfikator obrazów będzie działał na tym urządzeniu edge, nasłuchując na porcie 80 (standardowy port HTTP). Domyślnie maszyny wirtualne mają zablokowane porty przychodzące, więc musisz odblokować port 80. Porty są odblokowywane w grupach zabezpieczeń sieciowych, więc najpierw musisz znać nazwę grupy zabezpieczeń sieciowych dla swojej maszyny wirtualnej, którą możesz znaleźć za pomocą poniższego polecenia:
+
+    ```sh
+    az network nsg list --resource-group fruit-quality-detector \
+                        --output table
+    ```
+
+    Skopiuj wartość z pola `Name`.
+
+1. Uruchom poniższe polecenie, aby dodać regułę otwierającą port 80 w grupie zabezpieczeń sieciowych:
+
+    ```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>
+    ```
+
+    Zamień `<nsg name>` na nazwę grupy zabezpieczeń sieciowych z poprzedniego kroku.
+
+### Zadanie - zarządzaj swoją maszyną wirtualną, aby zmniejszyć koszty
+
+1. Gdy nie używasz swojej maszyny wirtualnej, powinieneś ją wyłączyć. Aby wyłączyć maszynę wirtualną, użyj poniższego polecenia:
+
+    ```sh
+    az vm deallocate --resource-group fruit-quality-detector \
+                     --name <vm_name>
+    ```
+
+    Zamień `<vm_name>` na nazwę swojej maszyny wirtualnej.
+
+    > 💁 Istnieje polecenie `az vm stop`, które zatrzymuje maszynę wirtualną, ale nadal utrzymuje komputer przypisany do Ciebie, więc nadal płacisz, jakby była uruchomiona.
+
+1. Aby ponownie uruchomić maszynę wirtualną, użyj poniższego polecenia:
+
+    ```sh
+    az vm start --resource-group fruit-quality-detector \
+                --name <vm_name>
+    ```
+
+    Zamień `<vm_name>` na nazwę swojej maszyny wirtualnej.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
new file mode 100644
index 00000000..8efeb26f
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
@@ -0,0 +1,64 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
+  "translation_date": "2025-08-26T06:37:41+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
+  "language_code": "pl"
+}
+-->
+# Klasyfikacja obrazu za pomocą klasyfikatora obrazów opartego na IoT Edge - Wio Terminal
+
+W tej części lekcji użyjesz klasyfikatora obrazów działającego na urządzeniu IoT Edge.
+
+## Użyj klasyfikatora IoT Edge
+
+Urządzenie IoT może zostać przekierowane do użycia klasyfikatora obrazów IoT Edge. URL dla klasyfikatora obrazów to `http://<adres IP lub nazwa>/image`, gdzie `<adres IP lub nazwa>` należy zastąpić adresem IP lub nazwą hosta komputera, na którym działa IoT Edge.
+
+### Zadanie - użycie klasyfikatora IoT Edge
+
+1. Otwórz projekt aplikacji `fruit-quality-detector`, jeśli nie jest już otwarty.
+
+1. Klasyfikator obrazów działa jako REST API używając HTTP, a nie HTTPS, więc wywołanie musi korzystać z klienta WiFi, który obsługuje tylko połączenia HTTP. Oznacza to, że certyfikat nie jest potrzebny. Usuń `CERTIFICATE` z pliku `config.h`.
+
+1. URL predykcji w pliku `config.h` musi zostać zaktualizowany do nowego URL. Możesz również usunąć `PREDICTION_KEY`, ponieważ nie jest potrzebny.
+
+    ```cpp
+    const char *PREDICTION_URL = "<URL>";
+    ```
+
+    Zamień `<URL>` na URL swojego klasyfikatora.
+
+1. W pliku `main.cpp` zmień dyrektywę include dla WiFi Client Secure, aby zaimportować standardową wersję HTTP:
+
+    ```cpp
+    #include <WiFiClient.h>
+    ```
+
+1. Zmień deklarację `WiFiClient` na wersję HTTP:
+
+    ```cpp
+    WiFiClient client;
+    ```
+
+1. Znajdź linię, która ustawia certyfikat na kliencie WiFi. Usuń linię `client.setCACert(CERTIFICATE);` z funkcji `connectWiFi`.
+
+1. W funkcji `classifyImage` usuń linię `httpClient.addHeader("Prediction-Key", PREDICTION_KEY);`, która ustawia klucz predykcji w nagłówku.
+
+1. Wgraj i uruchom swój kod. Skieruj kamerę na jakiś owoc i naciśnij przycisk C. Zobaczysz wynik w monitorze szeregowym:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 Kod znajdziesz w folderze [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal).
+
+😀 Twój program klasyfikatora jakości owoców zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
new file mode 100644
index 00000000..6a0b7f86
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
@@ -0,0 +1,231 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
+  "translation_date": "2025-08-26T06:38:02+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
+  "language_code": "pl"
+}
+-->
+# Uruchamianie wykrywania jakości owoców za pomocą czujnika
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
+
+## Wprowadzenie
+
+Aplikacja IoT to nie tylko pojedyncze urządzenie zbierające dane i wysyłające je do chmury. Często składa się z wielu urządzeń współpracujących ze sobą, aby zbierać dane ze świata fizycznego za pomocą czujników, podejmować decyzje na podstawie tych danych i wchodzić w interakcję ze światem fizycznym za pomocą siłowników lub wizualizacji.
+
+W tej lekcji dowiesz się więcej o projektowaniu złożonych aplikacji IoT, uwzględniających wiele czujników, różne usługi chmurowe do analizy i przechowywania danych oraz reakcje za pomocą siłowników. Nauczysz się, jak zaprojektować prototyp systemu kontroli jakości owoców, w tym jak używać czujników zbliżeniowych do uruchamiania aplikacji IoT oraz jak wygląda architektura tego prototypu.
+
+W tej lekcji omówimy:
+
+* [Projektowanie złożonych aplikacji IoT](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Projektowanie systemu kontroli jakości owoców](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Uruchamianie sprawdzania jakości owoców za pomocą czujnika](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Dane używane w detektorze jakości owoców](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Symulowanie wielu urządzeń IoT za pomocą urządzeń deweloperskich](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Przejście do produkcji](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+
+> 🗑 To ostatnia lekcja w tym projekcie, więc po jej ukończeniu i wykonaniu zadania nie zapomnij usunąć swoich usług chmurowych. Będziesz ich potrzebować do ukończenia zadania, więc upewnij się, że najpierw je wykonasz.
+>
+> W razie potrzeby zapoznaj się z [przewodnikiem dotyczącym czyszczenia projektu](../../../clean-up.md), aby uzyskać instrukcje, jak to zrobić.
+
+## Projektowanie złożonych aplikacji IoT
+
+Aplikacje IoT składają się z wielu komponentów, w tym różnych urządzeń i usług internetowych.
+
+Aplikacje IoT można opisać jako *urządzenia* (rzeczy) wysyłające dane, które generują *wnioski*. Te *wnioski* prowadzą do *działań*, które poprawiają biznes lub proces. Przykładem może być silnik (urządzenie) wysyłający dane o temperaturze. Dane te są wykorzystywane do oceny, czy silnik działa zgodnie z oczekiwaniami (wniosek). Na podstawie wniosku można proaktywnie zaplanować harmonogram konserwacji silnika (działanie).
+
+* Różne urządzenia zbierają różne dane.
+* Usługi IoT dostarczają wniosków na podstawie tych danych, czasami wzbogacając je o dane z dodatkowych źródeł.
+* Te wnioski prowadzą do działań, takich jak sterowanie siłownikami w urządzeniach lub wizualizacja danych.
+
+### Referencyjna architektura IoT
+
+![Referencyjna architektura IoT](../../../../../translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.pl.png)
+
+Powyższy diagram przedstawia referencyjną architekturę IoT.
+
+> 🎓 *Referencyjna architektura* to przykład architektury, którą można wykorzystać jako wzór przy projektowaniu nowych systemów. W tym przypadku, jeśli budujesz nowy system IoT, możesz skorzystać z tej architektury, zastępując urządzenia i usługi swoimi własnymi.
+
+* **Urządzenia** to sprzęty zbierające dane z czujników, czasami współpracujące z usługami brzegowymi, aby interpretować te dane, np. klasyfikatory obrazów do interpretacji danych wizualnych. Dane z urządzeń są przesyłane do usługi IoT.
+* **Wnioski** pochodzą z aplikacji bezserwerowych lub z analiz przeprowadzanych na przechowywanych danych.
+* **Działania** mogą obejmować wysyłanie poleceń do urządzeń lub wizualizację danych, aby ludzie mogli podejmować decyzje.
+
+![Referencyjna architektura IoT w Azure](../../../../../translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.pl.png)
+
+Powyższy diagram przedstawia niektóre z komponentów i usług omówionych w tych lekcjach oraz ich powiązania w referencyjnej architekturze IoT.
+
+* **Urządzenia** - pisałeś kod urządzeń do zbierania danych z czujników i analizy obrazów za pomocą Custom Vision, działającego zarówno w chmurze, jak i na urządzeniu brzegowym. Dane te były przesyłane do IoT Hub.
+* **Wnioski** - używałeś Azure Functions do reagowania na wiadomości przesyłane do IoT Hub i przechowywałeś dane do późniejszej analizy w Azure Storage.
+* **Działania** - sterowałeś siłownikami na podstawie decyzji podejmowanych w chmurze i poleceń wysyłanych do urządzeń oraz wizualizowałeś dane za pomocą Azure Maps.
+
+✅ Pomyśl o innych urządzeniach IoT, z których korzystałeś, takich jak inteligentne urządzenia domowe. Jakie urządzenia, wnioski i działania są związane z tymi urządzeniami i ich oprogramowaniem?
+
+Ten wzorzec można skalować w górę lub w dół, w zależności od potrzeb, dodając więcej urządzeń i usług.
+
+### Dane i bezpieczeństwo
+
+Projektując architekturę swojego systemu, musisz stale brać pod uwagę dane i bezpieczeństwo.
+
+* Jakie dane wysyła i odbiera Twoje urządzenie?
+* Jak te dane powinny być zabezpieczone i chronione?
+* Jak powinien być kontrolowany dostęp do urządzenia i usługi chmurowej?
+
+✅ Pomyśl o bezpieczeństwie danych w urządzeniach IoT, które posiadasz. Jakie dane są osobiste i powinny być chronione, zarówno podczas przesyłania, jak i przechowywania? Jakie dane nie powinny być przechowywane?
+
+## Projektowanie systemu kontroli jakości owoców
+
+Przełóżmy teraz koncepcję urządzeń, wniosków i działań na nasz detektor jakości owoców, aby zaprojektować większą aplikację end-to-end.
+
+Wyobraź sobie, że otrzymałeś zadanie zbudowania detektora jakości owoców do wykorzystania w zakładzie przetwórczym. Owoce poruszają się na taśmie transportowej, gdzie obecnie pracownicy ręcznie sprawdzają ich jakość i usuwają niedojrzałe owoce. Aby obniżyć koszty, właściciel zakładu chce zautomatyzować ten proces.
+
+✅ Jednym z trendów związanych z rozwojem IoT (i technologii ogólnie) jest zastępowanie prac manualnych maszynami. Zrób badania: Ile miejsc pracy szacuje się, że zostanie utraconych przez IoT? Ile nowych miejsc pracy zostanie stworzonych przy budowie urządzeń IoT?
+
+Musisz zbudować system, w którym owoce są wykrywane, gdy docierają na taśmę, następnie są fotografowane i sprawdzane za pomocą modelu AI działającego na urządzeniu brzegowym. Wyniki są przesyłane do chmury, a jeśli owoc jest niedojrzały, wyświetlane jest powiadomienie, aby można było go usunąć.
+
+|   |   |
+| - | - |
+| **Urządzenia** | Czujnik wykrywający owoce na taśmie<br>Aparat fotograficzny do robienia zdjęć i klasyfikacji owoców<br>Urządzenie brzegowe uruchamiające klasyfikator<br>Urządzenie powiadamiające o niedojrzałych owocach |
+| **Wnioski** | Decyzja o sprawdzeniu dojrzałości owoców<br>Przechowywanie wyników klasyfikacji<br>Określenie potrzeby powiadomienia o niedojrzałych owocach |
+| **Działania** | Wysłanie polecenia do urządzenia, aby sfotografować owoce i sprawdzić je za pomocą klasyfikatora obrazów<br>Wysłanie polecenia do urządzenia, aby powiadomić o niedojrzałych owocach |
+
+### Prototypowanie aplikacji
+
+![Referencyjna architektura IoT dla sprawdzania jakości owoców](../../../../../translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.pl.png)
+
+Powyższy diagram przedstawia referencyjną architekturę dla tego prototypu aplikacji.
+
+* Urządzenie IoT z czujnikiem zbliżeniowym wykrywa pojawienie się owocu. Wysyła wiadomość do chmury, informując o wykryciu owocu.
+* Aplikacja bezserwerowa w chmurze wysyła polecenie do innego urządzenia, aby zrobić zdjęcie i przeprowadzić klasyfikację obrazu.
+* Urządzenie IoT z kamerą robi zdjęcie i przesyła je do klasyfikatora obrazów działającego na urządzeniu brzegowym. Wyniki są następnie przesyłane do chmury.
+* Aplikacja bezserwerowa w chmurze przechowuje te informacje do późniejszej analizy, aby sprawdzić, jaki procent owoców jest niedojrzały. Jeśli owoc jest niedojrzały, wysyła polecenie do innego urządzenia IoT, aby powiadomić pracowników fabryki za pomocą diody LED.
+
+> 💁 Cała ta aplikacja IoT mogłaby być zaimplementowana jako jedno urządzenie, z całą logiką uruchamiania klasyfikacji obrazu i sterowania diodą LED wbudowaną. Mogłaby używać IoT Hub tylko do śledzenia liczby wykrytych niedojrzałych owoców i konfiguracji urządzenia. W tej lekcji aplikacja została rozszerzona, aby pokazać koncepcje dla dużych aplikacji IoT.
+
+W prototypie zaimplementujesz wszystko na jednym urządzeniu. Jeśli używasz mikrokontrolera, będziesz potrzebować oddzielnego urządzenia brzegowego do uruchamiania klasyfikatora obrazów. Większość potrzebnych rzeczy już poznałeś.
+
+## Uruchamianie sprawdzania jakości owoców za pomocą czujnika
+
+Urządzenie IoT potrzebuje jakiegoś wyzwalacza, aby wskazać, kiedy owoc jest gotowy do klasyfikacji. Jednym z takich wyzwalaczy może być pomiar odległości do czujnika, aby sprawdzić, czy owoc znajduje się w odpowiednim miejscu na taśmie.
+
+![Czujniki zbliżeniowe wysyłają wiązki laserowe do obiektów, takich jak banany, i mierzą czas odbicia](../../../../../translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.pl.png)
+
+Czujniki zbliżeniowe mogą być używane do pomiaru odległości od czujnika do obiektu. Zazwyczaj wysyłają wiązkę promieniowania elektromagnetycznego, taką jak wiązka laserowa lub światło podczerwone, a następnie wykrywają odbite promieniowanie. Czas między wysłaniem wiązki a odbiciem sygnału może być użyty do obliczenia odległości do czujnika.
+
+> 💁 Prawdopodobnie używałeś czujników zbliżeniowych, nawet o tym nie wiedząc. Większość smartfonów wyłącza ekran, gdy trzymasz je przy uchu, aby zapobiec przypadkowemu zakończeniu połączenia płatkiem ucha. Działa to dzięki czujnikowi zbliżeniowemu, który wykrywa obiekt blisko ekranu podczas rozmowy i wyłącza funkcje dotykowe, dopóki telefon nie znajdzie się w odpowiedniej odległości.
+
+### Zadanie - uruchamianie wykrywania jakości owoców za pomocą czujnika odległości
+
+Przejdź przez odpowiedni przewodnik, aby użyć czujnika zbliżeniowego do wykrywania obiektu za pomocą swojego urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-proximity.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-proximity.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-proximity.md)
+
+## Dane używane w detektorze jakości owoców
+
+Prototyp detektora owoców składa się z wielu komponentów komunikujących się ze sobą.
+
+![Komponenty komunikujące się ze sobą](../../../../../translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.pl.png)
+
+* Czujnik zbliżeniowy mierzący odległość do owocu i wysyłający te dane do IoT Hub
+* Polecenie sterujące kamerą wysyłane z IoT Hub do urządzenia z kamerą
+* Wyniki klasyfikacji obrazu przesyłane do IoT Hub
+* Polecenie sterujące diodą LED, aby powiadomić o niedojrzałym owocu, wysyłane z IoT Hub do urządzenia z diodą LED
+
+Warto zdefiniować strukturę tych wiadomości z wyprzedzeniem, zanim zaczniesz budować aplikację.
+
+> 💁 Praktycznie każdy doświadczony programista przynajmniej raz w swojej karierze spędził godziny, dni, a nawet tygodnie na rozwiązywaniu problemów spowodowanych różnicami między danymi wysyłanymi a oczekiwanymi.
+
+Na przykład - jeśli przesyłasz informacje o temperaturze, jak zdefiniowałbyś JSON? Możesz mieć pole o nazwie `temperature`, albo użyć powszechnego skrótu `temp`.
+
+```json
+{
+    "temperature": 20.7
+}
+```
+
+w porównaniu do:
+
+```json
+{
+    "temp": 20.7
+}
+```
+
+Musisz także wziąć pod uwagę jednostki - czy temperatura jest w °C czy °F? Jeśli mierzysz temperaturę za pomocą urządzenia konsumenckiego i użytkownik zmienia jednostki wyświetlania, musisz upewnić się, że jednostki przesyłane do chmury pozostają spójne.
+
+✅ Zrób badania: Jak problemy z jednostkami spowodowały katastrofę sondy Mars Climate Orbiter, która kosztowała 125 milionów dolarów?
+
+Pomyśl o danych przesyłanych w detektorze jakości owoców. Jak zdefiniowałbyś każdą wiadomość? Gdzie analizowałbyś dane i podejmował decyzje o tym, jakie dane przesyłać?
+
+Na przykład - uruchamianie klasyfikacji obrazu za pomocą czujnika zbliżeniowego. Urządzenie IoT mierzy odległość, ale gdzie podejmowana jest decyzja? Czy urządzenie decyduje, że owoc jest wystarczająco blisko i wysyła wiadomość do IoT Hub, aby uruchomić klasyfikację? Czy może przesyła pomiary odległości, a decyzja jest podejmowana w IoT Hub?
+
+Odpowiedź na takie pytania brzmi - to zależy. Każdy przypadek użycia jest inny, dlatego jako programista IoT musisz rozumieć system, który budujesz, sposób jego użytkowania i dane, które wykrywa.
+
+* Jeśli decyzja jest podejmowana przez IoT Hub, musisz przesyłać wiele pomiarów odległości.
+* Jeśli przesyłasz zbyt wiele wiadomości, zwiększa to koszty IoT Hub i ilość potrzebnej przepustowości urządzeń IoT (szczególnie w fabryce z milionami urządzeń). Może to również spowolnić urządzenie.
+* Jeśli decyzja jest podejmowana na urządzeniu, musisz zapewnić sposób konfiguracji urządzenia w celu dostrojenia maszyny.
+
+## Symulowanie wielu urządzeń IoT za pomocą urządzeń deweloperskich
+
+Aby zbudować swój prototyp, będziesz potrzebować swojego zestawu deweloperskiego IoT, aby działał jak wiele urządzeń, przesyłając dane telemetryczne i reagując na polecenia.
+
+### Symulowanie wielu urządzeń IoT na Raspberry Pi lub wirtualnym sprzęcie IoT
+
+Korzystając z komputera jednopłytkowego, takiego jak Raspberry Pi, możesz uruchamiać wiele aplikacji jednocześnie. Oznacza to, że możesz symulować wiele urządzeń IoT, tworząc wiele aplikacji, po jednej na każde "urządzenie IoT". Na przykład możesz zaimplementować każde urządzenie jako oddzielny plik Python i uruchamiać je w różnych sesjach terminala.
+> 💁 Pamiętaj, że niektóre urządzenia mogą nie działać, gdy są używane jednocześnie przez wiele aplikacji.
+### Symulacja wielu urządzeń na mikrokontrolerze
+
+Symulowanie wielu urządzeń na mikrokontrolerach jest bardziej skomplikowane. W przeciwieństwie do komputerów jednopłytkowych, nie można uruchamiać wielu aplikacji jednocześnie – cała logika dla wszystkich oddzielnych urządzeń IoT musi być zawarta w jednej aplikacji.
+
+Kilka sugestii, które mogą ułatwić ten proces:
+
+* Utwórz jedną lub więcej klas dla każdego urządzenia IoT – na przykład klasy o nazwach `DistanceSensor`, `ClassifierCamera`, `LEDController`. Każda z nich może mieć własne metody `setup` i `loop`, które będą wywoływane przez główne funkcje `setup` i `loop`.
+* Obsługuj polecenia w jednym miejscu i kieruj je do odpowiedniej klasy urządzenia w razie potrzeby.
+* W głównej funkcji `loop` musisz uwzględnić czas działania każdego urządzenia. Na przykład, jeśli jedna klasa urządzenia musi być przetwarzana co 10 sekund, a inna co 1 sekundę, w głównej funkcji `loop` użyj opóźnienia 1 sekundy. Każde wywołanie `loop` uruchamia odpowiedni kod dla urządzenia, które musi być przetwarzane co sekundę, a licznik zlicza każde wywołanie pętli, przetwarzając inne urządzenie, gdy licznik osiągnie 10 (po czym licznik jest resetowany).
+
+## Przejście do produkcji
+
+Prototyp będzie stanowił podstawę finalnego systemu produkcyjnego. Niektóre różnice, które pojawią się podczas przejścia do produkcji, to:
+
+* Wzmocnione komponenty – używanie sprzętu zaprojektowanego tak, aby wytrzymał hałas, ciepło, wibracje i obciążenia w fabryce.
+* Wykorzystanie komunikacji wewnętrznej – niektóre komponenty będą komunikować się bezpośrednio, unikając przesyłania danych do chmury, a dane będą wysyłane do chmury jedynie w celu ich przechowywania. Sposób realizacji tego zależy od konfiguracji fabryki – może to być bezpośrednia komunikacja lub uruchamianie części usługi IoT na brzegu sieci za pomocą urządzenia bramowego.
+* Opcje konfiguracji – każda fabryka i przypadek użycia są inne, więc sprzęt musi być konfigurowalny. Na przykład czujnik zbliżeniowy może wymagać wykrywania różnych owoców na różnych odległościach. Zamiast na stałe zakodować odległość wyzwalającą klasyfikację, warto, aby była ona konfigurowalna przez chmurę, na przykład za pomocą bliźniaka urządzenia.
+* Automatyczne usuwanie owoców – zamiast używać diody LED do sygnalizowania, że owoc jest niedojrzały, automatyczne urządzenia mogłyby go usuwać.
+
+✅ Zrób badania: W jaki inny sposób urządzenia produkcyjne różnią się od zestawów deweloperskich?
+
+---
+
+## 🚀 Wyzwanie
+
+W tej lekcji nauczyłeś się kilku koncepcji potrzebnych do zaprojektowania systemu IoT. Przypomnij sobie wcześniejsze projekty. Jak wpisują się one w przedstawioną powyżej referencyjną architekturę?
+
+Wybierz jeden z dotychczasowych projektów i zastanów się nad projektem bardziej złożonego rozwiązania, które łączy wiele funkcji wykraczających poza to, co zostało omówione w projektach. Narysuj architekturę i pomyśl o wszystkich urządzeniach i usługach, które byłyby potrzebne.
+
+Na przykład – urządzenie do śledzenia pojazdów, które łączy GPS z czujnikami monitorującymi takie parametry jak temperatura w chłodni, czas włączania i wyłączania silnika oraz tożsamość kierowcy. Jakie urządzenia są zaangażowane, jakie usługi są potrzebne, jakie dane są przesyłane oraz jakie kwestie bezpieczeństwa i prywatności należy uwzględnić?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj więcej o architekturze IoT w [dokumentacji referencyjnej architektury IoT Azure na stronie Microsoft docs](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn)
+* Dowiedz się więcej o bliźniakach urządzeń w [dokumentacji IoT Hub na stronie Microsoft docs](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn)
+* Przeczytaj o OPC-UA, protokole komunikacji między maszynami używanym w automatyzacji przemysłowej, na [stronie OPC-UA w Wikipedii](https://wikipedia.org/wiki/OPC_Unified_Architecture)
+
+## Zadanie
+
+[Zbuduj detektor jakości owoców](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
new file mode 100644
index 00000000..219404c5
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
+  "translation_date": "2025-08-26T06:39:14+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Zbuduj detektor jakości owoców
+
+## Instrukcje
+
+Zbuduj detektor jakości owoców!
+
+Wykorzystaj wszystko, czego nauczyłeś się do tej pory, aby stworzyć prototyp detektora jakości owoców. Uruchom klasyfikację obrazów na podstawie bliskości, korzystając z modelu AI działającego na urządzeniu brzegowym, zapisz wyniki klasyfikacji w pamięci, a następnie steruj diodą LED w zależności od dojrzałości owocu.
+
+Powinieneś być w stanie złożyć to wszystko w całość, korzystając z kodu, który pisałeś we wszystkich dotychczasowych lekcjach.
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Wystarczające | Wymaga poprawy |
+| --------- | --------- | --------- | --------------- |
+| Konfiguracja wszystkich usług | Udało się skonfigurować IoT Hub, aplikację Azure Functions i magazyn Azure | Udało się skonfigurować IoT Hub, ale nie aplikację Azure Functions lub magazyn Azure | Nie udało się skonfigurować żadnych usług IoT |
+| Monitorowanie bliskości i wysyłanie danych do IoT Hub, jeśli obiekt znajduje się bliżej niż zdefiniowana odległość, oraz uruchamianie kamery za pomocą polecenia | Udało się zmierzyć odległość, wysłać wiadomość do IoT Hub, gdy obiekt był wystarczająco blisko, oraz wysłać polecenie uruchamiające kamerę | Udało się zmierzyć odległość i wysłać dane do IoT Hub, ale nie udało się wysłać polecenia do kamery | Nie udało się zmierzyć odległości, wysłać wiadomości do IoT Hub ani uruchomić polecenia |
+| Przechwycenie obrazu, sklasyfikowanie go i wysłanie wyników do IoT Hub | Udało się przechwycić obraz, sklasyfikować go za pomocą urządzenia brzegowego i wysłać wyniki do IoT Hub | Udało się sklasyfikować obraz, ale nie za pomocą urządzenia brzegowego, lub nie udało się wysłać wyników do IoT Hub | Nie udało się sklasyfikować obrazu |
+| Włączanie lub wyłączanie diody LED w zależności od wyników klasyfikacji za pomocą polecenia wysłanego do urządzenia | Udało się włączyć diodę LED za pomocą polecenia, jeśli owoc był niedojrzały | Udało się wysłać polecenie do urządzenia, ale nie udało się sterować diodą LED | Nie udało się wysłać polecenia do sterowania diodą LED |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
new file mode 100644
index 00000000..4cf0fe1f
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
@@ -0,0 +1,116 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
+  "translation_date": "2025-08-26T06:39:33+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
+  "language_code": "pl"
+}
+-->
+# Wykrywanie bliskości - Raspberry Pi
+
+W tej części lekcji dodasz czujnik bliskości do swojego Raspberry Pi i odczytasz z niego odległość.
+
+## Sprzęt
+
+Raspberry Pi potrzebuje czujnika bliskości.
+
+Czujnik, którego użyjesz, to [Grove Time of Flight distance sensor](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). Ten czujnik wykorzystuje moduł laserowy do pomiaru odległości. Zakres czujnika wynosi od 10mm do 2000mm (1cm - 2m) i raportuje wartości w tym zakresie dość dokładnie, przy czym odległości powyżej 1000mm są raportowane jako 8109mm.
+
+Laserowy dalmierz znajduje się na tylnej stronie czujnika, po przeciwnej stronie do gniazda Grove.
+
+To jest czujnik I²C.
+
+### Podłącz czujnik Time of Flight
+
+Czujnik Grove Time of Flight można podłączyć do Raspberry Pi.
+
+#### Zadanie - podłącz czujnik Time of Flight
+
+Podłącz czujnik Time of Flight.
+
+![Czujnik Grove Time of Flight](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda na czujniku Time of Flight. Kabel wejdzie tylko w jednym kierunku.
+
+1. Przy wyłączonym Raspberry Pi podłącz drugi koniec kabla Grove do jednego z gniazd I²C oznaczonych **I²C** na Grove Base Hat zamontowanym na Pi. Te gniazda znajdują się w dolnym rzędzie, po przeciwnej stronie do pinów GPIO i obok gniazda kabla kamery.
+
+![Czujnik Grove Time of Flight podłączony do gniazda I²C](../../../../../translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.pl.png)
+
+## Programowanie czujnika Time of Flight
+
+Raspberry Pi można teraz zaprogramować do korzystania z podłączonego czujnika Time of Flight.
+
+### Zadanie - zaprogramuj czujnik Time of Flight
+
+Zaprogramuj urządzenie.
+
+1. Włącz Raspberry Pi i poczekaj na jego uruchomienie.
+
+1. Otwórz kod `fruit-quality-detector` w VS Code, bezpośrednio na Pi lub połącz się za pomocą rozszerzenia Remote SSH.
+
+1. Zainstaluj pakiet rpi-vl53l0x za pomocą Pip. Jest to pakiet Python, który współpracuje z czujnikiem odległości VL53L0X. Zainstaluj go za pomocą poniższego polecenia pip:
+
+    ```sh
+    pip install rpi-vl53l0x
+    ```
+
+1. Utwórz nowy plik w tym projekcie o nazwie `distance-sensor.py`.
+
+    > 💁 Łatwym sposobem na symulację wielu urządzeń IoT jest użycie osobnych plików Python dla każdego z nich, a następnie uruchomienie ich jednocześnie.
+
+1. Dodaj poniższy kod do tego pliku:
+
+    ```python
+    import time
+    
+    from grove.i2c import Bus
+    from rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    Ten kod importuje bibliotekę Grove I²C bus oraz bibliotekę czujnika dla podstawowego sprzętu wbudowanego w czujnik Grove Time of Flight.
+
+1. Poniżej tego kodu dodaj kod do uzyskania dostępu do czujnika:
+
+    ```python
+    distance_sensor = VL53L0X(bus = Bus().bus)
+    distance_sensor.begin()    
+    ```
+
+    Ten kod deklaruje czujnik odległości korzystający z magistrali Grove I²C, a następnie uruchamia czujnik.
+
+1. Na koniec dodaj nieskończoną pętlę do odczytu odległości:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    Ten kod czeka na wartość gotową do odczytu z czujnika, a następnie drukuje ją w konsoli.
+
+1. Uruchom ten kod.
+
+    > 💁 Pamiętaj, że ten plik nazywa się `distance-sensor.py`! Upewnij się, że uruchamiasz go za pomocą Python, a nie `app.py`.
+
+1. Zobaczysz pomiary odległości pojawiające się w konsoli. Umieść obiekty w pobliżu czujnika, a zobaczysz pomiar odległości:
+
+    ```output
+    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    Dalmierz znajduje się na tylnej stronie czujnika, więc upewnij się, że używasz właściwej strony podczas pomiaru odległości.
+
+    ![Dalmierz na tylnej stronie czujnika Time of Flight skierowany na banana](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.pl.png)
+
+> 💁 Ten kod znajdziesz w folderze [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi).
+
+😀 Twój program czujnika bliskości działa poprawnie!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
new file mode 100644
index 00000000..0c73a860
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
@@ -0,0 +1,119 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
+  "translation_date": "2025-08-26T06:40:07+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
+  "language_code": "pl"
+}
+-->
+# Wykrywanie bliskości - Wirtualny sprzęt IoT
+
+W tej części lekcji dodasz czujnik bliskości do swojego wirtualnego urządzenia IoT i odczytasz z niego odległość.
+
+## Sprzęt
+
+Wirtualne urządzenie IoT będzie korzystać z symulowanego czujnika odległości.
+
+W fizycznym urządzeniu IoT użyłbyś czujnika z modułem pomiaru odległości za pomocą lasera.
+
+### Dodanie czujnika odległości do CounterFit
+
+Aby użyć wirtualnego czujnika odległości, musisz dodać go do aplikacji CounterFit.
+
+#### Zadanie - dodanie czujnika odległości do CounterFit
+
+Dodaj czujnik odległości do aplikacji CounterFit.
+
+1. Otwórz kod `fruit-quality-detector` w VS Code i upewnij się, że środowisko wirtualne jest aktywne.
+
+1. Zainstaluj dodatkowy pakiet Pip, aby dodać CounterFit shim, który może symulować czujniki odległości, naśladując pakiet [rpi-vl53l0x Pip](https://pypi.org/project/rpi-vl53l0x/), czyli pakiet Pythona współpracujący z [czujnikiem odległości VL53L0X](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/). Upewnij się, że instalujesz to z terminala z aktywowanym środowiskiem wirtualnym.
+
+    ```sh
+    pip install counterfit-shims-rpi-vl53l0x
+    ```
+
+1. Upewnij się, że aplikacja webowa CounterFit działa.
+
+1. Utwórz czujnik odległości:
+
+    1. W polu *Create sensor* w panelu *Sensors* rozwiń pole *Sensor type* i wybierz *Distance*.
+
+    1. Pozostaw jednostki jako `Millimeter`.
+
+    1. Ten czujnik to czujnik I²C, więc ustaw adres na `0x29`. Jeśli używałbyś fizycznego czujnika VL53L0X, byłby on zakodowany na stałe na tym adresie.
+
+    1. Wybierz przycisk **Add**, aby utworzyć czujnik odległości.
+
+    ![Ustawienia czujnika odległości](../../../../../translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.pl.png)
+
+    Czujnik odległości zostanie utworzony i pojawi się na liście czujników.
+
+    ![Utworzony czujnik odległości](../../../../../translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.pl.png)
+
+## Programowanie czujnika odległości
+
+Wirtualne urządzenie IoT może teraz zostać zaprogramowane do korzystania z symulowanego czujnika odległości.
+
+### Zadanie - programowanie czujnika czasu przelotu
+
+1. Utwórz nowy plik w projekcie `fruit-quality-detector` o nazwie `distance-sensor.py`.
+
+    > 💁 Łatwym sposobem na symulowanie wielu urządzeń IoT jest tworzenie każdego z nich w osobnym pliku Pythona, a następnie uruchamianie ich jednocześnie.
+
+1. Rozpocznij połączenie z CounterFit za pomocą poniższego kodu:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Dodaj poniższy kod poniżej:
+
+    ```python
+    import time
+    
+    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    Importuje to bibliotekę shim dla czujnika czasu przelotu VL53L0X.
+
+1. Poniżej tego dodaj następujący kod, aby uzyskać dostęp do czujnika:
+
+    ```python
+    distance_sensor = VL53L0X()
+    distance_sensor.begin()
+    ```
+
+    Kod ten deklaruje czujnik odległości, a następnie go uruchamia.
+
+1. Na koniec dodaj nieskończoną pętlę do odczytu odległości:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    Kod ten czeka na wartość gotową do odczytu z czujnika, a następnie wypisuje ją w konsoli.
+
+1. Uruchom ten kod.
+
+    > 💁 Pamiętaj, że ten plik nazywa się `distance-sensor.py`! Upewnij się, że uruchamiasz go za pomocą Pythona, a nie `app.py`.
+
+1. Zobaczysz pomiary odległości pojawiające się w konsoli. Zmień wartość w CounterFit, aby zobaczyć, jak zmienia się ta wartość, lub użyj losowych wartości.
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
+    Distance = 37 mm
+    Distance = 42 mm
+    Distance = 29 mm
+    ```
+
+> 💁 Kod ten znajdziesz w folderze [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device).
+
+😀 Twój program czujnika bliskości działa poprawnie!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
new file mode 100644
index 00000000..3d045856
--- /dev/null
+++ b/translations/pl/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
@@ -0,0 +1,111 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
+  "translation_date": "2025-08-26T06:39:50+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
+  "language_code": "pl"
+}
+-->
+# Wykrywanie bliskości - Wio Terminal
+
+W tej części lekcji dodasz czujnik bliskości do swojego Wio Terminal i odczytasz z niego odległość.
+
+## Sprzęt
+
+Wio Terminal potrzebuje czujnika bliskości.
+
+Czujnik, którego użyjesz, to [Grove Time of Flight distance sensor](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). Ten czujnik wykorzystuje moduł laserowy do pomiaru odległości. Zakres pomiaru wynosi od 10 mm do 2000 mm (1 cm - 2 m) i w tym zakresie czujnik raportuje wartości z dużą dokładnością. Dla odległości powyżej 1000 mm czujnik zwraca wartość 8109 mm.
+
+Dalekomierz laserowy znajduje się na tylnej stronie czujnika, po przeciwnej stronie niż gniazdo Grove.
+
+Jest to czujnik I²C.
+
+### Podłączanie czujnika Time of Flight
+
+Czujnik Grove Time of Flight można podłączyć do Wio Terminal.
+
+#### Zadanie - podłącz czujnik Time of Flight
+
+Podłącz czujnik Time of Flight.
+
+![Czujnik Grove Time of Flight](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda w czujniku Time of Flight. Kabel pasuje tylko w jedną stronę.
+
+1. Gdy Wio Terminal jest odłączony od komputera lub innego źródła zasilania, podłącz drugi koniec kabla Grove do lewego gniazda Grove w Wio Terminal, patrząc na ekran. Jest to gniazdo najbliżej przycisku zasilania. Jest to gniazdo cyfrowe i I²C.
+
+![Czujnik Grove Time of Flight podłączony do lewego gniazda](../../../../../translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.pl.png)
+
+1. Teraz możesz podłączyć Wio Terminal do komputera.
+
+## Programowanie czujnika Time of Flight
+
+Wio Terminal można teraz zaprogramować do korzystania z podłączonego czujnika Time of Flight.
+
+### Zadanie - zaprogramuj czujnik Time of Flight
+
+1. Utwórz nowy projekt Wio Terminal w PlatformIO. Nazwij ten projekt `distance-sensor`. Dodaj kod w funkcji `setup`, aby skonfigurować port szeregowy.
+
+1. Dodaj zależność biblioteki dla czujnika odległości Seeed Grove Time of Flight do pliku `platformio.ini` projektu:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Ranging sensor - VL53L0X @ ^1.1.1
+    ```
+
+1. W pliku `main.cpp` dodaj poniższy kod pod istniejącymi dyrektywami `include`, aby zadeklarować instancję klasy `Seeed_vl53l0x` do interakcji z czujnikiem Time of Flight:
+
+    ```cpp
+    #include "Seeed_vl53l0x.h"
+    
+    Seeed_vl53l0x VL53L0X;
+    ```
+
+1. Dodaj poniższy kod na końcu funkcji `setup`, aby zainicjalizować czujnik:
+
+    ```cpp
+    VL53L0X.VL53L0X_common_init();
+    VL53L0X.VL53L0X_high_accuracy_ranging_init();
+    ```
+
+1. W funkcji `loop` odczytaj wartość z czujnika:
+
+    ```cpp
+    VL53L0X_RangingMeasurementData_t RangingMeasurementData;
+    memset(&RangingMeasurementData, 0, sizeof(VL53L0X_RangingMeasurementData_t));
+
+    VL53L0X.PerformSingleRangingMeasurement(&RangingMeasurementData);
+    ```
+
+    Ten kod inicjalizuje strukturę danych do odczytu danych, a następnie przekazuje ją do metody `PerformSingleRangingMeasurement`, gdzie zostanie wypełniona pomiarem odległości.
+
+1. Pod tym kodem wypisz wynik pomiaru odległości, a następnie wprowadź opóźnienie 1 sekundy:
+
+    ```cpp
+    Serial.print("Distance = ");
+    Serial.print(RangingMeasurementData.RangeMilliMeter);
+    Serial.println(" mm");
+
+    delay(1000);
+    ```
+
+1. Zbuduj, wgraj i uruchom ten kod. Będziesz mógł zobaczyć pomiary odległości w monitorze szeregowym. Umieść obiekty w pobliżu czujnika, a zobaczysz wynik pomiaru odległości:
+
+    ```output
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    Dalekomierz znajduje się na tylnej stronie czujnika, więc upewnij się, że używasz właściwej strony podczas pomiaru odległości.
+
+    ![Dalekomierz na tylnej stronie czujnika Time of Flight skierowany na banana](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.pl.png)
+
+> 💁 Kod ten znajdziesz w folderze [code-proximity/wio-terminal](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/wio-terminal).
+
+😀 Twój program z czujnikiem bliskości zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/5-retail/README.md b/translations/pl/5-retail/README.md
new file mode 100644
index 00000000..17eab930
--- /dev/null
+++ b/translations/pl/5-retail/README.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
+  "translation_date": "2025-08-26T06:25:55+00:00",
+  "source_file": "5-retail/README.md",
+  "language_code": "pl"
+}
+-->
+# Handel detaliczny - wykorzystanie IoT do zarządzania poziomami zapasów
+
+Ostatnim etapem, zanim żywność trafi do konsumentów, jest handel detaliczny - targi, warzywniaki, supermarkety i sklepy, które sprzedają produkty konsumentom. Sklepy te chcą zapewnić, że na półkach znajdują się produkty, które klienci mogą zobaczyć i kupić.
+
+Jednym z najbardziej manualnych i czasochłonnych zadań w sklepach spożywczych, szczególnie w dużych supermarketach, jest dbanie o to, aby półki były zaopatrzone. Sprawdzanie poszczególnych półek, aby upewnić się, że wszelkie luki są wypełnione produktami z magazynów.
+
+IoT może w tym pomóc, wykorzystując modele AI działające na urządzeniach IoT do liczenia zapasów, używając modeli uczenia maszynowego, które nie tylko klasyfikują obrazy, ale także potrafią wykrywać pojedyncze obiekty i je liczyć.
+
+W tych dwóch lekcjach nauczysz się, jak trenować modele AI oparte na obrazach do liczenia zapasów oraz jak uruchamiać te modele na urządzeniach IoT.
+
+> 💁 Te lekcje będą korzystać z zasobów chmurowych. Jeśli nie ukończysz wszystkich lekcji w tym projekcie, upewnij się, że [posprzątasz swój projekt](../clean-up.md).
+
+## Tematy
+
+1. [Trenowanie detektora zapasów](./lessons/1-train-stock-detector/README.md)
+1. [Sprawdzanie zapasów za pomocą urządzenia IoT](./lessons/2-check-stock-device/README.md)
+
+## Podziękowania
+
+Wszystkie lekcje zostały napisane z ♥️ przez [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/5-retail/lessons/1-train-stock-detector/README.md b/translations/pl/5-retail/lessons/1-train-stock-detector/README.md
new file mode 100644
index 00000000..4dc05443
--- /dev/null
+++ b/translations/pl/5-retail/lessons/1-train-stock-detector/README.md
@@ -0,0 +1,204 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8df310a42f902139a01417dacb1ffbef",
+  "translation_date": "2025-08-26T06:28:42+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
+  "language_code": "pl"
+}
+-->
+# Trenuj detektor zapasów
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obrazek, aby zobaczyć większą wersję.
+
+Ten film przedstawia przegląd wykrywania obiektów za pomocą usługi Azure Custom Vision, która będzie omawiana w tej lekcji.
+
+[![Custom Vision 2 - Object Detection Made Easy | The Xamarin Show](https://img.youtube.com/vi/wtTYSyBUpFc/0.jpg)](https://www.youtube.com/watch?v=wtTYSyBUpFc)
+
+> 🎥 Kliknij obrazek powyżej, aby obejrzeć film
+
+## Quiz przed lekcją
+
+[Quiz przed lekcją](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
+
+## Wprowadzenie
+
+W poprzednim projekcie użyłeś AI do trenowania klasyfikatora obrazów - modelu, który potrafi określić, czy obraz zawiera coś, na przykład dojrzałe owoce lub niedojrzałe owoce. Innym typem modelu AI, który można wykorzystać do pracy z obrazami, jest wykrywanie obiektów. Te modele nie klasyfikują obrazu za pomocą tagów, lecz są trenowane do rozpoznawania obiektów i potrafią je znaleźć na obrazach, nie tylko wykrywając ich obecność, ale także lokalizując je na obrazie. Dzięki temu można liczyć obiekty na obrazach.
+
+W tej lekcji dowiesz się o wykrywaniu obiektów, w tym o tym, jak można je wykorzystać w handlu detalicznym. Nauczysz się również, jak trenować detektor obiektów w chmurze.
+
+W tej lekcji omówimy:
+
+* [Wykrywanie obiektów](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Wykorzystanie wykrywania obiektów w handlu detalicznym](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Trenowanie detektora obiektów](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Testowanie detektora obiektów](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Ponowne trenowanie detektora obiektów](../../../../../5-retail/lessons/1-train-stock-detector)
+
+## Wykrywanie obiektów
+
+Wykrywanie obiektów polega na wykrywaniu obiektów na obrazach za pomocą AI. W przeciwieństwie do klasyfikatora obrazów, który trenowałeś w poprzednim projekcie, wykrywanie obiektów nie polega na przewidywaniu najlepszego tagu dla całego obrazu, lecz na znajdowaniu jednego lub więcej obiektów na obrazie.
+
+### Wykrywanie obiektów vs klasyfikacja obrazów
+
+Klasyfikacja obrazów polega na klasyfikowaniu całego obrazu - jakie są prawdopodobieństwa, że cały obraz pasuje do każdego tagu. Otrzymujesz prawdopodobieństwa dla każdego tagu użytego do trenowania modelu.
