diff --git a/translated_images/tw/pi-camera-module.4278753c31bd6e75.webp b/translated_images/tw/pi-camera-module.4278753c31bd6e75.webp
deleted file mode 100644
index ccaf32cfe..000000000
Binary files a/translated_images/tw/pi-camera-module.4278753c31bd6e75.webp and /dev/null differ
diff --git a/translated_images/tw/pi-camera-ribbon-cable.0bf82acd251611c2.webp b/translated_images/tw/pi-camera-ribbon-cable.0bf82acd251611c2.webp
deleted file mode 100644
index aff488c57..000000000
Binary files a/translated_images/tw/pi-camera-ribbon-cable.0bf82acd251611c2.webp and /dev/null differ
diff --git a/translated_images/tw/pi-camera-socket-ribbon-cable.a18309920b118009.webp b/translated_images/tw/pi-camera-socket-ribbon-cable.a18309920b118009.webp
deleted file mode 100644
index 49ec5cda4..000000000
Binary files a/translated_images/tw/pi-camera-socket-ribbon-cable.a18309920b118009.webp and /dev/null differ
diff --git a/translated_images/tw/pi-camera-upside-down.5376961ba3145988.webp b/translated_images/tw/pi-camera-upside-down.5376961ba3145988.webp
deleted file mode 100644
index 43a74781b..000000000
Binary files a/translated_images/tw/pi-camera-upside-down.5376961ba3145988.webp and /dev/null differ
diff --git a/translated_images/tw/pi-gps-sensor.1f99ee2b2f652891.webp b/translated_images/tw/pi-gps-sensor.1f99ee2b2f652891.webp
deleted file mode 100644
index 4dc3e89aa..000000000
Binary files a/translated_images/tw/pi-gps-sensor.1f99ee2b2f652891.webp and /dev/null differ
diff --git a/translated_images/tw/pi-hardware-kit.26dbadaedb7dd44c.webp b/translated_images/tw/pi-hardware-kit.26dbadaedb7dd44c.webp
deleted file mode 100644
index 960227d5d..000000000
Binary files a/translated_images/tw/pi-hardware-kit.26dbadaedb7dd44c.webp and /dev/null differ
diff --git a/translated_images/tw/pi-led.97f1d474981dc35d.webp b/translated_images/tw/pi-led.97f1d474981dc35d.webp
deleted file mode 100644
index a8fb6e48e..000000000
Binary files a/translated_images/tw/pi-led.97f1d474981dc35d.webp and /dev/null differ
diff --git a/translated_images/tw/pi-light-sensor.66cc1e31fa48cd7d.webp b/translated_images/tw/pi-light-sensor.66cc1e31fa48cd7d.webp
deleted file mode 100644
index 8dfea1d17..000000000
Binary files a/translated_images/tw/pi-light-sensor.66cc1e31fa48cd7d.webp and /dev/null differ
diff --git a/translated_images/tw/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp b/translated_images/tw/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp
deleted file mode 100644
index bfbd22d50..000000000
Binary files a/translated_images/tw/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp and /dev/null differ
diff --git a/translated_images/tw/pi-respeaker-hat.f00fabe7dd039a93.webp b/translated_images/tw/pi-respeaker-hat.f00fabe7dd039a93.webp
deleted file mode 100644
index 509b300d5..000000000
Binary files a/translated_images/tw/pi-respeaker-hat.f00fabe7dd039a93.webp and /dev/null differ
diff --git a/translated_images/tw/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp b/translated_images/tw/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp
deleted file mode 100644
index 879a34e45..000000000
Binary files a/translated_images/tw/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp and /dev/null differ
diff --git a/translated_images/tw/pi-temperature-sensor.3ff82fff672c8e56.webp b/translated_images/tw/pi-temperature-sensor.3ff82fff672c8e56.webp
deleted file mode 100644
index fc8593576..000000000
Binary files a/translated_images/tw/pi-temperature-sensor.3ff82fff672c8e56.webp and /dev/null differ
diff --git a/translated_images/tw/pi-time-of-flight-sensor.58c8dc04eb3bfb57.webp b/translated_images/tw/pi-time-of-flight-sensor.58c8dc04eb3bfb57.webp
deleted file mode 100644
index 95d012e07..000000000
Binary files a/translated_images/tw/pi-time-of-flight-sensor.58c8dc04eb3bfb57.webp and /dev/null differ
diff --git a/translated_images/tw/plant-growth-temp-graph.c6d69c9478e6ca83.webp b/translated_images/tw/plant-growth-temp-graph.c6d69c9478e6ca83.webp
deleted file mode 100644
index 6d0346345..000000000
Binary files a/translated_images/tw/plant-growth-temp-graph.c6d69c9478e6ca83.webp and /dev/null differ
diff --git a/translated_images/tw/polygon-points.302193da381cb415.webp b/translated_images/tw/polygon-points.302193da381cb415.webp
deleted file mode 100644
index 20c598bf0..000000000
Binary files a/translated_images/tw/polygon-points.302193da381cb415.webp and /dev/null differ
diff --git a/translated_images/tw/potentiometer.35a348b9ce22f6ec.webp b/translated_images/tw/potentiometer.35a348b9ce22f6ec.webp
deleted file mode 100644
index 1c6b0d863..000000000
Binary files a/translated_images/tw/potentiometer.35a348b9ce22f6ec.webp and /dev/null differ
diff --git a/translated_images/tw/proximity-sensor.f5cd752c77fb62fe.webp b/translated_images/tw/proximity-sensor.f5cd752c77fb62fe.webp
deleted file mode 100644
index d7173838b..000000000
Binary files a/translated_images/tw/proximity-sensor.f5cd752c77fb62fe.webp and /dev/null differ
diff --git a/translated_images/tw/pub-sub.7c7ed43fe9fd15d4.webp b/translated_images/tw/pub-sub.7c7ed43fe9fd15d4.webp
deleted file mode 100644
index 704df209a..000000000
Binary files a/translated_images/tw/pub-sub.7c7ed43fe9fd15d4.webp and /dev/null differ
diff --git a/translated_images/tw/pump-wired-to-relay.66c5cfc0d8918990.webp b/translated_images/tw/pump-wired-to-relay.66c5cfc0d8918990.webp
deleted file mode 100644
index 3954889bf..000000000
Binary files a/translated_images/tw/pump-wired-to-relay.66c5cfc0d8918990.webp and /dev/null differ
diff --git a/translated_images/tw/pwm-motor-150rpm.83347ac04ca38482.webp b/translated_images/tw/pwm-motor-150rpm.83347ac04ca38482.webp
deleted file mode 100644
index 363c1811e..000000000
Binary files a/translated_images/tw/pwm-motor-150rpm.83347ac04ca38482.webp and /dev/null differ
diff --git a/translated_images/tw/pwm-motor-75rpm.a5e4c939934b6e14.webp b/translated_images/tw/pwm-motor-75rpm.a5e4c939934b6e14.webp
deleted file mode 100644
index c99e78e67..000000000
Binary files a/translated_images/tw/pwm-motor-75rpm.a5e4c939934b6e14.webp and /dev/null differ
diff --git a/translated_images/tw/ram-comparison.6beb73541b42ac6f.webp b/translated_images/tw/ram-comparison.6beb73541b42ac6f.webp
deleted file mode 100644
index 26629855d..000000000
Binary files a/translated_images/tw/ram-comparison.6beb73541b42ac6f.webp and /dev/null differ
diff --git a/translated_images/tw/raspberry-pi-4.fd4590d308c3d456.webp b/translated_images/tw/raspberry-pi-4.fd4590d308c3d456.webp
deleted file mode 100644
index b9bf322c1..000000000
Binary files a/translated_images/tw/raspberry-pi-4.fd4590d308c3d456.webp and /dev/null differ
diff --git a/translated_images/tw/raspberry-pi-imager.24aedeab9e233d84.webp b/translated_images/tw/raspberry-pi-imager.24aedeab9e233d84.webp
deleted file mode 100644
index bcfabda45..000000000
Binary files a/translated_images/tw/raspberry-pi-imager.24aedeab9e233d84.webp and /dev/null differ
diff --git a/translated_images/tw/raspberry-pi-logo.4efaa16605cee054.webp b/translated_images/tw/raspberry-pi-logo.4efaa16605cee054.webp
deleted file mode 100644
index f943ff624..000000000
Binary files a/translated_images/tw/raspberry-pi-logo.4efaa16605cee054.webp and /dev/null differ
diff --git a/translated_images/tw/raspberry-pi-zero.f7a4133e1e7d54bb.webp b/translated_images/tw/raspberry-pi-zero.f7a4133e1e7d54bb.webp
deleted file mode 100644
index 030efe07c..000000000
Binary files a/translated_images/tw/raspberry-pi-zero.f7a4133e1e7d54bb.webp and /dev/null differ
diff --git a/translated_images/tw/relay-off.c34a178a2960fecd.webp b/translated_images/tw/relay-off.c34a178a2960fecd.webp
deleted file mode 100644
index e92c9b885..000000000
Binary files a/translated_images/tw/relay-off.c34a178a2960fecd.webp and /dev/null differ
diff --git a/translated_images/tw/relay-on.4db16a0fd6b66926.webp b/translated_images/tw/relay-on.4db16a0fd6b66926.webp
deleted file mode 100644
index 5ce252076..000000000
Binary files a/translated_images/tw/relay-on.4db16a0fd6b66926.webp and /dev/null differ
diff --git a/translated_images/tw/resistive-soil-moisture-sensor.728a138a3d109e06.webp b/translated_images/tw/resistive-soil-moisture-sensor.728a138a3d109e06.webp
deleted file mode 100644
index d145640ab..000000000
Binary files a/translated_images/tw/resistive-soil-moisture-sensor.728a138a3d109e06.webp and /dev/null differ
diff --git a/translated_images/tw/respeaker-35mm-speaker.ad79ef4f128c7751.webp b/translated_images/tw/respeaker-35mm-speaker.ad79ef4f128c7751.webp
deleted file mode 100644
index 503d6d8d8..000000000
Binary files a/translated_images/tw/respeaker-35mm-speaker.ad79ef4f128c7751.webp and /dev/null differ
diff --git a/translated_images/tw/respeaker-jst-speaker.a441d177809df945.webp b/translated_images/tw/respeaker-jst-speaker.a441d177809df945.webp
deleted file mode 100644
index 6a9073c24..000000000
Binary files a/translated_images/tw/respeaker-jst-speaker.a441d177809df945.webp and /dev/null differ
diff --git a/translated_images/tw/respeaker.f5d19d1c6b14ab16.webp b/translated_images/tw/respeaker.f5d19d1c6b14ab16.webp
deleted file mode 100644
index aa90b1fb5..000000000
Binary files a/translated_images/tw/respeaker.f5d19d1c6b14ab16.webp and /dev/null differ
diff --git a/translated_images/tw/ribbon-mic.eacc8e092c7441ca.webp b/translated_images/tw/ribbon-mic.eacc8e092c7441ca.webp
deleted file mode 100644
index 19b706457..000000000
Binary files a/translated_images/tw/ribbon-mic.eacc8e092c7441ca.webp and /dev/null differ
diff --git a/translated_images/tw/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f.webp b/translated_images/tw/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f.webp
deleted file mode 100644
index 1637d8b52..000000000
Binary files a/translated_images/tw/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f.webp and /dev/null differ
diff --git a/translated_images/tw/sampling.6f4fadb3f2d9dfe7.webp b/translated_images/tw/sampling.6f4fadb3f2d9dfe7.webp
deleted file mode 100644
index 6970fbdb2..000000000
Binary files a/translated_images/tw/sampling.6f4fadb3f2d9dfe7.webp and /dev/null differ
diff --git a/translated_images/tw/save-telemetry-database.ddc9c6bea0c5ba39.webp b/translated_images/tw/save-telemetry-database.ddc9c6bea0c5ba39.webp
deleted file mode 100644
index 89d3b8d3c..000000000
Binary files a/translated_images/tw/save-telemetry-database.ddc9c6bea0c5ba39.webp and /dev/null differ
diff --git a/translated_images/tw/save-telemetry-to-storage-from-functions.ed3b1820980097f1.webp b/translated_images/tw/save-telemetry-to-storage-from-functions.ed3b1820980097f1.webp
deleted file mode 100644
index 657a90b91..000000000
Binary files a/translated_images/tw/save-telemetry-to-storage-from-functions.ed3b1820980097f1.webp and /dev/null differ
diff --git a/translated_images/tw/search-buffer-and-distance.e6a79af3898183c7.webp b/translated_images/tw/search-buffer-and-distance.e6a79af3898183c7.webp
deleted file mode 100644
index 1ad069a8c..000000000
Binary files a/translated_images/tw/search-buffer-and-distance.e6a79af3898183c7.webp and /dev/null differ
diff --git a/translated_images/tw/seeed-logo.74732b6b482b6e8e.webp b/translated_images/tw/seeed-logo.74732b6b482b6e8e.webp
deleted file mode 100644
index 4ae6ba57a..000000000
Binary files a/translated_images/tw/seeed-logo.74732b6b482b6e8e.webp and /dev/null differ
diff --git a/translated_images/tw/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f.webp b/translated_images/tw/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f.webp
deleted file mode 100644
index 1d43f3ba7..000000000
Binary files a/translated_images/tw/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f.webp and /dev/null differ
diff --git a/translated_images/tw/send-message-asymmetric.7abe327c62615b8c.webp b/translated_images/tw/send-message-asymmetric.7abe327c62615b8c.webp
deleted file mode 100644
index 9b88b3e75..000000000
Binary files a/translated_images/tw/send-message-asymmetric.7abe327c62615b8c.webp and /dev/null differ
diff --git a/translated_images/tw/send-message-certificate.9cc576ac1e46b76e.webp b/translated_images/tw/send-message-certificate.9cc576ac1e46b76e.webp
deleted file mode 100644
index e1291b596..000000000
Binary files a/translated_images/tw/send-message-certificate.9cc576ac1e46b76e.webp and /dev/null differ
diff --git a/translated_images/tw/send-message-symmetric-key-hacker.e7cb53db1707adfb.webp b/translated_images/tw/send-message-symmetric-key-hacker.e7cb53db1707adfb.webp
deleted file mode 100644
index 30b7e4c44..000000000
Binary files a/translated_images/tw/send-message-symmetric-key-hacker.e7cb53db1707adfb.webp and /dev/null differ
diff --git a/translated_images/tw/send-message-symmetric-key.a2e8ad0d495896ff.webp b/translated_images/tw/send-message-symmetric-key.a2e8ad0d495896ff.webp
deleted file mode 100644
index 928fb386c..000000000
Binary files a/translated_images/tw/send-message-symmetric-key.a2e8ad0d495896ff.webp and /dev/null differ
diff --git a/translated_images/tw/sentence-as-intent-entities.301401696f992259.webp b/translated_images/tw/sentence-as-intent-entities.301401696f992259.webp
deleted file mode 100644
index 31cd0cc72..000000000
Binary files a/translated_images/tw/sentence-as-intent-entities.301401696f992259.webp and /dev/null differ
diff --git a/translated_images/tw/serverless-scaling.f8c769adf0413fd1.webp b/translated_images/tw/serverless-scaling.f8c769adf0413fd1.webp
deleted file mode 100644
index c7e8e0e02..000000000
Binary files a/translated_images/tw/serverless-scaling.f8c769adf0413fd1.webp and /dev/null differ
diff --git a/translated_images/tw/shapes-to-images.1a309f0ea88dd66f.webp b/translated_images/tw/shapes-to-images.1a309f0ea88dd66f.webp
deleted file mode 100644
index 043cea68f..000000000
Binary files a/translated_images/tw/shapes-to-images.1a309f0ea88dd66f.webp and /dev/null differ
diff --git a/translated_images/tw/smarter-thermostat.a75855f15d2d9e63.webp b/translated_images/tw/smarter-thermostat.a75855f15d2d9e63.webp
deleted file mode 100644
index 4ba64fb4a..000000000
Binary files a/translated_images/tw/smarter-thermostat.a75855f15d2d9e63.webp and /dev/null differ
diff --git a/translated_images/tw/soil-moisture-delay.865f3fae206db01d.webp b/translated_images/tw/soil-moisture-delay.865f3fae206db01d.webp
deleted file mode 100644
index 4d35be2a7..000000000
Binary files a/translated_images/tw/soil-moisture-delay.865f3fae206db01d.webp and /dev/null differ
diff --git a/translated_images/tw/soil-moisture-sensor-in-soil.bfad91002bda5e96.webp b/translated_images/tw/soil-moisture-sensor-in-soil.bfad91002bda5e96.webp
deleted file mode 100644
index 5990e3c87..000000000
Binary files a/translated_images/tw/soil-moisture-sensor-in-soil.bfad91002bda5e96.webp and /dev/null differ
diff --git a/translated_images/tw/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf.webp b/translated_images/tw/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf.webp
deleted file mode 100644
index 7db671707..000000000
Binary files a/translated_images/tw/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf.webp and /dev/null differ
diff --git a/translated_images/tw/soil-moisture-to-voltage.df86d80cda158700.webp b/translated_images/tw/soil-moisture-to-voltage.df86d80cda158700.webp
deleted file mode 100644
index 2e3aaaa1c..000000000
Binary files a/translated_images/tw/soil-moisture-to-voltage.df86d80cda158700.webp and /dev/null differ
diff --git a/translated_images/tw/soil-moisture-travel.a0e31af222cf1438.webp b/translated_images/tw/soil-moisture-travel.a0e31af222cf1438.webp
deleted file mode 100644
index 6610ea4bc..000000000
Binary files a/translated_images/tw/soil-moisture-travel.a0e31af222cf1438.webp and /dev/null differ
diff --git a/translated_images/tw/spi.297431d6f98b386b.webp b/translated_images/tw/spi.297431d6f98b386b.webp
deleted file mode 100644
index c536325ab..000000000
Binary files a/translated_images/tw/spi.297431d6f98b386b.webp and /dev/null differ
diff --git a/translated_images/tw/sql-database.be160f12bfccefd3.webp b/translated_images/tw/sql-database.be160f12bfccefd3.webp
deleted file mode 100644
index 82828db35..000000000
Binary files a/translated_images/tw/sql-database.be160f12bfccefd3.webp and /dev/null differ
diff --git a/translated_images/tw/stock-7-cans-tomato-paste.f86059cc573d7bec.webp b/translated_images/tw/stock-7-cans-tomato-paste.f86059cc573d7bec.webp
deleted file mode 100644
index d63beb157..000000000
Binary files a/translated_images/tw/stock-7-cans-tomato-paste.f86059cc573d7bec.webp and /dev/null differ
diff --git a/translated_images/tw/stock-rogue-corn.be1f3ada8c457854.webp b/translated_images/tw/stock-rogue-corn.be1f3ada8c457854.webp
deleted file mode 100644
index fccee657b..000000000
Binary files a/translated_images/tw/stock-rogue-corn.be1f3ada8c457854.webp and /dev/null differ
diff --git a/translated_images/tw/strawberry-with-pump.b410fc72ac6aabad.webp b/translated_images/tw/strawberry-with-pump.b410fc72ac6aabad.webp
deleted file mode 100644
index 749a908d4..000000000
Binary files a/translated_images/tw/strawberry-with-pump.b410fc72ac6aabad.webp and /dev/null differ
diff --git a/translated_images/tw/telemetry.21e5d8b97649d2eb.webp b/translated_images/tw/telemetry.21e5d8b97649d2eb.webp
deleted file mode 100644
index 250f80824..000000000
Binary files a/translated_images/tw/telemetry.21e5d8b97649d2eb.webp and /dev/null differ
diff --git a/translated_images/tw/temperature-as-digital.85004491b977bae1.webp b/translated_images/tw/temperature-as-digital.85004491b977bae1.webp
deleted file mode 100644
index b533bada6..000000000
Binary files a/translated_images/tw/temperature-as-digital.85004491b977bae1.webp and /dev/null differ
diff --git a/translated_images/tw/time-of-flight-banana.079921ad8b1496e4.webp b/translated_images/tw/time-of-flight-banana.079921ad8b1496e4.webp
deleted file mode 100644
index b2e7dc67d..000000000
Binary files a/translated_images/tw/time-of-flight-banana.079921ad8b1496e4.webp and /dev/null differ
diff --git a/translated_images/tw/traditional-vs-ml.5c20c169621fa539.webp b/translated_images/tw/traditional-vs-ml.5c20c169621fa539.webp
deleted file mode 100644
index b449c9390..000000000
Binary files a/translated_images/tw/traditional-vs-ml.5c20c169621fa539.webp and /dev/null differ
diff --git a/translated_images/tw/translated-smart-timer.08ac20057fdc5c37.webp b/translated_images/tw/translated-smart-timer.08ac20057fdc5c37.webp
deleted file mode 100644
index 5619019cd..000000000
Binary files a/translated_images/tw/translated-smart-timer.08ac20057fdc5c37.webp and /dev/null differ
diff --git a/translated_images/tw/transpiration.b735aa34e4372e65.webp b/translated_images/tw/transpiration.b735aa34e4372e65.webp
deleted file mode 100644
index 4df9bf295..000000000
Binary files a/translated_images/tw/transpiration.b735aa34e4372e65.webp and /dev/null differ
diff --git a/translated_images/tw/tts-overview.193843cf3f5ee09f.webp b/translated_images/tw/tts-overview.193843cf3f5ee09f.webp
deleted file mode 100644
index fbe0a956d..000000000
Binary files a/translated_images/tw/tts-overview.193843cf3f5ee09f.webp and /dev/null differ
diff --git a/translated_images/tw/uart.d0dbd3fb9e3728c6.webp b/translated_images/tw/uart.d0dbd3fb9e3728c6.webp
deleted file mode 100644
index 7acead167..000000000
Binary files a/translated_images/tw/uart.d0dbd3fb9e3728c6.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-azure-functions-init-notification.bd19b49229963edb.webp b/translated_images/tw/vscode-azure-functions-init-notification.bd19b49229963edb.webp
deleted file mode 100644
index b3f2ca23d..000000000
Binary files a/translated_images/tw/vscode-azure-functions-init-notification.bd19b49229963edb.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-kill-terminal.1cc4de7c6f25ee08.webp b/translated_images/tw/vscode-kill-terminal.1cc4de7c6f25ee08.webp
deleted file mode 100644
index 49acb87e1..000000000
Binary files a/translated_images/tw/vscode-kill-terminal.1cc4de7c6f25ee08.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-new-file-button.182702340fe6723c.webp b/translated_images/tw/vscode-new-file-button.182702340fe6723c.webp
deleted file mode 100644
index 03e37860e..000000000
Binary files a/translated_images/tw/vscode-new-file-button.182702340fe6723c.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-new-terminal.77db8fc0f9cd3182.webp b/translated_images/tw/vscode-new-terminal.77db8fc0f9cd3182.webp
deleted file mode 100644
index de71202e4..000000000
Binary files a/translated_images/tw/vscode-new-terminal.77db8fc0f9cd3182.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-open-nightlight-remote.d3d2a4011e30d535.webp b/translated_images/tw/vscode-open-nightlight-remote.d3d2a4011e30d535.webp
deleted file mode 100644
index 637904798..000000000
Binary files a/translated_images/tw/vscode-open-nightlight-remote.d3d2a4011e30d535.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-platformio-build-command-palette.7708e7ec7d75d7ee.webp b/translated_images/tw/vscode-platformio-build-command-palette.7708e7ec7d75d7ee.webp
deleted file mode 100644
index 48b21c273..000000000
Binary files a/translated_images/tw/vscode-platformio-build-command-palette.7708e7ec7d75d7ee.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-platformio-home-open.3f9a41bfd3f4da1c.webp b/translated_images/tw/vscode-platformio-home-open.3f9a41bfd3f4da1c.webp
deleted file mode 100644
index bc4eaa5a0..000000000
Binary files a/translated_images/tw/vscode-platformio-home-open.3f9a41bfd3f4da1c.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-platformio-menu.297be26b9733e5c4.webp b/translated_images/tw/vscode-platformio-menu.297be26b9733e5c4.webp
deleted file mode 100644
index 3e8441491..000000000
Binary files a/translated_images/tw/vscode-platformio-menu.297be26b9733e5c4.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-platformio-nightlight-project-wizard.5c64db4da6037420.webp b/translated_images/tw/vscode-platformio-nightlight-project-wizard.5c64db4da6037420.webp
deleted file mode 100644
index 2d3637aff..000000000
Binary files a/translated_images/tw/vscode-platformio-nightlight-project-wizard.5c64db4da6037420.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14.webp b/translated_images/tw/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14.webp
deleted file mode 100644
index 18a697cf9..000000000
Binary files a/translated_images/tw/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3.webp b/translated_images/tw/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3.webp
deleted file mode 100644
index 63e367754..000000000
Binary files a/translated_images/tw/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc8.webp b/translated_images/tw/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc8.webp
deleted file mode 100644
index b5cbeb76c..000000000
Binary files a/translated_images/tw/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc8.webp and /dev/null differ
diff --git a/translated_images/tw/vscode-virtual-env.8ba42e04c3d533cf.webp b/translated_images/tw/vscode-virtual-env.8ba42e04c3d533cf.webp
deleted file mode 100644
index 3512f7825..000000000
Binary files a/translated_images/tw/vscode-virtual-env.8ba42e04c3d533cf.webp and /dev/null differ
diff --git a/translated_images/tw/what-is-azure-video-thumbnail.20174db09e03bbb8.webp b/translated_images/tw/what-is-azure-video-thumbnail.20174db09e03bbb8.webp
deleted file mode 100644
index f58ebd172..000000000
Binary files a/translated_images/tw/what-is-azure-video-thumbnail.20174db09e03bbb8.webp and /dev/null differ
diff --git a/translated_images/tw/wio-gps-sensor.19fd52b81ce58095.webp b/translated_images/tw/wio-gps-sensor.19fd52b81ce58095.webp
deleted file mode 100644
index a616960d3..000000000
Binary files a/translated_images/tw/wio-gps-sensor.19fd52b81ce58095.webp and /dev/null differ
diff --git a/translated_images/tw/wio-hardware-kit.4c70c48b85e4283a.webp b/translated_images/tw/wio-hardware-kit.4c70c48b85e4283a.webp
deleted file mode 100644
index ba2b64272..000000000
Binary files a/translated_images/tw/wio-hardware-kit.4c70c48b85e4283a.webp and /dev/null differ
diff --git a/translated_images/tw/wio-led.265a1897e72d7f21.webp b/translated_images/tw/wio-led.265a1897e72d7f21.webp
deleted file mode 100644
index a73c0a32d..000000000
Binary files a/translated_images/tw/wio-led.265a1897e72d7f21.webp and /dev/null differ
diff --git a/translated_images/tw/wio-light-sensor.b1f529f3c95f5165.webp b/translated_images/tw/wio-light-sensor.b1f529f3c95f5165.webp
deleted file mode 100644
index 0afe1cf9f..000000000
Binary files a/translated_images/tw/wio-light-sensor.b1f529f3c95f5165.webp and /dev/null differ
diff --git a/translated_images/tw/wio-mic.3f8c843dbe8ad917.webp b/translated_images/tw/wio-mic.3f8c843dbe8ad917.webp
deleted file mode 100644
index 56ece147e..000000000
Binary files a/translated_images/tw/wio-mic.3f8c843dbe8ad917.webp and /dev/null differ
diff --git a/translated_images/tw/wio-relay-and-soil-moisture-sensor.ed722202d42babe0.webp b/translated_images/tw/wio-relay-and-soil-moisture-sensor.ed722202d42babe0.webp
deleted file mode 100644
index 12427b0a6..000000000
Binary files a/translated_images/tw/wio-relay-and-soil-moisture-sensor.ed722202d42babe0.webp and /dev/null differ
diff --git a/translated_images/tw/wio-respeaker-hat.bd54917d446e6f6f.webp b/translated_images/tw/wio-respeaker-hat.bd54917d446e6f6f.webp
deleted file mode 100644
index e28fc51b7..000000000
Binary files a/translated_images/tw/wio-respeaker-hat.bd54917d446e6f6f.webp and /dev/null differ
diff --git a/translated_images/tw/wio-respeaker-wiring-0.767f80aa65081038.webp b/translated_images/tw/wio-respeaker-wiring-0.767f80aa65081038.webp