+
+![Klasyfikacja obrazów dla orzechów nerkowca i koncentratu pomidorowego](../../../../../translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.pl.png)
+
+Na powyższym przykładzie dwa obrazy są klasyfikowane za pomocą modelu trenowanego do klasyfikowania opakowań orzechów nerkowca lub puszek koncentratu pomidorowego. Pierwszy obraz przedstawia opakowanie orzechów nerkowca i ma dwa wyniki z klasyfikatora obrazów:
+
+| Tag            | Prawdopodobieństwo |
+| -------------- | ------------------: |
+| `orzechy nerkowca`  | 98.4%       |
+| `koncentrat pomidorowy` | 1.6%        |
+
+Drugi obraz przedstawia puszkę koncentratu pomidorowego, a wyniki są następujące:
+
+| Tag            | Prawdopodobieństwo |
+| -------------- | ------------------: |
+| `orzechy nerkowca`  | 0.7%        |
+| `koncentrat pomidorowy` | 99.3%       |
+
+Możesz użyć tych wartości z procentowym progiem, aby przewidzieć, co znajduje się na obrazie. Ale co, jeśli obraz zawierał wiele puszek koncentratu pomidorowego lub zarówno orzechy nerkowca, jak i koncentrat pomidorowy? Wyniki prawdopodobnie nie dadzą Ci tego, czego oczekujesz. Właśnie tutaj przydaje się wykrywanie obiektów.
+
+Wykrywanie obiektów polega na trenowaniu modelu do rozpoznawania obiektów. Zamiast podawać mu obrazy zawierające obiekt i informować, że każdy obraz jest jednym tagiem lub innym, zaznaczasz sekcję obrazu, która zawiera konkretny obiekt, i tagujesz ją. Możesz oznaczyć pojedynczy obiekt na obrazie lub wiele. W ten sposób model uczy się, jak wygląda sam obiekt, a nie tylko jak wyglądają obrazy zawierające obiekt.
+
+Kiedy używasz go do przewidywania obrazów, zamiast otrzymywać listę tagów i procentów, otrzymujesz listę wykrytych obiektów, z ich ramkami ograniczającymi i prawdopodobieństwem, że obiekt pasuje do przypisanego tagu.
+
+> 🎓 *Ramki ograniczające* to ramki wokół obiektu.
+
+![Wykrywanie obiektów dla orzechów nerkowca i koncentratu pomidorowego](../../../../../translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.pl.png)
+
+Powyższy obraz zawiera zarówno opakowanie orzechów nerkowca, jak i trzy puszki koncentratu pomidorowego. Detektor obiektów wykrył orzechy nerkowca, zwracając ramkę ograniczającą, która zawiera orzechy nerkowca, z procentowym prawdopodobieństwem, że ramka ograniczająca zawiera obiekt, w tym przypadku 97.6%. Detektor obiektów wykrył również trzy puszki koncentratu pomidorowego i dostarcza trzy oddzielne ramki ograniczające, po jednej dla każdej wykrytej puszki, a każda z nich ma procentowe prawdopodobieństwo, że ramka ograniczająca zawiera puszkę koncentratu pomidorowego.
+
+✅ Pomyśl o różnych scenariuszach, w których możesz chcieć użyć modeli AI opartych na obrazach. Które z nich wymagałyby klasyfikacji, a które wykrywania obiektów?
+
+### Jak działa wykrywanie obiektów
+
+Wykrywanie obiektów wykorzystuje złożone modele ML. Te modele działają, dzieląc obraz na wiele komórek, a następnie sprawdzają, czy środek ramki ograniczającej jest środkiem obrazu, który pasuje do jednego z obrazów użytych do trenowania modelu. Możesz to sobie wyobrazić jako coś w rodzaju uruchamiania klasyfikatora obrazów na różnych częściach obrazu w celu znalezienia dopasowań.
+
+> 💁 To drastyczne uproszczenie. Istnieje wiele technik wykrywania obiektów, o których możesz przeczytać na [stronie o wykrywaniu obiektów na Wikipedii](https://wikipedia.org/wiki/Object_detection).
+
+Istnieje wiele różnych modeli, które mogą wykrywać obiekty. Jednym z szczególnie znanych modeli jest [YOLO (You only look once)](https://pjreddie.com/darknet/yolo/), który jest niezwykle szybki i potrafi wykrywać 20 różnych klas obiektów, takich jak ludzie, psy, butelki i samochody.
+
+✅ Przeczytaj o modelu YOLO na [pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/)
+
+Modele wykrywania obiektów mogą być ponownie trenowane za pomocą transfer learningu, aby wykrywać niestandardowe obiekty.
+
+## Wykorzystanie wykrywania obiektów w handlu detalicznym
+
+Wykrywanie obiektów ma wiele zastosowań w handlu detalicznym. Niektóre z nich to:
+
+* **Sprawdzanie i liczenie zapasów** - rozpoznawanie, kiedy zapasy na półkach są niskie. Jeśli zapasy są zbyt niskie, można wysyłać powiadomienia do pracowników lub robotów, aby uzupełnić półki.
+* **Wykrywanie masek** - w sklepach z polityką noszenia masek podczas wydarzeń zdrowotnych, wykrywanie obiektów może rozpoznawać osoby z maskami i bez nich.
+* **Automatyczne rozliczanie** - wykrywanie przedmiotów zdejmowanych z półek w zautomatyzowanych sklepach i odpowiednie rozliczanie klientów.
+* **Wykrywanie zagrożeń** - rozpoznawanie uszkodzonych przedmiotów na podłodze lub rozlanych płynów, informowanie ekip sprzątających.
+
+✅ Zrób trochę badań: Jakie są inne zastosowania wykrywania obiektów w handlu detalicznym?
+
+## Trenowanie detektora obiektów
+
+Możesz trenować detektor obiektów za pomocą Custom Vision, w podobny sposób jak trenowałeś klasyfikator obrazów.
+
+### Zadanie - utwórz detektor obiektów
+
+1. Utwórz grupę zasobów dla tego projektu o nazwie `stock-detector`.
+
+1. Utwórz darmowy zasób treningowy Custom Vision oraz darmowy zasób predykcyjny Custom Vision w grupie zasobów `stock-detector`. Nazwij je `stock-detector-training` i `stock-detector-prediction`.
+
+    > 💁 Możesz mieć tylko jeden darmowy zasób treningowy i predykcyjny, więc upewnij się, że usunąłeś projekt z wcześniejszych lekcji.
+
+    > ⚠️ Możesz odwołać się do [instrukcji tworzenia zasobów treningowych i predykcyjnych z projektu 4, lekcji 1, jeśli potrzebujesz](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource).
+
+1. Uruchom portal Custom Vision na [CustomVision.ai](https://customvision.ai) i zaloguj się za pomocą konta Microsoft, którego używasz dla swojego konta Azure.
+
+1. Postępuj zgodnie z sekcją [Tworzenie nowego projektu w szybkim starcie budowy detektora obiektów w dokumentacji 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), aby utworzyć nowy projekt Custom Vision. Interfejs użytkownika może się zmieniać, a te dokumenty są zawsze najbardziej aktualnym odniesieniem.
+
+    Nazwij swój projekt `stock-detector`.
+
+    Podczas tworzenia projektu upewnij się, że używasz zasobu `stock-detector-training`, który utworzyłeś wcześniej. Użyj typu projektu *Object Detection* oraz domeny *Products on Shelves*.
+
+    ![Ustawienia projektu Custom Vision z nazwą ustawioną na fruit-quality-detector, bez opisu, zasobem ustawionym na fruit-quality-detector-training, typem projektu ustawionym na klasyfikację, typami klasyfikacji ustawionymi na multi class i domenami ustawionymi na food](../../../../../translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.pl.png)
+
+    ✅ Domeny produktów na półkach są specjalnie przeznaczone do wykrywania zapasów na półkach sklepowych. Przeczytaj więcej o różnych domenach w [dokumentacji wyboru domen na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection)
+
+✅ Poświęć trochę czasu na eksplorację interfejsu użytkownika Custom Vision dla swojego detektora obiektów.
+
+### Zadanie - trenuj swój detektor obiektów
+
+Aby trenować swój model, będziesz potrzebować zestawu obrazów zawierających obiekty, które chcesz wykrywać.
+
+1. Zbierz obrazy zawierające obiekt do wykrycia. Będziesz potrzebować co najmniej 15 obrazów zawierających każdy obiekt do wykrycia z różnych kątów i w różnych warunkach oświetleniowych, ale im więcej, tym lepiej. Ten detektor obiektów używa domeny *Products on shelves*, więc spróbuj ustawić obiekty tak, jakby były na półce sklepowej. Będziesz także potrzebować kilku obrazów do przetestowania modelu. Jeśli wykrywasz więcej niż jeden obiekt, będziesz chciał mieć obrazy testowe zawierające wszystkie obiekty.
+
+    > 💁 Obrazy z wieloma różnymi obiektami liczą się do minimalnej liczby 15 obrazów dla wszystkich obiektów na obrazie.
+
+    Twoje obrazy powinny być w formacie png lub jpeg, mniejsze niż 6MB. Jeśli tworzysz je na przykład za pomocą iPhone'a, mogą być to obrazy w wysokiej rozdzielczości HEIC, więc będą musiały zostać przekonwertowane i być może zmniejszone. Im więcej obrazów, tym lepiej, i powinieneś mieć podobną liczbę dojrzałych i niedojrzałych.
+
+    Model jest zaprojektowany dla produktów na półkach, więc spróbuj zrobić zdjęcia obiektów na półkach.
+
+    Możesz znaleźć przykładowe obrazy, które możesz użyć, w folderze [images](../../../../../5-retail/lessons/1-train-stock-detector/images) dla orzechów nerkowca i koncentratu pomidorowego, które możesz wykorzystać.
+
+1. Postępuj zgodnie z sekcją [Przesyłanie i tagowanie obrazów w szybkim starcie budowy detektora obiektów w dokumentacji 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), aby przesłać swoje obrazy treningowe. Utwórz odpowiednie tagi w zależności od typów obiektów, które chcesz wykrywać.
+
+    ![Dialogi przesyłania pokazujące przesyłanie obrazów dojrzałych i niedojrzałych bananów](../../../../../translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.pl.png)
+
+    Podczas rysowania ramek ograniczających dla obiektów, trzymaj je ciasno wokół obiektu. Może to zająć trochę czasu, aby obrysować wszystkie obrazy, ale narzędzie wykryje, co uważa za ramki ograniczające, co przyspieszy proces.
+
+    ![Tagowanie koncentratu pomidorowego](../../../../../translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.pl.png)
+
+    > 💁 Jeśli masz więcej niż 15 obrazów dla każdego obiektu, możesz trenować po 15, a następnie użyć funkcji **Suggested tags**. Użyje ona trenowanego modelu do wykrywania obiektów na nieoznaczonym obrazie. Możesz wtedy potwierdzić wykryte obiekty lub odrzucić i ponownie narysować ramki ograniczające. To może zaoszczędzić *dużo* czasu.
+
+1. Postępuj zgodnie z sekcją [Trenowanie detektora w szybkim starcie budowy detektora obiektów w dokumentacji Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector), aby trenować detektor obiektów na swoich oznaczonych obrazach.
+
+    Zostaniesz poproszony o wybór typu treningu. Wybierz **Quick Training**.
+
+Detektor obiektów rozpocznie trening. Zajmie to kilka minut, zanim trening się zakończy.
+
+## Testowanie detektora obiektów
+
+Po przeszkoleniu detektora obiektów możesz go przetestować, podając mu nowe obrazy do wykrywania obiektów.
+
+### Zadanie - testuj swój detektor obiektów
+
+1. Użyj przycisku **Quick Test**, aby przesłać obrazy testowe i zweryfikować, czy obiekty zostały wykryte. Użyj obrazów testowych, które stworzyłeś wcześniej, a nie żadnych obrazów użytych do treningu.
+
+    ![3 puszki koncentratu pomidorowego wykryte z prawdopodobieństwami 38%, 35.5% i 34.6%](../../../../../translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.pl.png)
+
+1. Wypróbuj wszystkie obrazy testowe, do których masz dostęp, i obserwuj prawdopodobieństwa.
+
+## Ponowne trenowanie detektora obiektów
+
+Kiedy testujesz swój detektor obiektów, może nie dawać wyników, których oczekujesz, podobnie jak klasyfikatory obrazów w poprzednim projekcie. Możesz poprawić swój detektor obiektów, ponownie trenując go za pomocą obrazów, które źle rozpoznaje.
+
+Za każdym razem, gdy wykonujesz przewidywanie za pomocą opcji szybkiego testu, obraz i wyniki są przechowywane. Możesz użyć tych obrazów do ponownego trenowania modelu.
+
+1. Użyj zakładki **Predictions**, aby znaleźć obrazy, które użyłeś do testowania.
+
+1. Potwierdź wszelkie dokładne wykrycia, usuń niepoprawne i dodaj brakujące obiekty.
+
+1. Ponownie trenuj i przetestuj model.
+
+---
+
+## 🚀 Wyzwanie
+
+Co by się stało, gdybyś użył detektora obiektów z podobnie wyglądającymi przedmiotami, takimi jak puszki koncentratu pomidorowego i pomidorów krojonych tej samej marki?
+
+Jeśli masz jakieś podobnie wyglądające przedmioty, przetestuj je, dodając ich obrazy do swojego detektora obiektów.
+
+## Quiz po lekcji
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
+
+## Przegląd i samodzielna nauka
+
+* Podczas trenowania detektora obiektów zauważyłeś wartości takie jak *Precyzja*, *Czułość* i *mAP*, które oceniają stworzony model. Przeczytaj więcej o tych wartościach, korzystając z [sekcji Ocena detektora w szybkim przewodniku Tworzenie detektora obiektów w dokumentacji Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector)
+* Dowiedz się więcej o detekcji obiektów na [stronie Detekcja obiektów na Wikipedii](https://wikipedia.org/wiki/Object_detection)
+
+## Zadanie
+
+[Porównaj domeny](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/pl/5-retail/lessons/1-train-stock-detector/assignment.md
new file mode 100644
index 00000000..28d533d8
--- /dev/null
+++ b/translations/pl/5-retail/lessons/1-train-stock-detector/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
+  "translation_date": "2025-08-26T06:29:51+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Porównaj domeny
+
+## Instrukcje
+
+Podczas tworzenia detektora obiektów miałeś możliwość wyboru spośród wielu domen. Porównaj, jak dobrze działają dla Twojego detektora akcji, i opisz, która z nich daje lepsze wyniki.
+
+Aby zmienić domenę, wybierz przycisk **Ustawienia** w górnym menu, wybierz nową domenę, kliknij przycisk **Zapisz zmiany**, a następnie ponownie wytrenuj model. Upewnij się, że testujesz nową iterację modelu wytrenowaną z nową domeną.
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Wystarczające | Wymaga poprawy |
+| --------- | ------- | ------------- | -------------- |
+| Wytrenowanie modelu z inną domeną | Udało się zmienić domenę i ponownie wytrenować model | Udało się zmienić domenę i ponownie wytrenować model | Nie udało się zmienić domeny ani ponownie wytrenować modelu |
+| Testowanie modelu i porównanie wyników | Udało się przetestować model z różnymi domenami, porównać wyniki i opisać, która jest lepsza | Udało się przetestować model z różnymi domenami, ale nie udało się porównać wyników i opisać, która jest lepsza | Nie udało się przetestować modelu z różnymi domenami |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/5-retail/lessons/2-check-stock-device/README.md b/translations/pl/5-retail/lessons/2-check-stock-device/README.md
new file mode 100644
index 00000000..57d4ca79
--- /dev/null
+++ b/translations/pl/5-retail/lessons/2-check-stock-device/README.md
@@ -0,0 +1,189 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
+  "translation_date": "2025-08-26T06:26:33+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
+  "language_code": "pl"
+}
+-->
+# Sprawdź zapasy za pomocą urządzenia IoT
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obrazek, aby zobaczyć większą wersję.
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
+
+## Wprowadzenie
+
+W poprzedniej lekcji dowiedziałeś się o różnych zastosowaniach detekcji obiektów w handlu detalicznym. Nauczyłeś się również, jak trenować detektor obiektów do identyfikacji zapasów. W tej lekcji dowiesz się, jak używać swojego detektora obiektów z urządzenia IoT do liczenia zapasów.
+
+W tej lekcji omówimy:
+
+* [Liczenie zapasów](../../../../../5-retail/lessons/2-check-stock-device)
+* [Wywołanie detektora obiektów z urządzenia IoT](../../../../../5-retail/lessons/2-check-stock-device)
+* [Ramki ograniczające](../../../../../5-retail/lessons/2-check-stock-device)
+* [Ponowne trenowanie modelu](../../../../../5-retail/lessons/2-check-stock-device)
+* [Liczenie zapasów](../../../../../5-retail/lessons/2-check-stock-device)
+
+> 🗑 To jest ostatnia lekcja w tym projekcie, więc po jej ukończeniu oraz wykonaniu zadania, nie zapomnij posprzątać swoje usługi w chmurze. Będziesz potrzebować tych usług do ukończenia zadania, więc upewnij się, że najpierw je wykonasz.
+>
+> Jeśli potrzebujesz instrukcji, zapoznaj się z [przewodnikiem czyszczenia projektu](../../../clean-up.md).
+
+## Liczenie zapasów
+
+Detektory obiektów mogą być używane do sprawdzania zapasów, zarówno do ich liczenia, jak i upewniania się, że znajdują się tam, gdzie powinny. Urządzenia IoT z kamerami mogą być rozmieszczone w całym sklepie, aby monitorować zapasy, zaczynając od miejsc, gdzie uzupełnianie towarów jest szczególnie ważne, takich jak obszary z niewielką ilością produktów o wysokiej wartości.
+
+Na przykład, jeśli kamera skierowana jest na półki, które mogą pomieścić 8 puszek koncentratu pomidorowego, a detektor obiektów wykrywa tylko 7 puszek, oznacza to, że jedna brakuje i należy ją uzupełnić.
+
+![7 puszek koncentratu pomidorowego na półce, 4 na górnym rzędzie, 3 na dolnym](../../../../../translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.pl.png)
+
+Na powyższym obrazku detektor obiektów wykrył 7 puszek koncentratu pomidorowego na półce, która może pomieścić 8 puszek. Urządzenie IoT może nie tylko wysłać powiadomienie o konieczności uzupełnienia zapasów, ale także wskazać lokalizację brakującego produktu, co jest istotne, jeśli używasz robotów do uzupełniania półek.
+
+> 💁 W zależności od sklepu i popularności produktu, uzupełnianie zapasów prawdopodobnie nie nastąpi, jeśli brakuje tylko jednej puszki. Musisz zbudować algorytm, który określi, kiedy należy uzupełnić zapasy, biorąc pod uwagę produkt, klientów i inne kryteria.
+
+✅ W jakich innych scenariuszach można połączyć detekcję obiektów z robotami?
+
+Czasami na półkach może znajdować się niewłaściwy towar. Może to być wynikiem błędu ludzkiego podczas uzupełniania zapasów lub decyzji klientów o zmianie zdania i odłożeniu produktu w pierwsze dostępne miejsce. W przypadku produktów trwałych, takich jak konserwy, jest to irytujące. Jeśli jednak chodzi o produkty nietrwałe, takie jak mrożonki lub produkty chłodzone, może to oznaczać, że produkt nie nadaje się już do sprzedaży, ponieważ trudno określić, jak długo był poza zamrażarką.
+
+Detekcja obiektów może być używana do wykrywania nieoczekiwanych produktów, ponownie informując człowieka lub robota o konieczności ich zwrócenia na właściwe miejsce.
+
+![Niepasująca puszka kukurydzy na półce z koncentratem pomidorowym](../../../../../translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.pl.png)
+
+Na powyższym obrazku puszka kukurydzy została umieszczona na półce obok koncentratu pomidorowego. Detektor obiektów wykrył to, umożliwiając urządzeniu IoT powiadomienie człowieka lub robota o konieczności zwrócenia puszki na właściwe miejsce.
+
+## Wywołanie detektora obiektów z urządzenia IoT
+
+Detektor obiektów, który trenowałeś w poprzedniej lekcji, może być wywoływany z urządzenia IoT.
+
+### Zadanie - opublikuj iterację swojego detektora obiektów
+
+Iteracje są publikowane z portalu Custom Vision.
+
+1. Uruchom portal Custom Vision na [CustomVision.ai](https://customvision.ai) i zaloguj się, jeśli nie masz go już otwartego. Następnie otwórz swój projekt `stock-detector`.
+
+1. Wybierz zakładkę **Performance** z opcji u góry.
+
+1. Wybierz najnowszą iterację z listy *Iterations* po lewej stronie.
+
+1. Kliknij przycisk **Publish** dla tej iteracji.
+
+    ![Przycisk publikacji](../../../../../translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.pl.png)
+
+1. W oknie dialogowym *Publish Model* ustaw *Prediction resource* na zasób `stock-detector-prediction`, który utworzyłeś w poprzedniej lekcji. Pozostaw nazwę jako `Iteration2` i kliknij przycisk **Publish**.
+
+1. Po opublikowaniu kliknij przycisk **Prediction URL**. Wyświetli to szczegóły dotyczące API predykcji, które będą potrzebne do wywołania modelu z urządzenia IoT. Dolna sekcja jest oznaczona *If you have an image file* i to są szczegóły, których potrzebujesz. Skopiuj wyświetlony URL, który będzie wyglądał mniej więcej tak:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
+    ```
+
+    Gdzie `<location>` to lokalizacja użyta podczas tworzenia zasobu Custom Vision, a `<id>` to długi identyfikator składający się z liter i cyfr.
+
+    Skopiuj również wartość *Prediction-Key*. Jest to klucz zabezpieczający, który musisz przekazać podczas wywoływania modelu. Tylko aplikacje, które przekazują ten klucz, mogą korzystać z modelu, inne aplikacje zostaną odrzucone.
+
+    ![Okno dialogowe API predykcji pokazujące URL i klucz](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.pl.png)
+
+✅ Gdy nowa iteracja zostanie opublikowana, będzie miała inną nazwę. Jak myślisz, jak zmienić iterację używaną przez urządzenie IoT?
+
+### Zadanie - wywołaj detektor obiektów z urządzenia IoT
+
+Skorzystaj z odpowiedniego przewodnika poniżej, aby użyć detektora obiektów z urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie](single-board-computer-object-detector.md)
+
+## Ramki ograniczające
+
+Kiedy używasz detektora obiektów, otrzymujesz nie tylko wykryte obiekty z ich etykietami i prawdopodobieństwami, ale także ramki ograniczające dla obiektów. Określają one, gdzie detektor obiektów wykrył obiekt z danym prawdopodobieństwem.
+
+> 💁 Ramka ograniczająca to prostokąt, który definiuje obszar zawierający wykryty obiekt, granice dla obiektu.
+
+Wyniki predykcji w zakładce **Predictions** w Custom Vision mają ramki ograniczające narysowane na obrazie przesłanym do predykcji.
+
+![4 puszki koncentratu pomidorowego na półce z predykcjami dla 4 wykryć: 35.8%, 33.5%, 25.7% i 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.pl.png)
+
+Na powyższym obrazku wykryto 4 puszki koncentratu pomidorowego. W wynikach nałożono czerwony kwadrat na każdy obiekt wykryty na obrazie, wskazując ramkę ograniczającą dla obrazu.
+
+✅ Otwórz predykcje w Custom Vision i sprawdź ramki ograniczające.
+
+Ramki ograniczające są definiowane za pomocą 4 wartości - top, left, height i width. Wartości te są w skali od 0 do 1, reprezentując pozycje jako procent rozmiaru obrazu. Punkt początkowy (pozycja 0,0) znajduje się w lewym górnym rogu obrazu, więc wartość top to odległość od góry, a dolna granica ramki ograniczającej to wartość top plus height.
+
+![Ramka ograniczająca wokół puszki koncentratu pomidorowego](../../../../../translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.pl.png)
+
+Powyższy obrazek ma szerokość 600 pikseli i wysokość 800 pikseli. Ramka ograniczająca zaczyna się 320 pikseli w dół, co daje współrzędną top równą 0.4 (800 x 0.4 = 320). Od lewej ramka zaczyna się 240 pikseli w prawo, co daje współrzędną left równą 0.4 (600 x 0.4 = 240). Wysokość ramki wynosi 240 pikseli, co daje wartość height równą 0.3 (800 x 0.3 = 240). Szerokość ramki wynosi 120 pikseli, co daje wartość width równą 0.2 (600 x 0.2 = 120).
+
+| Współrzędna | Wartość |
+| ----------- | ------: |
+| Top         | 0.4     |
+| Left        | 0.4     |
+| Height      | 0.3     |
+| Width       | 0.2     |
+
+Używanie wartości procentowych od 0 do 1 oznacza, że niezależnie od rozmiaru obrazu, ramka ograniczająca zaczyna się 0.4 długości w dół i w prawo, a jej wysokość to 0.3 wysokości obrazu, a szerokość to 0.2 szerokości obrazu.
+
+Możesz używać ramek ograniczających w połączeniu z prawdopodobieństwami, aby ocenić, jak dokładne jest wykrycie. Na przykład detektor obiektów może wykrywać wiele obiektów, które się nakładają, na przykład wykrywając jedną puszkę wewnątrz drugiej. Twój kod może sprawdzić ramki ograniczające, zrozumieć, że jest to niemożliwe, i zignorować obiekty, które mają znaczące nakładanie się z innymi obiektami.
+
+![Dwie nakładające się ramki ograniczające wokół puszki koncentratu pomidorowego](../../../../../translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.pl.png)
+
+W powyższym przykładzie jedna ramka ograniczająca wskazuje przewidywaną puszkę koncentratu pomidorowego z prawdopodobieństwem 78.3%. Druga ramka ograniczająca jest nieco mniejsza i znajduje się wewnątrz pierwszej ramki z prawdopodobieństwem 64.3%. Twój kod może sprawdzić ramki ograniczające, zauważyć, że całkowicie się nakładają, i zignorować niższe prawdopodobieństwo, ponieważ nie ma możliwości, aby jedna puszka znajdowała się wewnątrz drugiej.
+
+✅ Czy możesz wymyślić sytuację, w której wykrycie jednego obiektu wewnątrz drugiego jest uzasadnione?
+
+## Ponowne trenowanie modelu
+
+Podobnie jak w przypadku klasyfikatora obrazów, możesz ponownie trenować swój model, używając danych zebranych przez urządzenie IoT. Korzystanie z tych danych z rzeczywistego świata zapewni, że model będzie działał dobrze, gdy będzie używany z urządzenia IoT.
+
+W przeciwieństwie do klasyfikatora obrazów, nie możesz po prostu oznaczyć obrazu. Zamiast tego musisz przejrzeć każdą ramkę ograniczającą wykrytą przez model. Jeśli ramka jest wokół niewłaściwego obiektu, musi zostać usunięta, jeśli jest w niewłaściwej lokalizacji, musi zostać poprawiona.
+
+### Zadanie - ponowne trenowanie modelu
+
+1. Upewnij się, że zebrałeś różnorodne obrazy za pomocą swojego urządzenia IoT.
+
+1. W zakładce **Predictions** wybierz obraz. Zobaczysz czerwone ramki wskazujące ramki ograniczające wykrytych obiektów.
+
+1. Przejrzyj każdą ramkę ograniczającą. Wybierz ją najpierw, a zobaczysz wyskakujące okienko pokazujące etykietę. Użyj uchwytów na rogach ramki, aby dostosować rozmiar, jeśli to konieczne. Jeśli etykieta jest błędna, usuń ją za pomocą przycisku **X** i dodaj właściwą etykietę. Jeśli ramka nie zawiera obiektu, usuń ją za pomocą przycisku kosza.
+
+1. Zamknij edytor po zakończeniu, a obraz zostanie przeniesiony z zakładki **Predictions** do zakładki **Training Images**. Powtórz proces dla wszystkich predykcji.
+
+1. Użyj przycisku **Train**, aby ponownie wytrenować swój model. Po zakończeniu treningu opublikuj iterację i zaktualizuj swoje urządzenie IoT, aby używało URL nowej iteracji.
+
+1. Ponownie wdroż swój kod i przetestuj urządzenie IoT.
+
+## Liczenie zapasów
+
+Korzystając z kombinacji liczby wykrytych obiektów i ramek ograniczających, możesz policzyć zapasy na półce.
+
+### Zadanie - liczenie zapasów
+
+Skorzystaj z odpowiedniego przewodnika poniżej, aby policzyć zapasy, używając wyników z detektora obiektów z urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-count-stock.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie](single-board-computer-count-stock.md)
+
+---
+
+## 🚀 Wyzwanie
+
+Czy potrafisz wykryć niewłaściwe zapasy? Wytrenuj swój model na wielu obiektach, a następnie zaktualizuj swoją aplikację, aby powiadamiała Cię, jeśli wykryte zostaną niewłaściwe zapasy.
+
+Możesz nawet pójść dalej i wykrywać zapasy obok siebie na tej samej półce, sprawdzając, czy coś zostało umieszczone w niewłaściwym miejscu, definiując limity dla ramek ograniczających.
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/40)
+
+## Przegląd i samodzielna nauka
+
+* Dowiedz się więcej o tym, jak zaprojektować kompleksowy system wykrywania zapasów z przewodnika [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)
+* Poznaj inne sposoby budowania kompleksowych rozwiązań dla handlu detalicznego, łącząc różne usługi IoT i chmurowe, oglądając [Behind the scenes of a retail solution - Hands On! video on YouTube](https://www.youtube.com/watch?v=m3Pc300x2Mw).
+
+## Zadanie
+
+[Użyj swojego detektora obiektów na urządzeniu edge](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/5-retail/lessons/2-check-stock-device/assignment.md b/translations/pl/5-retail/lessons/2-check-stock-device/assignment.md
new file mode 100644
index 00000000..eec366c4
--- /dev/null
+++ b/translations/pl/5-retail/lessons/2-check-stock-device/assignment.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
+  "translation_date": "2025-08-26T06:27:28+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Użyj swojego detektora obiektów na urządzeniu brzegowym
+
+## Instrukcje
+
+W ostatnim projekcie wdrożyłeś swój klasyfikator obrazów na urządzeniu brzegowym. Zrób to samo z detektorem obiektów, eksportując go jako kompaktowy model i uruchamiając na urządzeniu brzegowym, uzyskując dostęp do wersji brzegowej z urządzenia IoT.
+
+## Kryteria oceny
+
+| Kryteria | Wzorowe | Zadowalające | Wymaga poprawy |
+| -------- | ------- | ------------ | -------------- |
+| Wdrożenie detektora obiektów na urządzeniu brzegowym | Udało się użyć odpowiedniej kompaktowej domeny, wyeksportować detektor obiektów i uruchomić go na urządzeniu brzegowym | Udało się użyć odpowiedniej kompaktowej domeny i wyeksportować detektor obiektów, ale nie udało się uruchomić go na urządzeniu brzegowym | Nie udało się użyć odpowiedniej kompaktowej domeny, wyeksportować detektora obiektów ani uruchomić go na urządzeniu brzegowym |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/pl/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
new file mode 100644
index 00000000..a4d027c6
--- /dev/null
+++ b/translations/pl/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
@@ -0,0 +1,175 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c4320311c0f2c1884a6a21265d98a51",
+  "translation_date": "2025-08-26T06:27:57+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
+  "language_code": "pl"
+}
+-->
+# Liczenie zapasów za pomocą urządzenia IoT - Wirtualny sprzęt IoT i Raspberry Pi
+
+Kombinacja przewidywań i ich ramki ograniczającej może być użyta do liczenia zapasów na obrazie.
+
+## Wyświetlanie ramek ograniczających
+
+Jako pomocny krok debugowania możesz nie tylko wypisać ramki ograniczające, ale także narysować je na obrazie zapisanym na dysku w momencie przechwycenia obrazu.
+
+### Zadanie - wypisz ramki ograniczające
+
+1. Upewnij się, że projekt `stock-counter` jest otwarty w VS Code, a środowisko wirtualne jest aktywowane, jeśli używasz wirtualnego urządzenia IoT.
+
+1. Zmień instrukcję `print` w pętli `for` na następującą, aby wypisać ramki ograniczające w konsoli:
+
+    ```python
+    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
+    ```
+
+1. Uruchom aplikację, kierując kamerę na zapasy na półce. Ramki ograniczające zostaną wypisane w konsoli, z wartościami left, top, width i height w zakresie od 0 do 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}
+    ```
+
+### Zadanie - narysuj ramki ograniczające na obrazie
+
+1. Pakiet Pip [Pillow](https://pypi.org/project/Pillow/) może być użyty do rysowania na obrazach. Zainstaluj go za pomocą następującego polecenia:
+
+    ```sh
+    pip3 install pillow
+    ```
+
+    Jeśli używasz wirtualnego urządzenia IoT, upewnij się, że uruchamiasz to polecenie w aktywowanym środowisku wirtualnym.
+
+1. Dodaj następujący import na początku pliku `app.py`:
+
+    ```python
+    from PIL import Image, ImageDraw, ImageColor
+    ```
+
+    Importuje to kod potrzebny do edycji obrazu.
+
+1. Dodaj następujący kod na końcu pliku `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')
+    ```
+
+    Kod ten otwiera wcześniej zapisany obraz do edycji. Następnie przechodzi przez przewidywania, pobierając ramki ograniczające, i oblicza współrzędne dolnego prawego rogu, używając wartości ramki ograniczającej w zakresie od 0 do 1. Wartości te są następnie przekształcane na współrzędne obrazu przez pomnożenie przez odpowiedni wymiar obrazu. Na przykład, jeśli wartość left wynosiła 0.5 na obrazie o szerokości 600 pikseli, zostanie przekształcona na 300 (0.5 x 600 = 300).
+
+    Każda ramka ograniczająca jest rysowana na obrazie za pomocą czerwonej linii. Na koniec edytowany obraz jest zapisywany, zastępując oryginalny obraz.
+
+1. Uruchom aplikację, kierując kamerę na zapasy na półce. W eksploratorze VS Code zobaczysz plik `image.jpg` i będziesz mógł go wybrać, aby zobaczyć ramki ograniczające.
+
+    ![4 puszki koncentratu pomidorowego z ramkami ograniczającymi wokół każdej puszki](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.pl.jpg)
+
+## Liczenie zapasów
+
+Na powyższym obrazie ramki ograniczające mają niewielkie nakładanie się. Jeśli to nakładanie byłoby znacznie większe, ramki ograniczające mogłyby wskazywać ten sam obiekt. Aby poprawnie policzyć obiekty, musisz ignorować ramki z istotnym nakładaniem się.
+
+### Zadanie - liczenie zapasów ignorując nakładanie się
+
+1. Pakiet Pip [Shapely](https://pypi.org/project/Shapely/) może być użyty do obliczania przecięcia. Jeśli używasz Raspberry Pi, najpierw musisz zainstalować zależność biblioteki:
+
+    ```sh
+    sudo apt install libgeos-dev
+    ```
+
+1. Zainstaluj pakiet Pip Shapely:
+
+    ```sh
+    pip3 install shapely
+    ```
+
+    Jeśli używasz wirtualnego urządzenia IoT, upewnij się, że uruchamiasz to polecenie w aktywowanym środowisku wirtualnym.
+
+1. Dodaj następujący import na początku pliku `app.py`:
+
+    ```python
+    from shapely.geometry import Polygon
+    ```
+
+    Importuje to kod potrzebny do tworzenia wielokątów w celu obliczania nakładania się.
+
+1. Powyżej kodu rysującego ramki ograniczające dodaj następujący kod:
+
+    ```python
+    overlap_threshold = 0.20
+    ```
+
+    Definiuje to procent nakładania się, który jest akceptowalny, zanim ramki ograniczające zostaną uznane za ten sam obiekt. 0.20 oznacza 20% nakładania się.
+
+1. Aby obliczyć nakładanie się za pomocą Shapely, ramki ograniczające muszą zostać przekształcone w wielokąty Shapely. Dodaj następującą funkcję, aby to zrobić:
+
+    ```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)])
+    ```
+
+    Funkcja ta tworzy wielokąt, używając ramki ograniczającej przewidywania.
+
+1. Logika usuwania nakładających się obiektów polega na porównywaniu wszystkich ramek ograniczających i, jeśli jakiekolwiek pary przewidywań mają ramki ograniczające, które nakładają się bardziej niż próg, jedno z przewidywań jest usuwane. Aby porównać wszystkie przewidywania, porównujesz przewidywanie 1 z 2, 3, 4 itd., następnie 2 z 3, 4 itd. Następujący kod to realizuje:
+
+    ```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')
+    ```
+
+    Nakładanie się jest obliczane za pomocą metody Shapely `Polygon.intersection`, która zwraca wielokąt reprezentujący nakładanie się. Obliczana jest następnie powierzchnia tego wielokąta. Próg nakładania się nie jest wartością absolutną, ale musi być procentem ramki ograniczającej, więc najmniejsza ramka ograniczająca jest znajdowana, a próg nakładania się jest używany do obliczenia, jaka powierzchnia nakładania się może być, aby nie przekroczyć procentowego progu najmniejszej ramki ograniczającej. Jeśli nakładanie się przekracza ten próg, przewidywanie jest oznaczane do usunięcia.
+
+    Gdy przewidywanie zostanie oznaczone do usunięcia, nie musi być ponownie sprawdzane, więc wewnętrzna pętla przerywa, aby sprawdzić kolejne przewidywanie. Nie można usuwać elementów z listy podczas iteracji przez nią, więc ramki ograniczające, które nakładają się bardziej niż próg, są dodawane do listy `to_delete`, a następnie usuwane na końcu.
+
+    Na koniec liczba zapasów jest wypisywana w konsoli. Można ją następnie wysłać do usługi IoT, aby ostrzec o niskim poziomie zapasów. Cały ten kod znajduje się przed rysowaniem ramek ograniczających, więc na wygenerowanych obrazach zobaczysz przewidywania zapasów bez nakładań.
+
+    > 💁 Jest to bardzo uproszczony sposób usuwania nakładań, po prostu usuwając pierwszy element w parze nakładających się ramek. W kodzie produkcyjnym warto byłoby dodać więcej logiki, na przykład uwzględniając nakładania się między wieloma obiektami lub sytuacje, gdy jedna ramka ograniczająca jest zawarta w innej.
+
+1. Uruchom aplikację, kierując kamerę na zapasy na półce. Wynik wskaże liczbę ramek ograniczających bez nakładań przekraczających próg. Spróbuj dostosować wartość `overlap_threshold`, aby zobaczyć ignorowane przewidywania.
+
+> 💁 Kod ten znajdziesz w folderze [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) lub [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device).
+
+😀 Twój program do liczenia zapasów zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić precyzję, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/pl/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
new file mode 100644
index 00000000..8781efa3
--- /dev/null
+++ b/translations/pl/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
@@ -0,0 +1,86 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a3fdfec1d1e2cb645ea11c2930b51299",
+  "translation_date": "2025-08-26T06:26:05+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
+  "language_code": "pl"
+}
+-->
+# Wywołaj detektor obiektów z urządzenia IoT - Wirtualny sprzęt IoT i Raspberry Pi
+
+Gdy Twój detektor obiektów zostanie opublikowany, możesz go używać z urządzenia IoT.
+
+## Skopiuj projekt klasyfikatora obrazów
+
+Większość Twojego detektora zapasów jest taka sama jak klasyfikator obrazów, który stworzyłeś w poprzedniej lekcji.
+
+### Zadanie - skopiuj projekt klasyfikatora obrazów
+
+1. Utwórz folder o nazwie `stock-counter` na swoim komputerze, jeśli używasz wirtualnego urządzenia IoT, lub na Raspberry Pi. Jeśli korzystasz z wirtualnego urządzenia IoT, upewnij się, że skonfigurowałeś wirtualne środowisko.
+
+1. Skonfiguruj sprzęt kamery.
+
+    * Jeśli używasz Raspberry Pi, będziesz musiał zamontować PiCamera. Możesz również ustawić kamerę w jednej pozycji, na przykład zawieszając kabel nad pudełkiem lub puszką, albo przymocowując kamerę do pudełka za pomocą taśmy dwustronnej.
+    * Jeśli używasz wirtualnego urządzenia IoT, musisz zainstalować CounterFit oraz CounterFit PyCamera shim. Jeśli zamierzasz używać zdjęć statycznych, zrób kilka zdjęć, których Twój detektor obiektów jeszcze nie widział. Jeśli zamierzasz używać kamery internetowej, upewnij się, że jest ustawiona w taki sposób, aby mogła widzieć zapasy, które wykrywasz.
+
+1. Powtórz kroki z [lekcji 2 projektu produkcyjnego](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device), aby przechwycić obrazy z kamery.
+
+1. Powtórz kroki z [lekcji 2 projektu produkcyjnego](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device), aby wywołać klasyfikator obrazów. Większość tego kodu zostanie ponownie użyta do wykrywania obiektów.
+
+## Zmień kod z klasyfikatora na detektor obrazów
+
+Kod, którego używałeś do klasyfikacji obrazów, jest bardzo podobny do kodu do wykrywania obiektów. Główna różnica polega na metodzie wywoływanej w Custom Vision SDK oraz wynikach wywołania.
+
+### Zadanie - zmień kod z klasyfikatora na detektor obrazów
+
+1. Usuń trzy linie kodu, które klasyfikują obraz i przetwarzają przewidywania:
+
+    ```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}%')
+    ```
+
+    Usuń te trzy linie.
+
+1. Dodaj poniższy kod, aby wykrywać obiekty na obrazie:
+
+    ```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}%')
+    ```
+
+    Ten kod wywołuje metodę `detect_image` na predyktorze, aby uruchomić detektor obiektów. Następnie zbiera wszystkie przewidywania z prawdopodobieństwem powyżej ustalonego progu i wypisuje je na konsolę.
+
+    W przeciwieństwie do klasyfikatora obrazów, który zwraca tylko jeden wynik na tag, detektor obiektów zwróci wiele wyników, więc te z niskim prawdopodobieństwem muszą zostać odfiltrowane.
+
+1. Uruchom ten kod, a przechwyci on obraz, wyśle go do detektora obiektów i wypisze wykryte obiekty. Jeśli używasz wirtualnego urządzenia IoT, upewnij się, że masz odpowiedni obraz ustawiony w CounterFit lub wybrana jest kamera internetowa. Jeśli używasz Raspberry Pi, upewnij się, że Twoja kamera jest skierowana na obiekty na półce.
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   34.13%
+    tomato paste:   33.95%
+    tomato paste:   35.05%
+    tomato paste:   32.80%
+    ```
+
+    > 💁 Może być konieczne dostosowanie wartości `threshold` do odpowiedniego poziomu dla Twoich obrazów.
+
+    Będziesz mógł zobaczyć obraz, który został zrobiony, oraz te wartości w zakładce **Predictions** w Custom Vision.
+
+    ![4 puszki koncentratu pomidorowego na półce z przewidywaniami dla 4 wykryć: 35.8%, 33.5%, 25.7% i 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.pl.png)
+
+> 💁 Ten kod znajdziesz w folderze [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) lub [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device).
+
+😀 Twój program liczący zapasy zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/pl/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
new file mode 100644
index 00000000..34f884a2
--- /dev/null
+++ b/translations/pl/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
@@ -0,0 +1,179 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
+  "translation_date": "2025-08-26T06:27:37+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
+  "language_code": "pl"
+}
+-->
+# Liczenie zapasów za pomocą urządzenia IoT - Wio Terminal
+
+Połączenie przewidywań i ich ramki ograniczającej może być użyte do liczenia zapasów na obrazie.
+
+## Liczenie zapasów
+
+![4 puszki koncentratu pomidorowego z ramkami ograniczającymi wokół każdej puszki](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.pl.jpg)
+
+Na powyższym obrazie ramki ograniczające mają niewielkie nakładanie się. Jeśli to nakładanie byłoby znacznie większe, ramki mogłyby wskazywać na ten sam obiekt. Aby poprawnie policzyć obiekty, należy ignorować ramki z istotnym nakładaniem się.
+
+### Zadanie - liczenie zapasów ignorując nakładanie się
+
+1. Otwórz swój projekt `stock-counter`, jeśli nie jest już otwarty.
+
+1. Nad funkcją `processPredictions` dodaj następujący kod:
+
+    ```cpp
+    const float overlap_threshold = 0.20f;
+    ```
+
+    Ten kod definiuje procent nakładania się, który jest akceptowalny, zanim ramki ograniczające zostaną uznane za ten sam obiekt. 0.20 oznacza 20% nakładania się.
+
+1. Poniżej tego, ale nadal nad funkcją `processPredictions`, dodaj następujący kod do obliczenia nakładania się między dwoma prostokątami:
+
+    ```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;
+    }
+    ```
+
+    Ten kod definiuje strukturę `Point` do przechowywania punktów na obrazie oraz strukturę `Rect` do definiowania prostokąta za pomocą współrzędnych górnego lewego i dolnego prawego rogu. Następnie definiuje funkcję `area`, która oblicza powierzchnię prostokąta na podstawie współrzędnych górnego lewego i dolnego prawego rogu.
+
+    Kolejno definiuje funkcję `overlappingArea`, która oblicza powierzchnię nakładania się dwóch prostokątów. Jeśli się nie nakładają, zwraca 0.
+
+1. Poniżej funkcji `overlappingArea` zadeklaruj funkcję do konwersji ramki ograniczającej na `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};
+    }
+    ```
+
+    Funkcja ta pobiera przewidywanie z detektora obiektów, wyodrębnia ramkę ograniczającą i używa wartości z ramki do zdefiniowania prostokąta. Prawa strona jest obliczana jako lewa plus szerokość. Dolna jako górna plus wysokość.
+
+1. Przewidywania muszą być porównane ze sobą, a jeśli dwa przewidywania mają nakładanie się większe niż próg, jedno z nich musi zostać usunięte. Próg nakładania się jest procentem, więc musi być pomnożony przez rozmiar najmniejszej ramki ograniczającej, aby sprawdzić, czy nakładanie się przekracza określony procent ramki, a nie procent całego obrazu. Zacznij od usunięcia zawartości funkcji `processPredictions`.
+
+1. Dodaj następujący kod do pustej funkcji `processPredictions`:
+
+    ```cpp
+    std::vector<JsonVariant> passed_predictions;
+
+    for (int i = 0; i < predictions.size(); ++i)
+    {
+        Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
+        float prediction_1_area = area(prediction_1_rect);
+        bool passed = true;
+
+        for (int j = i + 1; j < predictions.size(); ++j)
+        {
+            Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
+            float prediction_2_area = area(prediction_2_rect);
+
+            float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
+            float smallest_area = min(prediction_1_area, prediction_2_area);
+
+            if (overlap > (overlap_threshold * smallest_area))
+            {
+                passed = false;
+                break;
+            }
+        }
+
+        if (passed)
+        {
+            passed_predictions.push_back(predictions[i]);
+        }
+    }
+    ```
+
+    Ten kod deklaruje wektor do przechowywania przewidywań, które się nie nakładają. Następnie przechodzi przez wszystkie przewidywania, tworząc `Rect` z ramki ograniczającej.