deleted file mode 100644
index 94da52acf..000000000
Binary files a/translated_images/tw/wio-respeaker-wiring-0.767f80aa65081038.webp and /dev/null differ
diff --git a/translated_images/tw/wio-respeaker-wiring-1.8d894727f2ba2400.webp b/translated_images/tw/wio-respeaker-wiring-1.8d894727f2ba2400.webp
deleted file mode 100644
index e21cb4005..000000000
Binary files a/translated_images/tw/wio-respeaker-wiring-1.8d894727f2ba2400.webp and /dev/null differ
diff --git a/translated_images/tw/wio-respeaker-wiring-2.329e1cbd306e754f.webp b/translated_images/tw/wio-respeaker-wiring-2.329e1cbd306e754f.webp
deleted file mode 100644
index 2afb18d12..000000000
Binary files a/translated_images/tw/wio-respeaker-wiring-2.329e1cbd306e754f.webp and /dev/null differ
diff --git a/translated_images/tw/wio-respeaker-wiring-3.75b0be447e2fa930.webp b/translated_images/tw/wio-respeaker-wiring-3.75b0be447e2fa930.webp
deleted file mode 100644
index fc3fe014b..000000000
Binary files a/translated_images/tw/wio-respeaker-wiring-3.75b0be447e2fa930.webp and /dev/null differ
diff --git a/translated_images/tw/wio-respeaker-wiring-4.aa9cd434d8779437.webp b/translated_images/tw/wio-respeaker-wiring-4.aa9cd434d8779437.webp
deleted file mode 100644
index c8b223f85..000000000
Binary files a/translated_images/tw/wio-respeaker-wiring-4.aa9cd434d8779437.webp and /dev/null differ
diff --git a/translated_images/tw/wio-respeaker-wiring-5.af117c20acf622f3.webp b/translated_images/tw/wio-respeaker-wiring-5.af117c20acf622f3.webp
deleted file mode 100644
index 7687eb1dc..000000000
Binary files a/translated_images/tw/wio-respeaker-wiring-5.af117c20acf622f3.webp and /dev/null differ
diff --git a/translated_images/tw/wio-sd-card.acdcbe322fa4ee7f.webp b/translated_images/tw/wio-sd-card.acdcbe322fa4ee7f.webp
deleted file mode 100644
index 6691aef09..000000000
Binary files a/translated_images/tw/wio-sd-card.acdcbe322fa4ee7f.webp and /dev/null differ
diff --git a/translated_images/tw/wio-soil-moisture-sensor.46919b61c3f6cb74.webp b/translated_images/tw/wio-soil-moisture-sensor.46919b61c3f6cb74.webp
deleted file mode 100644
index e8a617ff3..000000000
Binary files a/translated_images/tw/wio-soil-moisture-sensor.46919b61c3f6cb74.webp and /dev/null differ
diff --git a/translated_images/tw/wio-temperature-sensor.2934928f38c7f79a.webp b/translated_images/tw/wio-temperature-sensor.2934928f38c7f79a.webp
deleted file mode 100644
index 64bd38365..000000000
Binary files a/translated_images/tw/wio-temperature-sensor.2934928f38c7f79a.webp and /dev/null differ
diff --git a/translated_images/tw/wio-terminal-c-button.73df3cb1c1445ea0.webp b/translated_images/tw/wio-terminal-c-button.73df3cb1c1445ea0.webp
deleted file mode 100644
index 946a7ce5b..000000000
Binary files a/translated_images/tw/wio-terminal-c-button.73df3cb1c1445ea0.webp and /dev/null differ
diff --git a/translated_images/tw/wio-terminal-pin-sticker.b90b1535937b84bd.webp b/translated_images/tw/wio-terminal-pin-sticker.b90b1535937b84bd.webp
deleted file mode 100644
index fbb9e1b3c..000000000
Binary files a/translated_images/tw/wio-terminal-pin-sticker.b90b1535937b84bd.webp and /dev/null differ
diff --git a/translated_images/tw/wio-terminal.b8299ee16587db9a.webp b/translated_images/tw/wio-terminal.b8299ee16587db9a.webp
deleted file mode 100644
index 439d1e984..000000000
Binary files a/translated_images/tw/wio-terminal.b8299ee16587db9a.webp and /dev/null differ
diff --git a/translated_images/tw/wio-time-of-flight-sensor.c4c182131d2ea73d.webp b/translated_images/tw/wio-time-of-flight-sensor.c4c182131d2ea73d.webp
deleted file mode 100644
index 7d0b1af71..000000000
Binary files a/translated_images/tw/wio-time-of-flight-sensor.c4c182131d2ea73d.webp and /dev/null differ
diff --git a/translated_images/zh-HK/.co-op-translator.json b/translated_images/zh-HK/.co-op-translator.json
new file mode 100644
index 000000000..f65c6dcbd
--- /dev/null
+++ b/translated_images/zh-HK/.co-op-translator.json
@@ -0,0 +1,2198 @@
+{
+  "IMG_5305.aa291c8812a9f1e5.webp": {
+    "original_hash": "fc0711c2be2774ab6089d59dc597260b",
+    "translation_date": "2026-01-16T09:41:14+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/testing/IMG_5305.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5306.d575b9ab7025877b.webp": {
+    "original_hash": "4e37695a9ad976c862b785afb2bb7c2e",
+    "translation_date": "2026-01-16T09:40:54+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/testing/IMG_5306.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5307.f9c9b8361a8aa734.webp": {
+    "original_hash": "cab390c38e0b27852ef90122d6dc4a8a",
+    "translation_date": "2026-01-16T09:42:22+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5307.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5308.cbd6ed7007e69060.webp": {
+    "original_hash": "0ba29462f9494cbdec73138d13555eeb",
+    "translation_date": "2026-01-16T09:45:26+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5308.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5309.23fbc3b6667bfb64.webp": {
+    "original_hash": "489a940aac2fae4a3a1e497781cba5a8",
+    "translation_date": "2026-01-16T09:42:27+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5309.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5310.0ee0eb2fbc1c2d0e.webp": {
+    "original_hash": "44821d181f6a6dfc59fce6430ea543c3",
+    "translation_date": "2026-01-16T09:44:46+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5310.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5311.8c90da6446c2d8c2.webp": {
+    "original_hash": "68d840516ae36a03715a432e9dac3856",
+    "translation_date": "2026-01-16T09:43:36+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5311.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5312.a45550ddd8ce8e65.webp": {
+    "original_hash": "254b4fd54e9fe80a51a191ce9f654c85",
+    "translation_date": "2026-01-16T09:42:01+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5312.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5313.ed1b45211271dbd2.webp": {
+    "original_hash": "86bea69b269add926a2da7a91bd68191",
+    "translation_date": "2026-01-16T09:42:05+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5313.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5314.c2203206a05a74b5.webp": {
+    "original_hash": "168cc384e8f57b7bdd2469769fddced6",
+    "translation_date": "2026-01-16T09:43:54+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5314.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5315.f698228e0e031bd4.webp": {
+    "original_hash": "4975f6e8e46204674362e3686f994433",
+    "translation_date": "2026-01-16T09:44:41+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5315.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5316.29dc70d802ce8349.webp": {
+    "original_hash": "ba7dbbd6975e2bd39c4b37e1a12867da",
+    "translation_date": "2026-01-16T09:41:30+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5316.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5317.ed81e4c1ca5046dc.webp": {
+    "original_hash": "1418135512d05bb5a5e8295c3ca27e4e",
+    "translation_date": "2026-01-16T09:42:41+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5317.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5318.15dfffeb7f47abf7.webp": {
+    "original_hash": "6d55d50694cfb9d88f84167f245a5d51",
+    "translation_date": "2026-01-16T09:41:55+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5318.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5319.b549b1fff0dcf143.webp": {
+    "original_hash": "cd73355ae901d57470404f12f3e14d8f",
+    "translation_date": "2026-01-16T09:44:27+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5319.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5320.8268d3f61972f348.webp": {
+    "original_hash": "a6db3613b3615430929eec1d26541f23",
+    "translation_date": "2026-01-16T09:44:07+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5320.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5321.b207cf143a59458d.webp": {
+    "original_hash": "d5626c8d5686c0fb0b71774b18b5799e",
+    "translation_date": "2026-01-16T09:41:08+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/testing/IMG_5321.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5322.974809b9461a9e20.webp": {
+    "original_hash": "12e8057af8ca375668ac69dd83d3df9e",
+    "translation_date": "2026-01-16T09:44:36+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5322.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5323.4939fa17958f291b.webp": {
+    "original_hash": "e7b6ccd025636efe16234fde1583ac2f",
+    "translation_date": "2026-01-16T09:45:00+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5323.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5324.0afbc6f0caceb1a3.webp": {
+    "original_hash": "2d32f160ad94adf82b14722b5a4750de",
+    "translation_date": "2026-01-16T09:42:34+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5324.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5325.9e9d9e9b85a10b06.webp": {
+    "original_hash": "797e68cbe795ca2b3bcefb017cde1e88",
+    "translation_date": "2026-01-16T09:43:48+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5325.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5326.35bbc9e054c704d0.webp": {
+    "original_hash": "34cd6fb13bd85e2bc35a2113b89aecd1",
+    "translation_date": "2026-01-16T09:42:16+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5326.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5327.804b63a605b5a77a.webp": {
+    "original_hash": "7f20dfc038fa8b756cf381c0d13cc764",
+    "translation_date": "2026-01-16T09:43:12+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5327.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5328.925a9da23d96759f.webp": {
+    "original_hash": "d2038a13e44588a9bfbf8901b11d00e2",
+    "translation_date": "2026-01-16T09:41:48+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5328.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5329.27da5fcbc3336773.webp": {
+    "original_hash": "fd75c4e9e16aeb231b2f10c94d10d608",
+    "translation_date": "2026-01-16T09:44:54+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5329.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5330.3db3d5ea01c8cca2.webp": {
+    "original_hash": "148147aa52a66e9d9e77c17a4b6fb50b",
+    "translation_date": "2026-01-16T09:43:31+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5330.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5331.181987d3d094472f.webp": {
+    "original_hash": "2272482bed9dbf36b7798a41324d008f",
+    "translation_date": "2026-01-16T09:45:08+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5331.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5332.4beed56eaa5158e3.webp": {
+    "original_hash": "445a83687357d2bf3749e23583768407",
+    "translation_date": "2026-01-16T09:45:15+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5332.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5333.53c3364c2ee0e7bb.webp": {
+    "original_hash": "018ac6ada7c30b62d168689b8865c5cd",
+    "translation_date": "2026-01-16T09:44:16+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5333.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5334.979472e433948c10.webp": {
+    "original_hash": "13d55902d7f4025e4c0b4ec92d7e5c38",
+    "translation_date": "2026-01-16T09:43:59+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5334.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5335.9f5bfba69a8d5a90.webp": {
+    "original_hash": "d896d7a763d29c0da589c8dbc77c9ed3",
+    "translation_date": "2026-01-16T09:42:58+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5335.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5336.1b46586fdec95767.webp": {
+    "original_hash": "e40e7f6dcb13a7f78508a3751ce2f071",
+    "translation_date": "2026-01-16T09:42:47+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5336.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5337.91c82be4d37029b0.webp": {
+    "original_hash": "17697be963b005f6961b32d72072d6af",
+    "translation_date": "2026-01-16T09:42:53+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5337.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5338.9ab356541448923b.webp": {
+    "original_hash": "c6112e9cf630cc63b828dcbdde845de3",
+    "translation_date": "2026-01-16T09:45:21+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5338.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5340.8440651b3ce1dd35.webp": {
+    "original_hash": "24b34e210b680dcdd7f84c7b819e5af2",
+    "translation_date": "2026-01-16T09:41:41+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5340.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5341.a1aa041c42dbc534.webp": {
+    "original_hash": "a5bce966ff8f378c7ac2c3ae3263f629",
+    "translation_date": "2026-01-16T09:43:24+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5341.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5342.9f3b93d9fab90d3b.webp": {
+    "original_hash": "5d05e1e08f6e5aaf21891368d22fcfb5",
+    "translation_date": "2026-01-16T09:43:05+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5342.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5343.fa30105d3c10cad2.webp": {
+    "original_hash": "a41290e37e030928a002529f04f9387f",
+    "translation_date": "2026-01-16T09:41:00+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/testing/IMG_5343.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5344.acfcd61ee5281321.webp": {
+    "original_hash": "a376d539df9a174bfdaadbab9dbc1cfd",
+    "translation_date": "2026-01-16T09:43:17+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5344.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5345.3d305ee2bb4ee804.webp": {
+    "original_hash": "a511a224fa17db01684e0e63921ff020",
+    "translation_date": "2026-01-16T09:41:18+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5345.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5346.281dcc267f69c70b.webp": {
+    "original_hash": "4772f5cabda119b12f676ad35147320e",
+    "translation_date": "2026-01-16T09:44:21+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5346.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5347.48a4a981e76910ae.webp": {
+    "original_hash": "7b0d15e3f5e8ec289aff74d74a6dbf6e",
+    "translation_date": "2026-01-16T09:42:09+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5347.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5348.3961d3b444537c13.webp": {
+    "original_hash": "312f940de37e3d8b548a5ff7e0ef59ce",
+    "translation_date": "2026-01-16T09:43:41+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5348.png",
+    "language_code": "zh-HK"
+  },
+  "IMG_5349.1f0ec7fbf8807b3b.webp": {
+    "original_hash": "d12db74e18cfb01344a6f47e93341d6e",
+    "translation_date": "2026-01-16T09:41:22+00:00",
+    "source_file": "5-retail/lessons/1-train-stock-detector/images/training/IMG_5349.png",
+    "language_code": "zh-HK"
+  },
+  "Roadmap.bb1dec285dda0eda.webp": {
+    "original_hash": "c49112726cdadd69ca0ec203a13e4689",
+    "translation_date": "2026-01-16T09:31:01+00:00",
+    "source_file": "sketchnotes/Roadmap.jpg",
+    "language_code": "zh-HK"
+  },
+  "amqp.804bd4fce8330157.webp": {
+    "original_hash": "692b3edd9d3704d946d527027dd7c551",
+    "translation_date": "2026-01-16T09:25:40+00:00",
+    "source_file": "images/amqp.png",
+    "language_code": "zh-HK"
+  },
+  "analog-sensor-voltage.3b6f315392247399.webp": {
+    "original_hash": "04c17740d5a42b6ee113d71605d6a0a8",
+    "translation_date": "2026-01-16T09:19:12+00:00",
+    "source_file": "images/analog-sensor-voltage.png",
+    "language_code": "zh-HK"
+  },
+  "arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp": {
+    "original_hash": "01f69e3dc5f29479230a13a7c0f0efe0",
+    "translation_date": "2026-01-16T09:25:36+00:00",
+    "source_file": "images/arducam-wio-terminal-connections.png",
+    "language_code": "zh-HK"
+  },
+  "arducam.20e4e4cbb2682965.webp": {
+    "original_hash": "f17393656663c080b68a3ed2b41c0fc2",
+    "translation_date": "2026-01-16T09:24:40+00:00",
+    "source_file": "images/arducam.png",
+    "language_code": "zh-HK"
+  },
+  "arduino-sketch.79590cb837ff7a7c.webp": {
+    "original_hash": "a1ff6ddb0db8a676992dd9f958c6a5af",
+    "translation_date": "2026-01-16T09:24:50+00:00",
+    "source_file": "images/arduino-sketch.png",
+    "language_code": "zh-HK"
+  },
+  "assignment-1-flow.7552a51acb1a5ec8.webp": {
+    "original_hash": "b3991eeb7b7d7ab00b21d1b95cbbd2c1",
+    "translation_date": "2026-01-16T09:15:01+00:00",
+    "source_file": "images/assignment-1-flow.png",
+    "language_code": "zh-HK"
+  },
+  "assignment-1-internet-flow.3256feab5f052fd2.webp": {
+    "original_hash": "46d80a9e43b81a385c223c1fc12f39c6",
+    "translation_date": "2026-01-16T09:06:34+00:00",
+    "source_file": "images/assignment-1-internet-flow.png",
+    "language_code": "zh-HK"
+  },
+  "azure-container-registry-logo.09494206991d4b29.webp": {
+    "original_hash": "adbc9655bf044bdf906e0f58fb36fbe1",
+    "translation_date": "2026-01-16T09:13:50+00:00",
+    "source_file": "images/azure-container-registry-logo.png",
+    "language_code": "zh-HK"
+  },
+  "azure-functions-logo.1cfc8e3204c9c44a.webp": {
+    "original_hash": "7e62e90fe4cbd4f81b7db92c1f52933a",
+    "translation_date": "2026-01-16T09:20:37+00:00",
+    "source_file": "images/azure-functions-logo.png",
+    "language_code": "zh-HK"
+  },
+  "azure-iot-edge-logo.c1c076749b5cba2e.webp": {
+    "original_hash": "bda41e5883dffedc3baf5efd20f09b49",
+    "translation_date": "2026-01-16T09:24:47+00:00",
+    "source_file": "images/azure-iot-edge-logo.png",
+    "language_code": "zh-HK"
+  },
+  "azure-iot-hub-logo.28a19de76d0a1932.webp": {
+    "original_hash": "25526337ac38c5da2187ec953308a1a0",
+    "translation_date": "2026-01-16T09:21:29+00:00",
+    "source_file": "images/azure-iot-hub-logo.png",
+    "language_code": "zh-HK"
+  },
+  "azure-maps-logo.35d01dcfbd81fe61.webp": {
+    "original_hash": "0b44d4f0596a033eb687e0a23d231428",
+    "translation_date": "2026-01-16T09:02:28+00:00",
+    "source_file": "images/azure-maps-logo.png",
+    "language_code": "zh-HK"
+  },
+  "azure-region-existing.73f704604f2aa6cb.webp": {
+    "original_hash": "663095f6754e78da000aecf8b255f56a",
+    "translation_date": "2026-01-16T09:15:43+00:00",
+    "source_file": "images/azure-region-existing.png",
+    "language_code": "zh-HK"
+  },
+  "azure-region-planned-expansion.a5074a1e8af74f15.webp": {
+    "original_hash": "e7b04b7641a855f6ab0461b9814c5bfa",
+    "translation_date": "2026-01-16T09:19:39+00:00",
+    "source_file": "images/azure-region-planned-expansion.png",
+    "language_code": "zh-HK"
+  },
+  "azure-speech-logo.a1f08c4befb0159f.webp": {
+    "original_hash": "c0515d2fc1d34b7de4da2ae6f6af07e6",
+    "translation_date": "2026-01-16T09:15:25+00:00",
+    "source_file": "images/azure-speech-logo.png",
+    "language_code": "zh-HK"
+  },
+  "azure-storage-logo.605c0f602c640d48.webp": {
+    "original_hash": "1b40b8e787f4058533cbfe7371dc400c",
+    "translation_date": "2026-01-16T09:11:56+00:00",
+    "source_file": "images/azure-storage-logo.png",
+    "language_code": "zh-HK"
+  },
+  "azure-translator-logo.c6ed3a4a433edfd2.webp": {
+    "original_hash": "e6f188b64083c3f1814719c5b31a2128",
+    "translation_date": "2026-01-16T09:13:08+00:00",
+    "source_file": "images/azure-translator-logo.png",
+    "language_code": "zh-HK"
+  },
+  "banana-arducam.be1b32d4267a8194.webp": {
+    "original_hash": "ab405c9f67c6a168e156dd3de2e4c9be",
+    "translation_date": "2026-01-16T09:25:12+00:00",
+    "source_file": "images/banana-arducam.jpg",
+    "language_code": "zh-HK"
+  },
+  "banana-picture-compare.174df164dc326a42.webp": {
+    "original_hash": "1c539ac9dde011622cb841c9d1ac7991",
+    "translation_date": "2026-01-16T09:14:47+00:00",
+    "source_file": "images/banana-picture-compare.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-1.6ed72365ffc92300.webp": {
+    "original_hash": "b669c7b079f11e40ccf403bca27420a6",
+    "translation_date": "2026-01-16T09:45:29+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/testing/ripe/banana-ripe-1.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-1.780e9be3a60d8879.webp": {
+    "original_hash": "e1657ae830ee7346983e1ca04f185e0e",
+    "translation_date": "2026-01-16T09:45:48+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-1.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-10.c3d98eb280e7464f.webp": {
+    "original_hash": "1fd32bdc31ba975c91484494cc3ef395",
+    "translation_date": "2026-01-16T09:46:51+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-10.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-11.3d932f292b95b9a2.webp": {
+    "original_hash": "10d419a7eb4916eb20ab86a2d5704359",
+    "translation_date": "2026-01-16T09:45:32+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-11.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-12.9f87e663b9da6c85.webp": {
+    "original_hash": "8e8d0158457b243d442b06713947d089",
+    "translation_date": "2026-01-16T09:45:45+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-12.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-13.b7402e05160f4543.webp": {
+    "original_hash": "9f3ebf2203aaa657357ba262990bbb21",
+    "translation_date": "2026-01-16T09:45:36+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-13.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-14.85cf309aa702cfa8.webp": {
+    "original_hash": "c45e36f248a3dace32791bfca32d6aed",
+    "translation_date": "2026-01-16T09:45:43+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-14.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-15.933412eb14a3f8e4.webp": {
+    "original_hash": "efaa40a12e710aa6bbb1a1d0bb2052a4",
+    "translation_date": "2026-01-16T09:45:45+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-15.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-16.781a68a01401f89e.webp": {
+    "original_hash": "29f95cc922f22691d9804dae4672b387",
+    "translation_date": "2026-01-16T09:45:38+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-16.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-17.f8e2853a40d3ac45.webp": {
+    "original_hash": "8f0a9f7b93505876f7bd290b3679099d",
+    "translation_date": "2026-01-16T09:45:41+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-17.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-18.3d05f5f78ecf6f0d.webp": {
+    "original_hash": "cae1792a648b1486d2e3590866d11980",
+    "translation_date": "2026-01-16T09:45:40+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-18.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-19.ac3b0fc6cf6fdfd5.webp": {
+    "original_hash": "2390f2cc5023984a9682ec5f96f2bd6e",
+    "translation_date": "2026-01-16T09:45:46+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-19.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-2.8ab96da692df69f1.webp": {
+    "original_hash": "ae966eeff29fbf1a867a864baa149780",
+    "translation_date": "2026-01-16T09:45:28+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/testing/ripe/banana-ripe-2.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-2.96ddc53114c5f020.webp": {
+    "original_hash": "c7c3b976043accf6fff757e50afed132",
+    "translation_date": "2026-01-16T09:45:35+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-2.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-20.a4d0ad33a7e6f037.webp": {
+    "original_hash": "aa2539f64cd978be437a294ef56b38ec",
+    "translation_date": "2026-01-16T09:45:39+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-20.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-21.07e03d64f265d55d.webp": {
+    "original_hash": "2c1528b1de4d0572dd8e3813ec38a591",
+    "translation_date": "2026-01-16T09:45:33+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-21.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-22.a63c05aeb7f866fc.webp": {
+    "original_hash": "1b4c8cac0fb4d88e2fac6e10a401b567",
+    "translation_date": "2026-01-16T09:46:52+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-22.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-23.6f3364afcab19e57.webp": {
+    "original_hash": "28dcfffcd92c957991aca002f7afb9f5",
+    "translation_date": "2026-01-16T09:45:44+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-23.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-24.ff2c02cc80a9c430.webp": {
+    "original_hash": "cffff187f53978527516f37fbdb528b6",
+    "translation_date": "2026-01-16T09:45:47+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-24.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-25.65ce63418cdc4de2.webp": {
+    "original_hash": "773b4a997e31a2a512b75f51941d594d",
+    "translation_date": "2026-01-16T09:45:36+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-25.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-3.4fae05a0a1d2b5f0.webp": {
+    "original_hash": "4810eae16d8cd35405bd23a7630d4c1c",
+    "translation_date": "2026-01-16T09:45:42+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-3.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-5.c762086879ccec4c.webp": {
+    "original_hash": "b70a07b7c7fe7a6e38624ecf409ecb39",
+    "translation_date": "2026-01-16T09:45:32+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-5.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-6.5131bcbf492980cb.webp": {
+    "original_hash": "54da747610520d477d2ce3ab576ac125",