+
+    Następnie kod przechodzi przez pozostałe przewidywania, zaczynając od tego, które jest po bieżącym przewidywaniu. Zapobiega to wielokrotnemu porównywaniu przewidywań - gdy 1 i 2 zostały porównane, nie ma potrzeby porównywania 2 z 1, tylko z 3, 4 itd.
+
+    Dla każdej pary przewidywań obliczana jest powierzchnia nakładania się. Następnie jest ona porównywana z powierzchnią najmniejszej ramki ograniczającej - jeśli nakładanie się przekracza próg procentowy najmniejszej ramki, przewidywanie jest oznaczane jako niezaliczone. Jeśli po porównaniu wszystkich nakładań przewidywanie przechodzi testy, jest dodawane do kolekcji `passed_predictions`.
+
+    > 💁 To bardzo uproszczony sposób usuwania nakładań, po prostu usuwając pierwsze z pary nakładających się. W kodzie produkcyjnym warto dodać więcej logiki, na przykład uwzględniając nakładania się między wieloma obiektami lub sytuację, gdy jedna ramka ograniczająca jest zawarta w innej.
+
+1. Po tym dodaj następujący kod do wysyłania szczegółów zaliczonych przewidywań do monitora szeregowego:
+
+    ```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);
+    }
+    ```
+
+    Ten kod przechodzi przez zaliczone przewidywania i drukuje ich szczegóły na monitorze szeregowym.
+
+1. Poniżej tego dodaj kod do drukowania liczby policzonych przedmiotów na monitorze szeregowym:
+
+    ```cpp
+    Serial.print("Counted ");
+    Serial.print(passed_predictions.size());
+    Serial.println(" stock items.");
+    ```
+
+    Liczba ta może być następnie wysłana do usługi IoT, aby ostrzec, jeśli poziomy zapasów są niskie.
+
+1. Prześlij i uruchom swój kod. Skieruj kamerę na przedmioty na półce i naciśnij przycisk C. Spróbuj dostosować wartość `overlap_threshold`, aby zobaczyć ignorowane przewidywania.
+
+    ```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.
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal).
+
+😀 Twój program do liczenia zapasów zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/pl/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
new file mode 100644
index 00000000..eecdbf40
--- /dev/null
+++ b/translations/pl/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
@@ -0,0 +1,114 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4cf1421420a6fab9ab4f2c391bd523b7",
+  "translation_date": "2025-08-26T06:28:27+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
+  "language_code": "pl"
+}
+-->
+# Wywołaj detektor obiektów z urządzenia IoT - Wio Terminal
+
+Po opublikowaniu detektora obiektów, można go używać z urządzenia IoT.
+
+## Skopiuj projekt klasyfikatora obrazów
+
+Większość kodu detektora obiektów jest taka sama jak kod klasyfikatora obrazów, który stworzyłeś w poprzedniej lekcji.
+
+### Zadanie - skopiuj projekt klasyfikatora obrazów
+
+1. Podłącz ArduCam do Wio Terminal, postępując zgodnie z krokami z [lekcji 2 projektu produkcyjnego](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera).
+
+    Możesz również ustabilizować kamerę w jednej pozycji, na przykład zawieszając kabel nad pudełkiem lub puszką, albo przymocowując kamerę do pudełka za pomocą taśmy dwustronnej.
+
+1. Utwórz nowy projekt Wio Terminal za pomocą PlatformIO. Nazwij ten projekt `stock-counter`.
+
+1. Powtórz kroki z [lekcji 2 projektu produkcyjnego](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device), aby przechwycić obrazy z kamery.
+
+1. Powtórz kroki z [lekcji 2 projektu produkcyjnego](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device), aby wywołać klasyfikator obrazów. Większość tego kodu zostanie ponownie użyta do wykrywania obiektów.
+
+## Zmień kod z klasyfikatora na detektor obrazów
+
+Kod używany do klasyfikacji obrazów jest bardzo podobny do kodu do wykrywania obiektów. Główna różnica polega na adresie URL, który uzyskałeś z Custom Vision, oraz wynikach wywołania.
+
+### Zadanie - zmień kod z klasyfikatora na detektor obrazów
+
+1. Dodaj następującą dyrektywę include na początku pliku `main.cpp`:
+
+    ```cpp
+    #include <vector>
+    ```
+
+1. Zmień nazwę funkcji `classifyImage` na `detectStock`, zarówno nazwę funkcji, jak i wywołanie w funkcji `buttonPressed`.
+
+1. Nad funkcją `detectStock` zadeklaruj próg, aby odfiltrować wykrycia o niskim prawdopodobieństwie:
+
+    ```cpp
+    const float threshold = 0.3f;
+    ```
+
+    W przeciwieństwie do klasyfikatora obrazów, który zwraca tylko jeden wynik na tag, detektor obiektów zwraca wiele wyników, więc te o niskim prawdopodobieństwie muszą zostać odfiltrowane.
+
+1. Nad funkcją `detectStock` zadeklaruj funkcję do przetwarzania przewidywań:
+
+    ```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);
+        }
+    }
+    ```
+
+    Funkcja ta przyjmuje listę przewidywań i drukuje je na monitorze szeregowym.
+
+1. W funkcji `detectStock` zastąp zawartość pętli `for`, która przechodzi przez przewidywania, następującym kodem:
+
+    ```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);
+    ```
+
+    Pętla przechodzi przez przewidywania, porównując prawdopodobieństwo z progiem. Wszystkie przewidywania o prawdopodobieństwie wyższym niż próg są dodawane do `list` i przekazywane do funkcji `processPredictions`.
+
+1. Wgraj i uruchom kod. Skieruj kamerę na obiekty na półce i naciśnij przycisk C. Zobaczysz wynik na monitorze szeregowym:
+
+    ```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%
+    ```
+
+    > 💁 Może być konieczne dostosowanie wartości `threshold` do odpowiedniego poziomu dla Twoich obrazów.
+
+    Będziesz mógł zobaczyć obraz, który został zrobiony, oraz te wartości w zakładce **Predictions** w Custom Vision.
+
+    ![4 puszki koncentratu pomidorowego na półce z przewidywaniami dla 4 wykryć: 35.8%, 33.5%, 25.7% i 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.pl.png)
+
+> 💁 Kod ten znajdziesz w folderze [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal).
+
+😀 Twój program liczący zapasy zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/README.md b/translations/pl/6-consumer/README.md
new file mode 100644
index 00000000..d78cd8c1
--- /dev/null
+++ b/translations/pl/6-consumer/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
+  "translation_date": "2025-08-26T07:12:18+00:00",
+  "source_file": "6-consumer/README.md",
+  "language_code": "pl"
+}
+-->
+# Consumer IoT - budowa inteligentnego asystenta głosowego
+
+Jedzenie zostało wyhodowane, przewiezione do zakładu przetwórczego, posortowane pod kątem jakości, sprzedane w sklepie, a teraz czas na gotowanie! Jednym z podstawowych elementów każdej kuchni jest minutnik. Na początku były to klepsydry – jedzenie było gotowe, gdy cały piasek przesypał się do dolnej bańki. Potem pojawiły się minutniki mechaniczne, a następnie elektryczne.
+
+Najnowocześniejsze wersje są teraz częścią naszych inteligentnych urządzeń. W kuchniach na całym świecie można usłyszeć kucharzy wołających: „Hej Siri – ustaw minutnik na 10 minut” albo „Alexa – anuluj minutnik do chleba”. Już nie musisz wracać do kuchni, żeby sprawdzić minutnik – możesz to zrobić z telefonu albo po prostu wykrzykując polecenie w pokoju.
+
+W tych 4 lekcjach nauczysz się, jak zbudować inteligentny minutnik, wykorzystując AI do rozpoznawania głosu, zrozumienia, o co prosisz, i odpowiedzi z informacjami o minutniku. Dodasz także obsługę wielu języków.
+
+> ⚠️ Praca z danymi mowy i mikrofonu zużywa dużo pamięci, co oznacza, że łatwo osiągnąć limity na mikrokontrolerach. Projekt tutaj omija te problemy, ale pamiętaj, że laboratoria z Wio Terminal są złożone i mogą zająć więcej czasu niż inne laboratoria w tym kursie.
+
+> 💁 Te lekcje wykorzystują pewne zasoby w chmurze. Jeśli nie ukończysz wszystkich lekcji w tym projekcie, upewnij się, że [posprzątasz swój projekt](../clean-up.md).
+
+## Tematy
+
+1. [Rozpoznawanie mowy za pomocą urządzenia IoT](./lessons/1-speech-recognition/README.md)
+1. [Zrozumienie języka](./lessons/2-language-understanding/README.md)
+1. [Ustawianie minutnika i udzielanie odpowiedzi głosowych](./lessons/3-spoken-feedback/README.md)
+1. [Obsługa wielu języków](./lessons/4-multiple-language-support/README.md)
+
+## Podziękowania
+
+Wszystkie lekcje zostały napisane z ♥️ przez [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić precyzję, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/README.md b/translations/pl/6-consumer/lessons/1-speech-recognition/README.md
new file mode 100644
index 00000000..ce12ed52
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/README.md
@@ -0,0 +1,233 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
+  "translation_date": "2025-08-26T07:22:31+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
+  "language_code": "pl"
+}
+-->
+# Rozpoznawanie mowy za pomocą urządzenia IoT
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+Ten film przedstawia przegląd usługi rozpoznawania mowy Azure, która będzie omawiana w tej lekcji:
+
+[![Jak rozpocząć korzystanie z zasobu Cognitive Services Speech z kanału Microsoft Azure na YouTube](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
+
+> 🎥 Kliknij powyższy obraz, aby obejrzeć film
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
+
+## Wprowadzenie
+
+„Alexa, ustaw minutnik na 12 minut”
+
+„Alexa, jaki jest status minutnika?”
+
+„Alexa, ustaw minutnik na 8 minut i nazwij go gotowanie brokułów na parze”
+
+Inteligentne urządzenia stają się coraz bardziej wszechobecne. Nie tylko jako inteligentne głośniki, takie jak HomePods, Echos i Google Homes, ale także wbudowane w nasze telefony, zegarki, a nawet oprawy oświetleniowe i termostaty.
+
+> 💁 W moim domu mam co najmniej 19 urządzeń z asystentami głosowymi, i to tylko te, o których wiem!
+
+Sterowanie głosem zwiększa dostępność, umożliwiając osobom z ograniczoną mobilnością interakcję z urządzeniami. Niezależnie od tego, czy jest to trwała niepełnosprawność, taka jak brak kończyn od urodzenia, czy tymczasowa, jak złamana ręka, albo sytuacja, gdy masz zajęte ręce zakupami lub opieką nad dziećmi, możliwość sterowania domem za pomocą głosu zamiast rąk otwiera świat nowych możliwości. Krzyknięcie „Hej Siri, zamknij drzwi garażowe” podczas zmiany pieluchy i radzenia sobie z niesfornym maluchem może być małą, ale skuteczną poprawą jakości życia.
+
+Jednym z bardziej popularnych zastosowań asystentów głosowych jest ustawianie minutników, zwłaszcza kuchennych. Możliwość ustawienia wielu minutników za pomocą głosu to ogromna pomoc w kuchni – nie trzeba przerywać wyrabiania ciasta, mieszania zupy czy mycia rąk z nadzienia do pierogów, aby użyć fizycznego minutnika.
+
+W tej lekcji nauczysz się, jak wbudować rozpoznawanie głosu w urządzenia IoT. Dowiesz się o mikrofonach jako czujnikach, jak przechwytywać dźwięk z mikrofonu podłączonego do urządzenia IoT oraz jak używać AI do konwersji tego, co zostało usłyszane, na tekst. W dalszej części projektu zbudujesz inteligentny minutnik kuchenny, który pozwoli ustawiać minutniki za pomocą głosu w wielu językach.
+
+W tej lekcji omówimy:
+
+* [Mikrofony](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Przechwytywanie dźwięku z urządzenia IoT](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Mowa na tekst](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Konwersja mowy na tekst](../../../../../6-consumer/lessons/1-speech-recognition)
+
+## Mikrofony
+
+Mikrofony to analogowe czujniki, które przekształcają fale dźwiękowe w sygnały elektryczne. Wibracje powietrza powodują minimalne ruchy elementów mikrofonu, co z kolei wywołuje niewielkie zmiany w sygnałach elektrycznych. Te zmiany są następnie wzmacniane, aby wygenerować sygnał elektryczny.
+
+### Rodzaje mikrofonów
+
+Mikrofony występują w różnych typach:
+
+* Dynamiczne – Mikrofony dynamiczne mają magnes przymocowany do ruchomej membrany, która porusza się w cewce drutu, tworząc prąd elektryczny. Jest to odwrotność większości głośników, które wykorzystują prąd elektryczny do poruszania magnesem w cewce drutu, poruszając membraną w celu wytworzenia dźwięku. Oznacza to, że głośniki mogą być używane jako mikrofony dynamiczne, a mikrofony dynamiczne jako głośniki. W urządzeniach takich jak domofony, gdzie użytkownik albo słucha, albo mówi, ale nie robi obu rzeczy jednocześnie, jedno urządzenie może działać zarówno jako głośnik, jak i mikrofon.
+
+    Mikrofony dynamiczne nie potrzebują zasilania, aby działać – sygnał elektryczny jest generowany wyłącznie przez mikrofon.
+
+    ![Patti Smith śpiewająca do mikrofonu dynamicznego typu kardioidalnego Shure SM58](../../../../../translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.pl.jpg)
+
+* Wstęgowe – Mikrofony wstęgowe są podobne do dynamicznych, ale zamiast membrany mają metalową wstęgę. Ta wstęga porusza się w polu magnetycznym, generując prąd elektryczny. Podobnie jak mikrofony dynamiczne, mikrofony wstęgowe nie potrzebują zasilania, aby działać.
+
+    ![Edmund Lowe, amerykański aktor, stojący przy mikrofonie radiowym (oznaczonym jako (NBC) Blue Network), trzymający scenariusz, 1942](../../../../../translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.pl.jpg)
+
+* Pojemnościowe – Mikrofony pojemnościowe mają cienką metalową membranę i stałą metalową płytkę tylną. Do obu tych elementów przykładane jest napięcie, a gdy membrana wibruje, zmienia się ładunek elektrostatyczny między płytkami, generując sygnał. Mikrofony pojemnościowe potrzebują zasilania, aby działać – nazywanego *zasilaniem fantomowym*.
+
+    ![Mikrofon pojemnościowy o małej membranie C451B firmy AKG Acoustics](../../../../../translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.pl.jpg)
+
+* MEMS – Mikrofony systemów mikroelektromechanicznych, czyli MEMS, to mikrofony na chipie. Mają one czułą na ciśnienie membranę wytrawioną na krzemowym chipie i działają podobnie do mikrofonu pojemnościowego. Te mikrofony mogą być bardzo małe i zintegrowane z układami elektronicznymi.
+
+    ![Mikrofon MEMS na płytce drukowanej](../../../../../translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.pl.png)
+
+    Na powyższym obrazie chip oznaczony jako **LEFT** to mikrofon MEMS z membraną o szerokości mniejszej niż milimetr.
+
+✅ Zrób badanie: Jakie mikrofony masz wokół siebie – w komputerze, telefonie, zestawie słuchawkowym lub innych urządzeniach? Jakiego są typu?
+
+### Cyfrowy dźwięk
+
+Dźwięk to sygnał analogowy niosący bardzo szczegółowe informacje. Aby przekształcić ten sygnał na cyfrowy, dźwięk musi być próbkowany tysiące razy na sekundę.
+
+> 🎓 Próbkowanie to proces konwersji sygnału dźwiękowego na wartość cyfrową, która reprezentuje sygnał w danym momencie.
+
+![Wykres liniowy przedstawiający sygnał z dyskretnymi punktami w stałych odstępach](../../../../../translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.pl.png)
+
+Cyfrowy dźwięk jest próbkowany za pomocą modulacji kodu impulsowego (PCM). PCM polega na odczytywaniu napięcia sygnału i wybieraniu najbliższej wartości dyskretnej odpowiadającej temu napięciu, zgodnie z określoną rozdzielczością.
+
+> 💁 Możesz myśleć o PCM jako o wersji czujnika modulacji szerokości impulsu (PWM). (PWM było omawiane w [lekcji 3 projektu wprowadzającego](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation)). PCM konwertuje sygnał analogowy na cyfrowy, a PWM konwertuje sygnał cyfrowy na analogowy.
+
+Na przykład większość serwisów streamingowych oferuje dźwięk 16-bitowy lub 24-bitowy. Oznacza to, że przekształcają napięcie w wartość mieszczącą się w 16-bitowej liczbie całkowitej lub 24-bitowej liczbie całkowitej. Dźwięk 16-bitowy mieści się w zakresie od -32 768 do 32 767, a 24-bitowy w zakresie od -8 388 608 do 8 388 607. Im więcej bitów, tym bliższa próbka jest temu, co faktycznie słyszą nasze uszy.
+
+> 💁 Być może słyszałeś o dźwięku 8-bitowym, często nazywanym LoFi. To dźwięk próbkowany przy użyciu tylko 8 bitów, czyli w zakresie od -128 do 127. Pierwsze komputery obsługiwały dźwięk 8-bitowy z powodu ograniczeń sprzętowych, dlatego często kojarzy się go z retro grami.
+
+Próbki są pobierane tysiące razy na sekundę, przy użyciu dobrze zdefiniowanych częstotliwości próbkowania mierzonych w kHz (tysiące odczytów na sekundę). Serwisy streamingowe używają 48 kHz dla większości dźwięków, ale niektóre formaty „bezstratne” używają nawet 96 kHz lub 192 kHz. Im wyższa częstotliwość próbkowania, tym bliższy oryginałowi będzie dźwięk, do pewnego momentu. Istnieją debaty, czy ludzie są w stanie zauważyć różnicę powyżej 48 kHz.
+
+✅ Zrób badanie: Jeśli korzystasz z serwisu streamingowego, jaka jest częstotliwość próbkowania i rozdzielczość dźwięku, który oferuje? Jeśli używasz płyt CD, jaka jest częstotliwość próbkowania i rozdzielczość dźwięku na płytach CD?
+
+Istnieje wiele różnych formatów danych audio. Prawdopodobnie słyszałeś o plikach mp3 – danych audio skompresowanych w celu zmniejszenia rozmiaru bez utraty jakości. Nieskompresowany dźwięk jest często przechowywany jako plik WAV – to plik zawierający 44 bajty informacji nagłówkowych, a następnie surowe dane audio. Nagłówek zawiera informacje takie jak częstotliwość próbkowania (na przykład 16 000 dla 16 kHz), rozdzielczość próbek (16 dla 16-bitów) i liczba kanałów. Po nagłówku plik WAV zawiera surowe dane audio.
+
+> 🎓 Kanały odnoszą się do liczby różnych strumieni audio składających się na dźwięk. Na przykład dla dźwięku stereo z lewym i prawym kanałem byłyby 2 kanały. Dla dźwięku przestrzennego 7.1 w systemie kina domowego byłoby to 8 kanałów.
+
+### Rozmiar danych audio
+
+Dane audio są stosunkowo duże. Na przykład przechwytywanie nieskompresowanego dźwięku 16-bitowego przy 16 kHz (wystarczająca jakość dla modeli rozpoznawania mowy) zajmuje 32 KB danych na każdą sekundę dźwięku:
+
+* 16-bit oznacza 2 bajty na próbkę (1 bajt to 8 bitów).
+* 16 kHz to 16 000 próbek na sekundę.
+* 16 000 x 2 bajty = 32 000 bajtów na sekundę.
+
+To może wydawać się niewielką ilością danych, ale jeśli używasz mikrokontrolera z ograniczoną pamięcią, może to być dużo. Na przykład Wio Terminal ma 192 KB pamięci, która musi przechowywać kod programu i zmienne. Nawet jeśli kod programu byłby bardzo mały, nie można by przechwycić więcej niż 5 sekund dźwięku.
+
+Mikrokontrolery mogą uzyskać dostęp do dodatkowej pamięci, takiej jak karty SD lub pamięć flash. Budując urządzenie IoT przechwytujące dźwięk, musisz upewnić się, że masz dodatkową pamięć, a Twój kod zapisuje przechwycony dźwięk bezpośrednio na tę pamięć. Podczas wysyłania danych do chmury należy przesyłać je strumieniowo z pamięci do żądania sieciowego, aby uniknąć wyczerpania pamięci przez próbę przechowywania całego bloku danych audio naraz.
+
+## Przechwytywanie dźwięku z urządzenia IoT
+
+Twoje urządzenie IoT może być podłączone do mikrofonu w celu przechwytywania dźwięku, gotowego do konwersji na tekst. Może być również podłączone do głośników w celu odtwarzania dźwięku. W późniejszych lekcjach będzie to używane do przekazywania informacji zwrotnych w formie dźwiękowej, ale warto skonfigurować głośniki już teraz, aby przetestować mikrofon.
+
+### Zadanie – skonfiguruj mikrofon i głośniki
+
+Przejdź przez odpowiedni przewodnik, aby skonfigurować mikrofon i głośniki dla swojego urządzenia IoT:
+
+* [Arduino – Wio Terminal](wio-terminal-microphone.md)
+* [Komputer jednopłytkowy – Raspberry Pi](pi-microphone.md)
+* [Komputer jednopłytkowy – urządzenie wirtualne](virtual-device-microphone.md)
+
+### Zadanie – przechwytywanie dźwięku
+
+Przejdź przez odpowiedni przewodnik, aby przechwycić dźwięk na swoim urządzeniu IoT:
+
+* [Arduino – Wio Terminal](wio-terminal-audio.md)
+* [Komputer jednopłytkowy – Raspberry Pi](pi-audio.md)
+* [Komputer jednopłytkowy – urządzenie wirtualne](virtual-device-audio.md)
+
+## Mowa na tekst
+
+Mowa na tekst, czyli rozpoznawanie mowy, polega na wykorzystaniu AI do konwersji słów z sygnału dźwiękowego na tekst.
+
+### Modele rozpoznawania mowy
+
+Aby przekształcić mowę na tekst, próbki sygnału dźwiękowego są grupowane i przekazywane do modelu uczenia maszynowego opartego na rekurencyjnej sieci neuronowej (RNN). Jest to rodzaj modelu uczenia maszynowego, który może wykorzystać wcześniejsze dane do podejmowania decyzji o nowych danych. Na przykład RNN może rozpoznać jeden blok próbek dźwięku jako dźwięk „Hel”, a gdy otrzyma kolejny blok, który uzna za dźwięk „lo”, może połączyć to z poprzednim dźwiękiem, znaleźć słowo „Hello” i wybrać je jako wynik.
+
+Modele ML zawsze przyjmują dane o tym samym rozmiarze. Klasyfikator obrazów, który zbudowałeś w jednej z wcześniejszych lekcji, zmieniał rozmiar obrazów do ustalonego rozmiaru przed ich przetworzeniem. Podobnie jest z modelami mowy – muszą one przetwarzać bloki dźwięku o stałym rozmiarze. Modele mowy muszą być w stanie łączyć wyniki wielu przewidywań, aby uzyskać odpowiedź, co pozwala im rozróżniać np. „Hi” i „Highway” lub „flock” i „floccinaucinihilipilification”.
+
+Modele mowy są również na tyle zaawansowane, że rozumieją kontekst i mogą korygować wykryte słowa w miarę przetwarzania kolejnych dźwięków. Na przykład, jeśli powiesz „Poszedłem do sklepu, żeby kupić dwa banany i jabłko też”, użyjesz trzech słów brzmiących tak samo, ale pisanych inaczej – to, two i too. Modele mowy są w stanie zrozumieć kontekst i użyć odpowiedniej pisowni słowa.
+💁 Niektóre usługi mowy umożliwiają dostosowanie, aby lepiej działały w hałaśliwym środowisku, takim jak fabryki, lub z branżowymi terminami, na przykład nazwami chemikaliów. Te dostosowania są trenowane poprzez dostarczanie próbek audio i transkrypcji, i działają na zasadzie transferu uczenia, podobnie jak trenowanie klasyfikatora obrazów przy użyciu zaledwie kilku obrazów w poprzedniej lekcji.
+### Prywatność
+
+Podczas korzystania z funkcji rozpoznawania mowy w urządzeniach IoT dla konsumentów, prywatność jest niezwykle ważna. Te urządzenia stale nasłuchują dźwięków, więc jako użytkownik nie chcesz, aby wszystko, co mówisz, było przesyłane do chmury i zamieniane na tekst. Nie tylko zużywa to dużo przepustowości Internetu, ale ma również ogromne konsekwencje dla prywatności, zwłaszcza gdy niektórzy producenci inteligentnych urządzeń losowo wybierają nagrania audio, aby [ludzie mogli je porównać z wygenerowanym tekstem w celu ulepszenia modelu](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings).
+
+Chcesz, aby Twoje inteligentne urządzenie przesyłało dźwięk do chmury tylko wtedy, gdy z niego korzystasz, a nie gdy wykrywa dźwięki w Twoim domu, które mogą obejmować prywatne rozmowy czy intymne interakcje. Większość inteligentnych urządzeń działa w oparciu o *słowo wybudzające*, czyli frazę kluczową, taką jak „Alexa”, „Hej Siri” czy „OK Google”, która powoduje, że urządzenie „budzi się” i zaczyna nasłuchiwać tego, co mówisz, aż wykryje przerwę w mowie, co oznacza, że skończyłeś mówić do urządzenia.
+
+> 🎓 Wykrywanie słowa wybudzającego nazywane jest również *rozpoznawaniem słów kluczowych* lub *wykrywaniem słów kluczowych*.
+
+Te słowa wybudzające są wykrywane na urządzeniu, a nie w chmurze. Inteligentne urządzenia mają małe modele AI, które działają lokalnie i nasłuchują słowa wybudzającego. Gdy zostanie ono wykryte, urządzenie zaczyna przesyłać dźwięk do chmury w celu rozpoznania. Modele te są bardzo wyspecjalizowane i służą wyłącznie do wykrywania słowa wybudzającego.
+
+> 💁 Niektóre firmy technologiczne zwiększają prywatność swoich urządzeń, umożliwiając częściową konwersję mowy na tekst na urządzeniu. Apple ogłosiło, że w ramach aktualizacji iOS i macOS w 2021 roku będą wspierać konwersję mowy na tekst na urządzeniu, co pozwoli obsługiwać wiele żądań bez konieczności korzystania z chmury. Jest to możliwe dzięki wydajnym procesorom w ich urządzeniach, które mogą obsługiwać modele ML.
+
+✅ Jakie Twoim zdaniem są konsekwencje dla prywatności i etyki związane z przechowywaniem dźwięku przesyłanego do chmury? Czy takie nagrania powinny być przechowywane, a jeśli tak, to w jaki sposób? Czy uważasz, że wykorzystanie nagrań przez organy ścigania jest dobrą wymianą za utratę prywatności?
+
+Wykrywanie słowa wybudzającego zazwyczaj wykorzystuje technikę znaną jako TinyML, która polega na przekształcaniu modeli ML tak, aby mogły działać na mikrokontrolerach. Modele te są małe i zużywają bardzo mało energii.
+
+Aby uniknąć złożoności związanej z trenowaniem i używaniem modelu wykrywającego słowo wybudzające, inteligentny timer, który budujesz w tej lekcji, będzie używał przycisku do włączania rozpoznawania mowy.
+
+> 💁 Jeśli chcesz spróbować stworzyć model wykrywający słowo wybudzające, który działa na Wio Terminal lub Raspberry Pi, sprawdź ten [samouczek od Edge Impulse dotyczący reagowania na Twój głos](https://docs.edgeimpulse.com/docs/responding-to-your-voice). Jeśli chcesz użyć swojego komputera, możesz wypróbować [szybki start z niestandardowym słowem kluczowym w dokumentacji Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn).
+
+## Konwersja mowy na tekst
+
+![Logo usług mowy](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.pl.png)
+
+Podobnie jak w przypadku klasyfikacji obrazów w wcześniejszym projekcie, istnieją gotowe usługi AI, które mogą przekształcić mowę z pliku audio na tekst. Jedną z takich usług jest Speech Service, część Cognitive Services, gotowych usług AI, które możesz wykorzystać w swoich aplikacjach.
+
+### Zadanie - skonfiguruj zasób AI do obsługi mowy
+
+1. Utwórz grupę zasobów dla tego projektu o nazwie `smart-timer`.
+
+1. Użyj następującego polecenia, aby utworzyć darmowy zasób mowy:
+
+    ```sh
+    az cognitiveservices account create --name smart-timer \
+                                        --resource-group smart-timer \
+                                        --kind SpeechServices \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Zamień `<location>` na lokalizację, którą wybrałeś podczas tworzenia grupy zasobów.
+
+1. Aby uzyskać klucz API potrzebny do dostępu do zasobu mowy z kodu, uruchom następujące polecenie:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    Skopiuj jeden z kluczy.
+
+### Zadanie - konwersja mowy na tekst
+
+Przejdź przez odpowiedni przewodnik, aby przekształcić mowę na tekst na swoim urządzeniu IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-speech-to-text.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-speech-to-text.md)
+
+---
+
+## 🚀 Wyzwanie
+
+Rozpoznawanie mowy istnieje od dawna i stale się rozwija. Zbadaj obecne możliwości i porównaj, jak ewoluowały na przestrzeni lat, w tym jak dokładne są transkrypcje maszynowe w porównaniu z ludzkimi.
+
+Jak myślisz, co przyniesie przyszłość dla rozpoznawania mowy?
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj o różnych typach mikrofonów i ich działaniu w artykule [jaka jest różnica między mikrofonami dynamicznymi a pojemnościowymi na Musician's HQ](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/).
+* Dowiedz się więcej o usłudze mowy w Cognitive Services w [dokumentacji usługi mowy na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn).
+* Przeczytaj o rozpoznawaniu słów kluczowych w [dokumentacji rozpoznawania słów kluczowych na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn).
+
+## Zadanie
+
+[](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/pl/6-consumer/lessons/1-speech-recognition/assignment.md
new file mode 100644
index 00000000..00a2cc1a
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/assignment.md
@@ -0,0 +1,19 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5ae7654f519ae831179409dc8e528055",
+  "translation_date": "2025-08-26T07:23:58+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
+  "language_code": "pl"
+}
+-->
+## Instrukcje
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Wystarczające | Wymaga poprawy |
+| --------- | -------- | ------------- | --------------- |
+| |  |  |  |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/pl/6-consumer/lessons/1-speech-recognition/pi-audio.md
new file mode 100644
index 00000000..70e94241
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/pi-audio.md
@@ -0,0 +1,225 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
+  "translation_date": "2025-08-26T07:21:44+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
+  "language_code": "pl"
+}
+-->
+# Przechwytywanie dźwięku - Raspberry Pi
+
+W tej części lekcji napiszesz kod do przechwytywania dźwięku na Raspberry Pi. Przechwytywanie dźwięku będzie kontrolowane za pomocą przycisku.
+
+## Sprzęt
+
+Raspberry Pi potrzebuje przycisku do kontrolowania przechwytywania dźwięku.
+
+Przycisk, którego użyjesz, to przycisk Grove. Jest to cyfrowy sensor, który włącza lub wyłącza sygnał. Te przyciski można skonfigurować tak, aby wysyłały wysoki sygnał po naciśnięciu i niski, gdy nie są naciśnięte, lub niski po naciśnięciu i wysoki, gdy nie są naciśnięte.
+
+Jeśli używasz mikrofonu ReSpeaker 2-Mics Pi HAT, nie musisz podłączać przycisku, ponieważ ten HAT ma już wbudowany przycisk. Przejdź do następnej sekcji.
+
+### Podłączanie przycisku
+
+Przycisk można podłączyć do podstawowego HAT-a Grove.
+
+#### Zadanie - podłącz przycisk
+
+![Przycisk Grove](../../../../../translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.pl.png)
+
+1. Włóż jeden koniec kabla Grove do gniazda na module przycisku. Kabel wejdzie tylko w jeden sposób.
+
+1. Przy wyłączonym Raspberry Pi podłącz drugi koniec kabla Grove do cyfrowego gniazda oznaczonego **D5** na podstawowym HAT-cie Grove przymocowanym do Pi. To gniazdo jest drugie od lewej, w rzędzie gniazd obok pinów GPIO.
+
+![Przycisk Grove podłączony do gniazda D5](../../../../../translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.pl.png)
+
+## Przechwytywanie dźwięku
+
+Możesz przechwytywać dźwięk z mikrofonu za pomocą kodu w Pythonie.
+
+### Zadanie - przechwyć dźwięk
+
+1. Włącz Raspberry Pi i poczekaj, aż się uruchomi.
+
+1. Uruchom VS Code, bezpośrednio na Pi lub połącz się za pomocą rozszerzenia Remote SSH.
+
+1. Pakiet PyAudio Pip zawiera funkcje do nagrywania i odtwarzania dźwięku. Ten pakiet wymaga zainstalowania kilku bibliotek audio. Uruchom następujące polecenia w terminalu, aby je zainstalować:
+
+    ```sh
+    sudo apt update
+    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
+    ```
+
+1. Zainstaluj pakiet PyAudio Pip.
+
+    ```sh
+    pip3 install pyaudio
+    ```
+
+1. Utwórz nowy folder o nazwie `smart-timer` i dodaj do niego plik o nazwie `app.py`.
+
+1. Dodaj następujące importy na początku tego pliku:
+
+    ```python
+    import io
+    import pyaudio
+    import time
+    import wave
+    
+    from grove.factory import Factory
+    ```
+
+    Importuje to moduł `pyaudio`, kilka standardowych modułów Pythona do obsługi plików WAV oraz moduł `grove.factory` do importowania klasy `Factory` w celu utworzenia klasy przycisku.
+
+1. Poniżej dodaj kod do utworzenia przycisku Grove.
+
+    Jeśli używasz ReSpeaker 2-Mics Pi HAT, użyj następującego kodu:
+
+    ```python
+    # The button on the ReSpeaker 2-Mics Pi HAT
+    button = Factory.getButton("GPIO-LOW", 17)
+    ```
+
+    Tworzy to przycisk na porcie **D17**, do którego podłączony jest przycisk na ReSpeaker 2-Mics Pi HAT. Ten przycisk jest ustawiony na wysyłanie niskiego sygnału po naciśnięciu.
+
+    Jeśli nie używasz ReSpeaker 2-Mics Pi HAT, a używasz przycisku Grove podłączonego do podstawowego HAT-a, użyj tego kodu:
+
+    ```python
+    button = Factory.getButton("GPIO-HIGH", 5)
+    ```
+
+    Tworzy to przycisk na porcie **D5**, który jest ustawiony na wysyłanie wysokiego sygnału po naciśnięciu.
+
+1. Poniżej utwórz instancję klasy PyAudio do obsługi dźwięku:
+
+    ```python
+    audio = pyaudio.PyAudio()
+    ```
+
+1. Zdeklaruj numer karty sprzętowej dla mikrofonu i głośnika. Będzie to numer karty, który znalazłeś, uruchamiając `arecord -l` i `aplay -l` wcześniej w tej lekcji.
+
+    ```python
+    microphone_card_number = <microphone card number>
+    speaker_card_number = <speaker card number>
+    ```
+
+    Zamień `<microphone card number>` na numer karty mikrofonu.
+
+    Zamień `<speaker card number>` na numer karty głośnika, ten sam numer, który ustawiłeś w pliku `alsa.conf`.
+
+1. Poniżej zdeklaruj częstotliwość próbkowania do użycia podczas przechwytywania i odtwarzania dźwięku. Może być konieczne zmienienie tego w zależności od używanego sprzętu.
+
+    ```python
+    rate = 48000 #48KHz
+    ```
+
+    Jeśli podczas uruchamiania tego kodu pojawią się błędy związane z częstotliwością próbkowania, zmień tę wartość na `44100` lub `16000`. Im wyższa wartość, tym lepsza jakość dźwięku.
+
+1. Poniżej utwórz nową funkcję o nazwie `capture_audio`. Będzie ona wywoływana w celu przechwytywania dźwięku z mikrofonu:
+
+    ```python
+    def capture_audio():
+    ```
+
+1. Wewnątrz tej funkcji dodaj następujący kod do przechwytywania dźwięku:
+
+    ```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()
+    ```
+
+    Ten kod otwiera strumień wejściowy audio za pomocą obiektu PyAudio. Strumień ten przechwytuje dźwięk z mikrofonu z częstotliwością 16 kHz, przechwytując go w buforach o rozmiarze 4096 bajtów.
+
+    Kod następnie pętli się, dopóki przycisk Grove jest naciśnięty, odczytując te bufory o rozmiarze 4096 bajtów do tablicy za każdym razem.
+
+    > 💁 Więcej informacji o opcjach przekazywanych do metody `open` znajdziesz w [dokumentacji PyAudio](https://people.csail.mit.edu/hubert/pyaudio/docs/).
+
+    Po zwolnieniu przycisku strumień jest zatrzymywany i zamykany.
+
+1. Dodaj następujący kod na końcu tej funkcji:
+
+    ```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
+    ```
+
+    Ten kod tworzy binarny bufor i zapisuje cały przechwycony dźwięk jako [plik WAV](https://wikipedia.org/wiki/WAV). Jest to standardowy sposób zapisywania nieskompresowanego dźwięku do pliku. Bufor ten jest następnie zwracany.
+
+1. Dodaj następującą funkcję `play_audio`, aby odtworzyć bufor audio:
+
+    ```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()
+    ```
+
+    Ta funkcja otwiera kolejny strumień audio, tym razem do wyjścia - aby odtworzyć dźwięk. Używa tych samych ustawień co strumień wejściowy. Bufor jest następnie otwierany jako plik WAV i zapisywany do strumienia wyjściowego w kawałkach o rozmiarze 4096 bajtów, odtwarzając dźwięk. Strumień jest następnie zamykany.
+
+1. Dodaj następujący kod poniżej funkcji `capture_audio`, aby pętlić się, dopóki przycisk nie zostanie naciśnięty. Po naciśnięciu przycisku dźwięk jest przechwytywany, a następnie odtwarzany.
+
+    ```python
+    while True:
+        while not button.is_pressed():
+            time.sleep(.1)
+        
+        buffer = capture_audio()
+        play_audio(buffer)
+    ```
+
+1. Uruchom kod. Naciśnij przycisk i mów do mikrofonu. Zwolnij przycisk, gdy skończysz, a usłyszysz nagranie.
+
+    Możesz otrzymać pewne błędy ALSA podczas tworzenia instancji PyAudio. Wynika to z konfiguracji na Pi dla urządzeń audio, których nie masz. Możesz zignorować te błędy.
+
+    ```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
+    ```
+
+    Jeśli otrzymasz następujący błąd:
+
+    ```output
+    OSError: [Errno -9997] Invalid sample rate
+    ```
+
+    zmień wartość `rate` na 44100 lub 16000.
+
+> 💁 Ten kod znajdziesz w folderze [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi).
+
+😀 Twój program do nagrywania dźwięku zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/pl/6-consumer/lessons/1-speech-recognition/pi-microphone.md
new file mode 100644
index 00000000..4cd8dc3f
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/pi-microphone.md
@@ -0,0 +1,155 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
+  "translation_date": "2025-08-26T07:26:10+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
+  "language_code": "pl"
+}
+-->
+# Konfiguracja mikrofonu i głośników - Raspberry Pi
+
+W tej części lekcji dodasz mikrofon i głośniki do swojego Raspberry Pi.
+
+## Sprzęt
+
+Raspberry Pi potrzebuje mikrofonu.
+
+Pi nie ma wbudowanego mikrofonu, więc musisz podłączyć zewnętrzny mikrofon. Istnieje kilka sposobów, aby to zrobić:
+
+* Mikrofon USB
+* Zestaw słuchawkowy USB
+* Zintegrowany głośnik konferencyjny USB
+* Adapter audio USB i mikrofon z wtykiem 3,5 mm
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+
+> 💁 Mikrofony Bluetooth nie są w pełni obsługiwane na Raspberry Pi, więc jeśli masz mikrofon lub zestaw słuchawkowy Bluetooth, możesz napotkać problemy z parowaniem lub nagrywaniem dźwięku.
+
+Raspberry Pi posiada gniazdo słuchawkowe 3,5 mm. Możesz je wykorzystać do podłączenia słuchawek, zestawu słuchawkowego lub głośnika. Możesz również dodać głośniki za pomocą:
+
+* Dźwięku HDMI przez monitor lub telewizor
+* Głośników USB
+* Zestawu słuchawkowego USB
+* Zintegrowanego głośnika konferencyjnego USB
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) z podłączonym głośnikiem, albo do gniazda 3,5 mm, albo do portu JST
+
+## Podłączanie i konfiguracja mikrofonu i głośników
+
+Mikrofon i głośniki muszą być podłączone i skonfigurowane.
+
+### Zadanie - podłączanie i konfiguracja mikrofonu
+
+1. Podłącz mikrofon odpowiednią metodą. Na przykład, podłącz go do jednego z portów USB.
+
+1. Jeśli używasz ReSpeaker 2-Mics Pi HAT, możesz zdjąć bazowy hat Grove, a następnie zamontować hat ReSpeaker w jego miejsce.
+
+    ![Raspberry Pi z zamontowanym hatem ReSpeaker](../../../../../translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.pl.png)
+
+    W późniejszej części lekcji będziesz potrzebować przycisku Grove, ale jeden jest wbudowany w ten hat, więc bazowy hat Grove nie jest potrzebny.
+
+    Po zamontowaniu hatu, musisz zainstalować sterowniki. Zapoznaj się z [instrukcjami rozpoczęcia pracy od Seeed](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) dotyczącymi instalacji sterowników.
+
+    > ⚠️ Instrukcje używają `git` do klonowania repozytorium. Jeśli nie masz zainstalowanego `git` na swoim Pi, możesz go zainstalować, uruchamiając następujące polecenie:
+    >
+    > ```sh
+    > sudo apt install git --yes
+    > ```
+
+1. Uruchom następujące polecenie w Terminalu na Pi lub połączonym za pomocą VS Code i sesji zdalnej SSH, aby zobaczyć informacje o podłączonym mikrofonie:
+
+    ```sh
+    arecord -l
+    ```
+
+    Zobaczysz listę podłączonych mikrofonów. Wygląda to mniej więcej tak:
+
+    ```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
+    ```
+
+    Zakładając, że masz tylko jeden mikrofon, powinieneś zobaczyć tylko jeden wpis. Konfiguracja mikrofonów na Linuxie może być trudna, więc najłatwiej jest używać tylko jednego mikrofonu i odłączyć pozostałe.
+
+    Zanotuj numer karty, ponieważ będzie potrzebny później. W powyższym przykładzie numer karty to 1.
+
+### Zadanie - podłączanie i konfiguracja głośnika
+
+1. Podłącz głośniki odpowiednią metodą.
+
+1. Uruchom następujące polecenie w Terminalu na Pi lub połączonym za pomocą VS Code i sesji zdalnej SSH, aby zobaczyć informacje o podłączonych głośnikach:
+
+    ```sh
+    aplay -l
+    ```
+
+    Zobaczysz listę podłączonych głośników. Wygląda to mniej więcej tak:
+
+    ```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
+    ```
+
+    Zawsze zobaczysz `card 0: Headphones`, ponieważ jest to wbudowane gniazdo słuchawkowe. Jeśli dodałeś dodatkowe głośniki, takie jak głośnik USB, zobaczysz je również na liście.
+
+1. Jeśli używasz dodatkowego głośnika, a nie głośnika lub słuchawek podłączonych do wbudowanego gniazda słuchawkowego, musisz skonfigurować go jako domyślny. Aby to zrobić, uruchom następujące polecenie:
+
+    ```sh
+    sudo nano /usr/share/alsa/alsa.conf
+    ```
+
+    Otworzy się plik konfiguracyjny w `nano`, edytorze tekstu działającym w terminalu. Przewiń w dół za pomocą strzałek na klawiaturze, aż znajdziesz następującą linię:
+
+    ```output
+    defaults.pcm.card 0
+    ```
+
+    Zmień wartość z `0` na numer karty, którą chcesz używać z listy uzyskanej z wywołania `aplay -l`. Na przykład, w powyższym przykładzie jest druga karta dźwiękowa o nazwie `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]`, używająca karty 1. Aby ją użyć, zaktualizowałbym linię do:
+
+    ```output
+    defaults.pcm.card 1
+    ```
+
+    Ustaw tę wartość na odpowiedni numer karty. Możesz nawigować do numeru za pomocą strzałek na klawiaturze, a następnie usunąć i wpisać nowy numer jak w przypadku edycji zwykłych plików tekstowych.
+
+1. Zapisz zmiany i zamknij plik, naciskając `Ctrl+x`. Naciśnij `y`, aby zapisać plik, a następnie `Enter`, aby wybrać nazwę pliku.
+
+### Zadanie - testowanie mikrofonu i głośnika
+
+1. Uruchom następujące polecenie, aby nagrać 5 sekund dźwięku za pomocą mikrofonu:
+
+    ```sh
+    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
+    ```
+
+    Podczas działania tego polecenia wydawaj dźwięki do mikrofonu, na przykład mówiąc, śpiewając, beatboxując, grając na instrumencie lub robiąc cokolwiek, co Ci się podoba.
+
+1. Po 5 sekundach nagrywanie się zatrzyma. Uruchom następujące polecenie, aby odtworzyć nagrany dźwięk:
+
+    ```sh
+    aplay --format=S16_LE --rate=16000 out.wav
+    ```
+
+    Usłyszysz odtwarzany dźwięk przez głośniki. W razie potrzeby dostosuj głośność wyjściową na głośniku.