+    "translation_date": "2026-01-16T09:45:34+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-6.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-7.5fc18dfe7b7ae9dc.webp": {
+    "original_hash": "ab45157090d3fb253fc262e1ac44cd36",
+    "translation_date": "2026-01-16T09:46:53+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-7.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-8.dba1d33bd34d4830.webp": {
+    "original_hash": "12afa64eebbc95b9536e6f3bbccdb345",
+    "translation_date": "2026-01-16T09:45:37+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-8.png",
+    "language_code": "zh-HK"
+  },
+  "banana-ripe-9.32f91462c8b0e2d3.webp": {
+    "original_hash": "a380e69917059d3401d09c9e00e289f6",
+    "translation_date": "2026-01-16T09:45:40+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/ripe/banana-ripe-9.png",
+    "language_code": "zh-HK"
+  },
+  "banana-training-images.530eb203346d73bc.webp": {
+    "original_hash": "c93a7b2b58562500f7eaf9385e7c0d58",
+    "translation_date": "2026-01-16T09:12:09+00:00",
+    "source_file": "images/banana-training-images.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-1.910c8606a300fa20.webp": {
+    "original_hash": "6d91493fcc6ed717266d0a58ed4ba97d",
+    "translation_date": "2026-01-16T09:47:12+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-1.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-1.b2c7051d9c8a4e61.webp": {
+    "original_hash": "a4cc0cccd0bd9e129367a314c3d97e3a",
+    "translation_date": "2026-01-16T09:45:31+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/testing/unripe/banana-unripe-1.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-10.38dab0db918a2487.webp": {
+    "original_hash": "3fbe312ca683ffb4130c21bb5f8faf67",
+    "translation_date": "2026-01-16T09:46:58+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-10.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-11.ec8d0eefe63e10b9.webp": {
+    "original_hash": "fafe54a9660b5ea8811d8df8dfe375ad",
+    "translation_date": "2026-01-16T09:47:16+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-11.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-12.b95a088ccae935db.webp": {
+    "original_hash": "26ff82ce86b8b10f54fc97c7227aa131",
+    "translation_date": "2026-01-16T09:47:05+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-12.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-13.37e5a7cac5aa0920.webp": {
+    "original_hash": "ad62ee1af2830d972b9d933e94c8f592",
+    "translation_date": "2026-01-16T09:47:02+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-13.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-14.d19ddd6bbf63a259.webp": {
+    "original_hash": "df691d75f8bdf20269d642704fa81233",
+    "translation_date": "2026-01-16T09:47:10+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-14.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-15.274e48544326077a.webp": {
+    "original_hash": "1bf43279e1d99527a05e3fd05b6ac035",
+    "translation_date": "2026-01-16T09:47:13+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-15.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-16.bd058f64bd7ec014.webp": {
+    "original_hash": "a57dba0a4221e68a916b8d6b39ee88b3",
+    "translation_date": "2026-01-16T09:46:55+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-16.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-17.408382d679bfa079.webp": {
+    "original_hash": "9b487f26ef0c7cfb561c472902c5d96b",
+    "translation_date": "2026-01-16T09:47:07+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-17.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-18.39c0eb79d7b3b9ba.webp": {
+    "original_hash": "5e5522a34ce418404df666003c42058e",
+    "translation_date": "2026-01-16T09:47:03+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-18.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-19.e61e6d7efaf2d8c8.webp": {
+    "original_hash": "9412ba91c9eca98b84c86de22b51631f",
+    "translation_date": "2026-01-16T09:47:06+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-19.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-2.43a73b544521afc7.webp": {
+    "original_hash": "191f77cd53ad268a98fc833365c67fc5",
+    "translation_date": "2026-01-16T09:45:30+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/testing/unripe/banana-unripe-2.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-2.9591d1a6aa27deeb.webp": {
+    "original_hash": "b414558382a2640d15611bd29ed8f5f0",
+    "translation_date": "2026-01-16T09:47:04+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-2.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-20.85b7a74eaab5634e.webp": {
+    "original_hash": "cf0067ebc713ffa4be85f95463639d68",
+    "translation_date": "2026-01-16T09:47:01+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-20.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-21.ccc1333439b344bc.webp": {
+    "original_hash": "6ee44eae72d211d164828835be1dd7c5",
+    "translation_date": "2026-01-16T09:47:08+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-21.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-22.27dff4b438163080.webp": {
+    "original_hash": "a9a930c9ba5f72daa2205105248afd86",
+    "translation_date": "2026-01-16T09:47:00+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-22.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-23.c4c9067f23370e90.webp": {
+    "original_hash": "141fdca6d816f53efd73fe0ae59d0a43",
+    "translation_date": "2026-01-16T09:46:54+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-23.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-24.6f0b781c309da62f.webp": {
+    "original_hash": "c36781ac98c350de305cc9864e4e4b67",
+    "translation_date": "2026-01-16T09:47:14+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-24.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-25.21d553d84880ac4f.webp": {
+    "original_hash": "534e54b877de9b3bc7c5e67e6fb426b5",
+    "translation_date": "2026-01-16T09:47:11+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-25.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-26.823c48b61feb1d5c.webp": {
+    "original_hash": "f541d556eff5be42991bba984ca305f9",
+    "translation_date": "2026-01-16T09:47:15+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-26.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-27.f98fd272deeb02d9.webp": {
+    "original_hash": "32ffe72a780f2ae97ac1b189d0fb9a44",
+    "translation_date": "2026-01-16T09:46:56+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-27.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-28.5331ba409ce41c07.webp": {
+    "original_hash": "75f6d0f1ad3d2ca875d31421b8f35deb",
+    "translation_date": "2026-01-16T09:46:59+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-28.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-29.84e126f389bf627e.webp": {
+    "original_hash": "fad512ccb4e4129d91a10b915bc55829",
+    "translation_date": "2026-01-16T09:47:09+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-29.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-3.896df8fb2c3b8f51.webp": {
+    "original_hash": "16d53ba9a1f72a431e04901214d53f2e",
+    "translation_date": "2026-01-16T09:47:02+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-3.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-4.483e740d6fd7b5a6.webp": {
+    "original_hash": "e0ff72cd82b8c7c4595e1beec806b8cb",
+    "translation_date": "2026-01-16T09:46:57+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-4.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-5.e9923cf1ffcfc1c9.webp": {
+    "original_hash": "c46c19087503e1173c9c214750b06c8f",
+    "translation_date": "2026-01-16T09:47:10+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-5.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-6.e3a73307558caecc.webp": {
+    "original_hash": "29d58bf3f0290ac98d5c748f467ab900",
+    "translation_date": "2026-01-16T09:46:55+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-6.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-7.634ca89acc17d68f.webp": {
+    "original_hash": "90677247facc68c33c17c37f03d6531d",
+    "translation_date": "2026-01-16T09:46:58+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-7.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-8.75720b4cdebac8c3.webp": {
+    "original_hash": "b2c3f312e05c258ea969ea1510c9e8d7",
+    "translation_date": "2026-01-16T09:47:07+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-8.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-9.e8076983351d2f54.webp": {
+    "original_hash": "93eac8be89da4c1db40c38166f18d515",
+    "translation_date": "2026-01-16T09:47:14+00:00",
+    "source_file": "4-manufacturing/lessons/1-train-fruit-detector/images/training/unripe/banana-unripe-9.png",
+    "language_code": "zh-HK"
+  },
+  "banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp": {
+    "original_hash": "7351b0cf725cfdc62e6b44d3c25ece0b",
+    "translation_date": "2026-01-16T09:16:40+00:00",
+    "source_file": "images/banana-unripe-quick-test-prediction.png",
+    "language_code": "zh-HK"
+  },
+  "bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp": {
+    "original_hash": "43cbf29c310e7358f9ac1baa54fcf34f",
+    "translation_date": "2026-01-16T09:24:44+00:00",
+    "source_file": "images/bananas-ripe-vs-unripe-predictions.png",
+    "language_code": "zh-HK"
+  },
+  "basic-thermostat.a923217fd1f37e5a.webp": {
+    "original_hash": "50447b3cb751fb0fe9d4d79b89e2b923",
+    "translation_date": "2026-01-16T09:20:44+00:00",
+    "source_file": "images/basic-thermostat.png",
+    "language_code": "zh-HK"
+  },
+  "bing-translate.348aa796d6efe2a9.webp": {
+    "original_hash": "357040ee1345ab2473e9b5284f85e81b",
+    "translation_date": "2026-01-16T09:02:35+00:00",
+    "source_file": "images/bing-translate.png",
+    "language_code": "zh-HK"
+  },
+  "bounding-box.1420a7ea0d3d15f7.webp": {
+    "original_hash": "6e8d5968c9badbf125027b02a8f5cacd",
+    "translation_date": "2026-01-16T09:22:30+00:00",
+    "source_file": "images/bounding-box.png",
+    "language_code": "zh-HK"
+  },
+  "bricked-car.dc38f8efadc6c59d.webp": {
+    "original_hash": "67716470d43e5717406c6ef7ce6f51e4",
+    "translation_date": "2026-01-16T09:19:58+00:00",
+    "source_file": "images/bricked-car.png",
+    "language_code": "zh-HK"
+  },
+  "button-with-digital.3749edea8eb885af.webp": {
+    "original_hash": "c71d7fe1263b112c755f3d0442406df8",
+    "translation_date": "2026-01-16T09:12:07+00:00",
+    "source_file": "images/button-with-digital.png",
+    "language_code": "zh-HK"
+  },
+  "button.eadb560b77ac45e5.webp": {
+    "original_hash": "85b6123798803252b7f30ffce7dc58c8",
+    "translation_date": "2026-01-16T09:02:20+00:00",
+    "source_file": "images/button.png",
+    "language_code": "zh-HK"
+  },
+  "chart-soil-moisture-relay.fbb391236d34a64d.webp": {
+    "original_hash": "2528b9288bbb1201b87058b75d516b0a",
+    "translation_date": "2026-01-16T09:03:26+00:00",
+    "source_file": "images/chart-soil-moisture-relay.png",
+    "language_code": "zh-HK"
+  },
+  "chart-soil-moisture.fd6d9d0cdc0b5f75.webp": {
+    "original_hash": "7dfa7af1913187ec9700073ccfac2d7e",
+    "translation_date": "2026-01-16T09:12:53+00:00",
+    "source_file": "images/chart-soil-moisture.png",
+    "language_code": "zh-HK"
+  },
+  "child-watering-garden.9a5d3f1bfe6d0d8d.webp": {
+    "original_hash": "c547237141a5201756db33e5e977a363",
+    "translation_date": "2026-01-16T09:04:46+00:00",
+    "source_file": "images/child-watering-garden.jpg",
+    "language_code": "zh-HK"
+  },
+  "cloud-with-edge.1e26462c62c126fe.webp": {
+    "original_hash": "5f1262d7eaa6699d85c7b7c89ed6eeb0",
+    "translation_date": "2026-01-16T09:04:10+00:00",
+    "source_file": "images/cloud-with-edge.png",
+    "language_code": "zh-HK"
+  },
+  "cloud-without-edge.b4da641f6022c95e.webp": {
+    "original_hash": "7788335416c9ad8abd402188a02680b2",
+    "translation_date": "2026-01-16T09:14:19+00:00",
+    "source_file": "images/cloud-without-edge.png",
+    "language_code": "zh-HK"
+  },
+  "cmos-sensor.75f9cd74decb1371.webp": {
+    "original_hash": "955bcd3e34765f989cd7c0df5909560d",
+    "translation_date": "2026-01-16T09:21:23+00:00",
+    "source_file": "images/cmos-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "commands.d6c06bbbb3a02cce.webp": {
+    "original_hash": "8390a0fb6de9ed7ea485aa8b7885d107",
+    "translation_date": "2026-01-16T09:26:28+00:00",
+    "source_file": "images/commands.png",
+    "language_code": "zh-HK"
+  },
+  "condenser-mic.6f6ed5b76ca19e0e.webp": {
+    "original_hash": "b1b138069d34d7c5c124b0d8e69a8089",
+    "translation_date": "2026-01-16T09:16:15+00:00",
+    "source_file": "images/condenser-mic.jpg",
+    "language_code": "zh-HK"
+  },
+  "consumer-groups.a3262e26fc27ba20.webp": {
+    "original_hash": "052b922d0ba2c50c83132074572c68e3",
+    "translation_date": "2026-01-16T09:17:15+00:00",
+    "source_file": "images/consumer-groups.png",
+    "language_code": "zh-HK"
+  },
+  "container-edge-flow.c246050dd60ceefd.webp": {
+    "original_hash": "82e97f8c96fa7aa5acddb9e2bace544b",
+    "translation_date": "2026-01-16T09:14:41+00:00",
+    "source_file": "images/container-edge-flow.png",
+    "language_code": "zh-HK"
+  },
+  "container-web-browser.4ee81dd4f0d8838c.webp": {
+    "original_hash": "ed428a4061a9c8a7bd3b46eb92709603",
+    "translation_date": "2026-01-16T09:11:45+00:00",
+    "source_file": "images/container-web-browser.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-camera-options.eb3bd5150a8e7dff.webp": {
+    "original_hash": "bad454364357d90492676e610b7bfaaf",
+    "translation_date": "2026-01-16T09:17:53+00:00",
+    "source_file": "images/counterfit-camera-options.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-camera.001ec52194c8ee5d.webp": {
+    "original_hash": "ce27314b8b055207bd6d020cd0f16403",
+    "translation_date": "2026-01-16T09:15:22+00:00",
+    "source_file": "images/counterfit-camera.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-connected.ed30b46d8f79b092.webp": {
+    "original_hash": "9deaaeb5131e9a263fbbecb01f7997f6",
+    "translation_date": "2026-01-16T09:19:04+00:00",
+    "source_file": "images/counterfit-connected.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-create-camera.a5de97f59c0bd3cb.webp": {
+    "original_hash": "d90405c8dbb6738e0e11a8ed2fea2b56",
+    "translation_date": "2026-01-16T09:05:56+00:00",
+    "source_file": "images/counterfit-create-camera.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-create-distance-sensor.967c9fb98f27888d.webp": {
+    "original_hash": "fc393748f2ddbae005330e640d841c41",
+    "translation_date": "2026-01-16T09:06:41+00:00",
+    "source_file": "images/counterfit-create-distance-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-create-gps-sensor.6385dc9357d85ad1.webp": {
+    "original_hash": "57eef4bdcf582fa280abe6860d6605c9",
+    "translation_date": "2026-01-16T09:06:45+00:00",
+    "source_file": "images/counterfit-create-gps-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-create-humidity-sensor.2750e27b6f30e09c.webp": {
+    "original_hash": "2678e71d9f5f0b887059244ceb0747e2",
+    "translation_date": "2026-01-16T09:21:37+00:00",
+    "source_file": "images/counterfit-create-humidity-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-create-led.ba9db1c9b8c622a6.webp": {
+    "original_hash": "748880e7a96e6fe87be2d253398d1d8a",
+    "translation_date": "2026-01-16T09:10:13+00:00",
+    "source_file": "images/counterfit-create-led.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-create-light-sensor.9f36a5e0d4458d8d.webp": {
+    "original_hash": "8906d361868d0342fccec9bb4952c74b",
+    "translation_date": "2026-01-16T09:20:15+00:00",
+    "source_file": "images/counterfit-create-light-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-create-relay.fa7c40fd0f2f6afc.webp": {
+    "original_hash": "69d09420bf11407584ef8f7c2a4b6934",
+    "translation_date": "2026-01-16T09:14:14+00:00",
+    "source_file": "images/counterfit-create-relay.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp": {
+    "original_hash": "0d5b89d4e4a3e0fcd2b30cb15aa9c37f",
+    "translation_date": "2026-01-16T09:20:57+00:00",
+    "source_file": "images/counterfit-create-soil-moisture-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-create-temperature-sensor.199350ed34f7343d.webp": {
+    "original_hash": "24a54b9c88c3efc0a31bb9d9db572985",
+    "translation_date": "2026-01-16T09:11:41+00:00",
+    "source_file": "images/counterfit-create-temperature-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-distance-sensor.079eefeeea0b68af.webp": {
+    "original_hash": "87337c291c694bf955c4ea27d16b527b",
+    "translation_date": "2026-01-16T09:04:58+00:00",
+    "source_file": "images/counterfit-distance-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-first-run.433326358b669b31.webp": {
+    "original_hash": "af69e87134afcc0b94a0ee13d7127e83",
+    "translation_date": "2026-01-16T09:03:57+00:00",
+    "source_file": "images/counterfit-first-run.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp": {
+    "original_hash": "0160890d86b609909702f86540b4d7df",
+    "translation_date": "2026-01-16T09:06:06+00:00",
+    "source_file": "images/counterfit-gps-sensor-gpxfile.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-gps-sensor-latlon.008c867d75464fbe.webp": {
+    "original_hash": "176d91894e0da37cc78d56aed5858fac",
+    "translation_date": "2026-01-16T09:19:52+00:00",
+    "source_file": "images/counterfit-gps-sensor-latlon.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-gps-sensor-nmea.c62eea442171e17e.webp": {
+    "original_hash": "afbf9dca4a4c89c0b21abb6a6d163635",
+    "translation_date": "2026-01-16T09:03:06+00:00",
+    "source_file": "images/counterfit-gps-sensor-nmea.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-gps-sensor.3fbb15af0a536756.webp": {
+    "original_hash": "f5317788426731587cefceac202102ed",
+    "translation_date": "2026-01-16T09:14:25+00:00",
+    "source_file": "images/counterfit-gps-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-humidity-sensor.7b12f7f339e430cb.webp": {
+    "original_hash": "7bb1b1afc76c63ba7cf4c7f7bf9a134c",
+    "translation_date": "2026-01-16T09:26:25+00:00",
+    "source_file": "images/counterfit-humidity-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-led.c0ab02de6d256ad8.webp": {
+    "original_hash": "c03cf80f7745d1caf7b7ece187e3ac7b",
+    "translation_date": "2026-01-16T09:25:53+00:00",
+    "source_file": "images/counterfit-led.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-light-sensor.5d0f5584df56b90f.webp": {
+    "original_hash": "938da9f71fb2820061acca73bb053a68",
+    "translation_date": "2026-01-16T09:06:54+00:00",
+    "source_file": "images/counterfit-light-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-relay.bbf74c1dbdc8b9ac.webp": {
+    "original_hash": "0a28fe42b27b9898e0eba6e65faef94a",
+    "translation_date": "2026-01-16T09:25:56+00:00",
+    "source_file": "images/counterfit-relay.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-soil-moisture-sensor.81742b2de0e9de60.webp": {
+    "original_hash": "54613df49c9e3c09be6ddc351dae1875",
+    "translation_date": "2026-01-16T09:21:43+00:00",
+    "source_file": "images/counterfit-soil-moisture-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "counterfit-temperature-sensor.f0560236c96a9016.webp": {
+    "original_hash": "52e9ae650e824d9c36c419fcf6febef7",
+    "translation_date": "2026-01-16T09:04:43+00:00",
+    "source_file": "images/counterfit-temperature-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "custom-vision-banana-prediction.30cdff4e1d72db5d.webp": {
+    "original_hash": "1962f0cce26ba3d8a180acaec2972895",
+    "translation_date": "2026-01-16T09:20:20+00:00",
+    "source_file": "images/custom-vision-banana-prediction.png",
+    "language_code": "zh-HK"
+  },
+  "custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp": {
+    "original_hash": "052a80c8a99c7f2a0400338775c8c132",
+    "translation_date": "2026-01-16T09:05:49+00:00",
+    "source_file": "images/custom-vision-create-object-detector-project.png",
+    "language_code": "zh-HK"
+  },
+  "custom-vision-create-project.cf46325b92d8b131.webp": {
+    "original_hash": "4471516b6b46ce7920ac178930397ccc",
+    "translation_date": "2026-01-16T09:12:27+00:00",
+    "source_file": "images/custom-vision-create-project.png",
+    "language_code": "zh-HK"
+  },
+  "custom-vision-logo.d3d4e7c8a87ec9da.webp": {
+    "original_hash": "b67626a2dbc98e461f19f42db2de3a5b",
+    "translation_date": "2026-01-16T09:20:54+00:00",
+    "source_file": "images/custom-vision-logo.png",
+    "language_code": "zh-HK"
+  },
+  "custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp": {
+    "original_hash": "dd33f3d305ce96a1831bd1726dc9353b",
+    "translation_date": "2026-01-16T09:18:43+00:00",
+    "source_file": "images/custom-vision-object-detector-publish-button.png",
+    "language_code": "zh-HK"
+  },
+  "custom-vision-prediction-key-endpoint.30c569ffd0338864.webp": {
+    "original_hash": "99d1145bc97ed96e187d6a5590c4332c",
+    "translation_date": "2026-01-16T09:07:46+00:00",
+    "source_file": "images/custom-vision-prediction-key-endpoint.png",
+    "language_code": "zh-HK"
+  },
+  "custom-vision-publish-button.b7174e1977b0c33b.webp": {
+    "original_hash": "60c4e9f0efc81552bf0ad33db2688757",
+    "translation_date": "2026-01-16T09:06:21+00:00",
+    "source_file": "images/custom-vision-publish-button.png",
+    "language_code": "zh-HK"
+  },
+  "custom-vision-stock-prediction.942266ab1bcca341.webp": {
+    "original_hash": "0c70587ccdba9496866b14ffe90cfd7b",
+    "translation_date": "2026-01-16T09:17:25+00:00",
+    "source_file": "images/custom-vision-stock-prediction.png",
+    "language_code": "zh-HK"
+  },
+  "dimmable-light.9ceffeb195dec1a8.webp": {
+    "original_hash": "d64c8b23c012ebdbcacfb9bc0ac88b78",
+    "translation_date": "2026-01-16T09:17:48+00:00",
+    "source_file": "images/dimmable-light.png",
+    "language_code": "zh-HK"
+  },
+  "dmac-adc-buffers.4509aee49145c90b.webp": {
+    "original_hash": "1351cbaad314ff7f81234448cdc5a1c9",
+    "translation_date": "2026-01-16T09:09:53+00:00",
+    "source_file": "images/dmac-adc-buffers.png",
+    "language_code": "zh-HK"
+  },
+  "dynamic-mic.8babac890a2d80df.webp": {
+    "original_hash": "56710f289e88457d2e977fc9d3806569",
+    "translation_date": "2026-01-16T09:21:06+00:00",
+    "source_file": "images/dynamic-mic.jpg",
+    "language_code": "zh-HK"
+  },
+  "favicon.37b561214b36d454.webp": {
+    "original_hash": "228faa6584f8ba1f7e9a75e3200112e9",
+    "translation_date": "2026-01-16T09:04:46+00:00",
+    "source_file": "images/favicon.png",
+    "language_code": "zh-HK"
+  },
+  "fetch-decode-execute.2fd6f150f6280392.webp": {
+    "original_hash": "5bf630278697e98b9d322229d98d403c",
+    "translation_date": "2026-01-16T09:01:35+00:00",
+    "source_file": "images/fetch-decode-execute.png",
+    "language_code": "zh-HK"
+  },
+  "fruit-quality-detector-message-flow.adf2a65da8fd8741.webp": {
+    "original_hash": "a7dab1140d82034626bb8de5f186131e",
+    "translation_date": "2026-01-16T09:10:32+00:00",
+    "source_file": "images/fruit-quality-detector-message-flow.png",
+    "language_code": "zh-HK"
+  },
+  "gdd-calculation-corn.64a58b7a7afcd0df.webp": {
+    "original_hash": "313f7af564decf12984266f48531ca25",
+    "translation_date": "2026-01-16T09:15:45+00:00",
+    "source_file": "images/gdd-calculation-corn.png",
+    "language_code": "zh-HK"
+  },
+  "gdd-calculation-strawberries.59f57db94b22adb8.webp": {
+    "original_hash": "8bbc10fc92e798cafb77786f7fee2fec",
+    "translation_date": "2026-01-16T09:06:00+00:00",
+    "source_file": "images/gdd-calculation-strawberries.png",
+    "language_code": "zh-HK"
+  },
+  "gdd-calculation.79b3660f9c5757aa.webp": {
+    "original_hash": "bf4227ba3a7cfaae2a832050d904960e",
+    "translation_date": "2026-01-16T09:12:58+00:00",
+    "source_file": "images/gdd-calculation.png",
+    "language_code": "zh-HK"
+  },
+  "gdd-jupyter-notebook.c5b52cf21094f158.webp": {
+    "original_hash": "85379646b4bef7edbfb10f7f457a3fda",
+    "translation_date": "2026-01-16T09:07:30+00:00",
+    "source_file": "images/gdd-jupyter-notebook.png",
+    "language_code": "zh-HK"
+  },
+  "geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp": {
+    "original_hash": "478511d89755e68ad1b0a8cd6cb72eef",
+    "translation_date": "2026-01-16T09:18:20+00:00",
+    "source_file": "images/geofence-crossing-inaccurate-gps.png",
+    "language_code": "zh-HK"
+  },
+  "geofence-examples.172fbc534665769f.webp": {
+    "original_hash": "e836773107dcaf3aa2dcbf4b072bf1d0",
+    "translation_date": "2026-01-16T09:05:25+00:00",
+    "source_file": "images/geofence-examples.png",
+    "language_code": "zh-HK"
+  },
+  "gps-satellites.04acf1148fe25fbf.webp": {
+    "original_hash": "af44157de12f3de1e84ea34fc9da6647",
+    "translation_date": "2026-01-16T09:21:47+00:00",
+    "source_file": "images/gps-satellites.png",
+    "language_code": "zh-HK"
+  },
+  "gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp": {
+    "original_hash": "fe6ecba627bb1ac7c0f7123dcdc89c1c",
+    "translation_date": "2026-01-16T09:02:31+00:00",
+    "source_file": "images/gps-telemetry-iot-hub-functions.png",
+    "language_code": "zh-HK"
+  },
+  "gps-telemetry-iot-hub.8115335d51cd2c12.webp": {