+
+1. Jeśli musisz dostosować głośność wbudowanego portu mikrofonowego lub wzmocnienie mikrofonu, możesz użyć narzędzia `alsamixer`. Więcej informacji o tym narzędziu znajdziesz na [stronie man alsamixer dla Linuxa](https://linux.die.net/man/1/alsamixer).
+
+1. Jeśli napotkasz błędy podczas odtwarzania dźwięku, sprawdź kartę ustawioną jako `defaults.pcm.card` w pliku `alsa.conf`.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/pl/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
new file mode 100644
index 00000000..72412765
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
+  "translation_date": "2025-08-26T07:27:00+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
+  "language_code": "pl"
+}
+-->
+# Przekształcanie mowy na tekst - Raspberry Pi
+
+W tej części lekcji napiszesz kod, który przekształci mowę z nagranego dźwięku na tekst, korzystając z usługi rozpoznawania mowy.
+
+## Wysyłanie dźwięku do usługi rozpoznawania mowy
+
+Dźwięk można wysłać do usługi rozpoznawania mowy za pomocą interfejsu REST API. Aby korzystać z tej usługi, najpierw musisz uzyskać token dostępu, a następnie użyć go do korzystania z REST API. Tokeny dostępu wygasają po 10 minutach, więc Twój kod powinien regularnie je odświeżać, aby zawsze były aktualne.
+
+### Zadanie - uzyskanie tokenu dostępu
+
+1. Otwórz projekt `smart-timer` na swoim Raspberry Pi.
+
+1. Usuń funkcję `play_audio`. Nie jest już potrzebna, ponieważ nie chcesz, aby inteligentny timer powtarzał to, co powiedziałeś.
+
+1. Dodaj następujący import na początku pliku `app.py`:
+
+    ```python
+    import requests
+    ```
+
+1. Dodaj poniższy kod powyżej pętli `while True`, aby zadeklarować ustawienia dla usługi rozpoznawania mowy:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+    ```
+
+    Zamień `<key>` na klucz API dla Twojego zasobu usługi rozpoznawania mowy. Zamień `<location>` na lokalizację, którą wybrałeś podczas tworzenia zasobu usługi rozpoznawania mowy.
+
+    Zamień `<language>` na nazwę lokalizacji języka, w którym będziesz mówić, na przykład `en-GB` dla angielskiego lub `zn-HK` dla kantońskiego. Listę obsługiwanych języków i ich nazw lokalizacji znajdziesz w [dokumentacji wsparcia językowego i głosowego na stronie Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+1. Poniżej tego kodu dodaj następującą funkcję, aby uzyskać token dostępu:
+
+    ```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)
+    ```
+
+    Funkcja ta wywołuje punkt końcowy wydawania tokenów, przekazując klucz API jako nagłówek. Wywołanie to zwraca token dostępu, który można wykorzystać do wywoływania usług rozpoznawania mowy.
+
+1. Poniżej tego kodu zadeklaruj funkcję, która przekształci mowę z nagranego dźwięku na tekst za pomocą REST API:
+
+    ```python
+    def convert_speech_to_text(buffer):
+    ```
+
+1. Wewnątrz tej funkcji skonfiguruj URL REST API i nagłówki:
+
+    ```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
+    }
+    ```
+
+    Funkcja ta tworzy URL, używając lokalizacji zasobu usługi rozpoznawania mowy. Następnie wypełnia nagłówki tokenem dostępu z funkcji `get_access_token`, a także częstotliwością próbkowania używaną do nagrywania dźwięku. Na końcu definiuje parametry przekazywane w URL, zawierające język nagranego dźwięku.
+
+1. Poniżej tego kodu dodaj następujący kod, aby wywołać REST API i uzyskać tekst:
+
+    ```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 ''
+    ```
+
+    Funkcja ta wywołuje URL i dekoduje wartość JSON, która jest zwracana w odpowiedzi. Wartość `RecognitionStatus` w odpowiedzi wskazuje, czy udało się poprawnie przekształcić mowę na tekst. Jeśli wartość ta to `Success`, funkcja zwraca tekst, w przeciwnym razie zwraca pusty ciąg znaków.
+
+1. Powyżej pętli `while True:` zdefiniuj funkcję, która przetworzy tekst zwrócony przez usługę rozpoznawania mowy. Na razie funkcja ta po prostu wypisze tekst w konsoli.
+
+    ```python
+    def process_text(text):
+        print(text)
+    ```
+
+1. Na koniec zamień wywołanie `play_audio` w pętli `while True` na wywołanie funkcji `convert_speech_to_text`, przekazując tekst do funkcji `process_text`:
+
+    ```python
+    text = convert_speech_to_text(buffer)
+    process_text(text)
+    ```
+
+1. Uruchom kod. Naciśnij przycisk i mów do mikrofonu. Zwolnij przycisk, gdy skończysz, a dźwięk zostanie przekształcony na tekst i wypisany w konsoli.
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    Wypróbuj różne rodzaje zdań, w tym zdania, w których słowa brzmią podobnie, ale mają różne znaczenia. Na przykład, jeśli mówisz po angielsku, powiedz „I want to buy two bananas and an apple too” i zauważ, jak usługa użyje odpowiednich form „to”, „two” i „too” na podstawie kontekstu, a nie tylko ich brzmienia.
+
+> 💁 Kod ten znajdziesz w folderze [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi).
+
+😀 Twój program przekształcający mowę na tekst zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/pl/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
new file mode 100644
index 00000000..34f68bd4
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
@@ -0,0 +1,15 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
+  "translation_date": "2025-08-26T07:27:22+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
+  "language_code": "pl"
+}
+-->
+# Przechwytywanie dźwięku - Wirtualne urządzenie IoT
+
+Biblioteki Python, które będziesz używać później w tej lekcji do konwersji mowy na tekst, mają wbudowaną funkcję przechwytywania dźwięku na systemach Windows, macOS i Linux. Nie musisz tutaj nic robić.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/pl/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
new file mode 100644
index 00000000..b259fded
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
@@ -0,0 +1,24 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
+  "translation_date": "2025-08-26T07:27:28+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
+  "language_code": "pl"
+}
+-->
+# Skonfiguruj mikrofon i głośniki - Wirtualny sprzęt IoT
+
+Wirtualny sprzęt IoT będzie korzystał z mikrofonu i głośników podłączonych do Twojego komputera.
+
+Jeśli Twój komputer nie ma wbudowanego mikrofonu i głośników, będziesz musiał podłączyć je za pomocą wybranego sprzętu, takiego jak:
+
+* Mikrofon USB  
+* Głośniki USB  
+* Głośniki wbudowane w monitor i podłączone przez HDMI  
+* Zestaw słuchawkowy Bluetooth  
+
+Zapoznaj się z instrukcjami producenta sprzętu, aby zainstalować i skonfigurować to urządzenie.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/pl/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
new file mode 100644
index 00000000..e3ecb66f
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
@@ -0,0 +1,111 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c0550b254b9ba2539baf1e6bb5fc05f8",
+  "translation_date": "2025-08-26T07:24:04+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
+  "language_code": "pl"
+}
+-->
+# Przetwarzanie mowy na tekst - Wirtualne urządzenie IoT
+
+W tej części lekcji napiszesz kod, który przekształci mowę przechwyconą z mikrofonu na tekst za pomocą usługi rozpoznawania mowy.
+
+## Przekształcanie mowy na tekst
+
+Na systemach Windows, Linux i macOS można użyć Python SDK dla usług rozpoznawania mowy, aby nasłuchiwać mikrofon i przekształcać wykrytą mowę na tekst. SDK będzie nasłuchiwać ciągle, wykrywając poziomy dźwięku i przesyłając mowę do konwersji na tekst, gdy poziom dźwięku spadnie, na przykład na końcu wypowiedzi.
+
+### Zadanie - przekształć mowę na tekst
+
+1. Utwórz nową aplikację w Pythonie na swoim komputerze w folderze `smart-timer` z jednym plikiem o nazwie `app.py` oraz wirtualnym środowiskiem Python.
+
+1. Zainstaluj pakiet Pip dla usług rozpoznawania mowy. Upewnij się, że instalujesz go z terminala, w którym aktywowane jest wirtualne środowisko.
+
+    ```sh
+    pip install azure-cognitiveservices-speech
+    ```
+
+    > ⚠️ Jeśli pojawi się następujący błąd:
+    >
+    > ```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
+    > ```
+    >
+    > Musisz zaktualizować Pip. Zrób to za pomocą poniższego polecenia, a następnie spróbuj ponownie zainstalować pakiet:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. Dodaj następujące importy do pliku `app.py`:
+
+    ```python
+    import requests
+    import time
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
+    ```
+
+    Importuje to klasy używane do rozpoznawania mowy.
+
+1. Dodaj poniższy kod, aby zadeklarować konfigurację:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+
+    recognizer_config = SpeechConfig(subscription=speech_api_key,
+                                     region=location,
+                                     speech_recognition_language=language)
+    ```
+
+    Zamień `<key>` na klucz API dla swojej usługi rozpoznawania mowy. Zamień `<location>` na lokalizację, którą wybrałeś podczas tworzenia zasobu usługi rozpoznawania mowy.
+
+    Zamień `<language>` na nazwę lokalizacji języka, w którym będziesz mówić, na przykład `en-GB` dla angielskiego lub `zn-HK` dla kantońskiego. Listę obsługiwanych języków i ich nazw lokalizacji znajdziesz w [dokumentacji wsparcia językowego i głosowego na stronie Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    Ta konfiguracja jest następnie używana do utworzenia obiektu `SpeechConfig`, który będzie służył do konfiguracji usług rozpoznawania mowy.
+
+1. Dodaj poniższy kod, aby utworzyć rozpoznawacz mowy:
+
+    ```python
+    recognizer = SpeechRecognizer(speech_config=recognizer_config)
+    ```
+
+1. Rozpoznawacz mowy działa w tle, nasłuchując dźwięku i przekształcając wykrytą mowę na tekst. Możesz uzyskać tekst za pomocą funkcji zwrotnej (callback) - funkcji, którą definiujesz i przekazujesz do rozpoznawacza. Za każdym razem, gdy wykryta zostanie mowa, funkcja zwrotna zostanie wywołana. Dodaj poniższy kod, aby zdefiniować funkcję zwrotną, przekazać ją do rozpoznawacza oraz zdefiniować funkcję przetwarzającą tekst, która wypisze go na konsolę:
+
+    ```python
+    def process_text(text):
+        print(text)
+
+    def recognized(args):
+        process_text(args.result.text)
+    
+    recognizer.recognized.connect(recognized)
+    ```
+
+1. Rozpoznawacz zaczyna nasłuchiwać dopiero wtedy, gdy wyraźnie go uruchomisz. Dodaj poniższy kod, aby rozpocząć rozpoznawanie. Działa to w tle, więc Twoja aplikacja będzie również potrzebować nieskończonej pętli, która będzie "usypiać", aby utrzymać aplikację w działaniu.
+
+    ```python
+    recognizer.start_continuous_recognition()
+
+    while True:
+        time.sleep(1)
+    ```
+
+1. Uruchom tę aplikację. Mów do mikrofonu, a dźwięk przekształcony na tekst zostanie wyświetlony na konsoli.
+
+    ```output
+    (.venv) ➜  smart-timer python3 app.py
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    Wypróbuj różne typy zdań, w tym zdania, w których słowa brzmią podobnie, ale mają różne znaczenia. Na przykład, jeśli mówisz po angielsku, powiedz „I want to buy two bananas and an apple too” i zauważ, jak aplikacja użyje odpowiednich słów „to”, „two” i „too” na podstawie kontekstu, a nie tylko ich brzmienia.
+
+> 💁 Ten kod znajdziesz w folderze [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device).
+
+😀 Twój program przekształcający mowę na tekst zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/pl/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
new file mode 100644
index 00000000..00f4a9d0
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
@@ -0,0 +1,546 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
+  "translation_date": "2025-08-26T07:24:26+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
+  "language_code": "pl"
+}
+-->
+# Przechwytywanie dźwięku - Wio Terminal
+
+W tej części lekcji napiszesz kod do przechwytywania dźwięku na swoim Wio Terminal. Przechwytywanie dźwięku będzie kontrolowane za pomocą jednego z przycisków na górze urządzenia.
+
+## Programowanie urządzenia do przechwytywania dźwięku
+
+Możesz przechwytywać dźwięk z mikrofonu za pomocą kodu w C++. Wio Terminal ma tylko 192KB pamięci RAM, co wystarcza na przechwycenie zaledwie kilku sekund dźwięku. Posiada również 4MB pamięci flash, która może być użyta do zapisywania przechwyconego dźwięku.
+
+Wbudowany mikrofon przechwytuje sygnał analogowy, który jest konwertowany na sygnał cyfrowy, z którym Wio Terminal może pracować. Podczas przechwytywania dźwięku dane muszą być zbierane w odpowiednich odstępach czasu - na przykład, aby przechwycić dźwięk w częstotliwości 16 kHz, dane muszą być zbierane dokładnie 16 000 razy na sekundę, w równych odstępach. Zamiast używać kodu do tego celu, można skorzystać z kontrolera bezpośredniego dostępu do pamięci (DMAC). Jest to układ, który może przechwytywać sygnał z określonego miejsca i zapisywać go w pamięci, nie przerywając działania kodu na procesorze.
+
+✅ Przeczytaj więcej o DMA na [stronie o bezpośrednim dostępie do pamięci na Wikipedii](https://wikipedia.org/wiki/Direct_memory_access).
+
+![Dźwięk z mikrofonu trafia do ADC, a następnie do DMAC. DMAC zapisuje dane do jednego bufora. Gdy bufor jest pełny, dane są przetwarzane, a DMAC zapisuje do drugiego bufora](../../../../../translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.pl.png)
+
+DMAC może przechwytywać dźwięk z ADC w stałych odstępach czasu, na przykład 16 000 razy na sekundę dla dźwięku o częstotliwości 16 kHz. Może zapisywać te dane do wcześniej przydzielonego bufora pamięci, a gdy bufor jest pełny, udostępnia go kodowi do przetworzenia. Korzystanie z tej pamięci może opóźnić przechwytywanie dźwięku, ale można skonfigurować wiele buforów. DMAC zapisuje dane do bufora 1, a gdy ten jest pełny, powiadamia kod o konieczności przetworzenia bufora 1, podczas gdy DMAC zapisuje dane do bufora 2. Gdy bufor 2 jest pełny, powiadamia kod, a następnie wraca do zapisywania danych do bufora 1. Dzięki temu, jeśli przetwarzanie każdego bufora zajmuje mniej czasu niż jego wypełnienie, dane nie zostaną utracone.
+
+Po przechwyceniu każdego bufora dane mogą być zapisane do pamięci flash. Pamięć flash musi być zapisywana przy użyciu określonych adresów, wskazując miejsce zapisu i rozmiar danych, podobnie jak aktualizacja tablicy bajtów w pamięci. Pamięć flash ma granularność, co oznacza, że operacje kasowania i zapisu zależą nie tylko od ustalonego rozmiaru, ale także od wyrównania do tego rozmiaru. Na przykład, jeśli granularność wynosi 4096 bajtów, a żądanie kasowania dotyczy adresu 4200, może zostać skasowane całe dane od adresu 4096 do 8192. Oznacza to, że podczas zapisywania danych audio do pamięci flash, muszą być one podzielone na odpowiednie fragmenty.
+
+### Zadanie - konfiguracja pamięci flash
+
+1. Utwórz nowy projekt Wio Terminal za pomocą PlatformIO. Nazwij ten projekt `smart-timer`. Dodaj kod w funkcji `setup`, aby skonfigurować port szeregowy.
+
+1. Dodaj następujące zależności biblioteczne do pliku `platformio.ini`, aby uzyskać dostęp do pamięci flash:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+    ```
+
+1. Otwórz plik `main.cpp` i dodaj następującą dyrektywę `include` dla biblioteki pamięci flash na początku pliku:
+
+    ```cpp
+    #include <sfud.h>
+    #include <SPI.h>
+    ```
+
+    > 🎓 SFUD oznacza Serial Flash Universal Driver, czyli bibliotekę zaprojektowaną do pracy ze wszystkimi układami pamięci flash.
+
+1. W funkcji `setup` dodaj następujący kod, aby skonfigurować bibliotekę pamięci flash:
+
+    ```cpp
+    while (!(sfud_init() == SFUD_SUCCESS))
+        ;
+
+    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
+    ```
+
+    Kod ten działa w pętli, dopóki biblioteka SFUD nie zostanie zainicjowana, a następnie włącza szybki odczyt. Wbudowana pamięć flash może być dostępna za pomocą Queued Serial Peripheral Interface (QSPI), rodzaju kontrolera SPI, który umożliwia ciągły dostęp za pomocą kolejki przy minimalnym wykorzystaniu procesora. Dzięki temu odczyt i zapis do pamięci flash są szybsze.
+
+1. Utwórz nowy plik w folderze `src` o nazwie `flash_writer.h`.
+
+1. Dodaj następujący kod na początku tego pliku:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <sfud.h>
+    ```
+
+    Kod ten zawiera potrzebne pliki nagłówkowe, w tym plik nagłówkowy biblioteki SFUD do interakcji z pamięcią flash.
+
+1. Zdefiniuj klasę w tym nowym pliku nagłówkowym o nazwie `FlashWriter`:
+
+    ```cpp
+    class FlashWriter
+    {
+    public:
+    
+    private:
+    };
+    ```
+
+1. W sekcji `private` dodaj następujący kod:
+
+    ```cpp
+    byte *_sfudBuffer;
+    size_t _sfudBufferSize;
+    size_t _sfudBufferPos;
+    size_t _sfudBufferWritePos;
+
+    const sfud_flash *_flash;
+    ```
+
+    Kod ten definiuje pola dla bufora używanego do przechowywania danych przed zapisaniem ich do pamięci flash. Jest to tablica bajtów `_sfudBuffer`, do której zapisywane są dane, a gdy jest pełna, dane są zapisywane do pamięci flash. Pole `_sfudBufferPos` przechowuje bieżącą pozycję zapisu w tym buforze, a `_sfudBufferWritePos` przechowuje pozycję w pamięci flash, do której dane mają być zapisane. `_flash` to wskaźnik na pamięć flash, do której dane mają być zapisane - niektóre mikrokontrolery mają wiele układów pamięci flash.
+
+1. Dodaj następującą metodę do sekcji `public`, aby zainicjować tę klasę:
+
+    ```cpp
+    void init()
+    {
+        _flash = sfud_get_device_table() + 0;
+        _sfudBufferSize = _flash->chip.erase_gran;
+        _sfudBuffer = new byte[_sfudBufferSize];
+        _sfudBufferPos = 0;
+        _sfudBufferWritePos = 0;
+    }
+    ```
+
+    Kod ten konfiguruje pamięć flash na Wio Terminal do zapisu i ustawia bufor na podstawie rozmiaru granularności pamięci flash. Jest to metoda `init`, a nie konstruktor, ponieważ musi być wywołana po skonfigurowaniu pamięci flash w funkcji `setup`.
+
+1. Dodaj następujący kod do sekcji `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;
+        }
+    }
+    ```
+
+    Kod ten definiuje metody do zapisywania bajtów w systemie pamięci flash. Działa poprzez zapis do bufora w pamięci, który ma odpowiedni rozmiar dla pamięci flash, a gdy jest pełny, dane są zapisywane do pamięci flash, kasując wszelkie istniejące dane w tym miejscu. Istnieje również metoda `flushSfudBuffer`, która zapisuje niekompletny bufor, ponieważ przechwytywane dane nie będą dokładnymi wielokrotnościami rozmiaru granularności, więc końcowa część danych musi być zapisana.
+
+    > 💁 Końcowa część danych zapisze dodatkowe niepotrzebne dane, ale jest to w porządku, ponieważ odczytane zostaną tylko potrzebne dane.
+
+### Zadanie - konfiguracja przechwytywania dźwięku
+
+1. Utwórz nowy plik w folderze `src` o nazwie `config.h`.
+
+1. Dodaj następujący kod na początku tego pliku:
+
+    ```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
+    ```
+
+    Kod ten ustawia kilka stałych dla przechwytywania dźwięku.
+
+    | Stała                 | Wartość | Opis |
+    | --------------------- | ------: | - |
+    | RATE                  | 16000   | Częstotliwość próbkowania dźwięku. 16 000 to 16 kHz |
+    | SAMPLE_LENGTH_SECONDS | 4       | Długość przechwytywanego dźwięku. Ustawiona na 4 sekundy. Aby nagrać dłuższy dźwięk, zwiększ tę wartość. |
+    | SAMPLES               | 64000   | Całkowita liczba próbek dźwięku, które zostaną przechwycone. Ustawiona na częstotliwość próbkowania * liczbę sekund |
+    | BUFFER_SIZE           | 128044  | Rozmiar bufora dźwięku do przechwytywania. Dźwięk będzie przechwytywany jako plik WAV, który ma 44 bajty nagłówka, a następnie 128 000 bajtów danych audio (każda próbka to 2 bajty) |
+    | ADC_BUF_LEN           | 1600    | Rozmiar buforów używanych do przechwytywania dźwięku z DMAC |
+
+    > 💁 Jeśli 4 sekundy są zbyt krótkie, aby poprosić o timer, możesz zwiększyć wartość `SAMPLE_LENGTH_SECONDS`, a wszystkie inne wartości zostaną przeliczone.
+
+1. Utwórz nowy plik w folderze `src` o nazwie `mic.h`.
+
+1. Dodaj następujący kod na początku tego pliku:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+
+    #include "config.h"
+    #include "flash_writer.h"
+    ```
+
+    Kod ten zawiera potrzebne pliki nagłówkowe, w tym pliki `config.h` i `FlashWriter`.
+
+1. Dodaj następujący kod, aby zdefiniować klasę `Mic`, która może przechwytywać dane z mikrofonu:
+
+    ```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;
+    ```
+
+    Klasa ta ma obecnie tylko kilka pól do śledzenia, czy nagrywanie zostało rozpoczęte i czy nagranie jest gotowe do użycia. Gdy DMAC jest skonfigurowany, ciągle zapisuje dane do buforów pamięci, więc flaga `_isRecording` określa, czy dane te powinny być przetwarzane, czy ignorowane. Flaga `_isRecordingReady` zostanie ustawiona, gdy wymagane 4 sekundy dźwięku zostaną przechwycone. Pole `_writer` służy do zapisywania danych audio w pamięci flash.
+
+    Następnie deklarowana jest globalna zmienna dla instancji klasy `Mic`.
+
+1. Dodaj następujący kod do sekcji `private` klasy `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];
+    ```
+
+    Kod ten definiuje metodę `configureDmaAdc`, która konfiguruje DMAC, łącząc go z ADC i ustawiając na wypełnianie dwóch różnych naprzemiennych buforów, `_adc_buf_0` i `_adc_buf_1`.
+
+    > 💁 Jednym z minusów programowania mikrokontrolerów jest złożoność kodu potrzebnego do interakcji ze sprzętem, ponieważ kod działa na bardzo niskim poziomie, bezpośrednio współpracując ze sprzętem. Kod ten jest bardziej skomplikowany niż ten, który napisałbyś dla komputera jednopłytkowego lub stacjonarnego, ponieważ nie ma systemu operacyjnego, który by pomagał. Istnieją biblioteki, które mogą to uprościć, ale nadal jest dużo złożoności.
+
+1. Poniżej dodaj następujący kod:
+
+    ```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);
+    }
+    ```
+
+    Kod ten definiuje nagłówek WAV jako strukturę zajmującą 44 bajty pamięci. Zapisuje szczegóły dotyczące częstotliwości pliku audio, rozmiaru i liczby kanałów. Ten nagłówek jest następnie zapisywany w pamięci flash.
+
+1. Poniżej tego kodu dodaj następujący kod, aby zadeklarować metodę wywoływaną, gdy bufory audio są gotowe do przetworzenia:
+
+    ```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;
+            }
+        }
+    }
+    ```
+
+    Bufory audio to tablice 16-bitowych liczb całkowitych zawierających dane audio z ADC. ADC zwraca 12-bitowe wartości bez znaku (0-1023), więc muszą one zostać przekonwertowane na 16-bitowe wartości ze znakiem, a następnie na 2 bajty, aby zostały zapisane jako surowe dane binarne.
+
+    Te bajty są zapisywane w buforach pamięci flash. Zapis rozpoczyna się od indeksu 44 - jest to przesunięcie od 44 bajtów zapisanych jako nagłówek pliku WAV. Gdy wszystkie bajty potrzebne do wymaganej długości dźwięku zostaną przechwycone, pozostałe dane są zapisywane w pamięci flash.
+
+1. W sekcji `public` klasy `Mic` dodaj następujący kod:
+
+    ```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;
+        }
+    }
+    ```
+
+    Kod ten będzie wywoływany przez DMAC, aby poinformować kod o konieczności przetworzenia buforów. Sprawdza, czy są dane do przetworzenia, i wywołuje metodę `audioCallback` z odpowiednim buforem.
+
+1. Po klasie, po deklaracji `Mic mic;`, dodaj następujący kod:
+
+    ```cpp
+    void DMAC_1_Handler()
+    {
+        mic.dmaHandler();
+    }
+    ```
+
+    Funkcja `DMAC_1_Handler` będzie wywoływana przez DMAC, gdy bufory będą gotowe do przetworzenia. Funkcja ta jest znajdowana po nazwie, więc wystarczy, że istnieje, aby została wywołana.
+
+1. Dodaj następujące dwie metody do sekcji `public` klasy `Mic`:
+
+    ```cpp
+    void init()
+    {
+        analogReference(AR_INTERNAL2V23);
+
+        _writer.init();
+
+        initBufferHeader();
+        configureDmaAdc();
+    }
+
+    void reset()
+    {
+        _isRecordingReady = false;
+        _isRecording = false;
+
+        _writer.reset();
+
+        initBufferHeader();
+    }
+    ```
+
+    Metoda `init` zawiera kod do inicjalizacji klasy `Mic`. Ustawia odpowiednie napięcie dla pinu mikrofonu, konfiguruje zapis do pamięci flash, zapisuje nagłówek pliku WAV i konfiguruje DMAC. Metoda `reset` resetuje pamięć flash i ponownie zapisuje nagłówek po przechwyceniu i użyciu danych audio.
+
+### Zadanie - przechwytywanie dźwięku
+
+1. W pliku `main.cpp` dodaj dyrektywę `include` dla pliku nagłówkowego `mic.h`:
+
+    ```cpp
+    #include "mic.h"
+    ```
+
+1. W funkcji `setup` zainicjalizuj przycisk C. Przechwytywanie dźwięku rozpocznie się po naciśnięciu tego przycisku i będzie trwało przez 4 sekundy:
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+1. Poniżej tego kodu zainicjalizuj mikrofon, a następnie wydrukuj na konsoli informację, że dźwięk jest gotowy do przechwycenia:
+
+    ```cpp
+    mic.init();
+
+    Serial.println("Ready.");
+    ```
+
+1. Nad funkcją `loop` zdefiniuj funkcję do przetwarzania przechwyconego dźwięku. Na razie nic nie robi, ale później w tej lekcji będzie wysyłać mowę do konwersji na tekst:
+
+    ```cpp
+    void processAudio()
+    {
+    
+    }
+    ```
+
+1. Dodaj następujący kod do funkcji `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();
+        }
+    }
+    ```
+
+    Kod ten sprawdza przycisk C, a jeśli jest naciśnięty i nagrywanie nie zostało rozpoczęte, pole `_isRecording` klasy `Mic` zostaje ustawione na `true`. Spowoduje to, że metoda `audioCallback` klasy `Mic` będzie przechowywać dane audio, dopóki nie zostanie przechwycone 4 sekundy. Gdy 4 sekundy dźwięku zostaną przechwycone, pole `_isRecording` zostaje ustawione na `false`, a pole `_isRecordingReady` na `true`. Następnie jest to sprawdzane w funkcji `loop`, a gdy wartość jest `true`, wywoływana jest funkcja `processAudio`, a następnie klasa mikrofonu jest resetowana.
+
+1. Zbuduj ten kod, wgraj go na swój Wio Terminal i przetestuj za pomocą monitora szeregowego. Naciśnij przycisk C (ten po lewej stronie, najbliżej przełącznika zasilania) i mów. Zostanie przechwycone 4 sekundy dźwięku.
+
+    ```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
+    ```
+💁 Ten kod znajdziesz w folderze [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal).
+Twój program do nagrywania dźwięku odniósł sukces!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/pl/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
new file mode 100644
index 00000000..86af2b2c
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
@@ -0,0 +1,87 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "93d352de36526b8990e41dd538100324",
+  "translation_date": "2025-08-26T07:26:38+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
+  "language_code": "pl"
+}
+-->
+# Skonfiguruj mikrofon i głośniki - Wio Terminal
+
+W tej części lekcji dodasz głośniki do swojego Wio Terminal. Wio Terminal ma już wbudowany mikrofon, który może być używany do rejestrowania mowy.
+
+## Sprzęt
+
+Wio Terminal ma już wbudowany mikrofon, który może być używany do rejestrowania dźwięku na potrzeby rozpoznawania mowy.
+
+![Mikrofon w Wio Terminal](../../../../../translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.pl.png)
+
+Aby dodać głośnik, możesz użyć [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html). Jest to zewnętrzna płytka zawierająca 2 mikrofony MEMS, a także złącze głośnika i gniazdo słuchawkowe.
+
+![ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.pl.png)
+
+Będziesz potrzebować słuchawek, głośnika z wtykiem 3,5 mm lub głośnika z połączeniem JST, takiego jak [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html).
+
+Do podłączenia ReSpeaker 2-Mics Pi Hat będziesz potrzebować 40 przewodów typu pin-to-pin (nazywanych również przewodami męski-męski).
+
+> 💁 Jeśli potrafisz lutować, możesz użyć [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), aby podłączyć ReSpeaker.
+
+Będziesz także potrzebować karty SD do pobierania i odtwarzania dźwięku. Wio Terminal obsługuje tylko karty SD o pojemności do 16 GB, które muszą być sformatowane w systemie plików FAT32 lub exFAT.
+
+### Zadanie - podłącz ReSpeaker Pi Hat
+
+1. Przy wyłączonym Wio Terminal podłącz ReSpeaker 2-Mics Pi Hat do Wio Terminal za pomocą przewodów jumper i gniazd GPIO znajdujących się z tyłu Wio Terminal:
+
+    Piny muszą być podłączone w następujący sposób:
+
+    ![Schemat pinów](../../../../../translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.pl.png)
+
+1. Ustaw ReSpeaker i Wio Terminal tak, aby gniazda GPIO były skierowane do góry i znajdowały się po lewej stronie.
+
+1. Zacznij od gniazda w lewym górnym rogu gniazda GPIO na ReSpeaker. Podłącz przewód jumper od lewego górnego gniazda ReSpeaker do lewego górnego gniazda Wio Terminal.
+
+1. Powtarzaj ten proces wzdłuż gniazd GPIO po lewej stronie. Upewnij się, że piny są dobrze osadzone.
+
+    ![ReSpeaker z lewymi pinami podłączonymi do lewych pinów Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.pl.png)
+
+    ![ReSpeaker z lewymi pinami podłączonymi do lewych pinów Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.pl.png)
+
+    > 💁 Jeśli twoje przewody jumper są połączone w taśmy, trzymaj je razem - ułatwi to upewnienie się, że wszystkie przewody są podłączone w odpowiedniej kolejności.
+
+1. Powtórz proces, używając prawych gniazd GPIO na ReSpeaker i Wio Terminal. Te przewody muszą przechodzić wokół już podłączonych przewodów.
+
+    ![ReSpeaker z prawymi pinami podłączonymi do prawych pinów Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.pl.png)
+
+    ![ReSpeaker z prawymi pinami podłączonymi do prawych pinów Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.pl.png)
+
+    > 💁 Jeśli twoje przewody jumper są połączone w taśmy, rozdziel je na dwie taśmy. Przeprowadź każdą z nich po jednej stronie istniejących przewodów.
+
+    > 💁 Możesz użyć taśmy klejącej, aby przytrzymać piny w bloku, co pomoże zapobiec ich wypadaniu podczas podłączania.
+
+    > ![Piny zabezpieczone taśmą](../../../../../translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.pl.png)
+
+1. Będziesz musiał dodać głośnik.
+
+    * Jeśli używasz głośnika z kablem JST, podłącz go do portu JST na ReSpeaker.
+
+      ![Głośnik podłączony do ReSpeaker za pomocą kabla JST](../../../../../translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.pl.png)
+
+    * Jeśli używasz głośnika z wtykiem 3,5 mm lub słuchawek, włóż je do gniazda 3,5 mm.
+
+      ![Głośnik podłączony do ReSpeaker przez gniazdo 3,5 mm](../../../../../translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.pl.png)
+
+### Zadanie - skonfiguruj kartę SD
+
+1. Podłącz kartę SD do komputera, używając zewnętrznego czytnika, jeśli nie masz wbudowanego gniazda na karty SD.
+
+1. Sformatuj kartę SD za pomocą odpowiedniego narzędzia na swoim komputerze, upewniając się, że używasz systemu plików FAT32 lub exFAT.
+
+1. Włóż kartę SD do gniazda na karty SD znajdującego się po lewej stronie Wio Terminal, tuż pod przyciskiem zasilania. Upewnij się, że karta jest całkowicie wsunięta i "kliknęła" - możesz potrzebować cienkiego narzędzia lub innej karty SD, aby pomóc ją wsunąć.
+
+    ![Wkładanie karty SD do gniazda pod przełącznikiem zasilania](../../../../../translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.pl.png)
+
+    > 💁 Aby wyjąć kartę SD, musisz ją lekko wcisnąć, aby się wysunęła. Do tego może być potrzebne cienkie narzędzie, takie jak płaski śrubokręt lub inna karta SD.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/pl/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
new file mode 100644
index 00000000..d09c2de1
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
@@ -0,0 +1,542 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3f92edf2975175577174910caca4a389",
+  "translation_date": "2025-08-26T07:25:21+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
+  "language_code": "pl"
+}
+-->
+# Rozpoznawanie mowy na tekst - Wio Terminal
+
+W tej części lekcji napiszesz kod, który przekształci mowę z przechwyconego dźwięku na tekst za pomocą usługi rozpoznawania mowy.
+
+## Wysyłanie dźwięku do usługi rozpoznawania mowy
+
+Dźwięk można przesłać do usługi rozpoznawania mowy za pomocą REST API. Aby korzystać z tej usługi, najpierw musisz uzyskać token dostępu, a następnie użyć go do dostępu do REST API. Tokeny dostępu wygasają po 10 minutach, więc Twój kod powinien regularnie je odświeżać, aby zawsze były aktualne.
+
+### Zadanie - uzyskanie tokenu dostępu
+
+1. Otwórz projekt `smart-timer`, jeśli nie jest jeszcze otwarty.
+
+1. Dodaj następujące zależności bibliotek do pliku `platformio.ini`, aby uzyskać dostęp do WiFi i obsługiwać 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. Dodaj następujący kod do pliku nagłówkowego `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";
+    ```
+
+    Zamień `<SSID>` i `<PASSWORD>` na odpowiednie wartości dla Twojej sieci WiFi.
+
+    Zamień `<API_KEY>` na klucz API dla Twojego zasobu usługi rozpoznawania mowy. Zamień `<LOCATION>` na lokalizację, którą wybrałeś podczas tworzenia zasobu usługi rozpoznawania mowy.
+
+    Zamień `<LANGUAGE>` na nazwę lokalizacji języka, w którym będziesz mówić, na przykład `en-GB` dla angielskiego lub `zn-HK` dla kantońskiego. Listę obsługiwanych języków i ich nazw lokalizacji znajdziesz w [dokumentacji wsparcia językowego i głosowego na stronie Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    Stała `TOKEN_URL` to adres URL wydawcy tokenów bez lokalizacji. Lokalizacja zostanie dodana później, aby uzyskać pełny adres URL.
+
+1. Podobnie jak w przypadku połączenia z Custom Vision, musisz użyć połączenia HTTPS, aby połączyć się z usługą wydawania tokenów. Na końcu pliku `config.h` dodaj następujący kod:
+
+    ```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";
+    ```
+
+    Jest to ten sam certyfikat, którego używałeś podczas łączenia się z Custom Vision.
+
+1. Dodaj dyrektywę include dla pliku nagłówkowego WiFi oraz pliku nagłówkowego config na początku pliku `main.cpp`:
+
+    ```cpp
+    #include <rpcWiFi.h>
+
+    #include "config.h"
+    ```
+
+1. Dodaj kod do połączenia z WiFi w pliku `main.cpp` powyżej funkcji `setup`:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+1. Wywołaj tę funkcję w funkcji `setup` po ustanowieniu połączenia szeregowego:
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. Utwórz nowy plik nagłówkowy w folderze `src` o nazwie `speech_to_text.h`. W tym pliku nagłówkowym dodaj następujący kod:
+
+    ```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;
+    ```
+
+    Zawiera to niezbędne pliki nagłówkowe dla połączenia HTTP, konfiguracji oraz plik nagłówkowy `mic.h`, a także definiuje klasę `SpeechToText`, zanim zadeklaruje instancję tej klasy, która będzie używana później.
+
+1. Dodaj następujące dwa pola do sekcji `private` tej klasy:
+
+    ```cpp
+    WiFiClientSecure _token_client;
+    String _access_token;
+    ```
+
+    `_token_client` to klient WiFi używający HTTPS, który będzie używany do uzyskania tokenu dostępu. Token ten zostanie następnie zapisany w `_access_token`.
+
+1. Dodaj następującą metodę do sekcji `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;
+    }
+    ```
+
+    Kod ten buduje adres URL dla API wydawcy tokenów, używając lokalizacji zasobu mowy. Następnie tworzy `HTTPClient`, aby wykonać żądanie sieciowe, konfigurując je do użycia klienta WiFi z certyfikatem punktów końcowych tokenów. Ustawia klucz API jako nagłówek dla wywołania. Następnie wykonuje żądanie POST, aby uzyskać certyfikat, ponawiając próbę w przypadku błędów. Na końcu zwracany jest token dostępu.
+
+1. W sekcji `public` dodaj metodę do uzyskania tokenu dostępu. Będzie ona potrzebna w późniejszych lekcjach do konwersji tekstu na mowę.
+
+    ```cpp
+    String AccessToken()
+    {
+        return _access_token;
+    }
+    ```
+
+1. W sekcji `public` dodaj metodę `init`, która konfiguruje klienta tokenów:
+
+    ```cpp
+    void init()
+    {
+        _token_client.setCACert(TOKEN_CERTIFICATE);
+        _access_token = getAccessToken();
+    }
+    ```
+
+    Ustawia to certyfikat na kliencie WiFi, a następnie uzyskuje token dostępu.
+
+1. W pliku `main.cpp` dodaj ten nowy plik nagłówkowy do dyrektyw include:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. Zainicjalizuj klasę `SpeechToText` na końcu funkcji `setup`, po wywołaniu `mic.init`, ale przed zapisaniem `Ready` do monitora szeregowego:
+
+    ```cpp
+    speechToText.init();
+    ```
+
+### Zadanie - odczyt dźwięku z pamięci flash
+
+1. W wcześniejszej części tej lekcji dźwięk został nagrany do pamięci flash. Ten dźwięk będzie musiał zostać przesłany do REST API usługi rozpoznawania mowy, więc musi zostać odczytany z pamięci flash. Nie można go załadować do bufora w pamięci, ponieważ byłby zbyt duży. Klasa `HTTPClient`, która wykonuje wywołania REST, może przesyłać dane za pomocą strumienia Arduino - klasy, która może ładować dane w małych kawałkach, przesyłając je jeden po drugim jako część żądania. Za każdym razem, gdy wywołasz `read` na strumieniu, zwraca on następny blok danych. Można utworzyć strumień Arduino, który będzie odczytywał dane z pamięci flash. Utwórz nowy plik o nazwie `flash_stream.h` w folderze `src` i dodaj do niego następujący kod:
+
+    ```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:
+    
+    };
+    ```
+
+    Deklaruje to klasę `FlashStream`, dziedziczącą po klasie `Stream` Arduino. Jest to klasa abstrakcyjna - klasy pochodne muszą zaimplementować kilka metod, zanim klasa będzie mogła zostać zainicjalizowana, a te metody są zdefiniowane w tej klasie.
+
+    ✅ Więcej o strumieniach Arduino przeczytasz w [dokumentacji Arduino Stream](https://www.arduino.cc/reference/en/language/functions/communication/stream/)
+
+1. Dodaj następujące pola do sekcji `private`:
+
+    ```cpp
+    size_t _pos;
+    size_t _flash_address;
+    const sfud_flash *_flash;
+
+    byte _buffer[HTTP_TCP_BUFFER_SIZE];
+    ```
+
+    Definiuje to tymczasowy bufor do przechowywania danych odczytanych z pamięci flash, wraz z polami do przechowywania bieżącej pozycji podczas odczytu z bufora, bieżącego adresu do odczytu z pamięci flash oraz urządzenia pamięci flash.
+
+1. W sekcji `private` dodaj następującą metodę:
+
+    ```cpp
+    void populateBuffer()
+    {
+        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
+        _flash_address += HTTP_TCP_BUFFER_SIZE;
+        _pos = 0;
+    }
+    ```
+
+    Kod ten odczytuje dane z pamięci flash pod bieżącym adresem i zapisuje je w buforze. Następnie zwiększa adres, aby kolejne wywołanie odczytało następny blok pamięci. Bufor jest rozmiarowany na podstawie największego kawałka, który `HTTPClient` wyśle do REST API jednorazowo.
+
+    > 💁 Wymazywanie pamięci flash musi być wykonywane przy użyciu rozmiaru ziarna, natomiast odczyt nie.
+
+1. W sekcji `public` tej klasy dodaj konstruktor:
+
+    ```cpp
+    FlashStream()
+    {
+        _pos = 0;
+        _flash_address = 0;
+        _flash = sfud_get_device_table() + 0;
+        
+        populateBuffer();
+    }
+    ```
+
+    Konstruktor ten ustawia wszystkie pola, aby rozpocząć odczyt od początku bloku pamięci flash, i ładuje pierwszy kawałek danych do bufora.
+
+1. Zaimplementuj metodę `write`. Ten strumień będzie tylko odczytywał dane, więc może nic nie robić i zwracać 0:
+
+    ```cpp
+    virtual size_t write(uint8_t val)
+    {
+        return 0;
+    }
+    ```
+
+1. Zaimplementuj metodę `peek`. Zwraca ona dane w bieżącej pozycji bez przesuwania strumienia. Wywołanie `peek` wielokrotnie zawsze zwróci te same dane, o ile żadne dane nie zostaną odczytane ze strumienia.
+
+    ```cpp
+    virtual int peek()
+    {
+        return _buffer[_pos];
+    }
+    ```
+
+1. Zaimplementuj funkcję `available`. Zwraca ona, ile bajtów można odczytać ze strumienia, lub -1, jeśli strumień jest zakończony. W tej klasie maksymalna dostępna ilość danych nie będzie większa niż rozmiar kawałka klienta HTTP. Gdy ten strumień jest używany w kliencie HTTP, wywołuje on tę funkcję, aby sprawdzić, ile danych jest dostępnych, a następnie żąda tej ilości danych do wysłania do REST API. Nie chcemy, aby każdy kawałek był większy niż rozmiar kawałka klienta HTTP, więc jeśli dostępne jest więcej, zwracany jest rozmiar kawałka. Jeśli mniej, zwracana jest dostępna ilość. Po przesłaniu wszystkich danych zwracane jest -1.
+
+    ```cpp
+    virtual int available()
+    {
+        int remaining = BUFFER_SIZE - ((_flash_address - HTTP_TCP_BUFFER_SIZE) + _pos);
+        int bytes_available = min(HTTP_TCP_BUFFER_SIZE, remaining);
+
+        if (bytes_available == 0)
+        {
+            bytes_available = -1;
+        }
+
+        return bytes_available;
+    }
+    ```
+
+1. Zaimplementuj metodę `read`, aby zwrócić następny bajt z bufora, zwiększając pozycję. Jeśli pozycja przekroczy rozmiar bufora, bufor zostaje wypełniony następnym blokiem z pamięci flash, a pozycja zostaje zresetowana.
+
+    ```cpp
+    virtual int read()
+    {
+        int retVal = _buffer[_pos++];
+
+        if (_pos == HTTP_TCP_BUFFER_SIZE)
+        {
+            populateBuffer();
+        }
+
+        return retVal;
+    }
+    ```
+
+1. W pliku nagłówkowym `speech_to_text.h` dodaj dyrektywę include dla tego nowego pliku nagłówkowego:
+
+    ```cpp
+    #include "flash_stream.h"
+    ```
+
+### Zadanie - konwersja mowy na tekst
+
+1. Mowę można przekształcić na tekst, przesyłając dźwięk do usługi rozpoznawania mowy za pomocą REST API. REST API ma inny certyfikat niż wydawca tokenów, więc dodaj następujący kod do pliku nagłówkowego `config.h`, aby zdefiniować ten certyfikat:
+
+    ```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. Dodaj stałą do tego pliku dla adresu URL usługi mowy bez lokalizacji. Lokalizacja i język zostaną dodane później, aby uzyskać pełny adres URL.
+
+    ```cpp
+    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
+    ```
+
+1. W pliku nagłówkowym `speech_to_text.h`, w sekcji `private` klasy `SpeechToText`, zdefiniuj pole dla klienta WiFi używającego certyfikatu usługi mowy:
+
+    ```cpp
+    WiFiClientSecure _speech_client;
+    ```
+
+1. W metodzie `init` ustaw certyfikat na tym kliencie WiFi:
+
+    ```cpp
+    _speech_client.setCACert(SPEECH_CERTIFICATE);
+    ```
+
+1. Dodaj następujący kod do sekcji `public` klasy `SpeechToText`, aby zdefiniować metodę konwersji mowy na tekst:
+
+    ```cpp
+    String convertSpeechToText()
+    {
+        
+    }
+    ```
+
+1. Dodaj następujący kod do tej metody, aby utworzyć klienta HTTP używającego klienta WiFi skonfigurowanego z certyfikatem usługi mowy oraz używającego adresu URL usługi mowy ustawionego z lokalizacją i językiem:
+
+    ```cpp
+    char url[128];
+    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
+
+    HTTPClient httpClient;
+    httpClient.begin(_speech_client, url);
+    ```
+
+1. Na połączeniu należy ustawić kilka nagłówków:
+
+    ```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");
+    ```
+
+    Ustawia to nagłówki dla autoryzacji za pomocą tokenu dostępu, formatu audio za pomocą częstotliwości próbkowania oraz ustawia, że klient oczekuje wyniku w formacie JSON.