+    "original_hash": "594448866b50836b5d5d664571ae8144",
+    "translation_date": "2026-01-16T09:14:10+00:00",
+    "source_file": "images/gps-telemetry-iot-hub.png",
+    "language_code": "zh-HK"
+  },
+  "grove-base-hat-ribbon-cable.501fed202fcf73b1.webp": {
+    "original_hash": "aa2a325edef2b1fbd2d7639853d310fd",
+    "translation_date": "2026-01-16T09:17:37+00:00",
+    "source_file": "images/grove-base-hat-ribbon-cable.png",
+    "language_code": "zh-HK"
+  },
+  "grove-button.a70cfbb809a85636.webp": {
+    "original_hash": "63615c1ec61dcf1763b1c406298bb67c",
+    "translation_date": "2026-01-16T09:18:13+00:00",
+    "source_file": "images/grove-button.png",
+    "language_code": "zh-HK"
+  },
+  "grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp": {
+    "original_hash": "f1a5ee679e4c05c2b3047ef0d69f85f0",
+    "translation_date": "2026-01-16T09:18:57+00:00",
+    "source_file": "images/grove-capacitive-soil-moisture-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "grove-dht11.07f8eafceee17004.webp": {
+    "original_hash": "e66c4f14e29b96bcd1d5a8c86c19288d",
+    "translation_date": "2026-01-16T09:02:50+00:00",
+    "source_file": "images/grove-dht11.png",
+    "language_code": "zh-HK"
+  },
+  "grove-gps-sensor.247943bf69b03f0d.webp": {
+    "original_hash": "2cdf74787c6cf892a6b1a0f1753f8b24",
+    "translation_date": "2026-01-16T09:11:13+00:00",
+    "source_file": "images/grove-gps-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "grove-led.6c853be93f473cf2.webp": {
+    "original_hash": "ccf9fb22df3755582b81bae02335135b",
+    "translation_date": "2026-01-16T09:18:50+00:00",
+    "source_file": "images/grove-led.png",
+    "language_code": "zh-HK"
+  },
+  "grove-light-sensor.b8127b7c434e632d.webp": {
+    "original_hash": "1e6e9a840b1f0b0dd777593c38d31109",
+    "translation_date": "2026-01-16T09:10:20+00:00",
+    "source_file": "images/grove-light-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "grove-relay-labelled.293e068f5c3c2a19.webp": {
+    "original_hash": "b75dcabfa78bcfca34b6cce74323e178",
+    "translation_date": "2026-01-16T09:05:42+00:00",
+    "source_file": "images/grove-relay-labelled.png",
+    "language_code": "zh-HK"
+  },
+  "grove-relay.d426958ca210fbd0.webp": {
+    "original_hash": "ceed414ceb65226b0e91bf1147d1fa01",
+    "translation_date": "2026-01-16T09:10:51+00:00",
+    "source_file": "images/grove-relay.png",
+    "language_code": "zh-HK"
+  },
+  "grove-time-of-flight-sensor.d82ff2165bfded9f.webp": {
+    "original_hash": "dcc2dfd53862a2533a34b9bb7913ae90",
+    "translation_date": "2026-01-16T09:22:15+00:00",
+    "source_file": "images/grove-time-of-flight-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "gsm-calculation-example.99f9803b4f29e976.webp": {
+    "original_hash": "0421a50ee61d76fda1380f899c4fd99c",
+    "translation_date": "2026-01-16T09:24:57+00:00",
+    "source_file": "images/gsm-calculation-example.png",
+    "language_code": "zh-HK"
+  },
+  "gsm-calculation.6da38c6201eec14e.webp": {
+    "original_hash": "9b2287a653a1fd6ee0480021a98bca3b",
+    "translation_date": "2026-01-16T09:22:10+00:00",
+    "source_file": "images/gsm-calculation.png",
+    "language_code": "zh-HK"
+  },
+  "i2c.83da845dde02256b.webp": {
+    "original_hash": "198d21e02d4c69b84028bd69172ffa8e",
+    "translation_date": "2026-01-16T09:14:04+00:00",
+    "source_file": "images/i2c.png",
+    "language_code": "zh-HK"
+  },
+  "image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp": {
+    "original_hash": "1b245f1520995579839a00cb93a09242",
+    "translation_date": "2026-01-16T09:20:48+00:00",
+    "source_file": "images/image-classifier-cashews-tomato.png",
+    "language_code": "zh-HK"
+  },
+  "image-upload-bananas.0751639f3815e0ec.webp": {
+    "original_hash": "a293096ce03324bb0282c712610f6892",
+    "translation_date": "2026-01-16T09:16:50+00:00",
+    "source_file": "images/image-upload-bananas.png",
+    "language_code": "zh-HK"
+  },
+  "image-upload-object-detector.77c7892c3093cb59.webp": {
+    "original_hash": "d66ff14cd73c4acfbb2ce4b15a256850",
+    "translation_date": "2026-01-16T09:02:25+00:00",
+    "source_file": "images/image-upload-object-detector.png",
+    "language_code": "zh-HK"
+  },
+  "iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp": {
+    "original_hash": "b55ce16301f8b389703a495e87d30f89",
+    "translation_date": "2026-01-16T09:24:34+00:00",
+    "source_file": "images/iot-device-and-hacked-device-connecting-encryption.png",
+    "language_code": "zh-HK"
+  },
+  "iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp": {
+    "original_hash": "4424245692fededc88fa35415899b600",
+    "translation_date": "2026-01-16T09:21:02+00:00",
+    "source_file": "images/iot-device-and-hacked-device-connecting.png",
+    "language_code": "zh-HK"
+  },
+  "iot-for-beginners.95958e2ed1900917.webp": {
+    "original_hash": "0ee1737da60391e3b1d48686e1d7c893",
+    "translation_date": "2026-01-16T09:05:37+00:00",
+    "source_file": "images/iot-for-beginners.png",
+    "language_code": "zh-HK"
+  },
+  "iot-hub-cloud-to-device-message.f4f21fea772cc20b.webp": {
+    "original_hash": "d5e70a4a54a0038278c5bdc2b4988f8e",
+    "translation_date": "2026-01-16T09:26:33+00:00",
+    "source_file": "images/iot-hub-cloud-to-device-message.png",
+    "language_code": "zh-HK"
+  },
+  "iot-hub-device-to-cloud-message.e46e584d87f35fd9.webp": {
+    "original_hash": "f080414808052183955ae04971260ebb",
+    "translation_date": "2026-01-16T09:25:49+00:00",
+    "source_file": "images/iot-hub-device-to-cloud-message.png",
+    "language_code": "zh-HK"
+  },
+  "iot-hub-device-twins.7055a60fc5e2331c.webp": {
+    "original_hash": "ddaade630edadb655820875bc6a7a398",
+    "translation_date": "2026-01-16T09:03:11+00:00",
+    "source_file": "images/iot-hub-device-twins.png",
+    "language_code": "zh-HK"
+  },
+  "iot-hub-direct-method-request.86a5026e91f4ca18.webp": {
+    "original_hash": "8940e81543500cb4f065eed262888ba0",
+    "translation_date": "2026-01-16T09:21:15+00:00",
+    "source_file": "images/iot-hub-direct-method-request.png",
+    "language_code": "zh-HK"
+  },
+  "iot-messages-to-serverless.0194da1cc0732bb7.webp": {
+    "original_hash": "b845f5d76ec996b99ee19d76c7254e4f",
+    "translation_date": "2026-01-16T09:11:02+00:00",
+    "source_file": "images/iot-messages-to-serverless.png",
+    "language_code": "zh-HK"
+  },
+  "iot-reference-architecture-azure.0b8d2161af924cb1.webp": {
+    "original_hash": "cf394dd153db645ed55d362824b4beff",
+    "translation_date": "2026-01-16T09:13:28+00:00",
+    "source_file": "images/iot-reference-architecture-azure.png",
+    "language_code": "zh-HK"
+  },
+  "iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp": {
+    "original_hash": "23d41791f8c62c0f91da0979160cada7",
+    "translation_date": "2026-01-16T09:07:04+00:00",
+    "source_file": "images/iot-reference-architecture-fruit-quality.png",
+    "language_code": "zh-HK"
+  },
+  "iot-reference-architecture.2278b98b55c6d4e8.webp": {
+    "original_hash": "a06f575f400e2323f68d231b4867cee4",
+    "translation_date": "2026-01-16T09:16:57+00:00",
+    "source_file": "images/iot-reference-architecture.png",
+    "language_code": "zh-HK"
+  },
+  "iot-service-allowed-denied-connection.818b0063ac213fb8.webp": {
+    "original_hash": "e39609b2a6e0a6f3a09f869f30654e4c",
+    "translation_date": "2026-01-16T09:21:10+00:00",
+    "source_file": "images/iot-service-allowed-denied-connection.png",
+    "language_code": "zh-HK"
+  },
+  "iot-service-connectivity.7e873847921a5d6f.webp": {
+    "original_hash": "b69786f576a7862abc86d0d03a68ebb7",
+    "translation_date": "2026-01-16T09:12:13+00:00",
+    "source_file": "images/iot-service-connectivity.png",
+    "language_code": "zh-HK"
+  },
+  "latitude-equator.feccc3214b7d9fb1.webp": {
+    "original_hash": "56a4f9ad1e573c57538578c32f9d86da",
+    "translation_date": "2026-01-16T09:10:37+00:00",
+    "source_file": "images/latitude-equator.png",
+    "language_code": "zh-HK"
+  },
+  "latitude-lines.11d8d91dfb2014a5.webp": {
+    "original_hash": "a0c885ec44be899480f5e591ff23f911",
+    "translation_date": "2026-01-16T09:04:04+00:00",
+    "source_file": "images/latitude-lines.png",
+    "language_code": "zh-HK"
+  },
+  "led-digital-control.13b9be14077ea49f.webp": {
+    "original_hash": "48875cd4b26e07780599d8a068c0bf83",
+    "translation_date": "2026-01-16T09:16:12+00:00",
+    "source_file": "images/led-digital-control.png",
+    "language_code": "zh-HK"
+  },
+  "led.ec6d94f66676a174.webp": {
+    "original_hash": "8dd1438a3970c2bd893f35af372b1a60",
+    "translation_date": "2026-01-16T09:20:03+00:00",
+    "source_file": "images/led.png",
+    "language_code": "zh-HK"
+  },
+  "lesson-1.2606670fa61ee904.webp": {
+    "original_hash": "84859c69fb3a2f18ffbe095a2102d7f6",
+    "translation_date": "2026-01-16T09:39:37+00:00",
+    "source_file": "sketchnotes/lesson-1.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-10.829c86b80b9403bb.webp": {
+    "original_hash": "d01fb71820808d72515cf0b7d68bab41",
+    "translation_date": "2026-01-16T09:40:31+00:00",
+    "source_file": "sketchnotes/lesson-10.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-11.9fddbac4b664c6d5.webp": {
+    "original_hash": "b1f802eab377a9252f62e9309f8e592a",
+    "translation_date": "2026-01-16T09:40:48+00:00",
+    "source_file": "sketchnotes/lesson-11.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-12.ca7f53039712a3ec.webp": {
+    "original_hash": "967e8e3853bc164050b097ea16490057",
+    "translation_date": "2026-01-16T09:32:32+00:00",
+    "source_file": "sketchnotes/lesson-12.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-13.a259db1485021be7.webp": {
+    "original_hash": "49048659f9a44917256f7b4b7f864f62",
+    "translation_date": "2026-01-16T09:31:49+00:00",
+    "source_file": "sketchnotes/lesson-13.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-14.63980c5150ae3c15.webp": {
+    "original_hash": "b6ce8e2bb49d1616057ee45f2e37fe8f",
+    "translation_date": "2026-01-16T09:37:39+00:00",
+    "source_file": "sketchnotes/lesson-14.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-15.843d21afdc6fb2bb.webp": {
+    "original_hash": "c44ff172164fdfbafabf0c806f5e8593",
+    "translation_date": "2026-01-16T09:26:52+00:00",
+    "source_file": "sketchnotes/lesson-15.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-16.215daf18b00631fb.webp": {
+    "original_hash": "0bd07a79a71954ad4f5b585972d4deb9",
+    "translation_date": "2026-01-16T09:32:43+00:00",
+    "source_file": "sketchnotes/lesson-16.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-17.bc333c3c35ba8e42.webp": {
+    "original_hash": "5f7d869576300be85ed519ef16ff6a39",
+    "translation_date": "2026-01-16T09:32:12+00:00",
+    "source_file": "sketchnotes/lesson-17.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-18.92c32ed1d354caa5.webp": {
+    "original_hash": "89d2f47ae6201d70aec617d32cd09f53",
+    "translation_date": "2026-01-16T09:40:40+00:00",
+    "source_file": "sketchnotes/lesson-18.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-19.cf6973cecadf080c.webp": {
+    "original_hash": "7e8769bcee6aeb9ebbb9c1752847f908",
+    "translation_date": "2026-01-16T09:29:28+00:00",
+    "source_file": "sketchnotes/lesson-19.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-2.324b0580d620c25e.webp": {
+    "original_hash": "ec89ab3c7a4154d500a4249e4b611ce3",
+    "translation_date": "2026-01-16T09:36:38+00:00",
+    "source_file": "sketchnotes/lesson-2.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-20.0211df9551a8abb3.webp": {
+    "original_hash": "6955631846f6c3a04436440cbe55ec9e",
+    "translation_date": "2026-01-16T09:26:45+00:00",
+    "source_file": "sketchnotes/lesson-20.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-21.e34de51354d6606f.webp": {
+    "original_hash": "918fab6c83b650cf67a39f5a9e740609",
+    "translation_date": "2026-01-16T09:31:55+00:00",
+    "source_file": "sketchnotes/lesson-21.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-22.6148ea28500d9e00.webp": {
+    "original_hash": "744a23c671043c5538445857370ea60e",
+    "translation_date": "2026-01-16T09:32:03+00:00",
+    "source_file": "sketchnotes/lesson-22.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-23.f38483e1d4df4828.webp": {
+    "original_hash": "cef842f7b80b336838233fcf1be1029c",
+    "translation_date": "2026-01-16T09:37:53+00:00",
+    "source_file": "sketchnotes/lesson-23.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-24.4246968ed058510a.webp": {
+    "original_hash": "08ff9d2f7cd0d595eb30e96375add9f3",
+    "translation_date": "2026-01-16T09:32:24+00:00",