+
+1. Po tym dodaj następujący kod, aby wykonać wywołanie REST API:
+
+    ```cpp
+    Serial.println("Sending speech...");
+
+    FlashStream stream;
+    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
+
+    Serial.println("Speech sent!");
+    ```
+
+    Tworzy to `FlashStream` i używa go do przesyłania danych do REST API.
+
+1. Poniżej tego dodaj następujący kod:
+
+    ```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);
+    }
+    ```
+
+    Kod ten sprawdza kod odpowiedzi.
+
+    Jeśli jest to 200, kod dla sukcesu, wynik jest pobierany, dekodowany z JSON, a właściwość `DisplayText` jest ustawiana w zmiennej `text`. Jest to właściwość, w której zwracana jest tekstowa wersja mowy.
+
+    Jeśli kod odpowiedzi to 401, token dostępu wygasł (te tokeny są ważne tylko przez 10 minut). Żądany jest nowy token dostępu, a wywołanie jest wykonywane ponownie.
+
+    W przeciwnym razie błąd jest wysyłany do monitora szeregowego, a `text` pozostaje pusty.
+
+1. Dodaj następujący kod na końcu tej metody, aby zamknąć klienta HTTP i zwrócić tekst:
+
+    ```cpp
+    httpClient.end();
+
+    return text;
+    ```
+
+1. W pliku `main.cpp` wywołaj nową metodę `convertSpeechToText` w funkcji `processAudio`, a następnie zaloguj mowę do monitora szeregowego:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    Serial.println(text);
+    ```
+
+1. Zbuduj ten kod, wgraj go na swój Wio Terminal i przetestuj przez monitor szeregowy. Gdy zobaczysz `Ready` w monitorze szeregowym, naciśnij przycisk C (ten po lewej stronie, najbliżej przełącznika zasilania) i mów. 4 sekundy dźwięku zostaną przechwycone, a następnie przekształcone na tekst.
+
+    ```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.
+    ```
+
+> 💁 Kod ten znajdziesz w folderze [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal).
+
+😀 Twój program rozpoznawania mowy na tekst zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/2-language-understanding/README.md b/translations/pl/6-consumer/lessons/2-language-understanding/README.md
new file mode 100644
index 00000000..c8834b05
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/2-language-understanding/README.md
@@ -0,0 +1,572 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
+  "translation_date": "2025-08-26T07:15:34+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
+  "language_code": "pl"
+}
+-->
+# Zrozumienie języka
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obrazek, aby zobaczyć większą wersję.
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
+
+## Wprowadzenie
+
+W poprzedniej lekcji przekształciłeś mowę na tekst. Aby użyć tego do zaprogramowania inteligentnego timera, Twój kod musi zrozumieć, co zostało powiedziane. Możesz założyć, że użytkownik wypowie ustaloną frazę, taką jak „Ustaw timer na 3 minuty”, i przeanalizować to wyrażenie, aby określić, jak długo timer powinien działać, ale to nie jest zbyt przyjazne dla użytkownika. Jeśli użytkownik powie „Ustaw timer na 3 minuty”, Ty lub ja zrozumiemy, co ma na myśli, ale Twój kod nie, ponieważ oczekuje ustalonej frazy.
+
+Tutaj wkracza zrozumienie języka, wykorzystując modele AI do interpretacji tekstu i zwracania potrzebnych szczegółów, na przykład zdolność do zrozumienia zarówno „Ustaw timer na 3 minuty”, jak i „Ustaw timer na 3 minuty”, że wymagany jest timer na 3 minuty.
+
+W tej lekcji dowiesz się o modelach zrozumienia języka, jak je tworzyć, trenować i używać w swoim kodzie.
+
+W tej lekcji omówimy:
+
+* [Zrozumienie języka](../../../../../6-consumer/lessons/2-language-understanding)
+* [Tworzenie modelu zrozumienia języka](../../../../../6-consumer/lessons/2-language-understanding)
+* [Intencje i jednostki](../../../../../6-consumer/lessons/2-language-understanding)
+* [Użycie modelu zrozumienia języka](../../../../../6-consumer/lessons/2-language-understanding)
+
+## Zrozumienie języka
+
+Ludzie używają języka do komunikacji od setek tysięcy lat. Komunikujemy się za pomocą słów, dźwięków lub działań i rozumiemy, co zostało powiedziane, zarówno znaczenie słów, dźwięków czy działań, jak i ich kontekst. Rozumiemy szczerość i sarkazm, pozwalając tym samym słowom oznaczać różne rzeczy w zależności od tonu naszego głosu.
+
+✅ Pomyśl o niektórych rozmowach, które prowadziłeś ostatnio. Jak wiele z tych rozmów byłoby trudnych do zrozumienia dla komputera, ponieważ wymagałyby kontekstu?
+
+Zrozumienie języka, zwane również zrozumieniem języka naturalnego, jest częścią dziedziny sztucznej inteligencji zwanej przetwarzaniem języka naturalnego (NLP) i dotyczy rozumienia tekstu, próbując zrozumieć szczegóły słów lub zdań. Jeśli używasz asystenta głosowego, takiego jak Alexa czy Siri, korzystasz z usług zrozumienia języka. Są to usługi AI działające w tle, które przekształcają „Alexa, odtwórz najnowszy album Taylor Swift” w moją córkę tańczącą po salonie do swoich ulubionych utworów.
+
+> 💁 Komputery, mimo wszystkich swoich postępów, wciąż mają przed sobą długą drogę, aby naprawdę zrozumieć tekst. Kiedy mówimy o zrozumieniu języka przez komputery, nie mamy na myśli niczego nawet zbliżonego do zaawansowanej komunikacji międzyludzkiej, lecz raczej wyciąganie kluczowych szczegółów z tekstu.
+
+Jako ludzie rozumiemy język bez większego zastanowienia. Jeśli poproszę innego człowieka, aby „odtworzył najnowszy album Taylor Swift”, instynktownie zrozumie, co mam na myśli. Dla komputera jest to trudniejsze. Musiałby wziąć słowa, przekształcone z mowy na tekst, i wyodrębnić następujące informacje:
+
+* Muzyka musi zostać odtworzona
+* Muzyka pochodzi od artystki Taylor Swift
+* Konkretna muzyka to cały album składający się z wielu utworów w określonej kolejności
+* Taylor Swift ma wiele albumów, więc trzeba je posortować chronologicznie, a najnowszy jest tym, który jest wymagany
+
+✅ Pomyśl o innych zdaniach, które wypowiadałeś, składając prośby, na przykład zamawiając kawę lub prosząc członka rodziny o podanie czegoś. Spróbuj rozłożyć je na części informacji, które komputer musiałby wyodrębnić, aby zrozumieć zdanie.
+
+Modele zrozumienia języka to modele AI, które są trenowane do wyodrębniania określonych szczegółów z języka, a następnie są trenowane do konkretnych zadań za pomocą transferu uczenia, w taki sam sposób, w jaki trenowałeś model Custom Vision za pomocą małego zestawu obrazów. Możesz wziąć model, a następnie trenować go za pomocą tekstu, który chcesz, aby rozumiał.
+
+## Tworzenie modelu zrozumienia języka
+
+![Logo LUIS](../../../../../translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.pl.png)
+
+Możesz tworzyć modele zrozumienia języka za pomocą LUIS, usługi zrozumienia języka od Microsoftu, która jest częścią Cognitive Services.
+
+### Zadanie - utwórz zasób autorski
+
+Aby korzystać z LUIS, musisz utworzyć zasób autorski.
+
+1. Użyj następującego polecenia, aby utworzyć zasób autorski w swojej grupie zasobów `smart-timer`:
+
+    ```python
+    az cognitiveservices account create --name smart-timer-luis-authoring \
+                                        --resource-group smart-timer \
+                                        --kind LUIS.Authoring \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Zamień `<location>` na lokalizację, którą użyłeś podczas tworzenia grupy zasobów.
+
+    > ⚠️ LUIS nie jest dostępny we wszystkich regionach, więc jeśli otrzymasz następujący błąd:
+    >
+    > ```output
+    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
+    > ```
+    >
+    > wybierz inny region.
+
+    To utworzy zasób autorski LUIS w wersji darmowej.
+
+### Zadanie - utwórz aplikację zrozumienia języka
+
+1. Otwórz portal LUIS pod adresem [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn) w swojej przeglądarce i zaloguj się na to samo konto, którego używasz w Azure.
+
+1. Postępuj zgodnie z instrukcjami w oknie dialogowym, aby wybrać swoją subskrypcję Azure, a następnie wybierz zasób `smart-timer-luis-authoring`, który właśnie utworzyłeś.
+
+1. Z listy *Conversation apps* wybierz przycisk **New app**, aby utworzyć nową aplikację. Nazwij nową aplikację `smart-timer` i ustaw *Culture* na swój język.
+
+    > 💁 Istnieje pole dla zasobu predykcji. Możesz utworzyć drugi zasób tylko do predykcji, ale darmowy zasób autorski pozwala na 1000 predykcji miesięcznie, co powinno wystarczyć na potrzeby rozwoju, więc możesz pozostawić to pole puste.
+
+1. Przeczytaj przewodnik, który pojawi się po utworzeniu aplikacji, aby zrozumieć kroki potrzebne do trenowania modelu zrozumienia języka. Zamknij ten przewodnik, gdy skończysz.
+
+## Intencje i jednostki
+
+Zrozumienie języka opiera się na *intencjach* i *jednostkach*. Intencje to cel wypowiedzianych słów, na przykład odtwarzanie muzyki, ustawianie timera czy zamawianie jedzenia. Jednostki to to, do czego odnosi się intencja, na przykład album, długość timera czy rodzaj jedzenia. Każde zdanie interpretowane przez model powinno mieć co najmniej jedną intencję i opcjonalnie jedną lub więcej jednostek.
+
+Kilka przykładów:
+
+| Zdanie                                              | Intencja         | Jednostki                                   |
+| --------------------------------------------------- | ---------------- | ------------------------------------------ |
+| „Odtwórz najnowszy album Taylor Swift”              | *odtwórz muzykę* | *najnowszy album Taylor Swift*             |
+| „Ustaw timer na 3 minuty”                           | *ustaw timer*    | *3 minuty*                                 |
+| „Anuluj mój timer”                                  | *anuluj timer*   | Brak                                       |
+| „Zamów 3 duże pizze z ananasem i sałatkę cezar”     | *zamów jedzenie* | *3 duże pizze z ananasem*, *sałatka cezar* |
+
+✅ Z zastanowionymi wcześniej zdaniami, jaka byłaby intencja i jakie jednostki w tych zdaniach?
+
+Aby trenować LUIS, najpierw ustawiasz jednostki. Mogą to być ustalone listy terminów lub wyuczone z tekstu. Na przykład możesz dostarczyć ustaloną listę jedzenia dostępnego w menu, z wariantami (lub synonimami) każdego słowa, takimi jak *bakłażan* i *oberżyna* jako warianty *oberżyny*. LUIS ma również wbudowane jednostki, które można wykorzystać, takie jak liczby i lokalizacje.
+
+Dla ustawiania timera możesz mieć jedną jednostkę korzystającą z wbudowanych jednostek liczbowych dla czasu i drugą dla jednostek, takich jak minuty i sekundy. Każda jednostka miałaby wiele wariantów, aby uwzględnić formy pojedyncze i mnogie - takie jak minuta i minuty.
+
+Po zdefiniowaniu jednostek tworzysz intencje. Są one wyuczone przez model na podstawie przykładów zdań, które dostarczasz (znanych jako wypowiedzi). Na przykład dla intencji *ustaw timer* możesz dostarczyć następujące zdania:
+
+* `ustaw timer na 1 sekundę`
+* `ustaw timer na 1 minutę i 12 sekund`
+* `ustaw timer na 3 minuty`
+* `ustaw timer na 9 minut i 30 sekund`
+
+Następnie informujesz LUIS, które części tych zdań odpowiadają jednostkom:
+
+![Zdanie ustaw timer na 1 minutę i 12 sekund rozbite na jednostki](../../../../../translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.pl.png)
+
+Zdanie `ustaw timer na 1 minutę i 12 sekund` ma intencję `ustaw timer`. Ma również 2 jednostki z 2 wartościami każda:
+
+|            | czas | jednostka |
+| ---------- | ---: | --------- |
+| 1 minuta   | 1    | minuta    |
+| 12 sekund  | 12   | sekunda   |
+
+Aby wytrenować dobry model, potrzebujesz różnych przykładów zdań, aby uwzględnić wiele różnych sposobów, w jakie ktoś może poprosić o to samo.
+
+> 💁 Jak w przypadku każdego modelu AI, im więcej danych i im bardziej dokładne dane użyjesz do trenowania, tym lepszy będzie model.
+
+✅ Pomyśl o różnych sposobach, w jakie możesz poprosić o to samo i oczekiwać, że człowiek to zrozumie.
+
+### Zadanie - dodaj jednostki do modeli zrozumienia języka
+
+Dla timera musisz dodać 2 jednostki - jedną dla jednostki czasu (minuty lub sekundy) i jedną dla liczby minut lub sekund.
+
+Instrukcje dotyczące korzystania z portalu LUIS znajdziesz w [Quickstart: Build your app in LUIS portal documentation on Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn).
+
+1. Z portalu LUIS wybierz zakładkę *Entities* i dodaj wbudowaną jednostkę *number*, wybierając przycisk **Add prebuilt entity**, a następnie wybierając *number* z listy.
+
+1. Utwórz nową jednostkę dla jednostki czasu, używając przycisku **Create**. Nazwij jednostkę `time unit` i ustaw typ na *List*. Dodaj wartości dla `minute` i `second` do listy *Normalized values*, dodając formy pojedyncze i mnogie do listy *synonyms*. Naciśnij `return` po dodaniu każdego synonimu, aby dodać go do listy.
+
+    | Wartość znormalizowana | Synonimy        |
+    | ---------------------- | --------------- |
+    | minuta                 | minuta, minuty  |
+    | sekunda                | sekunda, sekundy|
+
+### Zadanie - dodaj intencje do modeli zrozumienia języka
+
+1. Z zakładki *Intents* wybierz przycisk **Create**, aby utworzyć nową intencję. Nazwij tę intencję `set timer`.
+
+1. W przykładach wpisz różne sposoby ustawiania timera, używając zarówno minut, sekund, jak i kombinacji minut i sekund. Przykłady mogą być:
+
+    * `ustaw timer na 1 sekundę`
+    * `ustaw timer na 4 minuty`
+    * `ustaw timer na cztery minuty i sześć sekund`
+    * `ustaw timer na 9 minut i 30 sekund`
+    * `ustaw timer na 1 minutę i 12 sekund`
+    * `ustaw timer na 3 minuty`
+    * `ustaw timer na 3 minuty i 1 sekundę`
+    * `ustaw timer na trzy minuty i jedną sekundę`
+    * `ustaw timer na 1 minutę i 1 sekundę`
+    * `ustaw timer na 30 sekund`
+    * `ustaw timer na 1 sekundę`
+
+    Wymieszaj liczby jako słowa i cyfry, aby model nauczył się obsługiwać oba.
+
+1. Podczas wpisywania każdego przykładu LUIS zacznie wykrywać jednostki i podkreślać oraz oznaczać te, które znajdzie.
+
+    ![Przykłady z podkreślonymi liczbami i jednostkami czasu przez LUIS](../../../../../translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.pl.png)
+
+### Zadanie - wytrenuj i przetestuj model
+
+1. Gdy jednostki i intencje są skonfigurowane, możesz wytrenować model, używając przycisku **Train** w górnym menu. Wybierz ten przycisk, a model powinien wytrenować się w ciągu kilku sekund. Przycisk będzie wyszarzony podczas trenowania i ponownie aktywowany po zakończeniu.
+
+1. Wybierz przycisk **Test** z górnego menu, aby przetestować model zrozumienia języka. Wpisz tekst, taki jak `ustaw timer na 5 minut i 4 sekundy`, i naciśnij enter. Zdanie pojawi się w polu poniżej pola tekstowego, w które je wpisałeś, a poniżej będzie *top intent*, czyli intencja wykryta z najwyższym prawdopodobieństwem. Powinna to być `set timer`. Nazwa intencji będzie poprzedzona prawdopodobieństwem, że wykryta intencja była właściwa.
+
+1. Wybierz opcję **Inspect**, aby zobaczyć szczegółowy podział wyników. Zobaczysz najwyżej ocenioną intencję z jej procentowym prawdopodobieństwem, wraz z listami wykrytych jednostek.
+
+1. Zamknij panel *Test*, gdy skończysz testowanie.
+
+### Zadanie - opublikuj model
+
+Aby używać tego modelu w kodzie, musisz go opublikować. Podczas publikowania z LUIS możesz publikować do środowiska testowego (staging) lub produkcyjnego. W tej lekcji środowisko testowe jest wystarczające.
+
+1. Z portalu LUIS wybierz przycisk **Publish** z górnego menu.
+
+1. Upewnij się, że wybrano *Staging slot*, a następnie wybierz **Done**. Zobaczysz powiadomienie, gdy aplikacja zostanie opublikowana.
+
+1. Możesz to przetestować za pomocą curl. Aby zbudować polecenie curl, potrzebujesz trzech wartości - punktu końcowego, identyfikatora aplikacji (App ID) i klucza API. Można je znaleźć w zakładce **MANAGE**, którą można wybrać z górnego menu.
+
+    1. Z sekcji *Settings* skopiuj App ID.
+1. W sekcji *Azure Resources* wybierz *Authoring Resource* i skopiuj *Primary Key* oraz *Endpoint URL*.
+
+1. Uruchom następujące polecenie curl w wierszu poleceń lub terminalu:
+
+    ```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>"
+    ```
+
+    Zamień `<endpoint url>` na Endpoint URL z sekcji *Azure Resources*.
+
+    Zamień `<app id>` na App ID z sekcji *Settings*.
+
+    Zamień `<primary key>` na Primary Key z sekcji *Azure Resources*.
+
+    Zamień `<sentence>` na zdanie, które chcesz przetestować.
+
+1. Wynik tego wywołania będzie dokumentem JSON, który zawiera szczegóły zapytania, główną intencję oraz listę jednostek podzielonych według typów.
+
+    ```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"
+                    ]
+                ]
+            }
+        }
+    }
+    ```
+
+    Powyższy JSON pochodzi z zapytania o `set a timer for 45 minutes and 12 seconds`:
+
+    * `set timer` było główną intencją z prawdopodobieństwem 97%.
+    * Wykryto dwie jednostki typu *number*: `45` i `12`.
+    * Wykryto dwie jednostki typu *time-unit*: `minute` i `second`.
+
+## Użycie modelu rozumienia języka
+
+Po opublikowaniu model LUIS można wywoływać z poziomu kodu. W poprzednich lekcjach używałeś IoT Hub do obsługi komunikacji z usługami w chmurze, wysyłania telemetrii i nasłuchiwania poleceń. Jest to bardzo asynchroniczne – po wysłaniu telemetrii Twój kod nie czeka na odpowiedź, a jeśli usługa w chmurze jest niedostępna, nie będziesz o tym wiedział.
+
+W przypadku inteligentnego timera chcemy uzyskać odpowiedź natychmiast, aby poinformować użytkownika, że timer został ustawiony, lub ostrzec go, że usługi w chmurze są niedostępne. Aby to zrobić, nasze urządzenie IoT będzie wywoływać bezpośrednio punkt końcowy sieciowy, zamiast polegać na IoT Hub.
+
+Zamiast wywoływać LUIS bezpośrednio z urządzenia IoT, możesz użyć kodu bezserwerowego z innym typem wyzwalacza – wyzwalaczem HTTP. Pozwala to aplikacji funkcji nasłuchiwać żądań REST i na nie odpowiadać. Ta funkcja będzie punktem końcowym REST, który Twoje urządzenie może wywoływać.
+
+> 💁 Chociaż możesz wywoływać LUIS bezpośrednio z urządzenia IoT, lepiej jest użyć czegoś takiego jak kod bezserwerowy. Dzięki temu, gdy chcesz zmienić aplikację LUIS, którą wywołujesz, na przykład po przeszkoleniu lepszego modelu lub modelu w innym języku, musisz zaktualizować tylko kod w chmurze, a nie wdrażać ponownie kod na potencjalnie tysiącach lub milionach urządzeń IoT.
+
+### Zadanie – utwórz aplikację funkcji bezserwerowych
+
+1. Utwórz aplikację Azure Functions o nazwie `smart-timer-trigger` i otwórz ją w VS Code.
+
+1. Dodaj wyzwalacz HTTP do tej aplikacji o nazwie `speech-trigger`, używając następującego polecenia w terminalu VS Code:
+
+    ```sh
+    func new --name text-to-timer --template "HTTP trigger"
+    ```
+
+    To utworzy wyzwalacz HTTP o nazwie `text-to-timer`.
+
+1. Przetestuj wyzwalacz HTTP, uruchamiając aplikację funkcji. Po uruchomieniu zobaczysz punkt końcowy wymieniony w wynikach:
+
+    ```output
+    Functions:
+    
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    ```
+
+    Przetestuj to, ładując URL [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) w przeglądarce.
+
+    ```output
+    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
+    ```
+
+### Zadanie – użyj modelu rozumienia języka
+
+1. SDK dla LUIS jest dostępne jako pakiet Pip. Dodaj następującą linię do pliku `requirements.txt`, aby dodać zależność od tego pakietu:
+
+    ```sh
+    azure-cognitiveservices-language-luis
+    ```
+
+1. Upewnij się, że terminal VS Code ma aktywowane środowisko wirtualne, i uruchom następujące polecenie, aby zainstalować pakiety Pip:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 Jeśli pojawią się błędy, może być konieczna aktualizacja pip za pomocą następującego polecenia:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. Dodaj nowe wpisy do pliku `local.settings.json` dla swojego klucza API LUIS, Endpoint URL i App ID z zakładki **MANAGE** w portalu LUIS:
+
+    ```JSON
+    "LUIS_KEY": "<primary key>",
+    "LUIS_ENDPOINT_URL": "<endpoint url>",
+    "LUIS_APP_ID": "<app id>"
+    ```
+
+    Zamień `<endpoint url>` na Endpoint URL z sekcji *Azure Resources* w zakładce **MANAGE**. Będzie to `https://<location>.api.cognitive.microsoft.com/`.
+
+    Zamień `<app id>` na App ID z sekcji *Settings* w zakładce **MANAGE**.
+
+    Zamień `<primary key>` na Primary Key z sekcji *Azure Resources* w zakładce **MANAGE**.
+
+1. Dodaj następujące importy do pliku `__init__.py`:
+
+    ```python
+    import json
+    import os
+    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
+    from msrest.authentication import CognitiveServicesCredentials
+    ```
+
+    To importuje niektóre biblioteki systemowe oraz biblioteki do interakcji z LUIS.
+
+1. Usuń zawartość metody `main` i dodaj następujący kod:
+
+    ```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)
+    ```
+
+    Ten kod ładuje wartości, które dodałeś do pliku `local.settings.json` dla swojej aplikacji LUIS, tworzy obiekt poświadczeń z Twoim kluczem API, a następnie tworzy obiekt klienta LUIS do interakcji z Twoją aplikacją LUIS.
+
+1. Wyzwalacz HTTP będzie wywoływany z tekstem do zrozumienia przesłanym jako JSON, z tekstem w właściwości `text`. Następujący kod wyodrębnia wartość z treści żądania HTTP i loguje ją do konsoli. Dodaj ten kod do funkcji `main`:
+
+    ```python
+    req_body = req.get_json()
+    text = req_body['text']
+    logging.info(f'Request - {text}')
+    ```
+
+1. Prognozy są żądane od LUIS przez wysłanie żądania prognozy – dokumentu JSON zawierającego tekst do przewidzenia. Utwórz to za pomocą następującego kodu:
+
+    ```python
+    prediction_request = { 'query' : text }
+    ```
+
+1. To żądanie można następnie wysłać do LUIS, używając slotu staging, na który Twoja aplikacja została opublikowana:
+
+    ```python
+    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
+    ```
+
+1. Odpowiedź prognozy zawiera główną intencję – intencję z najwyższym wynikiem prognozy, wraz z jednostkami. Jeśli główną intencją jest `set timer`, jednostki można odczytać, aby uzyskać czas potrzebny na timer:
+
+    ```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
+    ```
+
+    Jednostki typu `number` będą tablicą liczb. Na przykład, jeśli powiesz *"Set a four minute 17 second timer."*, tablica `number` będzie zawierać 2 liczby całkowite – 4 i 17.
+
+    Jednostki typu `time unit` będą tablicą tablic ciągów znaków, z każdą jednostką czasu jako tablicą ciągów znaków wewnątrz tablicy. Na przykład, jeśli powiesz *"Set a four minute 17 second timer."*, tablica `time unit` będzie zawierać 2 tablice z pojedynczymi wartościami – `['minute']` i `['second']`.
+
+    Wersja JSON tych jednostek dla *"Set a four minute 17 second timer."* wygląda następująco:
+
+    ```json
+    {
+        "number": [4, 17],
+        "time unit": [
+            ["minute"],
+            ["second"]
+        ]
+    }
+    ```
+
+    Ten kod definiuje również licznik dla całkowitego czasu timera w sekundach. Zostanie on wypełniony wartościami z jednostek.
+
+1. Jednostki nie są powiązane, ale możemy przyjąć pewne założenia na ich temat. Będą w kolejności wypowiedzianej, więc pozycja w tablicy może być użyta do określenia, która liczba odpowiada której jednostce czasu. Na przykład:
+
+    * *"Set a 30 second timer"* – będzie miało jedną liczbę, `30`, i jedną jednostkę czasu, `second`, więc pojedyncza liczba będzie odpowiadać pojedynczej jednostce czasu.
+    * *"Set a 2 minute and 30 second timer"* – będzie miało dwie liczby, `2` i `30`, oraz dwie jednostki czasu, `minute` i `second`, więc pierwsza liczba będzie dla pierwszej jednostki czasu (2 minuty), a druga liczba dla drugiej jednostki czasu (30 sekund).
+
+    Następujący kod pobiera liczbę elementów w jednostkach typu `number` i używa jej do wyodrębnienia pierwszego elementu z każdej tablicy, następnie drugiego i tak dalej. Dodaj to wewnątrz bloku `if`.
+
+    ```python
+    for i in range(0, len(numbers)):
+        number = numbers[i]
+        time_unit = time_units[i][0]
+    ```
+
+    Dla *"Set a four minute 17 second timer."* pętla wykona się dwa razy, dając następujące wartości:
+
+    | licznik pętli | `number` | `time_unit` |
+    | -------------:| --------:| ----------- |
+    | 0             | 4        | minute      |
+    | 1             | 17       | second      |
+
+1. Wewnątrz tej pętli użyj liczby i jednostki czasu, aby obliczyć całkowity czas timera, dodając 60 sekund dla każdej minuty i liczbę sekund dla każdej sekundy.
+
+    ```python
+    if time_unit == 'minute':
+        total_seconds += number * 60
+    else:
+        total_seconds += number
+    ```
+
+1. Poza tą pętlą przez jednostki, zaloguj całkowity czas timera:
+
+    ```python
+    logging.info(f'Timer required for {total_seconds} seconds')
+    ```
+
+1. Liczba sekund musi zostać zwrócona z funkcji jako odpowiedź HTTP. Na końcu bloku `if` dodaj następujący kod:
+
+    ```python
+    payload = {
+        'seconds': total_seconds
+    }
+    return func.HttpResponse(json.dumps(payload), status_code=200)
+    ```
+
+    Ten kod tworzy ładunek zawierający całkowitą liczbę sekund dla timera, konwertuje go na ciąg JSON i zwraca jako wynik HTTP z kodem statusu 200, co oznacza, że wywołanie zakończyło się sukcesem.
+
+1. Na koniec, poza blokiem `if`, obsłuż sytuację, gdy intencja nie została rozpoznana, zwracając kod błędu:
+
+    ```python
+    return func.HttpResponse(status_code=404)
+    ```
+
+    404 to kod statusu dla *not found*.
+
+1. Uruchom aplikację funkcji i przetestuj ją za pomocą curl.
+
+    ```sh
+    curl --request POST 'http://localhost:7071/api/text-to-timer' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data '{"text":"<text>"}'
+    ```
+
+    Zamień `<text>` na tekst swojego żądania, na przykład `set a 2 minutes 27 second timer`.
+
+    Zobaczysz następujący wynik z aplikacji funkcji:
+
+    ```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)
+    ```
+
+    Wywołanie curl zwróci następujące dane:
+
+    ```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}
+    ```
+
+    Liczba sekund dla timera znajduje się w wartości `"seconds"`.
+
+> 💁 Kod ten znajdziesz w folderze [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions).
+
+### Zadanie – udostępnij swoją funkcję urządzeniu IoT
+
+1. Aby Twoje urządzenie IoT mogło wywołać Twój punkt końcowy REST, będzie musiało znać URL. Kiedy uzyskałeś do niego dostęp wcześniej, używałeś `localhost`, który jest skrótem do dostępu do punktów końcowych REST na Twoim lokalnym komputerze. Aby umożliwić dostęp urządzeniu IoT, musisz albo opublikować aplikację w chmurze, albo uzyskać swój adres IP, aby uzyskać dostęp lokalnie.
+
+    > ⚠️ Jeśli używasz Wio Terminal, łatwiej jest uruchomić aplikację funkcji lokalnie, ponieważ będą zależności od bibliotek, które uniemożliwią wdrożenie aplikacji funkcji w taki sam sposób, jak wcześniej. Uruchom aplikację funkcji lokalnie i uzyskaj do niej dostęp za pomocą adresu IP swojego komputera. Jeśli chcesz wdrożyć w chmurze, informacje na temat tego, jak to zrobić, zostaną podane w późniejszej lekcji.
+
+    * Opublikuj aplikację Functions – postępuj zgodnie z instrukcjami z wcześniejszych lekcji, aby opublikować swoją aplikację funkcji w chmurze. Po opublikowaniu URL będzie miał postać `https://<APP_NAME>.azurewebsites.net/api/text-to-timer`, gdzie `<APP_NAME>` to nazwa Twojej aplikacji funkcji. Upewnij się, że opublikowałeś również swoje ustawienia lokalne.
+
+      Podczas pracy z wyzwalaczami HTTP są one domyślnie zabezpieczone kluczem aplikacji funkcji. Aby uzyskać ten klucz, uruchom następujące polecenie:
+
+      ```sh
+      az functionapp keys list --resource-group smart-timer \
+                               --name <APP_NAME>                               
+      ```
+
+      Skopiuj wartość wpisu `default` z sekcji `functionKeys`.
+
+      ```output
+      {
+        "functionKeys": {
+          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
+        },
+        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
+        "systemKeys": {}
+      }
+      ```
+
+      Ten klucz musi zostać dodany jako parametr zapytania do URL, więc ostateczny URL będzie miał postać `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>`, gdzie `<APP_NAME>` to nazwa Twojej aplikacji funkcji, a `<FUNCTION_KEY>` to Twój domyślny klucz funkcji.
+
+      > 💁 Możesz zmienić typ autoryzacji wyzwalacza HTTP, używając ustawienia `authlevel` w pliku `function.json`. Więcej na ten temat możesz przeczytać w [sekcji konfiguracji dokumentacji wyzwalacza HTTP w 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).
+
+    * Uruchom aplikację funkcji lokalnie i uzyskaj dostęp za pomocą adresu IP – możesz uzyskać adres IP swojego komputera w lokalnej sieci i użyć go do zbudowania URL.
+
+      Znajdź swój adres IP:
+
+      * Na Windows 10, postępuj zgodnie z [przewodnikiem znajdowania adresu IP](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn)
+      * Na macOS, postępuj zgodnie z [przewodnikiem znajdowania adresu IP na Macu](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac)
+      * Na Linux, postępuj zgodnie z sekcją znajdowania prywatnego adresu IP w [przewodniku znajdowania adresu IP w Linux](https://opensource.com/article/18/5/how-find-ip-address-linux)
+
+      Po uzyskaniu adresu IP będziesz mógł uzyskać dostęp do funkcji pod adresem `http://`.
+
+:7071/api/text-to-timer`, gdzie `<IP_ADDRESS>` to Twój adres IP, na przykład `http://192.168.1.10:7071/api/text-to-timer`.
+
+      > 💁 Zwróć uwagę, że używany jest port 7071, więc po adresie IP musisz dodać `:7071`.
+
+      > 💁 To będzie działać tylko wtedy, gdy Twoje urządzenie IoT znajduje się w tej samej sieci co Twój komputer.
+
+1. Przetestuj endpoint, uzyskując do niego dostęp za pomocą curl.
+
+---
+
+## 🚀 Wyzwanie
+
+Istnieje wiele sposobów na złożenie tej samej prośby, na przykład ustawienie timera. Pomyśl o różnych sposobach, aby to zrobić, i użyj ich jako przykładów w swojej aplikacji LUIS. Przetestuj je, aby zobaczyć, jak dobrze Twój model radzi sobie z różnymi sposobami składania prośby o timer.
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj więcej o LUIS i jego możliwościach na [stronie dokumentacji Language Understanding (LUIS) na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn)
+* Dowiedz się więcej o rozumieniu języka na [stronie o naturalnym rozumieniu języka na Wikipedii](https://wikipedia.org/wiki/Natural-language_understanding)
+* Przeczytaj więcej o wyzwalaczach HTTP w [dokumentacji wyzwalaczy HTTP dla 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)
+
+## Zadanie
+
+[Anuluj timer](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/2-language-understanding/assignment.md b/translations/pl/6-consumer/lessons/2-language-understanding/assignment.md
new file mode 100644
index 00000000..150b8139
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/2-language-understanding/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
+  "translation_date": "2025-08-26T07:17:54+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Anulowanie timera
+
+## Instrukcje
+
+Do tej pory w tej lekcji nauczyłeś model rozpoznawania ustawiania timera. Kolejną przydatną funkcją jest anulowanie timera - na przykład, gdy chleb jest już gotowy i można go wyjąć z piekarnika przed upływem czasu.
+
+Dodaj nową intencję do swojej aplikacji LUIS, aby anulować timer. Nie będzie wymagała żadnych encji, ale potrzebne będą przykładowe zdania. Obsłuż to w swoim kodzie serverless, jeśli jest to najważniejsza intencja, logując, że intencja została rozpoznana i zwracając odpowiednią odpowiedź.
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Wystarczające | Wymaga poprawy |
+| --------- | ------- | ------------- | -------------- |
+| Dodanie intencji anulowania timera do aplikacji LUIS | Udało się dodać intencję i wytrenować model | Udało się dodać intencję, ale nie wytrenować modelu | Nie udało się dodać intencji ani wytrenować modelu |
+| Obsługa intencji w aplikacji serverless | Udało się wykryć intencję jako najważniejszą i zalogować ją | Udało się wykryć intencję jako najważniejszą | Nie udało się wykryć intencji jako najważniejszej |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/3-spoken-feedback/README.md b/translations/pl/6-consumer/lessons/3-spoken-feedback/README.md
new file mode 100644
index 00000000..d43e5976
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/3-spoken-feedback/README.md
@@ -0,0 +1,140 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
+  "translation_date": "2025-08-26T07:18:21+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
+  "language_code": "pl"
+}
+-->
+# Ustaw timer i udziel odpowiedzi głosowej
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obrazek, aby zobaczyć większą wersję.
+
+## Quiz przed wykładem
+
+[Quiz przed wykładem](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
+
+## Wprowadzenie
+
+Inteligentni asystenci nie są urządzeniami komunikacyjnymi działającymi w jedną stronę. Rozmawiasz z nimi, a one odpowiadają:
+
+"Alexa, ustaw timer na 3 minuty"
+
+"Ok, Twój timer został ustawiony na 3 minuty"
+
+W ostatnich dwóch lekcjach nauczyłeś się, jak przekształcić mowę w tekst, a następnie wyodrębnić z tego tekstu polecenie ustawienia timera. W tej lekcji dowiesz się, jak ustawić timer na urządzeniu IoT, odpowiedzieć użytkownikowi słowami potwierdzającymi ustawienie timera oraz powiadomić go, gdy timer się zakończy.
+
+W tej lekcji omówimy:
+
+* [Tekst na mowę](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [Ustawienie timera](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [Konwersja tekstu na mowę](../../../../../6-consumer/lessons/3-spoken-feedback)
+
+## Tekst na mowę
+
+Tekst na mowę, jak sama nazwa wskazuje, to proces przekształcania tekstu w dźwięk zawierający wypowiedziane słowa. Podstawowa zasada polega na rozłożeniu słów w tekście na ich składowe dźwięki (zwane fonemami) i połączeniu tych dźwięków w całość, używając nagrań audio lub dźwięków generowanych przez modele AI.
+
+![Trzy etapy typowych systemów tekst na mowę](../../../../../translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.pl.png)
+
+Systemy tekst na mowę zazwyczaj składają się z 3 etapów:
+
+* Analiza tekstu
+* Analiza lingwistyczna
+* Generowanie fali dźwiękowej
+
+### Analiza tekstu
+
+Analiza tekstu polega na przekształceniu dostarczonego tekstu w słowa, które mogą być użyte do generowania mowy. Na przykład, jeśli konwertujesz "Hello world", nie jest potrzebna analiza tekstu, ponieważ te dwa słowa można bezpośrednio przekształcić w mowę. Jeśli jednak masz "1234", może być konieczne przekształcenie tego w "Jeden tysiąc dwieście trzydzieści cztery" lub "Jeden, dwa, trzy, cztery" w zależności od kontekstu. W przypadku "Mam 1234 jabłka" będzie to "Jeden tysiąc dwieście trzydzieści cztery", ale w przypadku "Dziecko policzyło 1234" będzie to "Jeden, dwa, trzy, cztery".
+
+Słowa różnią się nie tylko w zależności od języka, ale także od lokalizacji tego języka. Na przykład w amerykańskim angielskim 120 to "One hundred twenty", a w brytyjskim angielskim "One hundred and twenty", z użyciem "and" po setkach.
+
+✅ Inne przykłady wymagające analizy tekstu to "in" jako skrót od cali oraz "st" jako skrót od świętego lub ulicy. Czy potrafisz wymyślić inne przykłady w swoim języku, gdzie słowa są niejednoznaczne bez kontekstu?
+
+Po zdefiniowaniu słów są one przesyłane do analizy lingwistycznej.
+
+### Analiza lingwistyczna
+
+Analiza lingwistyczna rozkłada słowa na fonemy. Fonemy zależą nie tylko od użytych liter, ale także od innych liter w słowie. Na przykład w języku angielskim dźwięk 'a' w 'car' i 'care' jest różny. Język angielski ma 44 różne fonemy dla 26 liter alfabetu, niektóre wspólne dla różnych liter, na przykład ten sam fonem używany na początku 'circle' i 'serpent'.
+
+✅ Zrób badania: Jakie są fonemy w Twoim języku?
+
+Po przekształceniu słów w fonemy, fonemy te potrzebują dodatkowych danych wspierających intonację, dostosowując ton lub długość w zależności od kontekstu. Na przykład w języku angielskim podwyższenie tonu może przekształcić zdanie w pytanie, podnosząc ton ostatniego słowa.
+
+Na przykład - zdanie "Masz jabłko" jest stwierdzeniem, że masz jabłko. Jeśli ton wzrasta na końcu, zwiększając się dla słowa jabłko, staje się pytaniem "Masz jabłko?", pytając, czy masz jabłko. Analiza lingwistyczna musi użyć znaku zapytania na końcu, aby zdecydować o podwyższeniu tonu.
+
+Po wygenerowaniu fonemów są one przesyłane do generowania fali dźwiękowej w celu uzyskania wyjścia audio.
+
+### Generowanie fali dźwiękowej
+
+Pierwsze elektroniczne systemy tekst na mowę używały pojedynczych nagrań audio dla każdego fonemu, co prowadziło do bardzo monotonnych, robotycznych głosów. Analiza lingwistyczna generowała fonemy, które były ładowane z bazy danych dźwięków i łączone w całość, aby stworzyć dźwięk.
+
+✅ Zrób badania: Znajdź nagrania audio z wczesnych systemów syntezy mowy. Porównaj je z nowoczesną syntezą mowy, taką jak ta używana w inteligentnych asystentach.
+
+Nowoczesne generowanie fali dźwiękowej wykorzystuje modele ML zbudowane przy użyciu głębokiego uczenia (bardzo dużych sieci neuronowych działających podobnie do neuronów w mózgu), aby tworzyć bardziej naturalnie brzmiące głosy, które mogą być nieodróżnialne od ludzkich.
+
+> 💁 Niektóre z tych modeli ML mogą być ponownie trenowane za pomocą transfer learning, aby brzmieć jak prawdziwi ludzie. Oznacza to, że używanie głosu jako systemu bezpieczeństwa, co coraz częściej próbują robić banki, nie jest już dobrym pomysłem, ponieważ każdy, kto ma nagranie kilku minut Twojego głosu, może Cię podszyć.
+
+Te duże modele ML są trenowane, aby łączyć wszystkie trzy kroki w kompleksowe systemy syntezy mowy.
+
+## Ustawienie timera
+
+Aby ustawić timer, Twoje urządzenie IoT musi wywołać punkt końcowy REST, który stworzyłeś za pomocą kodu serverless, a następnie użyć wynikowej liczby sekund do ustawienia timera.
+
+### Zadanie - wywołanie funkcji serverless w celu uzyskania czasu timera
+
+Postępuj zgodnie z odpowiednim przewodnikiem, aby wywołać punkt końcowy REST z Twojego urządzenia IoT i ustawić timer na wymagany czas:
+
+* [Arduino - Wio Terminal](wio-terminal-set-timer.md)
+* [Komputer jednopłytkowy - Raspberry Pi/Wirtualne urządzenie IoT](single-board-computer-set-timer.md)
+
+## Konwersja tekstu na mowę
+
+Ta sama usługa mowy, której używałeś do konwersji mowy na tekst, może być użyta do konwersji tekstu z powrotem na mowę, którą można odtworzyć przez głośnik na Twoim urządzeniu IoT. Tekst do konwersji jest przesyłany do usługi mowy wraz z typem wymaganego dźwięku (takim jak częstotliwość próbkowania), a dane binarne zawierające dźwięk są zwracane.
+
+Podczas wysyłania tego żądania używasz *Speech Synthesis Markup Language* (SSML), języka znaczników opartego na XML dla aplikacji syntezy mowy. Określa on nie tylko tekst do konwersji, ale także język tekstu, głos do użycia, a nawet może być używany do definiowania szybkości, głośności i tonu dla niektórych lub wszystkich słów w tekście.
+
+Na przykład, ten SSML definiuje żądanie konwersji tekstu "Twój timer na 3 minuty i 5 sekund został ustawiony" na mowę przy użyciu brytyjskiego głosu angielskiego `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>
+```
+
+> 💁 Większość systemów tekst na mowę ma wiele głosów dla różnych języków, z odpowiednimi akcentami, takimi jak brytyjski głos angielski z angielskim akcentem i nowozelandzki głos angielski z nowozelandzkim akcentem.
+
+### Zadanie - konwersja tekstu na mowę
+
+Przejdź przez odpowiedni przewodnik, aby skonwertować tekst na mowę za pomocą swojego urządzenia IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-text-to-speech.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-text-to-speech.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-text-to-speech.md)
+
+---
+
+## 🚀 Wyzwanie
+
+SSML ma sposoby na zmianę sposobu wypowiadania słów, takie jak dodanie nacisku na określone słowa, dodanie pauz lub zmiana tonu. Wypróbuj niektóre z tych funkcji, wysyłając różne SSML z Twojego urządzenia IoT i porównując wyniki. Możesz przeczytać więcej o SSML, w tym o tym, jak zmienić sposób wypowiadania słów, w [specyfikacji Speech Synthesis Markup Language (SSML) Version 1.1 od World Wide Web Consortium](https://www.w3.org/TR/speech-synthesis11/).
+
+## Quiz po wykładzie
+
+[Quiz po wykładzie](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj więcej o syntezie mowy na [stronie o syntezie mowy na Wikipedii](https://wikipedia.org/wiki/Speech_synthesis)
+* Przeczytaj więcej o sposobach, w jakie przestępcy wykorzystują syntezę mowy do kradzieży w [historii o fałszywych głosach 'pomagających cyberprzestępcom kraść pieniądze' na BBC News](https://www.bbc.com/news/technology-48908736)
+* Dowiedz się więcej o zagrożeniach dla aktorów głosowych wynikających z syntezowanych wersji ich głosów w [artykule na Vice o pozwie TikTok, który podkreśla, jak AI szkodzi aktorom głosowym](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)
+
+## Zadanie
+
+[Anuluj timer](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/pl/6-consumer/lessons/3-spoken-feedback/assignment.md
new file mode 100644
index 00000000..f3fedb8c
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/3-spoken-feedback/assignment.md
@@ -0,0 +1,24 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
+  "translation_date": "2025-08-26T07:19:01+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Anulowanie timera
+
+## Instrukcje
+
+W zadaniu z ostatniej lekcji dodałeś intencję anulowania timera do LUIS. W tym zadaniu musisz obsłużyć tę intencję w kodzie serverless, wysłać polecenie do urządzenia IoT, a następnie anulować timer.
+
+## Kryteria oceny
+
+| Kryteria | Wzorowe | Zadowalające | Wymaga poprawy |
+| -------- | ------- | ------------ | -------------- |
+| Obsługa intencji w kodzie serverless i wysłanie polecenia | Udało się obsłużyć intencję i wysłać polecenie do urządzenia | Udało się obsłużyć intencję, ale nie udało się wysłać polecenia do urządzenia | Nie udało się obsłużyć intencji |
+| Anulowanie timera na urządzeniu | Udało się odebrać polecenie i anulować timer | Udało się odebrać polecenie, ale nie anulować timera | Nie udało się odebrać polecenia |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/pl/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
new file mode 100644
index 00000000..87b35598
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
+  "translation_date": "2025-08-26T07:19:40+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
+  "language_code": "pl"
+}
+-->
+# Konwersja tekstu na mowę - Raspberry Pi
+
+W tej części lekcji napiszesz kod, który przekształci tekst na mowę za pomocą usługi mowy.
+
+## Konwersja tekstu na mowę za pomocą usługi mowy
+
+Tekst można przesłać do usługi mowy za pomocą REST API, aby uzyskać mowę w formie pliku audio, który można odtworzyć na urządzeniu IoT. Podczas żądania mowy należy określić głos, który ma być użyty, ponieważ mowę można generować za pomocą różnych głosów.
+
+Każdy język obsługuje różne głosy, a za pomocą żądania REST do usługi mowy można uzyskać listę obsługiwanych głosów dla każdego języka.
+
+### Zadanie - uzyskaj głos
+
+1. Otwórz projekt `smart-timer` w VS Code.
+
+1. Dodaj poniższy kod powyżej funkcji `say`, aby zażądać listy głosów dla danego języka:
+
+    ```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}')
+    ```
+
+    Ten kod definiuje funkcję o nazwie `get_voice`, która korzysta z usługi mowy, aby uzyskać listę głosów. Następnie znajduje pierwszy głos, który pasuje do używanego języka.
+
+    Funkcja ta jest następnie wywoływana, aby zapisać pierwszy głos, a nazwa głosu jest drukowana w konsoli. Ten głos można zażądać raz, a wartość używać przy każdym wywołaniu konwersji tekstu na mowę.
+
+    > 💁 Pełną listę obsługiwanych głosów można znaleźć w [dokumentacji obsługi języków i głosów na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech). Jeśli chcesz użyć konkretnego głosu, możesz usunąć tę funkcję i na stałe wpisać nazwę głosu z tej dokumentacji. Na przykład:
+    >
+    > ```python
+    > voice = 'hi-IN-SwaraNeural'
+    > ```
+
+### Zadanie - konwersja tekstu na mowę
+
+1. Poniżej tego, zdefiniuj stałą dla formatu audio, który ma być pobrany z usług mowy. Podczas żądania audio można to zrobić w różnych formatach.
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+    ```
+
+    Format, którego możesz użyć, zależy od Twojego sprzętu. Jeśli pojawią się błędy `Invalid sample rate` podczas odtwarzania audio, zmień to na inną wartość. Listę obsługiwanych wartości znajdziesz w [dokumentacji REST API tekstu na mowę na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs). Musisz użyć audio w formacie `riff`, a wartości do wypróbowania to `riff-16khz-16bit-mono-pcm`, `riff-24khz-16bit-mono-pcm` i `riff-48khz-16bit-mono-pcm`.
+
+1. Poniżej tego, zadeklaruj funkcję o nazwie `get_speech`, która przekształci tekst na mowę za pomocą REST API usługi mowy:
+
+    ```python
+    def get_speech(text):
+    ```
+
+1. W funkcji `get_speech` zdefiniuj URL do wywołania oraz nagłówki do przekazania:
+
+    ```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
+        }
+    ```
+
+    To ustawia nagłówki, aby użyć wygenerowanego tokenu dostępu, ustawia zawartość na SSML i definiuje potrzebny format audio.
+
+1. Poniżej tego, zdefiniuj SSML do wysłania do REST API:
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+    Ten SSML ustawia język i głos do użycia, wraz z tekstem do konwersji.
+
+1. Na koniec dodaj kod w tej funkcji, aby wykonać żądanie REST i zwrócić binarne dane audio:
+
+    ```python
+    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    return io.BytesIO(response.content)
+    ```
+
+### Zadanie - odtwórz audio
+
+1. Poniżej funkcji `get_speech`, zdefiniuj nową funkcję do odtwarzania audio zwróconego przez wywołanie REST API:
+
+    ```python
+    def play_speech(speech):
+    ```
+
+1. `speech` przekazane do tej funkcji będzie binarnymi danymi audio zwróconymi przez REST API. Użyj poniższego kodu, aby otworzyć to jako plik wave i przekazać do PyAudio w celu odtworzenia audio:
+
+    ```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()
+    ```
+
+    Ten kod używa strumienia PyAudio, podobnie jak przy przechwytywaniu audio. Różnica polega na tym, że strumień jest ustawiony jako strumień wyjściowy, a dane są odczytywane z danych audio i przesyłane do strumienia.
+
+    Zamiast na stałe ustawiać szczegóły strumienia, takie jak częstotliwość próbkowania, są one odczytywane z danych audio.
+
+1. Zastąp zawartość funkcji `say` następującym kodem:
+
+    ```python
+    speech = get_speech(text)
+    play_speech(speech)
+    ```
+
+    Ten kod przekształca tekst na mowę jako binarne dane audio i odtwarza audio.
+
+1. Uruchom aplikację i upewnij się, że aplikacja funkcji również działa. Ustaw kilka timerów, a usłyszysz odpowiedź głosową informującą, że Twój timer został ustawiony, a następnie kolejną odpowiedź głosową, gdy timer się zakończy.
+
+    Jeśli pojawią się błędy `Invalid sample rate`, zmień `playback_format`, jak opisano powyżej.
+
+> 💁 Ten kod znajdziesz w folderze [code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi).
+
+😀 Twój program timerów zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/pl/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
new file mode 100644
index 00000000..5824377a
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
@@ -0,0 +1,138 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64ad4ddb4de81a18b7252e968f10b404",
+  "translation_date": "2025-08-26T07:18:03+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
+  "language_code": "pl"
+}
+-->
+# Ustawianie timera - Wirtualny sprzęt IoT i Raspberry Pi
+
+W tej części lekcji wywołasz swój kod serverless, aby zrozumieć mowę i ustawić timer na swoim wirtualnym urządzeniu IoT lub Raspberry Pi na podstawie wyników.
+
+## Ustawianie timera
+
+Tekst zwrócony z wywołania funkcji rozpoznawania mowy musi zostać przesłany do twojego kodu serverless, aby został przetworzony przez LUIS, który zwróci liczbę sekund dla timera. Ta liczba sekund może być użyta do ustawienia timera.
+
+Timery można ustawiać za pomocą klasy `threading.Timer` w Pythonie. Klasa ta przyjmuje czas opóźnienia i funkcję, która zostanie wykonana po upływie tego czasu.
+
+### Zadanie - wyślij tekst do funkcji serverless
+
+1. Otwórz projekt `smart-timer` w VS Code i upewnij się, że środowisko wirtualne jest załadowane w terminalu, jeśli korzystasz z wirtualnego urządzenia IoT.
+
+1. Nad funkcją `process_text` zadeklaruj funkcję o nazwie `get_timer_time`, aby wywołać REST endpoint, który utworzyłeś:
+
+    ```python
+    def get_timer_time(text):
+    ```
+
+1. Dodaj poniższy kod do tej funkcji, aby zdefiniować URL do wywołania:
+
+    ```python
+    url = '<URL>'
+    ```
+
+    Zamień `<URL>` na URL swojego REST endpointu, który utworzyłeś w poprzedniej lekcji, czy to na swoim komputerze, czy w chmurze.
+
+1. Dodaj poniższy kod, aby ustawić tekst jako właściwość przekazywaną w formacie JSON do wywołania:
+
+    ```python
+    body = {
+        'text': text
+    }
+    
+    response = requests.post(url, json=body)
+    ```
+
+1. Poniżej tego kodu pobierz `seconds` z odpowiedzi, zwracając 0, jeśli wywołanie się nie powiodło:
+
+    ```python
+    if response.status_code != 200:
+        return 0
+    
+    payload = response.json()
+    return payload['seconds']
+    ```
+
+    Udane wywołania HTTP zwracają kod statusu w zakresie 200, a twój kod serverless zwraca 200, jeśli tekst został przetworzony i rozpoznany jako intencja ustawienia timera.
+
+### Zadanie - ustaw timer w wątku w tle
+
+1. Dodaj poniższe polecenie importu na początku pliku, aby zaimportować bibliotekę threading w Pythonie:
+
+    ```python
+    import threading
+    ```
+
+1. Nad funkcją `process_text` dodaj funkcję, która będzie odpowiadać za wypowiadanie odpowiedzi. Na razie będzie ona tylko wypisywać tekst na konsolę, ale później w tej lekcji będzie odtwarzać mowę.
+
+    ```python
+    def say(text):
+        print(text)
+    ```
+
+1. Poniżej dodaj funkcję, która zostanie wywołana przez timer, aby ogłosić, że timer się zakończył:
+
+    ```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)
+    ```
+
+    Funkcja ta przyjmuje liczbę minut i sekund dla timera i tworzy zdanie informujące, że timer się zakończył. Sprawdza liczbę minut i sekund, uwzględniając tylko te jednostki czasu, które mają wartość. Na przykład, jeśli liczba minut wynosi 0, w komunikacie uwzględniane są tylko sekundy. To zdanie jest następnie przesyłane do funkcji `say`.
+
+1. Poniżej dodaj funkcję `create_timer`, która utworzy timer:
+
+    ```python
+    def create_timer(total_seconds):
+        minutes, seconds = divmod(total_seconds, 60)
+        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
+    ```
+
+    Funkcja ta przyjmuje całkowitą liczbę sekund dla timera, która zostanie przesłana w poleceniu, i konwertuje ją na minuty i sekundy. Następnie tworzy i uruchamia obiekt timera, używając całkowitej liczby sekund, przekazując funkcję `announce_timer` oraz listę zawierającą minuty i sekundy. Gdy timer się zakończy, wywoła funkcję `announce_timer` i przekaże zawartość tej listy jako parametry - pierwszy element listy zostanie przekazany jako parametr `minutes`, a drugi jako `seconds`.
+
+1. Na końcu funkcji `create_timer` dodaj kod, który utworzy komunikat dla użytkownika, informujący o rozpoczęciu timera:
+
+    ```python
+    announcement = ''
+    if minutes > 0:
+        announcement += f'{minutes} minute '
+    if seconds > 0:
+        announcement += f'{seconds} second '    
+    announcement += 'timer started.'
+    say(announcement)
+    ```
+
+    Ponownie, uwzględniane są tylko te jednostki czasu, które mają wartość. To zdanie jest następnie przesyłane do funkcji `say`.
+
+1. Dodaj poniższy kod na końcu funkcji `process_text`, aby pobrać czas dla timera z tekstu, a następnie utworzyć timer:
+
+    ```python
+    seconds = get_timer_time(text)
+    if seconds > 0:
+        create_timer(seconds)
+    ```
+
+    Timer jest tworzony tylko wtedy, gdy liczba sekund jest większa niż 0.
+
+1. Uruchom aplikację i upewnij się, że aplikacja funkcji również działa. Ustaw kilka timerów, a w wynikach zobaczysz, jak timer jest ustawiany, a następnie informację, gdy się zakończy:
+
+    ```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.
+    ```
+
+> 💁 Kod ten znajdziesz w folderze [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) lub [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device).
+
+😀 Twój program do ustawiania timera zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/pl/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
new file mode 100644
index 00000000..379f9da9
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
@@ -0,0 +1,86 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7966848a1f870e4c42edb4db67b13c57",
+  "translation_date": "2025-08-26T07:21:29+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
+  "language_code": "pl"
+}
+-->
+# Przetwarzanie tekstu na mowę - Wirtualne urządzenie IoT
+
+W tej części lekcji napiszesz kod, który przekształca tekst na mowę za pomocą usługi mowy.
+
+## Przekształcanie tekstu na mowę
+
+SDK usług mowy, którego używałeś w poprzedniej lekcji do przekształcania mowy na tekst, może być również używane do przekształcania tekstu z powrotem na mowę. Podczas generowania mowy musisz określić głos, który ma być użyty, ponieważ mowę można generować za pomocą różnych głosów.
+
+Każdy język obsługuje różne głosy, a listę obsługiwanych głosów dla każdego języka można uzyskać z SDK usług mowy.
+
+### Zadanie - przekształć tekst na mowę
+
+1. Otwórz projekt `smart-timer` w VS Code i upewnij się, że w terminalu załadowane jest wirtualne środowisko.
+
+1. Zaimportuj `SpeechSynthesizer` z pakietu `azure.cognitiveservices.speech`, dodając go do istniejących importów:
+
+    ```python
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
+    ```
+
+1. Nad funkcją `say` utwórz konfigurację mowy do użycia z syntezatorem mowy:
+
+    ```python
+    speech_config = SpeechConfig(subscription=speech_api_key,
+                                 region=location)
+    speech_config.speech_synthesis_language = language
+    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
+    ```
+
+    Wykorzystuje to ten sam klucz API, lokalizację i język, które były używane przez rozpoznawanie mowy.
+
+1. Poniżej dodaj następujący kod, aby pobrać głos i ustawić go w konfiguracji mowy:
+
+    ```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
+    ```
+
+    Kod ten pobiera listę wszystkich dostępnych głosów, a następnie znajduje pierwszy głos, który pasuje do używanego języka.
+
+    > 💁 Pełną listę obsługiwanych głosów możesz znaleźć w [dokumentacji wsparcia językowego i głosowego na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech). Jeśli chcesz użyć konkretnego głosu, możesz usunąć tę funkcję i na stałe wpisać nazwę głosu z tej dokumentacji. Na przykład:
+    >
+    > ```python
+    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
+    > ```
+
+1. Zaktualizuj zawartość funkcji `say`, aby wygenerować SSML dla odpowiedzi:
+
+    ```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. Poniżej zatrzymaj rozpoznawanie mowy, wygeneruj mowę z SSML, a następnie ponownie uruchom rozpoznawanie:
+
+    ```python
+    recognizer.stop_continuous_recognition()
+    speech_synthesizer.speak_ssml(ssml)
+    recognizer.start_continuous_recognition()
+    ```
+
+    Rozpoznawanie jest zatrzymywane na czas odtwarzania mowy, aby uniknąć sytuacji, w której ogłoszenie rozpoczęcia timera zostanie wykryte, wysłane do LUIS i potencjalnie zinterpretowane jako prośba o ustawienie nowego timera.
+
+    > 💁 Możesz to przetestować, komentując linie zatrzymujące i ponownie uruchamiające rozpoznawanie. Ustaw jeden timer, a możesz zauważyć, że ogłoszenie ustawia nowy timer, co powoduje kolejne ogłoszenie, prowadzące do ustawienia nowego timera, i tak dalej w nieskończoność!
+
+1. Uruchom aplikację i upewnij się, że aplikacja funkcji również działa. Ustaw kilka timerów, a usłyszysz odpowiedź głosową informującą, że timer został ustawiony, a następnie kolejną odpowiedź głosową, gdy timer się zakończy.
+
+> 💁 Kod ten znajdziesz w folderze [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device).
+
+😀 Twój program do obsługi timerów zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/pl/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
new file mode 100644
index 00000000..0c5dd23c
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
@@ -0,0 +1,299 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012b69d57d898d670adf61304f42a137",
+  "translation_date": "2025-08-26T07:19:11+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
+  "language_code": "pl"
+}
+-->
+# Ustaw timer - Wio Terminal
+
+W tej części lekcji wywołasz swój kod serverless, aby zrozumieć mowę i ustawić timer na Wio Terminal na podstawie wyników.
+
+## Ustaw timer
+
+Tekst, który wraca z wywołania funkcji zamiany mowy na tekst, musi zostać przesłany do Twojego kodu serverless, aby został przetworzony przez LUIS, który zwróci liczbę sekund dla timera. Ta liczba sekund może być użyta do ustawienia timera.
+
+Mikrokontrolery nie mają natywnego wsparcia dla wielu wątków w Arduino, więc nie ma standardowych klas timerów, jak w Pythonie czy innych językach wyższego poziomu. Zamiast tego możesz użyć bibliotek timerów, które działają poprzez mierzenie upływu czasu w funkcji `loop` i wywoływanie funkcji, gdy czas się skończy.
+
+### Zadanie - wyślij tekst do funkcji serverless
+
+1. Otwórz projekt `smart-timer` w VS Code, jeśli nie jest już otwarty.
+
+1. Otwórz plik nagłówkowy `config.h` i dodaj URL dla swojej aplikacji funkcji:
+
+    ```cpp
+    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
+    ```
+
+    Zamień `<URL>` na URL dla swojej aplikacji funkcji, który uzyskałeś w ostatnim kroku poprzedniej lekcji, wskazując adres IP lokalnej maszyny, na której działa aplikacja funkcji.
+
+1. Utwórz nowy plik w folderze `src` o nazwie `language_understanding.h`. Będzie on używany do zdefiniowania klasy, która wyśle rozpoznaną mowę do Twojej aplikacji funkcji, aby została przekształcona na sekundy za pomocą LUIS.
+
+1. Dodaj następujące elementy na początku tego pliku:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    ```
+
+    To zawiera potrzebne pliki nagłówkowe.
+
+1. Zdefiniuj klasę o nazwie `LanguageUnderstanding` i zadeklaruj instancję tej klasy:
+
+    ```cpp
+    class LanguageUnderstanding
+    {
+    public:
+    private:
+    };
+
+    LanguageUnderstanding languageUnderstanding;
+    ```
+
+1. Aby wywołać aplikację funkcji, musisz zadeklarować klienta WiFi. Dodaj następujące elementy do sekcji `private` klasy:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. W sekcji `public` zadeklaruj metodę o nazwie `GetTimerDuration`, aby wywołać aplikację funkcji:
+
+    ```cpp
+    int GetTimerDuration(String text)
+    {
+    }
+    ```
+
+1. W metodzie `GetTimerDuration` dodaj następujący kod, aby zbudować JSON, który zostanie wysłany do aplikacji funkcji:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    To konwertuje tekst przekazany do metody `GetTimerDuration` na następujący JSON:
+
+    ```json
+    {
+        "text" : "<text>"
+    }
+    ```
+
+    gdzie `<text>` to tekst przekazany do funkcji.
+
+1. Poniżej tego dodaj następujący kod, aby wywołać aplikację funkcji:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    To wykonuje żądanie POST do aplikacji funkcji, przekazując ciało JSON i uzyskując kod odpowiedzi.
+
+1. Dodaj następujący kod poniżej tego:
+
+    ```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);
+    }
+    ```
+
+    Ten kod sprawdza kod odpowiedzi. Jeśli wynosi 200 (sukces), liczba sekund dla timera jest pobierana z ciała odpowiedzi. W przeciwnym razie błąd jest wysyłany do monitora szeregowego, a liczba sekund jest ustawiana na 0.
+
+1. Dodaj następujący kod na końcu tej metody, aby zamknąć połączenie HTTP i zwrócić liczbę sekund:
+
+    ```cpp
+    httpClient.end();
+
+    return seconds;
+    ```
+
+1. W pliku `main.cpp` dołącz ten nowy nagłówek:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. Na końcu funkcji `processAudio` wywołaj metodę `GetTimerDuration`, aby uzyskać czas trwania timera:
+
+    ```cpp
+    int total_seconds = languageUnderstanding.GetTimerDuration(text);
+    ```
+
+    To konwertuje tekst z wywołania klasy `SpeechToText` na liczbę sekund dla timera.
+
+### Zadanie - ustaw timer
+
+Liczba sekund może być użyta do ustawienia timera.
+
+1. Dodaj następującą zależność biblioteki do pliku `platformio.ini`, aby dodać bibliotekę do ustawienia timera:
+
+    ```ini
+    contrem/arduino-timer @ 2.3.0
+    ```
+
+1. Dodaj dyrektywę `include` dla tej biblioteki do pliku `main.cpp`:
+
+    ```cpp
+    #include <arduino-timer.h>
+    ```
+
+1. Nad funkcją `processAudio` dodaj następujący kod:
+
+    ```cpp
+    auto timer = timer_create_default();
+    ```
+
+    Ten kod deklaruje timer o nazwie `timer`.
+
+1. Poniżej tego dodaj następujący kod:
+
+    ```cpp
+    void say(String text)
+    {
+        Serial.print("Saying ");
+        Serial.println(text);
+    }
+    ```
+
+    Ta funkcja `say` ostatecznie przekształci tekst na mowę, ale na razie będzie tylko zapisywać przekazany tekst do monitora szeregowego.
+
+1. Poniżej funkcji `say` dodaj następujący kod:
+
+    ```cpp
+    bool timerExpired(void *announcement)
+    {
+        say((char *)announcement);
+        return false;
+    }
+    ```
+
+    To jest funkcja zwrotna, która zostanie wywołana, gdy timer wygaśnie. Przekazywana jest wiadomość do wypowiedzenia, gdy timer wygaśnie. Timery mogą się powtarzać, a to może być kontrolowane przez wartość zwrotną tej funkcji zwrotnej - tutaj zwraca `false`, aby poinformować timer, że nie ma się uruchamiać ponownie.
+
+1. Dodaj następujący kod na końcu funkcji `processAudio`:
+
+    ```cpp
+    if (total_seconds == 0)
+    {
+        return;
+    }
+
+    int minutes = total_seconds / 60;
+    int seconds = total_seconds % 60;
+    ```
+
+    Ten kod sprawdza całkowitą liczbę sekund, a jeśli wynosi 0, zwraca się z wywołania funkcji, aby nie ustawiać timerów. Następnie konwertuje całkowitą liczbę sekund na minuty i sekundy.
+
+1. Poniżej tego kodu dodaj następujący kod, aby utworzyć wiadomość do wypowiedzenia, gdy timer zostanie uruchomiony:
+
+    ```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. Poniżej tego dodaj podobny kod, aby utworzyć wiadomość do wypowiedzenia, gdy timer wygaśnie:
+
+    ```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. Po tym wypowiedz wiadomość o uruchomieniu timera:
+
+    ```cpp
+    say(begin_message);
+    ```
+
+1. Na końcu tej funkcji uruchom timer:
+
+    ```cpp
+    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
+    ```
+
+    To uruchamia timer. Timer jest ustawiany w milisekundach, więc całkowita liczba sekund jest mnożona przez 1,000, aby przekształcić ją na milisekundy. Funkcja `timerExpired` jest przekazywana jako funkcja zwrotna, a `end_message` jest przekazywana jako argument do funkcji zwrotnej. Ta funkcja zwrotna przyjmuje tylko argumenty typu `void *`, więc ciąg znaków jest odpowiednio konwertowany.
+
+1. Na koniec timer musi *tykać*, a to jest robione w funkcji `loop`. Dodaj następujący kod na końcu funkcji `loop`:
+
+    ```cpp
+    timer.tick();
+    ```
+
+1. Zbuduj ten kod, wgraj go na swój Wio Terminal i przetestuj go przez monitor szeregowy. Gdy zobaczysz `Ready` w monitorze szeregowym, naciśnij przycisk C (ten po lewej stronie, najbliżej przełącznika zasilania) i mów. 4 sekundy dźwięku zostaną przechwycone, przekształcone na tekst, a następnie przesłane do Twojej aplikacji funkcji, a timer zostanie ustawiony. Upewnij się, że Twoja aplikacja funkcji działa lokalnie.
+
+    Zobaczysz, kiedy timer się uruchomi i kiedy się zakończy.
+
+    ```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.
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal).
+
+😀 Twój program timera zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/pl/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
new file mode 100644
index 00000000..c71408b2
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
@@ -0,0 +1,533 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a202fa5889790a3777bfc33dd9f4b459",
+  "translation_date": "2025-08-26T07:20:01+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
+  "language_code": "pl"
+}
+-->
+# Text na mowę - Wio Terminal
+
+W tej części lekcji przekształcisz tekst na mowę, aby zapewnić mówioną informację zwrotną.
+
+## Tekst na mowę
+
+SDK usług mowy, które używałeś w poprzedniej lekcji do konwersji mowy na tekst, może być również używane do przekształcania tekstu z powrotem na mowę.
+
+## Pobierz listę głosów
+
+Podczas żądania mowy musisz określić głos, który ma być użyty, ponieważ mowę można generować za pomocą różnych głosów. Każdy język obsługuje różne głosy, a listę obsługiwanych głosów dla każdego języka można uzyskać z SDK usług mowy. Ograniczenia mikrokontrolerów odgrywają tutaj istotną rolę - wywołanie w celu uzyskania listy głosów obsługiwanych przez usługi tekst na mowę zwraca dokument JSON o rozmiarze ponad 77 KB, co jest zbyt dużym rozmiarem, aby mógł być przetworzony przez Wio Terminal. W momencie pisania pełna lista zawiera 215 głosów, z których każdy jest zdefiniowany przez dokument JSON, taki jak poniższy:
+
+```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"
+}
+```
+
+Ten JSON dotyczy głosu **Aria**, który ma wiele stylów głosu. Wszystko, co jest potrzebne do konwersji tekstu na mowę, to krótka nazwa, `en-US-AriaNeural`.
+
+Zamiast pobierać i dekodować całą tę listę na mikrokontrolerze, musisz napisać trochę więcej kodu bezserwerowego, aby pobrać listę głosów dla języka, którego używasz, i wywołać to z Wio Terminal. Twój kod może wtedy wybrać odpowiedni głos z listy, na przykład pierwszy, który znajdzie.
+
+### Zadanie - utwórz funkcję bezserwerową do pobrania listy głosów
+
+1. Otwórz swój projekt `smart-timer-trigger` w VS Code i otwórz terminal, upewniając się, że wirtualne środowisko jest aktywowane. Jeśli nie, zakończ i ponownie utwórz terminal.
+
+1. Otwórz plik `local.settings.json` i dodaj ustawienia dla klucza API usług mowy oraz lokalizacji:
+
+    ```json
+    "SPEECH_KEY": "<key>",
+    "SPEECH_LOCATION": "<location>"
+    ```
+
+    Zamień `<key>` na klucz API dla zasobu usługi mowy. Zamień `<location>` na lokalizację, którą użyłeś podczas tworzenia zasobu usługi mowy.
+
+1. Dodaj nowy wyzwalacz HTTP do tej aplikacji o nazwie `get-voices`, używając następującego polecenia w terminalu VS Code w folderze głównym projektu aplikacji funkcji:
+
+    ```sh
+    func new --name get-voices --template "HTTP trigger"
+    ```
+
+    To utworzy wyzwalacz HTTP o nazwie `get-voices`.
+
+1. Zamień zawartość pliku `__init__.py` w folderze `get-voices` na następującą:
+
+    ```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)
+    ```
+
+    Ten kod wykonuje żądanie HTTP do punktu końcowego w celu uzyskania głosów. Lista głosów to duży blok JSON z głosami dla wszystkich języków, więc głosy dla języka przekazanego w treści żądania są filtrowane, a następnie wyodrębniana jest krótka nazwa i zwracana jako lista JSON. Krótka nazwa to wartość potrzebna do konwersji tekstu na mowę, więc zwracana jest tylko ta wartość.
+
+    > 💁 Możesz zmienić filtr w razie potrzeby, aby wybrać tylko głosy, które chcesz.
+
+    To zmniejsza rozmiar danych z 77 KB (w momencie pisania) do znacznie mniejszego dokumentu JSON. Na przykład dla głosów z USA jest to 408 bajtów.
+
+1. Uruchom lokalnie swoją aplikację funkcji. Następnie możesz ją wywołać za pomocą narzędzia takiego jak curl w taki sam sposób, jak testowałeś wyzwalacz HTTP `text-to-timer`. Upewnij się, że przekazujesz swój język jako treść JSON:
+
+    ```json
+    {
+        "language":"<language>"
+    }
+    ```
+
+    Zamień `<language>` na swój język, na przykład `en-GB` lub `zh-CN`.
+
+> 💁 Ten kod znajdziesz w folderze [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions).
+
+### Zadanie - pobierz głos z Wio Terminal
+
+1. Otwórz projekt `smart-timer` w VS Code, jeśli nie jest już otwarty.
+
+1. Otwórz plik nagłówkowy `config.h` i dodaj URL dla swojej aplikacji funkcji:
+
+    ```cpp
+    const char *GET_VOICES_FUNCTION_URL = "<URL>";
+    ```
+
+    Zamień `<URL>` na URL dla wyzwalacza HTTP `get-voices` w swojej aplikacji funkcji. Będzie to takie samo jak wartość `TEXT_TO_TIMER_FUNCTION_URL`, z wyjątkiem nazwy funkcji `get-voices` zamiast `text-to-timer`.
+
+1. Utwórz nowy plik w folderze `src` o nazwie `text_to_speech.h`. Będzie on używany do zdefiniowania klasy do konwersji tekstu na mowę.
+
+1. Dodaj następujące dyrektywy include na początku nowego pliku `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. Dodaj poniższy kod poniżej, aby zadeklarować klasę `TextToSpeech`, wraz z instancją, która może być używana w reszcie aplikacji:
+
+    ```cpp
+    class TextToSpeech
+    {
+    public:
+    private:
+    };
+    
+    TextToSpeech textToSpeech;
+    ```
+
+1. Aby wywołać aplikację funkcji, musisz zadeklarować klienta WiFi. Dodaj następujące do sekcji `private` klasy:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. W sekcji `private` dodaj pole dla wybranego głosu:
+
+    ```cpp
+    String _voice;
+    ```
+
+1. W sekcji `public` dodaj funkcję `init`, która pobierze pierwszy głos:
+
+    ```cpp
+    void init()
+    {
+    }
+    ```
+
+1. Aby pobrać głosy, dokument JSON musi zostać wysłany do aplikacji funkcji z językiem. Dodaj następujący kod do funkcji `init`, aby utworzyć ten dokument JSON:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+1. Następnie utwórz `HTTPClient`, a następnie użyj go do wywołania aplikacji funkcji w celu uzyskania głosów, przesyłając dokument JSON:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. Poniżej tego dodaj kod, aby sprawdzić kod odpowiedzi, a jeśli jest to 200 (sukces), wyodrębnij listę głosów, pobierając pierwszy z listy:
+
+    ```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. Po tym zakończ połączenie klienta HTTP:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. Otwórz plik `main.cpp` i dodaj następującą dyrektywę include na początku, aby uwzględnić ten nowy plik nagłówkowy:
+
+    ```cpp
+    #include "text_to_speech.h"
+    ```
+
+1. W funkcji `setup`, pod wywołaniem `speechToText.init();`, dodaj następujące, aby zainicjalizować klasę `TextToSpeech`:
+
+    ```cpp
+    textToSpeech.init();
+    ```
+
+1. Zbuduj ten kod, wgraj go na Wio Terminal i przetestuj przez monitor szeregowy. Upewnij się, że aplikacja funkcji działa.
+
+    Zobaczysz listę dostępnych głosów zwróconą przez aplikację funkcji, wraz z wybranym głosem.
+
+    ```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.
+    ```
+
+## Konwersja tekstu na mowę
+
+Gdy masz głos do użycia, można go użyć do konwersji tekstu na mowę. Te same ograniczenia pamięci dotyczące głosów mają zastosowanie również podczas konwersji mowy na tekst, więc musisz zapisać mowę na karcie SD, aby można ją było odtworzyć przez ReSpeaker.
+
+> 💁 W wcześniejszych lekcjach tego projektu używałeś pamięci flash do przechowywania mowy przechwyconej z mikrofonu. Ta lekcja używa karty SD, ponieważ łatwiej jest odtwarzać z niej dźwięk za pomocą bibliotek audio Seeed.
+
+Istnieje również inne ograniczenie, które należy wziąć pod uwagę: dostępne dane audio z usługi mowy oraz formaty obsługiwane przez Wio Terminal. W przeciwieństwie do pełnych komputerów, biblioteki audio dla mikrokontrolerów mogą być bardzo ograniczone w obsługiwanych formatach audio. Na przykład biblioteka Seeed Arduino Audio, która może odtwarzać dźwięk przez ReSpeaker, obsługuje tylko dźwięk o częstotliwości próbkowania 44,1 kHz. Usługi mowy Azure mogą dostarczać dźwięk w różnych formatach, ale żaden z nich nie używa tej częstotliwości próbkowania, oferując jedynie 8 kHz, 16 kHz, 24 kHz i 48 kHz. Oznacza to, że dźwięk musi zostać przeskalowany do 44,1 kHz, co wymagałoby więcej zasobów niż ma Wio Terminal, szczególnie pamięci.
+
+Kiedy trzeba manipulować danymi w ten sposób, często lepiej jest użyć kodu bezserwerowego, zwłaszcza jeśli dane są pozyskiwane za pomocą wywołania sieciowego. Wio Terminal może wywołać funkcję bezserwerową, przekazując tekst do konwersji, a funkcja bezserwerowa może zarówno wywołać usługę mowy w celu konwersji tekstu na mowę, jak i przeskalować dźwięk do wymaganej częstotliwości próbkowania. Następnie może zwrócić dźwięk w formie, której potrzebuje Wio Terminal, aby zapisać go na karcie SD i odtworzyć przez ReSpeaker.
+
+### Zadanie - utwórz funkcję bezserwerową do konwersji tekstu na mowę
+
+1. Otwórz swój projekt `smart-timer-trigger` w VS Code i otwórz terminal, upewniając się, że wirtualne środowisko jest aktywowane. Jeśli nie, zakończ i ponownie utwórz terminal.
+
+1. Dodaj nowy wyzwalacz HTTP do tej aplikacji o nazwie `text-to-speech`, używając następującego polecenia w terminalu VS Code w folderze głównym projektu aplikacji funkcji:
+
+    ```sh
+    func new --name text-to-speech --template "HTTP trigger"
+    ```
+
+    To utworzy wyzwalacz HTTP o nazwie `text-to-speech`.
+
+1. Pakiet Pip [librosa](https://librosa.org) ma funkcje do przeskalowania dźwięku, więc dodaj go do pliku `requirements.txt`:
+
+    ```sh
+    librosa
+    ```
+
+    Po dodaniu tego, zainstaluj pakiety Pip za pomocą następującego polecenia w terminalu VS Code:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > ⚠️ Jeśli używasz Linuxa, w tym Raspberry Pi OS, może być konieczne zainstalowanie `libsndfile` za pomocą następującego polecenia:
+    >
+    > ```sh
+    > sudo apt update
+    > sudo apt install libsndfile1-dev
+    > ```
+
+1. Aby przekształcić tekst na mowę, nie możesz używać bezpośrednio klucza API usługi mowy, zamiast tego musisz zażądać tokenu dostępu, używając klucza API do uwierzytelnienia żądania tokenu dostępu. Otwórz plik `__init__.py` z folderu `text-to-speech` i zamień cały kod w nim na następujący:
+
+    ```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)
+    ```
+
+    To definiuje stałe dla lokalizacji i klucza mowy, które będą odczytywane z ustawień. Następnie definiuje funkcję `get_access_token`, która pobierze token dostępu dla usługi mowy.
+
+1. Poniżej tego kodu dodaj następujące:
+
+    ```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)
+    ```
+
+    To definiuje wyzwalacz HTTP, który konwertuje tekst na mowę. Wyodrębnia tekst do konwersji, język i głos z treści JSON ustawionej w żądaniu, buduje SSML do żądania mowy, a następnie wywołuje odpowiednie REST API, uwierzytelniając za pomocą tokenu dostępu. To wywołanie REST API zwraca dźwięk zakodowany jako 16-bitowy, 48 kHz mono plik WAV, zdefiniowany przez wartość `playback_format`, która jest wysyłana do wywołania REST API.
+
+    Następnie jest on przeskalowany przez `librosa` z częstotliwości próbkowania 48 kHz do częstotliwości próbkowania 44,1 kHz, a następnie ten dźwięk jest zapisywany w buforze binarnym, który jest następnie zwracany.
+
+1. Uruchom lokalnie swoją aplikację funkcji lub wdroż ją w chmurze. Następnie możesz ją wywołać za pomocą narzędzia takiego jak curl w taki sam sposób, jak testowałeś wyzwalacz HTTP `text-to-timer`. Upewnij się, że przekazujesz język, głos i tekst jako treść JSON:
+
+    ```json
+    {
+        "language": "<language>",
+        "voice": "<voice>",
+        "text": "<text>"
+    }
+    ```
+
+    Zamień `<language>` na swój język, na przykład `en-GB` lub `zh-CN`. Zamień `<voice>` na głos, którego chcesz użyć. Zamień `<text>` na tekst, który chcesz przekształcić na mowę. Możesz zapisać wynik w pliku i odtworzyć go za pomocą dowolnego odtwarzacza audio, który obsługuje pliki WAV.
+
+    Na przykład, aby przekształcić "Hello" na mowę w języku angielskim (USA) z głosem Jenny Neural, z aplikacją funkcji działającą lokalnie, możesz użyć następującego polecenia 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"
+         }'
+    ```
+
+    To zapisze dźwięk w pliku `hello.wav` w bieżącym katalogu.
+
+> 💁 Ten kod znajdziesz w folderze [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions).
+
+### Zadanie - pobierz mowę z Wio Terminal
+
+1. Otwórz projekt `smart-timer` w VS Code, jeśli nie jest już otwarty.
+
+1. Otwórz plik nagłówkowy `config.h` i dodaj URL dla swojej aplikacji funkcji:
+
+    ```cpp
+    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
+    ```
+
+    Zamień `<URL>` na URL dla wyzwalacza HTTP `text-to-speech` w swojej aplikacji funkcji. Będzie to takie samo jak wartość `TEXT_TO_TIMER_FUNCTION_URL`, z wyjątkiem nazwy funkcji `text-to-speech` zamiast `text-to-timer`.
+
+1. Otwórz plik nagłówkowy `text_to_speech.h` i dodaj następującą metodę do sekcji `public` klasy `TextToSpeech`:
+
+    ```cpp
+    void convertTextToSpeech(String text)
+    {
+    }
+    ```
+
+1. Do metody `convertTextToSpeech` dodaj następujący kod, aby utworzyć JSON do wysłania do aplikacji funkcji:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+    doc["voice"] = _voice;
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    To zapisuje język, głos i tekst w dokumencie JSON, a następnie serializuje go do ciągu znaków.
+
+1. Poniżej tego dodaj następujący kod, aby wywołać aplikację funkcji:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    To tworzy `HTTPClient`, a następnie wykonuje żądanie POST za pomocą dokumentu JSON do wyzwalacza HTTP `text-to-speech`.
+
+1. Jeśli wywołanie działa, surowe dane binarne zwrócone z wywołania aplikacji funkcji mogą być przesyłane strumieniowo do pliku na karcie SD. Dodaj następujący kod, aby to zrobić:
+
+    ```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);
+    }
+    ```
+
+    Ten kod sprawdza odpowiedź, a jeśli jest to 200 (sukces), dane binarne są przesyłane strumieniowo do pliku w katalogu głównym karty SD o nazwie `SPEECH.WAV`.
+
+1. Na końcu tej metody zamknij połączenie HTTP:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. Tekst do wypowiedzenia może teraz zostać przekształcony na dźwięk. W pliku `main.cpp` dodaj następującą linię na końcu funkcji `say`, aby przekształcić tekst do wypowiedzenia na dźwięk:
+```cpp
+    textToSpeech.convertTextToSpeech(text);
+    ```
+
+### Zadanie - odtwarzanie dźwięku z Wio Terminal
+
+**Wkrótce dostępne**
+
+## Wdrażanie aplikacji funkcji w chmurze
+
+Powodem uruchamiania aplikacji funkcji lokalnie jest to, że pakiet Pip `librosa` na systemie Linux ma zależność od biblioteki, która nie jest domyślnie zainstalowana i będzie musiała zostać zainstalowana, zanim aplikacja funkcji będzie mogła działać. Aplikacje funkcji są bezserwerowe - nie ma serwerów, którymi można zarządzać samodzielnie, więc nie ma możliwości wcześniejszego zainstalowania tej biblioteki.
+
+Sposobem na rozwiązanie tego problemu jest wdrożenie aplikacji funkcji za pomocą kontenera Docker. Ten kontener jest wdrażany przez chmurę za każdym razem, gdy konieczne jest uruchomienie nowej instancji aplikacji funkcji (na przykład, gdy zapotrzebowanie przekracza dostępne zasoby lub gdy aplikacja funkcji nie była używana przez jakiś czas i została zamknięta).
+
+Instrukcje dotyczące konfiguracji aplikacji funkcji i wdrożenia za pomocą Dockera można znaleźć w [dokumentacji tworzenia funkcji na Linuxie przy użyciu niestandardowego kontenera na 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).
+
+Po wdrożeniu możesz przenieść kod Wio Terminal, aby uzyskać dostęp do tej funkcji:
+
+1. Dodaj certyfikat Azure Functions do `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. Zmień wszystkie odwołania do `<WiFiClient.h>` na `<WiFiClientSecure.h>`.
+
+1. Zmień wszystkie pola `WiFiClient` na `WiFiClientSecure`.
+
+1. W każdej klasie, która ma pole `WiFiClientSecure`, dodaj konstruktor i ustaw certyfikat w tym konstruktorze:
+
+    ```cpp
+    _client.setCACert(FUNCTIONS_CERTIFICATE);
+    ```
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/4-multiple-language-support/README.md b/translations/pl/6-consumer/lessons/4-multiple-language-support/README.md
new file mode 100644
index 00000000..95b5d073
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/4-multiple-language-support/README.md
@@ -0,0 +1,186 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
+  "translation_date": "2025-08-26T07:13:05+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
+  "language_code": "pl"
+}
+-->
+# Obsługa wielu języków
+
+![Szkicowy przegląd tej lekcji](../../../../../translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.pl.jpg)
+
+> Szkic autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+Ten film przedstawia przegląd usług mowy w Azure, obejmując konwersję mowy na tekst i tekstu na mowę z wcześniejszych lekcji, a także tłumaczenie mowy, które jest tematem tej lekcji:
+
+[![Rozpoznawanie mowy za pomocą kilku linii kodu w Pythonie z Microsoft Build 2020](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
+
+> 🎥 Kliknij obraz powyżej, aby obejrzeć film
+
+## Quiz przed lekcją
+
+[Quiz przed lekcją](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
+
+## Wprowadzenie
+
+W ostatnich trzech lekcjach nauczyłeś się, jak konwertować mowę na tekst, rozumieć język oraz konwertować tekst na mowę, wszystko to dzięki sztucznej inteligencji. Kolejnym obszarem komunikacji międzyludzkiej, w którym AI może pomóc, jest tłumaczenie języka – konwersja z jednego języka na inny, na przykład z angielskiego na francuski.
+
+W tej lekcji dowiesz się, jak używać AI do tłumaczenia tekstu, co pozwoli Twojemu inteligentnemu timerowi na interakcję z użytkownikami w wielu językach.
+
+W tej lekcji omówimy:
+
+* [Tłumaczenie tekstu](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Usługi tłumaczeniowe](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Tworzenie zasobu tłumacza](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Obsługa wielu języków w aplikacjach za pomocą tłumaczeń](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Tłumaczenie tekstu za pomocą usługi AI](../../../../../6-consumer/lessons/4-multiple-language-support)
+
+> 🗑 To jest ostatnia lekcja w tym projekcie, więc po jej ukończeniu i wykonaniu zadania nie zapomnij wyczyścić swoich usług w chmurze. Będziesz potrzebować tych usług do ukończenia zadania, więc upewnij się, że najpierw je wykonasz.
+>
+> W razie potrzeby zapoznaj się z [przewodnikiem czyszczenia projektu](../../../clean-up.md), aby uzyskać instrukcje, jak to zrobić.
+
+## Tłumaczenie tekstu
+
+Tłumaczenie tekstu było problemem badanym w informatyce przez ponad 70 lat, a dopiero teraz, dzięki postępom w AI i mocy obliczeniowej, zbliża się do poziomu, który jest niemal tak dobry jak tłumacze ludzie.
+
+> 💁 Początki można prześledzić jeszcze dalej, do [Al-Kindiego](https://wikipedia.org/wiki/Al-Kindi), arabskiego kryptografa z IX wieku, który opracował techniki tłumaczenia języków.
+
+### Tłumaczenia maszynowe
+
+Tłumaczenie tekstu rozpoczęło się jako technologia znana jako tłumaczenie maszynowe (MT), która umożliwia tłumaczenie między różnymi parami językowymi. MT działa poprzez zastępowanie słów w jednym języku innymi, dodając techniki wyboru odpowiednich sposobów tłumaczenia fraz lub części zdań, gdy proste tłumaczenie słowo w słowo nie ma sensu.
+
+> 🎓 Gdy tłumacze obsługują tłumaczenie między jednym językiem a innym, nazywa się to *parami językowymi*. Różne narzędzia obsługują różne pary językowe, które mogą nie być kompletne. Na przykład tłumacz może obsługiwać parę językową angielski-hiszpański i hiszpański-włoski, ale nie angielski-włoski.
+
+Na przykład tłumaczenie "Hello world" z angielskiego na francuski można wykonać za pomocą podstawienia – "Bonjour" za "Hello" i "le monde" za "world", co prowadzi do poprawnego tłumaczenia "Bonjour le monde".
+
+Podstawienia nie działają, gdy różne języki używają różnych sposobów wyrażania tego samego. Na przykład angielskie zdanie "My name is Jim" tłumaczy się na francuski jako "Je m'appelle Jim" – dosłownie "Nazywam się Jim". "Je" to francuskie "ja", "moi" to "mnie", ale jest łączone z czasownikiem, ponieważ zaczyna się od samogłoski, więc staje się "m'", "appelle" oznacza "nazywać", a "Jim" nie jest tłumaczone, ponieważ to imię, a nie słowo, które można przetłumaczyć. Kolejność słów również staje się problemem – proste podstawienie "Je m'appelle Jim" staje się "I myself call Jim", z inną kolejnością słów niż w angielskim.
+
+> 💁 Niektóre słowa nigdy nie są tłumaczone – moje imię to Jim, niezależnie od tego, w jakim języku się przedstawiam. Podczas tłumaczenia na języki używające innych alfabetów lub liter dla różnych dźwięków, słowa mogą być *transliterowane*, czyli zapisywane za pomocą liter lub znaków, które oddają odpowiedni dźwięk, aby brzmiały tak samo jak dane słowo.
+
+Idiomy również stanowią problem w tłumaczeniu. Są to frazy, które mają zrozumiałe znaczenie inne niż bezpośrednia interpretacja słów. Na przykład w angielskim idiom "I've got ants in my pants" nie odnosi się dosłownie do posiadania mrówek w ubraniu, ale do bycia niespokojnym. Jeśli przetłumaczysz to na niemiecki, zdezorientujesz słuchacza, ponieważ niemiecka wersja to "Ich habe Hummeln im Hintern" (Mam trzmiele w spodniach).
+
+> 💁 Różne lokalizacje dodają różne zawiłości. W idiomie "ants in your pants" w amerykańskim angielskim "pants" oznacza odzież wierzchnią, a w brytyjskim angielskim "pants" to bielizna.
+
+✅ Jeśli mówisz w kilku językach, pomyśl o frazach, które nie mają bezpośredniego tłumaczenia.
+
+Systemy tłumaczenia maszynowego opierają się na dużych bazach danych reguł opisujących, jak tłumaczyć określone frazy i idiomy, wraz z metodami statystycznymi wybierającymi odpowiednie tłumaczenia spośród możliwych opcji. Te metody statystyczne wykorzystują ogromne bazy danych dzieł przetłumaczonych przez ludzi na wiele języków, aby wybrać najbardziej prawdopodobne tłumaczenie, technikę zwaną *statystycznym tłumaczeniem maszynowym*. Wiele z nich używa pośrednich reprezentacji języka, co pozwala na tłumaczenie jednego języka na pośredni, a następnie z pośredniego na inny język. Dzięki temu dodanie większej liczby języków wymaga tłumaczeń na i z pośredniego języka, a nie na i z wszystkich innych języków.
+
+### Tłumaczenia neuronowe
+
+Tłumaczenia neuronowe wykorzystują moc AI do tłumaczenia, zazwyczaj tłumacząc całe zdania za pomocą jednego modelu. Modele te są trenowane na ogromnych zbiorach danych przetłumaczonych przez ludzi, takich jak strony internetowe, książki i dokumenty ONZ.
+
+Modele tłumaczeń neuronowych są zazwyczaj mniejsze niż modele tłumaczeń maszynowych, ponieważ nie wymagają ogromnych baz danych fraz i idiomów. Nowoczesne usługi AI oferujące tłumaczenia często łączą różne techniki, mieszając statystyczne tłumaczenie maszynowe z tłumaczeniem neuronowym.
+
+Nie istnieje 1:1 tłumaczenie dla żadnej pary językowej. Różne modele tłumaczeń mogą dawać nieco inne wyniki w zależności od danych użytych do ich trenowania. Tłumaczenia nie zawsze są symetryczne – jeśli przetłumaczysz zdanie z jednego języka na inny, a następnie z powrotem na pierwszy język, możesz otrzymać nieco inne zdanie jako wynik.
+
+✅ Wypróbuj różne tłumacze online, takie jak [Bing Translate](https://www.bing.com/translator), [Google Translate](https://translate.google.com) lub aplikację Apple Translate. Porównaj przetłumaczone wersje kilku zdań. Spróbuj także przetłumaczyć w jednym, a następnie przetłumaczyć z powrotem w innym.
+
+## Usługi tłumaczeniowe
+
+Istnieje wiele usług AI, które można wykorzystać w aplikacjach do tłumaczenia mowy i tekstu.
+
+### Cognitive Services Speech Service
+
+![Logo usługi mowy](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.pl.png)
+
+Usługa mowy, z której korzystałeś w ostatnich lekcjach, ma możliwości tłumaczenia w rozpoznawaniu mowy. Podczas rozpoznawania mowy możesz zażądać nie tylko tekstu mowy w tym samym języku, ale także w innych językach.
+
+> 💁 Jest to dostępne tylko w SDK mowy, REST API nie ma wbudowanych tłumaczeń.
+
+### Cognitive Services Translator Service
+
+![Logo usługi tłumacza](../../../../../translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.pl.png)
+
+Usługa Translator to dedykowana usługa tłumaczeniowa, która może tłumaczyć tekst z jednego języka na jeden lub więcej języków docelowych. Oprócz tłumaczenia obsługuje szeroki zakres dodatkowych funkcji, takich jak maskowanie wulgaryzmów. Pozwala także na dostarczenie konkretnego tłumaczenia dla danego słowa lub zdania, aby pracować z terminami, których nie chcesz tłumaczyć, lub które mają określone, dobrze znane tłumaczenie.
+
+Na przykład, tłumacząc zdanie "I have a Raspberry Pi", odnosząc się do jednopłytkowego komputera, na inny język, taki jak francuski, chciałbyś zachować nazwę "Raspberry Pi" bez tłumaczenia, co daje "J’ai un Raspberry Pi" zamiast "J’ai une pi aux framboises".
+
+## Tworzenie zasobu tłumacza
+
+Do tej lekcji będziesz potrzebować zasobu Translator. Użyjesz REST API do tłumaczenia tekstu.
+
+### Zadanie – tworzenie zasobu tłumacza
+
+1. W terminalu lub wierszu poleceń uruchom następujące polecenie, aby utworzyć zasób Translator w grupie zasobów `smart-timer`.
+
+    ```sh
+    az cognitiveservices account create --name smart-timer-translator \
+                                        --resource-group smart-timer \
+                                        --kind TextTranslation \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Zamień `<location>` na lokalizację, której użyłeś podczas tworzenia grupy zasobów.
+
+1. Pobierz klucz dla usługi Translator:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer-translator \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    Skopiuj jeden z kluczy.
+
+## Obsługa wielu języków w aplikacjach za pomocą tłumaczeń
+
+W idealnym świecie cała Twoja aplikacja powinna rozumieć jak najwięcej różnych języków, od rozpoznawania mowy, przez rozumienie języka, po odpowiedzi w mowie. To jednak wymaga dużo pracy, więc usługi tłumaczeniowe mogą przyspieszyć czas dostarczenia aplikacji.
+
+![Architektura inteligentnego timera tłumaczącego japoński na angielski, przetwarzającego w angielskim, a następnie tłumaczącego z powrotem na japoński](../../../../../translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.pl.png)
+
+Wyobraź sobie, że budujesz inteligentny timer, który używa angielskiego od początku do końca, rozumiejąc mowę po angielsku i konwertując ją na tekst, przetwarzając rozumienie języka w angielskim, budując odpowiedzi w angielskim i odpowiadając mową w angielskim. Jeśli chciałbyś dodać obsługę japońskiego, mógłbyś zacząć od tłumaczenia mówionego japońskiego na tekst w języku angielskim, a następnie pozostawić rdzeń aplikacji bez zmian, a na końcu przetłumaczyć tekst odpowiedzi na japoński przed wygenerowaniem odpowiedzi w mowie. Pozwoliłoby to szybko dodać obsługę japońskiego, a pełną obsługę od początku do końca można by dodać później.
+
+> 💁 Wadą polegania na tłumaczeniach maszynowych jest to, że różne języki i kultury mają różne sposoby wyrażania tych samych rzeczy, więc tłumaczenie może nie odpowiadać wyrażeniu, którego oczekujesz.
+
+Tłumaczenia maszynowe otwierają również możliwości dla aplikacji i urządzeń, które mogą tłumaczyć treści tworzone przez użytkowników w czasie rzeczywistym. Science fiction często przedstawia "uniwersalne tłumacze", urządzenia, które mogą tłumaczyć z języków obcych na (zazwyczaj) amerykański angielski. Te urządzenia to już nie tylko science fiction, ale bardziej naukowy fakt, jeśli pominąć część o obcych. Istnieją już aplikacje i urządzenia oferujące tłumaczenie mowy i tekstu w czasie rzeczywistym, wykorzystujące kombinacje usług mowy i tłumaczeń.
+
+Jednym z przykładów jest aplikacja mobilna [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn), zaprezentowana w tym filmie:
+
+[![Funkcja na żywo Microsoft Translator w akcji](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
+
+> 🎥 Kliknij obraz powyżej, aby obejrzeć film
+
+Wyobraź sobie posiadanie takiego urządzenia, zwłaszcza podczas podróży lub interakcji z osobami, których języka nie znasz. Automatyczne urządzenia tłumaczeniowe na lotniskach lub w szpitalach mogłyby znacząco poprawić dostępność.
+
+✅ Zrób badania: Czy istnieją jakieś komercyjnie dostępne urządzenia IoT do tłumaczeń? A co z funkcjami tłumaczenia wbudowanymi w inteligentne urządzenia?
+
+> 👽 Chociaż nie istnieją prawdziwe uniwersalne tłumacze pozwalające nam rozmawiać z obcymi, [Microsoft Translator obsługuje język klingoński](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn). Qapla’!
+
+## Tłumaczenie tekstu za pomocą usługi AI
+
+Możesz użyć usługi AI, aby dodać tę funkcję tłumaczenia do swojego inteligentnego timera.
+
+### Zadanie – tłumaczenie tekstu za pomocą usługi AI
+
+Przejdź przez odpowiedni przewodnik, aby przetłumaczyć tekst na swoim urządzeniu IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
+* [Komputer jednopłytkowy - Raspberry Pi](pi-translate-speech.md)
+* [Komputer jednopłytkowy - Wirtualne urządzenie](virtual-device-translate-speech.md)
+
+---
+
+## 🚀 Wyzwanie
+
+W jaki sposób tłumaczenia maszynowe mogą przynieść korzyści innym aplikacjom IoT poza inteligentnymi urządzeniami? Pomyśl o różnych sposobach, w jakie tłumaczenia mogą pomóc, nie tylko w przypadku mowy, ale także tekstu.
+
+## Quiz po lekcji
+
+[Quiz po lekcji](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
+
+## Przegląd i samodzielna nauka
+
+* Przeczytaj więcej o tłumaczeniu maszynowym na [stronie o tłumaczeniu maszynowym w Wikipedii](https://wikipedia.org/wiki/Machine_translation)
+* Przeczytaj więcej o tłumaczeniu neuronowym na [stronie o tłumaczeniu neuronowym w Wikipedii](https://wikipedia.org/wiki/Neural_machine_translation)
+* Sprawdź listę obsługiwanych języków dla usług mowy Microsoft w [dokumentacji o obsłudze języków i głosów dla usługi mowy na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn)
+
+## Zadanie
+
+[Zbuduj uniwersalny tłumacz](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/pl/6-consumer/lessons/4-multiple-language-support/assignment.md
new file mode 100644
index 00000000..a14bce85
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/4-multiple-language-support/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
+  "translation_date": "2025-08-26T07:14:05+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
+  "language_code": "pl"
+}
+-->
+# Stwórz uniwersalny translator
+
+## Instrukcje
+
+Uniwersalny translator to urządzenie, które potrafi tłumaczyć między wieloma językami, umożliwiając komunikację osobom mówiącym w różnych językach. Wykorzystaj wiedzę zdobytą w ostatnich lekcjach, aby stworzyć uniwersalny translator przy użyciu 2 urządzeń IoT.
+
+> Jeśli nie masz 2 urządzeń, postępuj zgodnie z krokami opisanymi w poprzednich lekcjach, aby skonfigurować wirtualne urządzenie IoT jako jedno z urządzeń IoT.
+
+Powinieneś skonfigurować jedno urządzenie dla jednego języka, a drugie dla innego. Każde urządzenie powinno przyjmować mowę, konwertować ją na tekst, wysyłać do drugiego urządzenia za pośrednictwem IoT Hub i aplikacji Functions, a następnie tłumaczyć i odtwarzać przetłumaczoną mowę.
+
+> 💁 Wskazówka: Wysyłając mowę z jednego urządzenia do drugiego, prześlij również informację o języku, w którym została wypowiedziana, co ułatwi tłumaczenie. Możesz nawet sprawić, aby każde urządzenie rejestrowało się najpierw w IoT Hub i aplikacji Functions, przekazując obsługiwany język do zapisania w Azure Storage. Następnie możesz użyć aplikacji Functions do tłumaczenia, przesyłając przetłumaczony tekst do urządzenia IoT.
+
+## Kryteria oceny
+
+| Kryterium | Wzorowe | Zadowalające | Wymaga poprawy |
+| --------- | ------- | ------------ | -------------- |
+| Stworzenie uniwersalnego translatora | Udało się stworzyć uniwersalny translator, który konwertuje mowę wykrytą przez jedno urządzenie na mowę odtwarzaną przez drugie urządzenie w innym języku | Udało się uruchomić niektóre komponenty, takie jak przechwytywanie mowy lub tłumaczenie, ale nie udało się zbudować kompletnego rozwiązania | Nie udało się stworzyć żadnej części działającego uniwersalnego translatora |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/pl/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
new file mode 100644
index 00000000..d346fc88
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
@@ -0,0 +1,162 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
+  "translation_date": "2025-08-26T07:14:18+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
+  "language_code": "pl"
+}
+-->
+# Tłumaczenie mowy - Raspberry Pi
+
+W tej części lekcji napiszesz kod do tłumaczenia tekstu za pomocą usługi tłumacza.
+
+## Konwersja tekstu na mowę za pomocą usługi tłumacza
+
+REST API usługi mowy nie obsługuje bezpośrednich tłumaczeń, zamiast tego możesz użyć usługi Translator do tłumaczenia tekstu wygenerowanego przez usługę zamiany mowy na tekst oraz tekstu odpowiedzi mówionej. Ta usługa posiada REST API, które możesz wykorzystać do tłumaczenia tekstu.
+
+### Zadanie - użyj zasobu tłumacza do tłumaczenia tekstu
+
+1. Twój inteligentny timer będzie miał ustawione 2 języki - język serwera, który został użyty do trenowania LUIS (ten sam język jest również używany do budowania wiadomości przekazywanych użytkownikowi), oraz język używany przez użytkownika. Zaktualizuj zmienną `language`, aby odpowiadała językowi, którym będzie mówił użytkownik, i dodaj nową zmienną o nazwie `server_language` dla języka użytego do trenowania LUIS:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    Zamień `<user language>` na nazwę lokalizacji dla języka, którym będziesz mówić, na przykład `fr-FR` dla francuskiego lub `zn-HK` dla kantońskiego.
+
+    Zamień `<server language>` na nazwę lokalizacji dla języka użytego do trenowania LUIS.
+
+    Listę obsługiwanych języków i ich nazw lokalizacji znajdziesz w [dokumentacji wsparcia językowego i głosowego na stronie Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Jeśli nie mówisz w wielu językach, możesz skorzystać z usługi takiej jak [Bing Translate](https://www.bing.com/translator) lub [Google Translate](https://translate.google.com), aby przetłumaczyć z preferowanego języka na wybrany język. Te usługi mogą również odtwarzać audio przetłumaczonego tekstu.
+    >
+    > Na przykład, jeśli trenujesz LUIS w języku angielskim, ale chcesz używać francuskiego jako języka użytkownika, możesz przetłumaczyć zdania takie jak "ustaw timer na 2 minuty i 27 sekund" z angielskiego na francuski za pomocą Bing Translate, a następnie użyć przycisku **Listen translation**, aby wypowiedzieć tłumaczenie do mikrofonu.
+    >
+    > ![Przycisk Listen translation w Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.pl.png)
+
+1. Dodaj klucz API tłumacza poniżej `speech_api_key`:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    Zamień `<key>` na klucz API dla zasobu usługi tłumacza.
+
+1. Powyżej funkcji `say` zdefiniuj funkcję `translate_text`, która będzie tłumaczyć tekst z języka serwera na język użytkownika:
+
+    ```python
+    def translate_text(text, from_language, to_language):
+    ```
+
+    Języki źródłowy i docelowy są przekazywane do tej funkcji - Twoja aplikacja musi konwertować z języka użytkownika na język serwera podczas rozpoznawania mowy oraz z języka serwera na język użytkownika podczas udzielania odpowiedzi mówionej.
+
+1. Wewnątrz tej funkcji zdefiniuj URL i nagłówki dla wywołania REST API:
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    URL dla tego API nie jest specyficzny dla lokalizacji, zamiast tego lokalizacja jest przekazywana jako nagłówek. Klucz API jest używany bezpośrednio, więc w przeciwieństwie do usługi mowy nie ma potrzeby uzyskiwania tokenu dostępu z API wydającego tokeny.
+
+1. Poniżej zdefiniuj parametry i treść dla wywołania:
+
+    ```python
+    params = {
+        'from': from_language,
+        'to': to_language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    `params` definiuje parametry przekazywane do wywołania API, przekazując języki źródłowy i docelowy. To wywołanie przetłumaczy tekst w języku `from` na język `to`.
+
+    `body` zawiera tekst do przetłumaczenia. Jest to tablica, ponieważ w jednym wywołaniu można przetłumaczyć wiele bloków tekstu.
+
+1. Wykonaj wywołanie REST API i pobierz odpowiedź:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    Odpowiedź, która wraca, to tablica JSON, z jednym elementem zawierającym tłumaczenia. Ten element ma tablicę tłumaczeń dla wszystkich elementów przekazanych w treści.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Set a 2 minute 27 second timer.",
+                    "to": "en"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. Zwróć właściwość `text` z pierwszego tłumaczenia z pierwszego elementu w tablicy:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. Zaktualizuj pętlę `while True`, aby tłumaczyć tekst z wywołania `convert_speech_to_text` z języka użytkownika na język serwera:
+
+    ```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)
+    ```
+
+    Ten kod również drukuje oryginalną i przetłumaczoną wersję tekstu w konsoli.
+
+1. Zaktualizuj funkcję `say`, aby tłumaczyć tekst do wypowiedzenia z języka serwera na język użytkownika:
+
+    ```python
+    def say(text):
+        print('Original:', text)
+        text = translate_text(text, server_language, language)
+        print('Translated:', text)
+        speech = get_speech(text)
+        play_speech(speech)
+    ```
+
+    Ten kod również drukuje oryginalną i przetłumaczoną wersję tekstu w konsoli.
+
+1. Uruchom swój kod. Upewnij się, że Twoja aplikacja funkcji działa, i poproś o timer w języku użytkownika, mówiąc w tym języku samodzielnie lub korzystając z aplikacji tłumaczącej.
+
+    ```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.
+    ```
+
+    > 💁 Ze względu na różne sposoby wyrażania się w różnych językach, możesz otrzymać tłumaczenia, które nieco różnią się od przykładów, które podałeś LUIS. Jeśli tak się stanie, dodaj więcej przykładów do LUIS, ponownie wytrenuj, a następnie opublikuj model.
+
+> 💁 Ten kod znajdziesz w folderze [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi).
+
+😀 Twój wielojęzyczny program timerowy odniósł sukces!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/pl/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
new file mode 100644
index 00000000..d7a848fb
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
@@ -0,0 +1,202 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d620a470d9dd8614d99824832978360a",
+  "translation_date": "2025-08-26T07:15:02+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
+  "language_code": "pl"
+}
+-->
+# Tłumaczenie mowy - Wirtualne urządzenie IoT
+
+W tej części lekcji napiszesz kod, który przetłumaczy mowę podczas konwersji na tekst za pomocą usługi rozpoznawania mowy, a następnie przetłumaczy tekst za pomocą usługi Translator, zanim wygeneruje odpowiedź głosową.
+
+## Użycie usługi rozpoznawania mowy do tłumaczenia mowy
+
+Usługa rozpoznawania mowy może nie tylko konwertować mowę na tekst w tym samym języku, ale także tłumaczyć wynik na inne języki.
+
+### Zadanie - użycie usługi rozpoznawania mowy do tłumaczenia mowy
+
+1. Otwórz projekt `smart-timer` w VS Code i upewnij się, że środowisko wirtualne jest załadowane w terminalu.
+
+1. Dodaj poniższe instrukcje importu poniżej istniejących importów:
+
+    ```python
+    from azure.cognitiveservices import speech
+    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
+    import requests
+    ```
+
+    Importuje to klasy używane do tłumaczenia mowy oraz bibliotekę `requests`, która będzie używana do wywołania usługi Translator w dalszej części tej lekcji.
+
+1. Twój inteligentny timer będzie miał ustawione 2 języki - język serwera, który został użyty do trenowania LUIS (ten sam język jest również używany do budowania komunikatów dla użytkownika), oraz język, którym posługuje się użytkownik. Zaktualizuj zmienną `language`, aby odpowiadała językowi, którym będzie mówił użytkownik, i dodaj nową zmienną o nazwie `server_language` dla języka używanego do trenowania LUIS:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    Zamień `<user language>` na nazwę lokalizacji języka, którym będziesz mówić, na przykład `fr-FR` dla francuskiego lub `zn-HK` dla kantońskiego.
+
+    Zamień `<server language>` na nazwę lokalizacji języka używanego do trenowania LUIS.
+
+    Listę obsługiwanych języków i ich nazw lokalizacji znajdziesz w [dokumentacji wsparcia językowego i głosowego na stronie Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Jeśli nie mówisz w wielu językach, możesz użyć usługi takiej jak [Bing Translate](https://www.bing.com/translator) lub [Google Translate](https://translate.google.com), aby przetłumaczyć z preferowanego języka na wybrany język. Te usługi mogą również odtwarzać dźwięk przetłumaczonego tekstu. Pamiętaj, że rozpoznawanie mowy może ignorować niektóre dźwięki odtwarzane z Twojego urządzenia, więc może być konieczne użycie dodatkowego urządzenia do odtwarzania przetłumaczonego tekstu.
+    >
+    > Na przykład, jeśli trenujesz LUIS w języku angielskim, ale chcesz używać francuskiego jako języka użytkownika, możesz przetłumaczyć zdania takie jak "set a 2 minute and 27 second timer" z angielskiego na francuski za pomocą Bing Translate, a następnie użyć przycisku **Listen translation**, aby wypowiedzieć tłumaczenie do mikrofonu.
+    >
+    > ![Przycisk Listen translation w Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.pl.png)
+
+1. Zamień deklaracje `recognizer_config` i `recognizer` na następujące:
+
+    ```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)
+    ```
+
+    Tworzy to konfigurację tłumaczenia, aby rozpoznawać mowę w języku użytkownika i tworzyć tłumaczenia w języku użytkownika oraz języku serwera. Następnie używa tej konfiguracji do stworzenia tłumacza mowy - rozpoznawacza mowy, który może tłumaczyć wynik rozpoznawania mowy na wiele języków.
+
+    > 💁 Oryginalny język musi być określony w `target_languages`, w przeciwnym razie nie otrzymasz żadnych tłumaczeń.
+
+1. Zaktualizuj funkcję `recognized`, zastępując całą jej zawartość następującym kodem:
+
+    ```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)
+    ```
+
+    Kod ten sprawdza, czy zdarzenie rozpoznania zostało wywołane, ponieważ mowa została przetłumaczona (to zdarzenie może być wywołane w innych sytuacjach, na przykład gdy mowa została rozpoznana, ale nie przetłumaczona). Jeśli mowa została przetłumaczona, znajduje tłumaczenie w słowniku `args.result.translations`, które odpowiada językowi serwera.
+
+    Słownik `args.result.translations` jest indeksowany na podstawie części językowej ustawienia lokalizacji, a nie całego ustawienia. Na przykład, jeśli zażądasz tłumaczenia na `fr-FR` dla francuskiego, słownik będzie zawierał wpis dla `fr`, a nie `fr-FR`.
+
+    Przetłumaczony tekst jest następnie wysyłany do IoT Hub.
+
+1. Uruchom ten kod, aby przetestować tłumaczenia. Upewnij się, że Twoja aplikacja funkcji działa, i poproś o timer w języku użytkownika, mówiąc w tym języku samodzielnie lub używając aplikacji tłumaczącej.
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    ```
+
+## Tłumaczenie tekstu za pomocą usługi Translator
+
+Usługa rozpoznawania mowy nie obsługuje tłumaczenia tekstu z powrotem na mowę, zamiast tego możesz użyć usługi Translator do tłumaczenia tekstu. Ta usługa ma interfejs REST API, którego możesz użyć do tłumaczenia tekstu.
+
+### Zadanie - użycie zasobu Translator do tłumaczenia tekstu
+
+1. Dodaj klucz API Translator poniżej `speech_api_key`:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    Zamień `<key>` na klucz API dla swojego zasobu usługi Translator.
+
+1. Powyżej funkcji `say` zdefiniuj funkcję `translate_text`, która będzie tłumaczyć tekst z języka serwera na język użytkownika:
+
+    ```python
+    def translate_text(text):
+    ```
+
+1. Wewnątrz tej funkcji zdefiniuj URL i nagłówki dla wywołania REST API:
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    URL dla tego API nie jest specyficzny dla lokalizacji, zamiast tego lokalizacja jest przekazywana jako nagłówek. Klucz API jest używany bezpośrednio, więc w przeciwieństwie do usługi rozpoznawania mowy, nie ma potrzeby uzyskiwania tokena dostępu z API wydawcy tokenów.
+
+1. Poniżej zdefiniuj parametry i treść wywołania:
+
+    ```python
+    params = {
+        'from': server_language,
+        'to': language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    `params` definiuje parametry przekazywane do wywołania API, określając języki źródłowy i docelowy. To wywołanie przetłumaczy tekst z języka `from` na język `to`.
+
+    `body` zawiera tekst do przetłumaczenia. Jest to tablica, ponieważ w jednym wywołaniu można przetłumaczyć wiele bloków tekstu.
+
+1. Wykonaj wywołanie REST API i pobierz odpowiedź:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    Odpowiedź, która wraca, to tablica JSON, z jednym elementem zawierającym tłumaczenia. Ten element ma tablicę tłumaczeń wszystkich elementów przekazanych w treści.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
+                    "to": "fr"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. Zwróć właściwość `text` z pierwszego tłumaczenia z pierwszego elementu w tablicy:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. Zaktualizuj funkcję `say`, aby przetłumaczyć tekst przed wygenerowaniem SSML:
+
+    ```python
+    print('Original:', text)
+    text = translate_text(text)
+    print('Translated:', text)
+    ```
+
+    Kod ten również drukuje oryginalną i przetłumaczoną wersję tekstu w konsoli.
+
+1. Uruchom swój kod. Upewnij się, że Twoja aplikacja funkcji działa, i poproś o timer w języku użytkownika, mówiąc w tym języku samodzielnie lub używając aplikacji tłumaczącej.
+
+    ```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.
+    ```
+
+    > 💁 Ze względu na różne sposoby wyrażania się w różnych językach, możesz otrzymać tłumaczenia, które nieco różnią się od przykładów, które podałeś LUIS. W takim przypadku dodaj więcej przykładów do LUIS, przetrenuj model, a następnie opublikuj go ponownie.
+
+> 💁 Kod ten znajdziesz w folderze [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device).
+
+😀 Twój wielojęzyczny program timera odniósł sukces!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/pl/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
new file mode 100644
index 00000000..61431343
--- /dev/null
+++ b/translations/pl/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
@@ -0,0 +1,282 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f6c164e349f8989959e02a90f37908d",
+  "translation_date": "2025-08-26T07:12:32+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
+  "language_code": "pl"
+}
+-->
+# Tłumaczenie mowy - Wio Terminal
+
+W tej części lekcji napiszesz kod do tłumaczenia tekstu za pomocą usługi Translator.
+
+## Konwersja tekstu na mowę za pomocą usługi Translator
+
+REST API usługi mowy nie obsługuje bezpośrednich tłumaczeń. Możesz jednak użyć usługi Translator, aby przetłumaczyć tekst wygenerowany przez usługę zamiany mowy na tekst oraz tekst odpowiedzi mówionej. Usługa Translator posiada REST API, które możesz wykorzystać do tłumaczenia tekstu, ale aby ułatwić korzystanie z niej, zostanie ona opakowana w inny wyzwalacz HTTP w Twojej aplikacji funkcji.
+
+### Zadanie - utwórz funkcję bezserwerową do tłumaczenia tekstu
+
+1. Otwórz swój projekt `smart-timer-trigger` w VS Code i uruchom terminal, upewniając się, że środowisko wirtualne jest aktywne. Jeśli nie, zamknij i ponownie utwórz terminal.
+
+1. Otwórz plik `local.settings.json` i dodaj ustawienia dla klucza API usługi Translator oraz lokalizacji:
+
+    ```json
+    "TRANSLATOR_KEY": "<key>",
+    "TRANSLATOR_LOCATION": "<location>"
+    ```
+
+    Zamień `<key>` na klucz API dla zasobu usługi Translator. Zamień `<location>` na lokalizację, którą wybrałeś podczas tworzenia zasobu usługi Translator.
+
+1. Dodaj nowy wyzwalacz HTTP do tej aplikacji o nazwie `translate-text`, używając następującego polecenia w terminalu VS Code w katalogu głównym projektu aplikacji funkcji:
+
+    ```sh
+    func new --name translate-text --template "HTTP trigger"
+    ```
+
+    To utworzy wyzwalacz HTTP o nazwie `translate-text`.
+
+1. Zastąp zawartość pliku `__init__.py` w folderze `translate-text` następującym kodem:
+
+    ```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'])
+    ```
+
+    Ten kod pobiera tekst i języki z żądania HTTP. Następnie wysyła żądanie do REST API usługi Translator, przekazując języki jako parametry URL oraz tekst do przetłumaczenia jako treść żądania. Na końcu zwracane jest tłumaczenie.
+
+1. Uruchom lokalnie swoją aplikację funkcji. Możesz ją wywołać za pomocą narzędzia takiego jak curl, w taki sam sposób, w jaki testowałeś wyzwalacz HTTP `text-to-timer`. Upewnij się, że przekazujesz tekst do przetłumaczenia oraz języki w treści JSON:
+
+    ```json
+    {
+        "text": "Définir une minuterie de 30 secondes",
+        "from_language": "fr-FR",
+        "to_language": "en-US"
+    }
+    ```
+
+    Ten przykład tłumaczy *Définir une minuterie de 30 secondes* z francuskiego na angielski amerykański. Zwróci *Set a 30-second timer*.
+
+> 💁 Ten kod znajdziesz w folderze [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions).
+
+### Zadanie - użyj funkcji Translator do tłumaczenia tekstu
+
+1. Otwórz projekt `smart-timer` w VS Code, jeśli nie jest już otwarty.
+
+1. Twój inteligentny timer będzie miał ustawione 2 języki - język serwera, który został użyty do trenowania LUIS (ten sam język jest również używany do budowania komunikatów mówionych do użytkownika) oraz język używany przez użytkownika. Zaktualizuj stałą `LANGUAGE` w pliku nagłówkowym `config.h`, aby odpowiadała językowi, w którym będzie mówił użytkownik, i dodaj nową stałą o nazwie `SERVER_LANGUAGE` dla języka użytego do trenowania LUIS:
+
+    ```cpp
+    const char *LANGUAGE = "<user language>";
+    const char *SERVER_LANGUAGE = "<server language>";
+    ```
+
+    Zamień `<user language>` na nazwę lokalizacji dla języka, w którym będziesz mówić, na przykład `fr-FR` dla francuskiego lub `zn-HK` dla kantońskiego.
+
+    Zamień `<server language>` na nazwę lokalizacji dla języka użytego do trenowania LUIS.
+
+    Listę obsługiwanych języków i ich nazw lokalizacji znajdziesz w [dokumentacji wsparcia językowego i głosowego na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Jeśli nie mówisz w wielu językach, możesz użyć usługi takiej jak [Bing Translate](https://www.bing.com/translator) lub [Google Translate](https://translate.google.com), aby przetłumaczyć z preferowanego języka na wybrany język. Te usługi mogą również odtwarzać dźwięk przetłumaczonego tekstu.
+    >
+    > Na przykład, jeśli trenujesz LUIS w języku angielskim, ale chcesz używać francuskiego jako języka użytkownika, możesz przetłumaczyć zdania takie jak "set a 2 minute and 27 second timer" z angielskiego na francuski za pomocą Bing Translate, a następnie użyć przycisku **Listen translation**, aby wypowiedzieć tłumaczenie do mikrofonu.
+    >
+    > ![Przycisk Listen translation w Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.pl.png)
+
+1. Dodaj klucz API usługi Translator i lokalizację poniżej `SPEECH_LOCATION`:
+
+    ```cpp
+    const char *TRANSLATOR_API_KEY = "<KEY>";
+    const char *TRANSLATOR_LOCATION = "<LOCATION>";
+    ```
+
+    Zamień `<KEY>` na klucz API dla zasobu usługi Translator. Zamień `<LOCATION>` na lokalizację, którą wybrałeś podczas tworzenia zasobu usługi Translator.
+
+1. Dodaj URL wyzwalacza Translator poniżej `VOICE_URL`:
+
+    ```cpp
+    const char *TRANSLATE_FUNCTION_URL = "<URL>";
+    ```
+
+    Zamień `<URL>` na URL dla wyzwalacza HTTP `translate-text` w Twojej aplikacji funkcji. Będzie to ta sama wartość co `TEXT_TO_TIMER_FUNCTION_URL`, z wyjątkiem nazwy funkcji `translate-text` zamiast `text-to-timer`.
+
+1. Dodaj nowy plik do folderu `src` o nazwie `text_translator.h`.
+
+1. Ten nowy plik nagłówkowy `text_translator.h` będzie zawierał klasę do tłumaczenia tekstu. Dodaj do tego pliku następujący kod, aby zadeklarować tę klasę:
+
+    ```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;
+    ```
+
+    Deklaruje to klasę `TextTranslator` oraz jej instancję. Klasa ma jedno pole dla klienta WiFi.
+
+1. W sekcji `public` tej klasy dodaj metodę do tłumaczenia tekstu:
+
+    ```cpp
+    String translateText(String text, String from_language, String to_language)
+    {
+    }
+    ```
+
+    Ta metoda przyjmuje język, z którego tłumaczymy, oraz język, na który tłumaczymy. Podczas obsługi mowy, mowa będzie tłumaczona z języka użytkownika na język serwera LUIS, a podczas udzielania odpowiedzi będzie tłumaczona z języka serwera LUIS na język użytkownika.
+
+1. W tej metodzie dodaj kod do skonstruowania treści JSON zawierającej tekst do przetłumaczenia oraz języki:
+
+    ```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. Poniżej tego kodu dodaj kod do wysłania treści do aplikacji funkcji bezserwerowej:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. Następnie dodaj kod do pobrania odpowiedzi:
+
+    ```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. Na końcu dodaj kod do zamknięcia połączenia i zwrócenia przetłumaczonego tekstu:
+
+    ```cpp
+    httpClient.end();
+
+    return translated_text;
+    ```
+
+### Zadanie - tłumaczenie rozpoznanej mowy i odpowiedzi
+
+1. Otwórz plik `main.cpp`.
+
+1. Dodaj dyrektywę include na początku pliku dla pliku nagłówkowego klasy `TextTranslator`:
+
+    ```cpp
+    #include "text_translator.h"
+    ```
+
+1. Tekst wypowiadany, gdy timer jest ustawiany lub wygasa, musi być przetłumaczony. Aby to zrobić, dodaj następujący kod jako pierwszą linię funkcji `say`:
+
+    ```cpp
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    To przetłumaczy tekst na język użytkownika.
+
+1. W funkcji `processAudio` tekst jest pobierany z przechwyconego dźwięku za pomocą wywołania `String text = speechToText.convertSpeechToText();`. Po tym wywołaniu przetłumacz tekst:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    To przetłumaczy tekst z języka użytkownika na język używany na serwerze.
+
+1. Zbuduj ten kod, wgraj go na swój Wio Terminal i przetestuj za pomocą monitora szeregowego. Gdy zobaczysz `Ready` w monitorze szeregowym, naciśnij przycisk C (ten po lewej stronie, najbliżej przełącznika zasilania) i mów. Upewnij się, że Twoja aplikacja funkcji działa, i zażądaj timera w języku użytkownika, mówiąc w tym języku samodzielnie lub używając aplikacji tłumaczącej.
+
+    ```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.
+    ```
+
+> 💁 Ten kod znajdziesz w folderze [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal).
+
+😀 Twój wielojęzyczny program timera zakończył się sukcesem!
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/CODE_OF_CONDUCT.md b/translations/pl/CODE_OF_CONDUCT.md
new file mode 100644
index 00000000..dcb334a3
--- /dev/null
+++ b/translations/pl/CODE_OF_CONDUCT.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
+  "translation_date": "2025-08-26T06:24:25+00:00",
+  "source_file": "CODE_OF_CONDUCT.md",
+  "language_code": "pl"
+}
+-->
+# Kodeks postępowania Microsoft Open Source
+
+Ten projekt przyjął [Kodeks postępowania Microsoft Open Source](https://opensource.microsoft.com/codeofconduct/).
+
+Zasoby:
+
+- [Kodeks postępowania Microsoft Open Source](https://opensource.microsoft.com/codeofconduct/)
+- [FAQ dotyczące Kodeksu postępowania Microsoft](https://opensource.microsoft.com/codeofconduct/faq/)
+- W razie pytań lub wątpliwości skontaktuj się pod adresem [opencode@microsoft.com](mailto:opencode@microsoft.com)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/CONTRIBUTING.md b/translations/pl/CONTRIBUTING.md
new file mode 100644
index 00000000..91679a52
--- /dev/null
+++ b/translations/pl/CONTRIBUTING.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6f80293fa9c213283eac7e79b078671",
+  "translation_date": "2025-08-26T06:25:37+00:00",
+  "source_file": "CONTRIBUTING.md",
+  "language_code": "pl"
+}
+-->
+# Współtworzenie
+
+Ten projekt zachęca do współtworzenia i zgłaszania sugestii. Większość wkładów wymaga, abyś zgodził się na Umowę Licencyjną Współtwórcy (CLA), w której oświadczasz, że masz prawo do udzielenia nam praw do korzystania z Twojego wkładu i faktycznie to robisz. Szczegóły znajdziesz na stronie https://cla.microsoft.com.
+
+> Ważne: tłumacząc tekst w tym repozytorium, upewnij się, że nie korzystasz z tłumaczenia maszynowego. Zweryfikujemy tłumaczenia za pośrednictwem społeczności, więc zgłaszaj się do tłumaczeń tylko w językach, w których jesteś biegły.
+
+Kiedy zgłaszasz pull request, bot CLA automatycznie sprawdzi, czy musisz dostarczyć CLA, i odpowiednio oznaczy PR (np. etykietą, komentarzem). Po prostu postępuj zgodnie z instrukcjami podanymi przez bota. Musisz to zrobić tylko raz we wszystkich repozytoriach korzystających z naszego CLA.
+
+Ten projekt przyjął [Kodeks Postępowania Microsoft Open Source](https://opensource.microsoft.com/codeofconduct/).  
+Więcej informacji znajdziesz w [FAQ dotyczących Kodeksu Postępowania](https://opensource.microsoft.com/codeofconduct/faq/)  
+lub skontaktuj się z [opencode@microsoft.com](mailto:opencode@microsoft.com), jeśli masz dodatkowe pytania lub uwagi.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/README.md b/translations/pl/README.md
new file mode 100644
index 00000000..be452af4
--- /dev/null
+++ b/translations/pl/README.md
@@ -0,0 +1,166 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "840d60a05e58cf590dedefe42e9f2a29",
+  "translation_date": "2025-08-26T06:22:34+00:00",
+  "source_file": "README.md",
+  "language_code": "pl"
+}
+-->
+[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE)  
+[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/)  
+[![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/)  
+[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/)  
+[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)  
+
+[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/)  
+[![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/)  
+[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/)  
+
+[![Bengali](https://img.shields.io/badge/-Bengali-blue)](translations/README.bn.md)  
+[![Chinese](https://img.shields.io/badge/-Chinese-yellow)](translations/README.zh-cn.md)  
+[![Turkish](https://img.shields.io/badge/-Turkish-darkgreen)](translations/README.tr.md)  
+[![French](https://img.shields.io/badge/-French-purple)](translations/README.fr.md)  
+[![Korean](https://img.shields.io/badge/-Korean-white)](translations/README.ko.md)  
+[![Japanese](https://img.shields.io/badge/-Japanese-red)](translations/README.ja.md)  
+
+[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott)  
+
+# IoT dla początkujących - Kurs
+
+Zespół Azure Cloud Advocates w Microsoft z przyjemnością oferuje 12-tygodniowy kurs składający się z 24 lekcji, które wprowadzają w podstawy IoT. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do realizacji zadań, rozwiązania, zadania domowe i wiele więcej. Nasze podejście oparte na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na trwałe przyswajanie nowych umiejętności.
+
+Projekty obejmują podróż żywności od gospodarstwa do stołu. Obejmuje to rolnictwo, logistykę, produkcję, handel detaliczny i konsumentów – wszystkie te obszary są popularnymi zastosowaniami urządzeń IoT.
+
+![Mapa kursu przedstawiająca 24 lekcje obejmujące wprowadzenie, rolnictwo, transport, przetwarzanie, handel detaliczny i gotowanie](../../translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.pl.jpg)  
+
+> Sketchnote autorstwa [Nitya Narasimhan](https://github.com/nitya). Kliknij obraz, aby zobaczyć większą wersję.
+
+**Serdeczne podziękowania dla naszych autorów [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) oraz naszej artystki sketchnote [Nitya Narasimhan](https://github.com/nitya).**
+
+**Dziękujemy również naszemu zespołowi [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn), którzy recenzowali i tłumaczyli ten kurs - [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) i [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).**
+
+Poznaj nasz zespół!
+
+[![Film promocyjny](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)  
+
+**Gif autorstwa** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)  
+
+> 🎥 Kliknij obraz powyżej, aby obejrzeć film o projekcie!
+
+> **Nauczyciele**, przygotowaliśmy [kilka sugestii](for-teachers.md) dotyczących wykorzystania tego kursu. Jeśli chcielibyście stworzyć własne lekcje, udostępniliśmy również [szablon lekcji](lesson-template/README.md).
+
+> **[Studenci](https://aka.ms/student-page)**, aby korzystać z tego kursu samodzielnie, zrób fork całego repozytorium i realizuj ćwiczenia samodzielnie, zaczynając od quizu przed lekcją, następnie czytając wykład i wykonując pozostałe zadania. Staraj się tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednakże kod ten jest dostępny w folderach /solutions w każdej lekcji projektowej. Innym pomysłem może być utworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez materiał. Do dalszej nauki polecamy [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn).
+
+Aby obejrzeć wideo wprowadzające do tego kursu, sprawdź ten film:
+
+[![Film promocyjny](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Film promocyjny")  
+
+> 🎥 Kliknij obraz powyżej, aby obejrzeć film o projekcie!
+
+## Metodyka nauczania
+
+Podczas tworzenia tego kursu przyjęliśmy dwa główne założenia dydaktyczne: zapewnienie, że jest on oparty na projektach oraz że zawiera częste quizy. Po ukończeniu tego cyklu studenci stworzą system monitorowania i podlewania roślin, tracker pojazdów, inteligentną fabrykę do śledzenia i sprawdzania żywności oraz sterowany głosem minutnik kuchenny, a także poznają podstawy Internetu Rzeczy, w tym pisanie kodu urządzeń, łączenie z chmurą, analizę telemetrii i uruchamianie AI na urządzeniach brzegowych.
+
+Dzięki powiązaniu treści z projektami proces nauki staje się bardziej angażujący dla studentów, a przyswajanie koncepcji jest bardziej efektywne.
+
+Dodatkowo, quizy o niskiej stawce przed lekcją pomagają studentom skupić się na nauce danego tematu, a quizy po lekcji wzmacniają przyswojoną wiedzę. Kurs został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stają się coraz bardziej złożone w trakcie 12-tygodniowego cyklu.
+
+Każdy projekt opiera się na rzeczywistym sprzęcie dostępnym dla studentów i hobbystów. Każdy projekt bada konkretną dziedzinę, dostarczając odpowiednią wiedzę w tle. Aby być skutecznym deweloperem, warto rozumieć dziedzinę, w której rozwiązuje się problemy. Dostarczanie tej wiedzy pozwala studentom myśleć o swoich rozwiązaniach IoT i nauce w kontekście rzeczywistych problemów, które mogą napotkać jako deweloperzy IoT. Studenci uczą się "dlaczego" rozwiązań, które budują, i zyskują zrozumienie potrzeb użytkownika końcowego.
+
+## Sprzęt
+
+Do realizacji projektów mamy dwie opcje sprzętu IoT, w zależności od osobistych preferencji, znajomości języków programowania, celów nauki i dostępności. Udostępniliśmy również wersję "wirtualnego sprzętu" dla tych, którzy nie mają dostępu do sprzętu lub chcą nauczyć się więcej przed zakupem. Więcej informacji oraz "listę zakupów" znajdziesz na [stronie sprzętu](./hardware.md), w tym linki do zakupu kompletnych zestawów od naszych partnerów w Seeed Studio.
+
+> 💁 Znajdź nasze [Zasady postępowania](CODE_OF_CONDUCT.md), [Wskazówki dotyczące współpracy](CONTRIBUTING.md) i [Wytyczne dotyczące tłumaczeń](TRANSLATIONS.md). Czekamy na Twoje konstruktywne opinie!
+
+## Każda lekcja zawiera:
+
+- sketchnote  
+- opcjonalne wideo uzupełniające  
+- quiz rozgrzewkowy przed lekcją  
+- pisemną lekcję  
+- w przypadku lekcji projektowych, przewodniki krok po kroku dotyczące budowy projektu  
+- sprawdzanie wiedzy  
+- wyzwanie  
+- dodatkowe materiały do czytania  
+- zadanie domowe  
+- quiz po lekcji  
+
+> **Uwaga dotycząca quizów**: Wszystkie quizy znajdują się w folderze quiz-app, łącznie 48 quizów po trzy pytania każdy. Są one podlinkowane w lekcjach, ale aplikację quizową można uruchomić lokalnie lub wdrożyć w Azure; postępuj zgodnie z instrukcjami w folderze `quiz-app`. Quizy są stopniowo lokalizowane.
+
+## Lekcje
+
+|       |              Nazwa projektu              |                       Nauczane koncepcje                       | Cele nauki                                                                                                                                                 |                                                        Powiązana lekcja                                                         |
+| :---: | :--------------------------------------: | :------------------------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------------------------------------- | :-----------------------------------------------------------------------------------------------------------------------------: |
+|  01   | [Pierwsze kroki](./1-getting-started/README.md) |                     Wprowadzenie do IoT                     | Poznaj podstawowe zasady IoT i podstawowe elementy rozwiązań IoT, takie jak czujniki i usługi w chmurze, podczas konfiguracji swojego pierwszego urządzenia IoT |                      [Wprowadzenie do IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md)                      |
+|  02   | [Pierwsze kroki](./1-getting-started/README.md) |                   Głębsze spojrzenie na IoT                    | Dowiedz się więcej o komponentach systemu IoT, a także o mikrokontrolerach i komputerach jednopłytkowych                                                    |                        [Głębsze spojrzenie na IoT](./1-getting-started/lessons/2-deeper-dive/README.md)                         |
+|  03   | [Pierwsze kroki](./1-getting-started/README.md) | Interakcja ze światem fizycznym za pomocą czujników i aktuatorów | Dowiedz się o czujnikach do zbierania danych ze świata fizycznego i aktuatorach do wysyłania informacji zwrotnej, budując lampkę nocną                      | [Interakcja ze światem fizycznym za pomocą czujników i aktuatorów](./1-getting-started/lessons/3-sensors-and-actuators/README.md) |
+|  04   | [Pierwsze kroki](./1-getting-started/README.md) |             Połącz swoje urządzenie z Internetem             | Dowiedz się, jak połączyć urządzenie IoT z Internetem, aby wysyłać i odbierać wiadomości, łącząc swoją lampkę nocną z brokerem MQTT                          |               [Połącz swoje urządzenie z Internetem](./1-getting-started/lessons/4-connect-internet/README.md)                |
+|  05   |            [Gospodarstwo](./2-farm/README.md)            |                    Przewidywanie wzrostu roślin                     | Dowiedz się, jak przewidywać wzrost roślin na podstawie danych o temperaturze zbieranych przez urządzenie IoT                                               |                          [Przewidywanie wzrostu roślin](./2-farm/lessons/1-predict-plant-growth/README.md)                           |
+|  06   |            [Gospodarstwo](./2-farm/README.md)            |                    Wykrywanie wilgotności gleby                     | Dowiedz się, jak wykrywać wilgotność gleby i kalibrować czujnik wilgotności gleby                                                                            |                          [Wykrywanie wilgotności gleby](./2-farm/lessons/2-detect-soil-moisture/README.md)                           |
+|  07   |            [Gospodarstwo](./2-farm/README.md)            |                  Automatyczne podlewanie roślin                   | Dowiedz się, jak automatyzować i planować podlewanie za pomocą przekaźnika i MQTT                                                                            |                      [Automatyczne podlewanie roślin](./2-farm/lessons/3-automated-plant-watering/README.md)                       |
+|  08   |            [Gospodarstwo](./2-farm/README.md)            |               Migracja roślin do chmury               | Dowiedz się o chmurze i usługach IoT hostowanych w chmurze oraz jak połączyć swoje rośliny z jednym z tych rozwiązań zamiast z publicznym brokerem MQTT       |               [Migracja roślin do chmury](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                |
+|  09   |            [Gospodarstwo](./2-farm/README.md)            |         Migracja logiki aplikacji do chmury         | Dowiedz się, jak pisać logikę aplikacji w chmurze, która reaguje na wiadomości IoT                                                                           |         [Migracja logiki aplikacji do chmury](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)         |  
+|  10   |            [Farm](./2-farm/README.md)            |                   Zabezpiecz swoją roślinę                  | Dowiedz się o bezpieczeństwie w IoT i jak chronić swoją roślinę za pomocą kluczy i certyfikatów                                                                     |                        [Zabezpiecz swoją roślinę](./2-farm/lessons/6-keep-your-plant-secure/README.md)                       |
+|  11   |       [Transport](./3-transport/README.md)       |                      Śledzenie lokalizacji                  | Dowiedz się, jak działa śledzenie lokalizacji GPS dla urządzeń IoT                                                                                                  |                           [Śledzenie lokalizacji](./3-transport/lessons/1-location-tracking/README.md)                       |
+|  12   |       [Transport](./3-transport/README.md)       |                     Przechowywanie danych lokalizacji        | Naucz się przechowywać dane IoT, aby można je było wizualizować lub analizować później                                                                              |                         [Przechowywanie danych lokalizacji](./3-transport/lessons/2-store-location-data/README.md)           |
+|  13   |       [Transport](./3-transport/README.md)       |                   Wizualizacja danych lokalizacji            | Dowiedz się, jak wizualizować dane lokalizacyjne na mapie i jak mapy przedstawiają rzeczywisty trójwymiarowy świat w dwóch wymiarach                                |                     [Wizualizacja danych lokalizacji](./3-transport/lessons/3-visualize-location-data/README.md)             |
+|  14   |       [Transport](./3-transport/README.md)       |                          Geosiatki                          | Dowiedz się, czym są geosiatki i jak można ich używać do powiadamiania, gdy pojazdy w łańcuchu dostaw zbliżają się do celu                                          |                                   [Geosiatki](./3-transport/lessons/4-geofences/README.md)                                   |
+|  15   |   [Manufacturing](./4-manufacturing/README.md)   |               Trenuj detektor jakości owoców                | Dowiedz się, jak trenować klasyfikator obrazów w chmurze, aby wykrywać jakość owoców                                                                                |                 [Trenuj detektor jakości owoców](./4-manufacturing/lessons/1-train-fruit-detector/README.md)                 |
+|  16   |   [Manufacturing](./4-manufacturing/README.md)   |           Sprawdzaj jakość owoców za pomocą urządzenia IoT  | Dowiedz się, jak używać detektora jakości owoców na urządzeniu IoT                                                                                                  |           [Sprawdzaj jakość owoców za pomocą urządzenia IoT](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)  |
+|  17   |   [Manufacturing](./4-manufacturing/README.md)   |             Uruchamiaj detektor owoców na brzegu sieci       | Dowiedz się, jak uruchamiać detektor jakości owoców na urządzeniu IoT na brzegu sieci                                                                               |             [Uruchamiaj detektor owoców na brzegu sieci](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)      |
+|  18   |   [Manufacturing](./4-manufacturing/README.md)   |        Wyzwalaj detekcję jakości owoców za pomocą czujnika   | Dowiedz się, jak wyzwalać detekcję jakości owoców za pomocą czujnika                                                                                               |        [Wyzwalaj detekcję jakości owoców za pomocą czujnika](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)   |
+|  19   |          [Retail](./5-retail/README.md)          |                   Trenuj detektor zapasów                   | Dowiedz się, jak używać detekcji obiektów do trenowania detektora zapasów w celu liczenia towarów w sklepie                                                        |                        [Trenuj detektor zapasów](./5-retail/lessons/1-train-stock-detector/README.md)                        |
+|  20   |          [Retail](./5-retail/README.md)          |               Sprawdzaj zapasy za pomocą urządzenia IoT      | Dowiedz się, jak sprawdzać zapasy za pomocą urządzenia IoT wykorzystując model detekcji obiektów                                                                   |                     [Sprawdzaj zapasy za pomocą urządzenia IoT](./5-retail/lessons/2-check-stock-device/README.md)           |
+|  21   |        [Consumer](./6-consumer/README.md)        |             Rozpoznawaj mowę za pomocą urządzenia IoT        | Dowiedz się, jak rozpoznawać mowę za pomocą urządzenia IoT, aby stworzyć inteligentny timer                                                                         |                  [Rozpoznawaj mowę za pomocą urządzenia IoT](./6-consumer/lessons/1-speech-recognition/README.md)            |
+|  22   |        [Consumer](./6-consumer/README.md)        |                     Rozumienie języka                       | Dowiedz się, jak rozumieć zdania wypowiadane do urządzenia IoT                                                                                                     |                        [Rozumienie języka](./6-consumer/lessons/2-language-understanding/README.md)                          |
+|  23   |        [Consumer](./6-consumer/README.md)        |           Ustawianie timera i udzielanie informacji głosowej | Dowiedz się, jak ustawić timer na urządzeniu IoT i udzielać informacji głosowej o tym, kiedy timer został ustawiony i kiedy się kończy                             |                 [Ustawianie timera i udzielanie informacji głosowej](./6-consumer/lessons/3-spoken-feedback/README.md)       |
+|  24   |        [Consumer](./6-consumer/README.md)        |                 Obsługa wielu języków                       | Dowiedz się, jak obsługiwać wiele języków, zarówno w komunikacji z urządzeniem, jak i w odpowiedziach inteligentnego timera                                         |                   [Obsługa wielu języków](./6-consumer/lessons/4-multiple-language-support/README.md)                        |
+
+## Dostęp offline
+
+Możesz uruchomić tę dokumentację offline, korzystając z [Docsify](https://docsify.js.org/#/). Sforkuj to repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim komputerze lokalnym, a następnie w katalogu głównym tego repozytorium wpisz `docsify serve`. Strona internetowa zostanie uruchomiona na porcie 3000 na twoim localhost: `localhost:3000`.
+
+### PDF
+
+Możesz wygenerować plik PDF z tą zawartością do dostępu offline, jeśli zajdzie taka potrzeba. Aby to zrobić, upewnij się, że masz [zainstalowany npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) i uruchom następujące polecenia w katalogu głównym tego repozytorium:
+
+```sh
+npm i
+npm run convert
+```
+
+### Prezentacje
+
+W folderze [slides](../../slides) znajdują się prezentacje do niektórych lekcji.
+
+## Potrzebna pomoc!
+
+Chciałbyś przyczynić się do tłumaczenia? Przeczytaj nasze [wytyczne dotyczące tłumaczeń](TRANSLATIONS.md) i dodaj swoje uwagi [do jednego z problemów związanych z tłumaczeniami](https://github.com/microsoft/IoT-For-Beginners/issues?q=is%3Aissue+is%3Aopen+label%3Atranslation). Jeśli chcesz przetłumaczyć na nowy język, otwórz nowy problem w celu śledzenia.
+
+## Inne kursy
+
+Nasz zespół tworzy inne kursy! Sprawdź:
+
+- [Generative AI for Beginners](https://aka.ms/genai-beginners)
+- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
+- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
+- [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
+- [AI for Beginners](https://aka.ms/ai-beginners)
+- [Data Science for Beginners](https://aka.ms/datascience-beginners)
+- [ML for Beginners](https://aka.ms/ml-beginners)
+- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101) 
+- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
+- [IoT for Beginners](https://aka.ms/iot-beginners)
+- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
+- [Mastering GitHub Copilot for Agentic use](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
+- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
+- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
+
+## Atrybucje obrazów
+
+Wszystkie atrybucje dla obrazów użytych w tym kursie, jeśli są wymagane, znajdziesz w pliku [Attributions](./attributions.md).
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/SECURITY.md b/translations/pl/SECURITY.md
new file mode 100644
index 00000000..1d0a43af
--- /dev/null
+++ b/translations/pl/SECURITY.md
@@ -0,0 +1,49 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
+  "translation_date": "2025-08-26T06:25:23+00:00",
+  "source_file": "SECURITY.md",
+  "language_code": "pl"
+}
+-->
+# Bezpieczeństwo
+
+Microsoft traktuje bezpieczeństwo swoich produktów i usług bardzo poważnie, w tym wszystkich repozytoriów kodu źródłowego zarządzanych przez nasze organizacje na GitHubie, takie jak [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) oraz [nasze organizacje na GitHubie](https://opensource.microsoft.com/).
+
+Jeśli uważasz, że znalazłeś lukę w zabezpieczeniach w którymkolwiek z repozytoriów należących do Microsoftu, która spełnia [definicję luki w zabezpieczeniach według Microsoftu](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10)), zgłoś ją do nas zgodnie z poniższymi instrukcjami.
+
+## Zgłaszanie problemów z bezpieczeństwem
+
+**Prosimy, aby nie zgłaszać luk w zabezpieczeniach za pośrednictwem publicznych zgłoszeń na GitHubie.**
+
+Zamiast tego zgłoś je do Microsoft Security Response Center (MSRC) na stronie [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report).
+
+Jeśli wolisz zgłosić problem bez logowania, wyślij wiadomość e-mail na adres [secure@microsoft.com](mailto:secure@microsoft.com). Jeśli to możliwe, zaszyfruj swoją wiadomość za pomocą naszego klucza PGP; możesz go pobrać ze strony [Microsoft Security Response Center PGP Key](https://www.microsoft.com/en-us/msrc/pgp-key-msrc).
+
+Powinieneś otrzymać odpowiedź w ciągu 24 godzin. Jeśli z jakiegoś powodu jej nie otrzymasz, prosimy o ponowny kontakt mailowy, aby upewnić się, że otrzymaliśmy Twoją wiadomość. Dodatkowe informacje znajdziesz na stronie [microsoft.com/msrc](https://www.microsoft.com/msrc).  
+
+Prosimy o dołączenie poniższych informacji (w miarę możliwości), aby pomóc nam lepiej zrozumieć charakter i zakres potencjalnego problemu:
+
+  * Rodzaj problemu (np. przepełnienie bufora, SQL injection, cross-site scripting itp.)
+  * Pełne ścieżki plików źródłowych związanych z wystąpieniem problemu
+  * Lokalizacja dotkniętego kodu źródłowego (tag/gałąź/commit lub bezpośredni URL)
+  * Wszelkie specjalne konfiguracje wymagane do odtworzenia problemu
+  * Instrukcje krok po kroku, jak odtworzyć problem
+  * Kod proof-of-concept lub exploit (jeśli to możliwe)
+  * Wpływ problemu, w tym sposób, w jaki atakujący mógłby go wykorzystać
+
+Te informacje pomogą nam szybciej przeanalizować Twoje zgłoszenie.
+
+Jeśli zgłaszasz problem w ramach programu nagród za błędy, bardziej szczegółowe raporty mogą przyczynić się do wyższej nagrody. Odwiedź stronę [Microsoft Bug Bounty Program](https://microsoft.com/msrc/bounty), aby uzyskać więcej informacji o naszych aktywnych programach.
+
+## Preferowane języki
+
+Preferujemy, aby cała komunikacja odbywała się w języku angielskim.
+
+## Polityka
+
+Microsoft stosuje zasadę [Koordynowanego ujawniania luk w zabezpieczeniach](https://www.microsoft.com/en-us/msrc/cvd).
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/SUPPORT.md b/translations/pl/SUPPORT.md
new file mode 100644
index 00000000..baa9a046
--- /dev/null
+++ b/translations/pl/SUPPORT.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cd89329575372232e59605f7a08ae0df",
+  "translation_date": "2025-08-26T06:23:53+00:00",
+  "source_file": "SUPPORT.md",
+  "language_code": "pl"
+}
+-->
+# Wsparcie
+
+## Jak zgłaszać problemy i uzyskiwać pomoc  
+
+Ten projekt korzysta z GitHub Issues do śledzenia błędów i próśb o nowe funkcje. Przed zgłoszeniem nowego problemu, sprawdź istniejące zgłoszenia, aby uniknąć duplikatów. W przypadku nowych zgłoszeń, zgłoś swój błąd lub prośbę o funkcję jako nowe zgłoszenie.
+
+W celu uzyskania pomocy i odpowiedzi na pytania dotyczące korzystania z tego projektu, skontaktuj się z nami, zgłaszając problem w tym repozytorium.
+
+## Polityka wsparcia Microsoft  
+
+Wsparcie dla tego **PROJEKTU lub PRODUKTU** jest ograniczone do zasobów wymienionych powyżej.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/attributions.md b/translations/pl/attributions.md
new file mode 100644
index 00000000..f52f3e8a
--- /dev/null
+++ b/translations/pl/attributions.md
@@ -0,0 +1,52 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4506d33bbda7acc0ab20980172687090",
+  "translation_date": "2025-08-26T06:22:00+00:00",
+  "source_file": "attributions.md",
+  "language_code": "pl"
+}
+-->
+# Atrybucje obrazów
+
+* Banany autorstwa abderraouf omara z [Noun Project](https://thenounproject.com)
+* Mózg autorstwa Icon Market z [Noun Project](https://thenounproject.com)
+* Transmisja autorstwa RomStu z [Noun Project](https://thenounproject.com)
+* Przycisk autorstwa Dan Hetteix z [Noun Project](https://thenounproject.com)
+* Mikrofon małomembranowy C451B autorstwa AKG Acoustics. [Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) na [en.wikipedia](https://en.wikipedia.org/) / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* Kalendarz autorstwa Alice-vector z [Noun Project](https://thenounproject.com)
+* Certyfikat autorstwa alimasykurm z [Noun Project](https://thenounproject.com)
+* Chip autorstwa Astatine Lab z [Noun Project](https://thenounproject.com)
+* Chmura autorstwa Debi Alpa Nugraha z [Noun Project](https://thenounproject.com)
+* Kontener autorstwa ProSymbols z [Noun Project](https://thenounproject.com)
+* CPU autorstwa Icon Lauk z [Noun Project](https://thenounproject.com)
+* Baza danych autorstwa Icons Bazaar z [Noun Project](https://thenounproject.com)
+* Pokrętło autorstwa Jamie Dickinson z [Noun Project](https://thenounproject.com)
+* GPS autorstwa mim studio z [Noun Project](https://thenounproject.com)
+* Grzejnik autorstwa Pascal Heß z [Noun Project](https://thenounproject.com)
+* Pomysł autorstwa Pause08 z [Noun Project](https://thenounproject.com)
+* IoT autorstwa Adrien Coquet z [Noun Project](https://thenounproject.com)
+* LED autorstwa abderraouf omara z [Noun Project](https://thenounproject.com)
+* LDR autorstwa Eucalyp z [Noun Project](https://thenounproject.com)
+* Żarówka autorstwa Maxim Kulikov z [Noun Project](https://thenounproject.com)
+* Mikrokontroler autorstwa Template z [Noun Project](https://thenounproject.com)
+* Telefon komórkowy autorstwa Alice-vector z [Noun Project](https://thenounproject.com)
+* Silnik autorstwa Bakunetsu Kaito z [Noun Project](https://thenounproject.com)
+* Patti Smith śpiewająca do mikrofonu Shure SM58 (typ dynamiczny kardioidalny). Beni Köhler / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* Roślina autorstwa Alex Muravev z [Noun Project](https://thenounproject.com)
+* Komórka roślinna autorstwa Léa Lortal z [Noun Project](https://thenounproject.com)
+* Sonda autorstwa Adnen Kadri z [Noun Project](https://thenounproject.com)
+* RAM autorstwa Atif Arshad z [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/)
+* Nagrywanie autorstwa Aybige Speaker z [Noun Project](https://thenounproject.com)
+* Satelita autorstwa Noura Mbarki z [Noun Project](https://thenounproject.com)
+* Inteligentny czujnik autorstwa Andrei Yushchenko z [Noun Project](https://thenounproject.com)
+* Głośnik autorstwa Gregor Cresnar z [Noun Project](https://thenounproject.com)
+* Przełącznik autorstwa Chattapat z [Noun Project](https://thenounproject.com)
+* Temperatura autorstwa Vectors Market z [Noun Project](https://thenounproject.com)
+* Pomidor autorstwa parkjisun z Noun Project z [Noun Project](https://thenounproject.com)
+* Konewka autorstwa Daria Moskvina z [Noun Project](https://thenounproject.com)
+* Pogoda autorstwa Adrien Coquet z [Noun Project](https://thenounproject.com)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/clean-up.md b/translations/pl/clean-up.md
new file mode 100644
index 00000000..8542cc52
--- /dev/null
+++ b/translations/pl/clean-up.md
@@ -0,0 +1,53 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
+  "translation_date": "2025-08-26T06:24:13+00:00",
+  "source_file": "clean-up.md",
+  "language_code": "pl"
+}
+-->
+# Posprzątaj swój projekt
+
+Po zakończeniu każdego projektu warto usunąć zasoby w chmurze.
+
+Podczas lekcji związanych z każdym projektem mogłeś utworzyć niektóre z poniższych zasobów:
+
+* Grupę zasobów (Resource Group)
+* IoT Hub
+* Rejestracje urządzeń IoT
+* Konto magazynu (Storage Account)
+* Aplikację Functions App
+* Konto Azure Maps
+* Projekt Custom Vision
+* Rejestr kontenerów Azure (Azure Container Registry)
+* Zasób usług kognitywnych (Cognitive Services)
+
+Większość z tych zasobów nie generuje kosztów – albo są całkowicie darmowe, albo korzystasz z darmowego poziomu. W przypadku usług wymagających płatnego poziomu, korzystałeś z nich na poziomie objętym darmowym limitem lub kosztowały one tylko kilka groszy.
+
+Nawet przy stosunkowo niskich kosztach warto usunąć te zasoby po zakończeniu pracy. Na przykład, możesz mieć tylko jeden IoT Hub korzystający z darmowego poziomu, więc jeśli chcesz utworzyć kolejny, będziesz musiał skorzystać z płatnego poziomu.
+
+Wszystkie Twoje usługi zostały utworzone w ramach Grup Zasobów, co ułatwia zarządzanie. Możesz usunąć Grupę Zasobów, a wszystkie usługi w niej zawarte zostaną usunięte razem z nią.
+
+Aby usunąć Grupę Zasobów, uruchom następujące polecenie w terminalu lub wierszu poleceń:
+
+```sh
+az group delete --name <resource-group-name>
+```
+
+Zastąp `<resource-group-name>` nazwą Grupy Zasobów, którą chcesz usunąć.
+
+Pojawi się potwierdzenie:
+
+```output
+Are you sure you want to perform this operation? (y/n): 
+```
+
+Wpisz `y`, aby potwierdzić i usunąć Grupę Zasobów.
+
+Usunięcie wszystkich usług może zająć trochę czasu.
+
+> 💁 Więcej informacji na temat usuwania grup zasobów znajdziesz w [dokumentacji Microsoft Docs dotyczącej usuwania grup zasobów i zasobów w Azure Resource Manager](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/docs/_sidebar.md b/translations/pl/docs/_sidebar.md
new file mode 100644
index 00000000..b5f60888
--- /dev/null
+++ b/translations/pl/docs/_sidebar.md
@@ -0,0 +1,47 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
+  "translation_date": "2025-08-26T06:57:34+00:00",
+  "source_file": "docs/_sidebar.md",
+  "language_code": "pl"
+}
+-->
+- Wprowadzenie
+  - [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)
+  
+- Gospodarstwo
+  - [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)
+  
+- Transport
+  - [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)
+  
+- Produkcja
+  - [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)
+  
+- Handel detaliczny
+  - [19](../5-retail/lessons/1-train-stock-detector/README.md)
+  - [20](../5-retail/lessons/2-check-stock-device/README.md)
+  
+- Konsument
+  - [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)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić precyzję, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/for-teachers.md b/translations/pl/for-teachers.md
new file mode 100644
index 00000000..7ea1ef43
--- /dev/null
+++ b/translations/pl/for-teachers.md
@@ -0,0 +1,39 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
+  "translation_date": "2025-08-26T06:24:01+00:00",
+  "source_file": "for-teachers.md",
+  "language_code": "pl"
+}
+-->
+# Dla Edukatorów
+
+Chcesz wykorzystać ten program nauczania w swojej klasie? Śmiało, zapraszamy!
+
+W rzeczywistości możesz używać go bezpośrednio na GitHubie, korzystając z GitHub Classroom.
+
+Aby to zrobić, zrób fork tego repozytorium. Będziesz musiał utworzyć repozytorium dla każdej lekcji, więc konieczne będzie wyodrębnienie każdego folderu do osobnego repozytorium. Dzięki temu [GitHub Classroom](https://classroom.github.com/classrooms) będzie mógł obsługiwać każdą lekcję oddzielnie.
+
+Te [pełne instrukcje](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) pokażą Ci, jak skonfigurować swoją klasę.
+
+## Rekomendowany model nauczania
+
+Więcej o rekomendowanym modelu nauczania przy korzystaniu z tego programu znajdziesz w naszym [przewodniku po rekomendowanym modelu nauczania](recommended-learning-model.md).
+
+## Korzystanie z repozytorium w obecnej formie
+
+Jeśli chcesz korzystać z tego repozytorium w jego obecnej formie, bez użycia GitHub Classroom, również jest to możliwe. Będziesz musiał poinformować swoich uczniów, nad którą lekcją mają pracować wspólnie.
+
+W formacie online (Zoom, Teams lub inne) możesz tworzyć pokoje grupowe na potrzeby quizów i mentorować uczniów, aby przygotować ich do nauki. Następnie zaproś uczniów do udziału w quizach i przesyłania odpowiedzi jako 'issues' w określonym czasie. Możesz zrobić to samo z zadaniami, jeśli chcesz, aby uczniowie pracowali wspólnie w otwartej przestrzeni.
+
+Jeśli wolisz bardziej prywatny format, poproś uczniów, aby forkowali program nauczania, lekcja po lekcji, do swoich własnych prywatnych repozytoriów na GitHubie i udostępnili Ci do nich dostęp. W ten sposób mogą wypełniać quizy i zadania prywatnie i przesyłać je do Ciebie jako 'issues' w Twoim repozytorium klasowym.
+
+Istnieje wiele sposobów, aby to działało w formacie klasy online. Daj nam znać, co działa najlepiej dla Ciebie!
+
+## Podziel się z nami swoimi opiniami!
+
+Chcemy, aby ten program nauczania był jak najbardziej użyteczny dla Ciebie i Twoich uczniów. Podziel się z nami swoją [opinią](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u).
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/hardware.md b/translations/pl/hardware.md
new file mode 100644
index 00000000..04ff6916
--- /dev/null
+++ b/translations/pl/hardware.md
@@ -0,0 +1,119 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
+  "translation_date": "2025-08-26T06:24:32+00:00",
+  "source_file": "hardware.md",
+  "language_code": "pl"
+}
+-->
+# Sprzęt
+
+**T** w IoT oznacza **Things** (Rzeczy) i odnosi się do urządzeń, które wchodzą w interakcję ze światem wokół nas. Każdy projekt opiera się na rzeczywistym sprzęcie dostępnym dla studentów i hobbystów. Mamy dwie opcje sprzętu IoT do wyboru, w zależności od osobistych preferencji, znajomości języków programowania, celów nauki i dostępności. Dla tych, którzy nie mają dostępu do sprzętu lub chcą dowiedzieć się więcej przed zakupem, udostępniliśmy również wersję "wirtualnego sprzętu".
+
+> 💁 Nie musisz kupować żadnego sprzętu IoT, aby ukończyć zadania. Wszystko możesz zrobić, korzystając z wirtualnego sprzętu IoT.
+
+Fizyczne opcje sprzętowe to Arduino lub Raspberry Pi. Każda platforma ma swoje zalety i wady, które omówiono w jednej z początkowych lekcji. Jeśli jeszcze nie zdecydowałeś, którą platformę sprzętową wybrać, możesz zapoznać się z [lekcją drugą pierwszego projektu](./1-getting-started/lessons/2-deeper-dive/README.md), aby dowiedzieć się, która platforma najbardziej Cię interesuje.
+
+Wybrany sprzęt został dobrany tak, aby zminimalizować złożoność lekcji i zadań. Chociaż inne urządzenia mogą działać, nie możemy zagwarantować, że wszystkie zadania będą obsługiwane na Twoim urządzeniu bez dodatkowego sprzętu. Na przykład wiele urządzeń Arduino nie ma WiFi, które jest potrzebne do połączenia z chmurą – wybraliśmy terminal Wio, ponieważ ma wbudowane WiFi.
+
+Będziesz także potrzebować kilku nietechnicznych przedmiotów, takich jak ziemia lub roślina doniczkowa oraz owoce lub warzywa.
+
+## Kup zestawy
+
+![Logo Seeed Studios](../../translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.pl.png)
+
+Seeed Studios uprzejmie udostępniło cały sprzęt w formie łatwych do zakupu zestawów:
+
+### Arduino - Wio Terminal
+
+**[IoT dla początkujących z Seeed i Microsoft - Zestaw startowy Wio Terminal](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
+
+[![Zestaw sprzętowy Wio Terminal](../../translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.pl.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
+
+### Raspberry Pi
+
+**[IoT dla początkujących z Seeed i Microsoft - Zestaw startowy Raspberry Pi 4](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
+
+[![Zestaw sprzętowy Raspberry Pi Terminal](../../translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.pl.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
+
+## Arduino
+
+Cały kod urządzenia dla Arduino jest napisany w C++. Aby ukończyć wszystkie zadania, będziesz potrzebować następujących elementów:
+
+### Sprzęt Arduino
+
+* [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
+* *Opcjonalnie* - kabel USB-C lub adapter USB-A do USB-C. Terminal Wio ma port USB-C i jest dostarczany z kablem USB-C do USB-A. Jeśli Twój komputer lub Mac ma tylko porty USB-C, będziesz potrzebować kabla USB-C lub adaptera USB-A do USB-C.
+
+### Specyficzne czujniki i elementy wykonawcze dla Arduino
+
+Te elementy są specyficzne dla urządzenia Arduino Wio Terminal i nie są istotne dla 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)
+* [Przewody do płytki stykowej](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
+* Słuchawki lub inny głośnik z wtykiem 3,5 mm, lub głośnik JST, taki jak:
+  * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+* Karta microSD 16GB lub mniejsza, wraz z adapterem do użycia karty SD z komputerem, jeśli nie masz wbudowanego czytnika. **UWAGA** - Terminal Wio obsługuje tylko karty SD do 16GB, nie obsługuje większych pojemności.
+
+## Raspberry Pi
+
+Cały kod urządzenia dla Raspberry Pi jest napisany w Pythonie. Aby ukończyć wszystkie zadania, będziesz potrzebować następujących elementów:
+
+### Sprzęt Raspberry Pi
+
+* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
+  > 💁 Wersje od Pi 2B wzwyż powinny działać z zadaniami w tych lekcjach. Jeśli planujesz uruchamiać VS Code bezpośrednio na Pi, potrzebujesz Pi 4 z co najmniej 2GB RAM. Jeśli zamierzasz uzyskiwać dostęp do Pi zdalnie, każda wersja od Pi 2B wzwyż będzie odpowiednia.
+* Karta microSD (możesz kupić zestawy Raspberry Pi, które zawierają kartę microSD), wraz z adapterem do użycia karty SD z komputerem, jeśli nie masz wbudowanego czytnika.
+* Zasilacz USB (możesz kupić zestawy Raspberry Pi 4, które zawierają zasilacz). Jeśli używasz Raspberry Pi 4, potrzebujesz zasilacza USB-C, wcześniejsze urządzenia wymagają zasilacza micro-USB.
+
+### Specyficzne czujniki i elementy wykonawcze dla Raspberry Pi
+
+Te elementy są specyficzne dla Raspberry Pi i nie są istotne dla urządzenia Arduino.
+
+* [Grove Pi base hat](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
+* [Moduł kamery Raspberry Pi](https://www.raspberrypi.org/products/camera-module-v2/)
+* Mikrofon i głośnik:
+
+  Użyj jednego z poniższych (lub równoważnego):
+  * Dowolny mikrofon USB z dowolnym głośnikiem USB, głośnikiem z kablem 3,5 mm lub wyjściem audio HDMI, jeśli Raspberry Pi jest podłączony do monitora lub telewizora z głośnikami
+  * Dowolny zestaw słuchawkowy USB z wbudowanym mikrofonem
+  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) z
+    * Słuchawkami lub innym głośnikiem z wtykiem 3,5 mm, lub głośnikiem JST, takim jak:
+    * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+  * [Głośnik konferencyjny 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)
+* [Czujnik światła Grove](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
+* [Przycisk Grove](https://www.seeedstudio.com/Grove-Button.html)
+
+## Czujniki i elementy wykonawcze
+
+Większość potrzebnych czujników i elementów wykonawczych jest używana zarówno w ścieżkach nauki Arduino, jak i Raspberry Pi:
+
+* [Dioda LED Grove](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
+* [Czujnik wilgotności i temperatury Grove](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
+* [Pojemnościowy czujnik wilgotności gleby Grove](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
+* [Przekaźnik Grove](https://www.seeedstudio.com/Grove-Relay.html)
+* [Moduł GPS Grove (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
+* [Czujnik odległości Grove Time of Flight](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
+
+## Opcjonalny sprzęt
+
+Lekcje dotyczące automatycznego podlewania działają przy użyciu przekaźnika. Opcjonalnie możesz podłączyć ten przekaźnik do pompy wodnej zasilanej przez USB, korzystając z poniższego sprzętu.
+
+* [Pompa wodna 6V](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
+* [Terminal USB](https://www.adafruit.com/product/3628)
+* Rurki silikonowe
+* Czerwone i czarne przewody
+* Mały śrubokręt płaski
+
+## Wirtualny sprzęt
+
+Wirtualna ścieżka sprzętowa zapewni symulatory czujników i elementów wykonawczych, zaimplementowane w Pythonie. W zależności od dostępności sprzętu możesz uruchomić to na swoim normalnym urządzeniu deweloperskim, takim jak Mac, PC, lub na Raspberry Pi, symulując tylko sprzęt, którego nie posiadasz. Na przykład, jeśli masz kamerę Raspberry Pi, ale nie masz czujników Grove, będziesz mógł uruchomić kod wirtualnego urządzenia na swoim Pi i symulować czujniki Grove, ale używać fizycznej kamery.
+
+Wirtualny sprzęt będzie korzystał z projektu [CounterFit](https://github.com/CounterFit-IoT/CounterFit).
+
+Aby ukończyć te lekcje, będziesz potrzebować kamery internetowej, mikrofonu i wyjścia audio, takiego jak głośniki lub słuchawki. Mogą być one wbudowane lub zewnętrzne i muszą być skonfigurowane do pracy z Twoim systemem operacyjnym oraz dostępne dla wszystkich aplikacji.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/images/README.md b/translations/pl/images/README.md
new file mode 100644
index 00000000..99971c84
--- /dev/null
+++ b/translations/pl/images/README.md
@@ -0,0 +1,19 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
+  "translation_date": "2025-08-26T06:25:46+00:00",
+  "source_file": "images/README.md",
+  "language_code": "pl"
+}
+-->
+# Obrazy
+
+Obrazy w folderze [icons](../../../images/icons) pochodzą z [Noun Project](https://thenounproject.com) i wymagają przypisania autorstwa. Każdy obraz zawiera informacje o wymaganym przypisaniu. Te obrazy powinny być używane w każdym diagramie, który ich potrzebuje, aby zachować spójność wizualną.
+
+Plik [Diagrams.sketch](../../../images/Diagrams.sketch) to dokument [Sketch](https://www.sketch.com) zawierający wszystkie diagramy używane w lekcjach i projektach. Jeśli bierzesz udział w tłumaczeniu, prosimy również o przetłumaczenie tych diagramów, albo poprzez skopiowanie i zaktualizowanie dokumentu, albo poprzez dostarczenie listy słów wymagających tłumaczenia jako zgłoszenie na GitHub.
+
+Pozostałe obrazy są używane w całych lekcjach i projektach.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/lesson-template/README.md b/translations/pl/lesson-template/README.md
new file mode 100644
index 00000000..5307cf2f
--- /dev/null
+++ b/translations/pl/lesson-template/README.md
@@ -0,0 +1,63 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
+  "translation_date": "2025-08-26T07:37:11+00:00",
+  "source_file": "lesson-template/README.md",
+  "language_code": "pl"
+}
+-->
+# [Temat Lekcji]
+
+![Osadź tutaj wideo](../../../lesson-template/video-url)
+
+## [Quiz przed wykładem](../../../lesson-template/quiz-url)
+
+[Opis tego, czego się nauczymy]
+
+### Wprowadzenie
+
+Opis tego, co zostanie omówione
+
+> Notatki
+
+### Wymagania wstępne
+
+Jakie kroki powinny zostać wykonane przed tą lekcją?
+
+### Przygotowanie
+
+Kroki przygotowawcze do rozpoczęcia tej lekcji
+
+---
+
+[Przejdź przez treść w blokach]
+
+## [Temat 1]
+
+### Zadanie:
+
+Pracujcie razem, aby stopniowo ulepszać swoją bazę kodu i zbudować projekt z wykorzystaniem wspólnego kodu:
+
+```html
+code blocks
+```
+
+✅ Sprawdzenie wiedzy - wykorzystaj ten moment, aby poszerzyć wiedzę uczniów, zadając otwarte pytania
+
+## [Temat 2]
+
+## [Temat 3]
+
+🚀 Wyzwanie: Dodaj wyzwanie, nad którym uczniowie mogą wspólnie pracować w klasie, aby ulepszyć projekt
+
+Opcjonalnie: dodaj zrzut ekranu interfejsu ukończonej lekcji, jeśli to odpowiednie
+
+## [Quiz po wykładzie](../../../lesson-template/quiz-url)
+
+## Przegląd i samodzielna nauka
+
+**Termin oddania [MM/RR]**: [Nazwa zadania](assignment.md)
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby zapewnić poprawność tłumaczenia, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/lesson-template/assignment.md b/translations/pl/lesson-template/assignment.md
new file mode 100644
index 00000000..33127b02
--- /dev/null
+++ b/translations/pl/lesson-template/assignment.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
+  "translation_date": "2025-08-26T07:37:20+00:00",
+  "source_file": "lesson-template/assignment.md",
+  "language_code": "pl"
+}
+-->
+# [Nazwa Zadania]
+
+## Instrukcje
+
+## Kryteria oceny
+
+| Kryteria | Wzorowe | Wystarczające | Wymaga Poprawy |
+| -------- | --------- | -------- | ----------------- |
+|          |           |          |                   |
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/quiz-app/README.md b/translations/pl/quiz-app/README.md
new file mode 100644
index 00000000..e35f6c8d
--- /dev/null
+++ b/translations/pl/quiz-app/README.md
@@ -0,0 +1,125 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
+  "translation_date": "2025-08-26T07:37:27+00:00",
+  "source_file": "quiz-app/README.md",
+  "language_code": "pl"
+}
+-->
+# Quizy
+
+Te quizy to quizy przed i po wykładach w ramach programu nauczania IoT dla Początkujących dostępnego na https://aka.ms/iot-beginners
+
+## Konfiguracja projektu
+
+```
+npm install
+```
+
+### Kompilacja i automatyczne przeładowanie podczas rozwoju
+
+```
+npm run serve
+```
+
+### Kompilacja i minimalizacja dla produkcji
+
+```
+npm run build
+```
+
+### Lintowanie i naprawa plików
+
+```
+npm run lint
+```
+
+### Dostosowanie konfiguracji
+
+Zobacz [Odnośnik do konfiguracji](https://cli.vuejs.org/config/).
+
+Podziękowania: Podziękowania dla twórców oryginalnej wersji tej aplikacji quizowej: https://github.com/arpan45/simple-quiz-vue
+
+
+## Wdrażanie na platformie Azure
+
+Oto przewodnik krok po kroku, który pomoże Ci zacząć:
+
+1. Sforkuj repozytorium GitHub  
+Upewnij się, że kod Twojej aplikacji statycznej znajduje się w Twoim repozytorium GitHub. Sforkuj to repozytorium.
+
+2. Utwórz statyczną aplikację internetową na platformie Azure  
+- Załóż [konto Azure](http://azure.microsoft.com)  
+- Przejdź do [portalu Azure](https://portal.azure.com)  
+- Kliknij „Utwórz zasób” i wyszukaj „Static Web App”.  
+- Kliknij „Utwórz”.
+
+3. Skonfiguruj statyczną aplikację internetową  
+- Podstawy: Subskrypcja: Wybierz swoją subskrypcję Azure.  
+- Grupa zasobów: Utwórz nową grupę zasobów lub użyj istniejącej.  
+- Nazwa: Podaj nazwę dla swojej statycznej aplikacji internetowej.  
+- Region: Wybierz region najbliższy Twoim użytkownikom.
+
+- #### Szczegóły wdrożenia:  
+- Źródło: Wybierz „GitHub”.  
+- Konto GitHub: Autoryzuj Azure do uzyskania dostępu do Twojego konta GitHub.  
+- Organizacja: Wybierz swoją organizację GitHub.  
+- Repozytorium: Wybierz repozytorium zawierające Twoją statyczną aplikację internetową.  
+- Gałąź: Wybierz gałąź, z której chcesz wdrożyć.
+
+- #### Szczegóły kompilacji:  
+- Presety kompilacji: Wybierz framework, na którym zbudowana jest Twoja aplikacja (np. React, Angular, Vue, itp.).  
+- Lokalizacja aplikacji: Określ folder zawierający kod Twojej aplikacji (np. / jeśli znajduje się w katalogu głównym).  
+- Lokalizacja API: Jeśli masz API, określ jego lokalizację (opcjonalne).  
+- Lokalizacja wynikowa: Określ folder, w którym generowane są wyniki kompilacji (np. build lub dist).
+
+4. Przegląd i utworzenie  
+Przejrzyj swoje ustawienia i kliknij „Utwórz”. Azure skonfiguruje niezbędne zasoby i utworzy plik workflow GitHub Actions w Twoim repozytorium.
+
+5. Workflow GitHub Actions  
+Azure automatycznie utworzy plik workflow GitHub Actions w Twoim repozytorium (.github/workflows/azure-static-web-apps-<name>.yml). Ten workflow zajmie się procesem budowania i wdrażania.
+
+6. Monitorowanie wdrożenia  
+Przejdź do zakładki „Actions” w swoim repozytorium GitHub.  
+Powinieneś zobaczyć uruchomiony workflow. Ten workflow zbuduje i wdroży Twoją statyczną aplikację internetową na platformie Azure.  
+Po zakończeniu workflow Twoja aplikacja będzie dostępna pod podanym adresem URL Azure.
+
+### Przykładowy plik workflow
+
+Oto przykład, jak może wyglądać plik workflow GitHub Actions:  
+name: Azure Static Web Apps CI/CD  
+```
+on:
+  push:
+    branches:
+      - main
+  pull_request:
+    types: [opened, synchronize, reopened, closed]
+    branches:
+      - main
+
+jobs:
+  build_and_deploy_job:
+    runs-on: ubuntu-latest
+    name: Build and Deploy Job
+    steps:
+      - uses: actions/checkout@v2
+      - name: Build And Deploy
+        id: builddeploy
+        uses: Azure/static-web-apps-deploy@v1
+        with:
+          azure_static_web_apps_api_token: ${{ secrets.AZURE_STATIC_WEB_APPS_API_TOKEN }}
+          repo_token: ${{ secrets.GITHUB_TOKEN }}
+          action: "upload"
+          app_location: "quiz-app" #App source code path
+          api_location: ""API source code path optional
+          output_location: "dist" #Built app content directory - optional
+```
+
+### Dodatkowe zasoby  
+- [Dokumentacja Azure Static Web Apps](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
+- [Dokumentacja GitHub Actions](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file
diff --git a/translations/pl/recommended-learning-model.md b/translations/pl/recommended-learning-model.md
new file mode 100644
index 00000000..9f2196d4
--- /dev/null
+++ b/translations/pl/recommended-learning-model.md
@@ -0,0 +1,53 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
+  "translation_date": "2025-08-26T06:22:17+00:00",
+  "source_file": "recommended-learning-model.md",
+  "language_code": "pl"
+}
+-->
+# Zalecany model nauczania
+
+Dla osiągnięcia najlepszych rezultatów w nauce **zalecamy podejście „odwróconego modelu”**, podobne do pracy w laboratoriach naukowych: uczniowie pracują nad projektami podczas zajęć, mając możliwość dyskusji, zadawania pytań i uzyskiwania pomocy, a elementy wykładowe realizują samodzielnie jako materiały do przeczytania przed zajęciami.
+
+## Dlaczego nauczanie odwrócone?
+
+1. Ten sposób nauczania angażuje różnorodne metody uczenia się – wizualne, słuchowe, praktyczne, rozwiązywanie problemów itp.[[1]](../..)
+2. Odwrócone klasy wykazały wzrost koncentracji, zaangażowania, motywacji, samodzielności, zapamiętywania wiedzy oraz komunikacji (zarówno między nauczycielem a uczniem, jak i między uczniami).[[2,3]](../..)
+3. Jako nauczyciele możecie poświęcić więcej czasu uczniom, którzy mają trudności, jednocześnie dając bardziej zaawansowanym uczniom swobodę pracy we własnym tempie.[[4]](../..)
+
+Zalecamy również, aby nauczyciele przyjęli rolę **„współfacylitatora”**, który uczy się razem z uczniami i wspiera ich w rozwiązywaniu pytań oraz eksploracjach wynikających z ich własnych zainteresowań i spostrzeżeń.
+
+Nie ma tutaj „jednego właściwego sposobu” na wykonanie czegoś. Czasami nie będziecie znali wszystkich odpowiedzi. Niektórzy uczniowie mogą nie ukończyć wszystkich projektów. Waszym celem jest pomóc uczniom w naturalnym odkrywaniu sposobów rozwiązywania problemów, które mogą być bardziej kreatywne, współpracujące lub samodzielne, niż się tego początkowo spodziewali.
+
+## Przydatne wskazówki dotyczące facylitacji:
+
+* Zastanówcie się nad tym, co zauważacie, zadawajcie pytania i róbcie obserwacje.
+* Używajcie zwrotów takich jak „Zauważam…” i „Zastanawiam się…”.
+* Łączcie uczniów, którzy mają trudności, z tymi, którzy już znaleźli rozwiązania.
+* Wskazujcie na komponenty i części lub sugerujcie różne rzeczy do wypróbowania, jeśli uczeń utknie. Poproście ucznia, aby zmienił jedną rzecz naraz i zaobserwował, co się stanie.
+* Uznawajcie frustrację i doceniajcie wysiłek.
+* Unikajcie budowania lub kodowania za uczniów, chyba że potrzebują fizycznej pomocy.
+
+## Przykładowe zwroty facylitacyjne:
+
+* „Zapytaj dwie inne osoby, zanim zapytasz mnie.”
+* „Spróbuj jeszcze przez dwie minuty…”
+* „Spróbujmy zrobić sobie przerwę od tego. Może mógłbyś pomóc innym uczniom z ich połączeniami elektrycznymi, skoro już to rozgryzłeś?”
+* „Zastanawiam się, czy inny uczeń miał ten sam problem. Sprawdźmy!”
+* „Naprawdę się zaangażowałeś i to rozwiązałeś! Czy mogę skierować do ciebie innych, abyś im pomógł?”
+* „To dziwne, dla mnie też to nie ma sensu. Może zapytamy innego ucznia, a jeśli to rozwiążesz, czy mógłbyś podzielić się tym z klasą?”
+
+## Źródła
+
+[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). Dostęp 21.04.2021.
+
+[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). Dostęp 21.04.2021.
+
+[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). Dostęp 21.04.2021.
+
+[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.). Dostęp 21.04.2021.
+
+**Zastrzeżenie**:  
+Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
\ No newline at end of file