+    "source_file": "sketchnotes/lesson-24.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-3.cc3b7b4cd646de59.webp": {
+    "original_hash": "4ef30b3fb0ed4914bfc4753db2e99a7b",
+    "translation_date": "2026-01-16T09:28:31+00:00",
+    "source_file": "sketchnotes/lesson-3.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-4.7344e074ea68fa54.webp": {
+    "original_hash": "8fec62a3c5722c6c9adeb713c30d685c",
+    "translation_date": "2026-01-16T09:34:19+00:00",
+    "source_file": "sketchnotes/lesson-4.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-5.42b234299279d263.webp": {
+    "original_hash": "691cf783fe7ef6b40bf300481e7326d2",
+    "translation_date": "2026-01-16T09:26:56+00:00",
+    "source_file": "sketchnotes/lesson-5.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-6.3e493b60eee85adc.webp": {
+    "original_hash": "94d827c7b07c857cf86360f7a42734e0",
+    "translation_date": "2026-01-16T09:37:32+00:00",
+    "source_file": "sketchnotes/lesson-6.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-7.30b5f577d3cb8e03.webp": {
+    "original_hash": "65e26ac18d8f2455e8c5241431133288",
+    "translation_date": "2026-01-16T09:26:38+00:00",
+    "source_file": "sketchnotes/lesson-7.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-8.3f21f3c11159e6a0.webp": {
+    "original_hash": "43f49f9a260610f3e5493dfdc6dc0d7f",
+    "translation_date": "2026-01-16T09:32:38+00:00",
+    "source_file": "sketchnotes/lesson-8.jpg",
+    "language_code": "zh-HK"
+  },
+  "lesson-9.dfe99c8e891f48e1.webp": {
+    "original_hash": "7d6641c90a95897e05e60033cf61367f",
+    "translation_date": "2026-01-16T09:37:45+00:00",
+    "source_file": "sketchnotes/lesson-9.jpg",
+    "language_code": "zh-HK"
+  },
+  "light-switch.760317ad6ab8bd6d.webp": {
+    "original_hash": "41d49f69f3e43729085745abb67167b8",
+    "translation_date": "2026-01-16T09:01:41+00:00",
+    "source_file": "images/light-switch.png",
+    "language_code": "zh-HK"
+  },
+  "lines-of-longitude-and-latitude.032aca9d3e402c4e.webp": {
+    "original_hash": "f8604251b9319c765df2a2046e4d5f93",
+    "translation_date": "2026-01-16T09:20:42+00:00",
+    "source_file": "images/lines-of-longitude-and-latitude.png",
+    "language_code": "zh-HK"
+  },
+  "longitude-meridians.ab4ef1c91c064586.webp": {
+    "original_hash": "dc8d5df51066d4009ed1696d40ae016d",
+    "translation_date": "2026-01-16T09:06:49+00:00",
+    "source_file": "images/longitude-meridians.png",
+    "language_code": "zh-HK"
+  },
+  "longitude-prime-meridian.33b01b41ce615f9d.webp": {
+    "original_hash": "470be2d3dacf49b2a2a6ce93ac32169a",
+    "translation_date": "2026-01-16T09:22:12+00:00",
+    "source_file": "images/longitude-prime-meridian.png",
+    "language_code": "zh-HK"
+  },
+  "luis-intent-examples.25716580b2d2723c.webp": {
+    "original_hash": "10c4351eab0a8d50545a8ae5dab7e893",
+    "translation_date": "2026-01-16T09:14:32+00:00",
+    "source_file": "images/luis-intent-examples.png",
+    "language_code": "zh-HK"
+  },
+  "luis-logo.5cb4f3e88c020ee6.webp": {
+    "original_hash": "501332df88cd55536be18754a26caffd",
+    "translation_date": "2026-01-16T09:13:19+00:00",
+    "source_file": "images/luis-logo.png",
+    "language_code": "zh-HK"
+  },
+  "map-image.8fb2c53eb23ef39c.webp": {
+    "original_hash": "77c5609ccd32add2358d07375e1fb4ae",
+    "translation_date": "2026-01-16T09:22:00+00:00",
+    "source_file": "images/map-image.png",
+    "language_code": "zh-HK"
+  },
+  "map-path.896832e72dc696ff.webp": {
+    "original_hash": "208641a804743048d5172bdcb674c6ce",
+    "translation_date": "2026-01-16T09:26:09+00:00",
+    "source_file": "images/map-path.png",
+    "language_code": "zh-HK"
+  },
+  "mems-microphone.80574019e1f5e4d9.webp": {
+    "original_hash": "9fcdab93cb1a5f075fd7a7b87ee53ebd",
+    "translation_date": "2026-01-16T09:13:01+00:00",
+    "source_file": "images/mems-microphone.png",
+    "language_code": "zh-HK"
+  },
+  "microsoft-gps-location-world.a321d481b010f6ad.webp": {
+    "original_hash": "deb0e7f79cc481afac238c73149d2f22",
+    "translation_date": "2026-01-16T09:04:27+00:00",
+    "source_file": "images/microsoft-gps-location-world.png",
+    "language_code": "zh-HK"
+  },
+  "microsoft-gps-location.9eb77a13b22b7e70.webp": {
+    "original_hash": "657b30303221896c044fd9e1b9477c95",
+    "translation_date": "2026-01-16T09:11:32+00:00",
+    "source_file": "images/microsoft-gps-location.png",
+    "language_code": "zh-HK"
+  },
+  "mobile-controlled-thermostat.4a994010473d8d6a.webp": {
+    "original_hash": "e5d3e7697b231ed03c0c9fcb05a79862",
+    "translation_date": "2026-01-16T09:26:21+00:00",
+    "source_file": "images/mobile-controlled-thermostat.png",
+    "language_code": "zh-HK"
+  },
+  "mqtt.cbf7f21d9adc3e17.webp": {
+    "original_hash": "2622674075f6379bb851806552374257",
+    "translation_date": "2026-01-16T09:25:01+00:00",
+    "source_file": "images/mqtt.png",
+    "language_code": "zh-HK"
+  },
+  "noqsl-database.62d24ccf5b73f60d.webp": {
+    "original_hash": "64109b6306a3c464b6e2b8bfb6a45665",
+    "translation_date": "2026-01-16T09:13:53+00:00",
+    "source_file": "images/noqsl-database.png",
+    "language_code": "zh-HK"
+  },
+  "object-detector-cashews-tomato.1af7c26686b4db0e.webp": {
+    "original_hash": "3cb4f511cff4896b333181b8c0d19aa1",
+    "translation_date": "2026-01-16T09:20:30+00:00",
+    "source_file": "images/object-detector-cashews-tomato.png",
+    "language_code": "zh-HK"
+  },
+  "object-detector-detected-tomato-paste.52656fe87af4c37b.webp": {
+    "original_hash": "5957b9bcae573e01c045354fc978f5e8",
+    "translation_date": "2026-01-16T09:12:40+00:00",
+    "source_file": "images/object-detector-detected-tomato-paste.png",
+    "language_code": "zh-HK"
+  },
+  "object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp": {
+    "original_hash": "453f6250e67659d363e7933e3999cd64",
+    "translation_date": "2026-01-16T09:13:45+00:00",
+    "source_file": "images/object-detector-tag-tomato-paste.png",
+    "language_code": "zh-HK"
+  },
+  "optical-tomato-sorting.61aa134bdda4e5b1.webp": {
+    "original_hash": "ded722d4e89f50699032f038b439866d",
+    "translation_date": "2026-01-16T09:01:44+00:00",
+    "source_file": "images/optical-tomato-sorting.png",
+    "language_code": "zh-HK"
+  },
+  "overlap-object-detection.d431e03cae75072a.webp": {
+    "original_hash": "9948ca331a7cbbf2ac9d7bb692603b20",
+    "translation_date": "2026-01-16T09:17:08+00:00",
+    "source_file": "images/overlap-object-detection.png",
+    "language_code": "zh-HK"
+  },
+  "pi-button.c7a1a4f55943341c.webp": {
+    "original_hash": "94a08cd32cf5d198961e75bfb4ccd2d1",
+    "translation_date": "2026-01-16T09:13:16+00:00",
+    "source_file": "images/pi-button.png",
+    "language_code": "zh-HK"
+  },
+  "pi-camera-module.4278753c31bd6e75.webp": {
+    "original_hash": "296dbc7764a334c9eea6e07d2bdf5228",
+    "translation_date": "2026-01-16T09:16:09+00:00",
+    "source_file": "images/pi-camera-module.png",
+    "language_code": "zh-HK"
+  },
+  "pi-camera-ribbon-cable.0bf82acd251611c2.webp": {
+    "original_hash": "3ac274f1a38658e40c3c392746941cbd",
+    "translation_date": "2026-01-16T09:14:45+00:00",
+    "source_file": "images/pi-camera-ribbon-cable.png",
+    "language_code": "zh-HK"
+  },
+  "pi-camera-socket-ribbon-cable.a18309920b118009.webp": {
+    "original_hash": "b34d7c3590218945fe8ac3cae8e30a50",
+    "translation_date": "2026-01-16T09:04:51+00:00",
+    "source_file": "images/pi-camera-socket-ribbon-cable.png",
+    "language_code": "zh-HK"
+  },
+  "pi-camera-upside-down.5376961ba3145988.webp": {
+    "original_hash": "b242672b0a16425dc0c42e3458102e8c",
+    "translation_date": "2026-01-16T09:22:23+00:00",
+    "source_file": "images/pi-camera-upside-down.png",
+    "language_code": "zh-HK"
+  },
+  "pi-gps-sensor.1f99ee2b2f652891.webp": {
+    "original_hash": "8096ac9ce04e5268b552024983283a21",
+    "translation_date": "2026-01-16T09:13:05+00:00",
+    "source_file": "images/pi-gps-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "pi-hardware-kit.26dbadaedb7dd44c.webp": {
+    "original_hash": "ff01874bf7ab355748ac69e0d18cc3a8",
+    "translation_date": "2026-01-16T09:03:43+00:00",
+    "source_file": "images/pi-hardware-kit.png",
+    "language_code": "zh-HK"
+  },
+  "pi-led.97f1d474981dc35d.webp": {
+    "original_hash": "8c9c44daca0bb84fff271932128548e7",
+    "translation_date": "2026-01-16T09:15:48+00:00",
+    "source_file": "images/pi-led.png",
+    "language_code": "zh-HK"
+  },
+  "pi-light-sensor.66cc1e31fa48cd7d.webp": {
+    "original_hash": "24c2a1d065061a13b890b6808abf158f",
+    "translation_date": "2026-01-16T09:14:07+00:00",
+    "source_file": "images/pi-light-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp": {
+    "original_hash": "dc129413981ef906b6edd50f837a9e01",
+    "translation_date": "2026-01-16T09:06:29+00:00",
+    "source_file": "images/pi-relay-and-soil-moisture-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "pi-respeaker-hat.f00fabe7dd039a93.webp": {
+    "original_hash": "831331e5010f14df7262034ca67a316d",
+    "translation_date": "2026-01-16T09:05:03+00:00",
+    "source_file": "images/pi-respeaker-hat.png",
+    "language_code": "zh-HK"
+  },
+  "pi-soil-moisture-sensor.fdd7eb2393792cf6.webp": {
+    "original_hash": "c50b9b78b749af1958d574aa38253e66",
+    "translation_date": "2026-01-16T09:17:03+00:00",
+    "source_file": "images/pi-soil-moisture-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "pi-temperature-sensor.3ff82fff672c8e56.webp": {
+    "original_hash": "feb99d03e3c82faf6a583cafea990fba",
+    "translation_date": "2026-01-16T09:20:05+00:00",
+    "source_file": "images/pi-temperature-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "pi-time-of-flight-sensor.58c8dc04eb3bfb57.webp": {
+    "original_hash": "ddc354c7922b02d7be67a7bbca792ad8",
+    "translation_date": "2026-01-16T09:19:14+00:00",
+    "source_file": "images/pi-time-of-flight-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "plant-growth-temp-graph copy.65baa28afd9b7f5f.webp": {
+    "original_hash": "af7d47772297c3a84f2c2f4c519a98ee",
+    "translation_date": "2026-01-16T09:03:51+00:00",
+    "source_file": "images/plant-growth-temp-graph copy.png",
+    "language_code": "zh-HK"
+  },
+  "plant-growth-temp-graph.c6d69c9478e6ca83.webp": {
+    "original_hash": "af7d47772297c3a84f2c2f4c519a98ee",
+    "translation_date": "2026-01-16T09:21:26+00:00",
+    "source_file": "images/plant-growth-temp-graph.png",
+    "language_code": "zh-HK"
+  },
+  "polygon-points.302193da381cb415.webp": {
+    "original_hash": "01b6fa2d97b4fecb638b5162873f5ea9",
+    "translation_date": "2026-01-16T09:12:03+00:00",
+    "source_file": "images/polygon-points.png",
+    "language_code": "zh-HK"
+  },
+  "potentiometer.35a348b9ce22f6ec.webp": {
+    "original_hash": "1fb25de33028ef905bf4cce330a9e6df",
+    "translation_date": "2026-01-16T09:25:29+00:00",
+    "source_file": "images/potentiometer.png",
+    "language_code": "zh-HK"
+  },
+  "proximity-sensor.f5cd752c77fb62fe.webp": {
+    "original_hash": "46a4e21d2d633afa6120896b66b1b1f3",
+    "translation_date": "2026-01-16T09:25:14+00:00",
+    "source_file": "images/proximity-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "pub-sub.7c7ed43fe9fd15d4.webp": {
+    "original_hash": "e5ec0def10a72676eb757b830b8ae56e",
+    "translation_date": "2026-01-16T09:19:01+00:00",
+    "source_file": "images/pub-sub.png",
+    "language_code": "zh-HK"
+  },
+  "pump-wired-to-relay.66c5cfc0d8918990.webp": {
+    "original_hash": "84a8c5f06d634c142ee4764b91ec4f59",
+    "translation_date": "2026-01-16T09:25:05+00:00",
+    "source_file": "images/pump-wired-to-relay.png",
+    "language_code": "zh-HK"
+  },
+  "pwm-motor-150rpm.83347ac04ca38482.webp": {
+    "original_hash": "f829c583c9b05918631c9afec52dfad9",
+    "translation_date": "2026-01-16T09:11:53+00:00",
+    "source_file": "images/pwm-motor-150rpm.png",
+    "language_code": "zh-HK"
+  },
+  "pwm-motor-75rpm.a5e4c939934b6e14.webp": {
+    "original_hash": "27174930eae0dd1d408ca7474099ebed",
+    "translation_date": "2026-01-16T09:18:25+00:00",
+    "source_file": "images/pwm-motor-75rpm.png",
+    "language_code": "zh-HK"
+  },
+  "ram-comparison.6beb73541b42ac6f.webp": {
+    "original_hash": "178bedf746f370deb9b3600fe15afeb1",
+    "translation_date": "2026-01-16T09:11:59+00:00",
+    "source_file": "images/ram-comparison.png",
+    "language_code": "zh-HK"
+  },
+  "raspberry-pi-4.fd4590d308c3d456.webp": {
+    "original_hash": "a6546a4c48ae28af3154546daeec43b2",
+    "translation_date": "2026-01-16T09:01:38+00:00",
+    "source_file": "images/raspberry-pi-4.jpg",
+    "language_code": "zh-HK"
+  },
+  "raspberry-pi-imager.24aedeab9e233d84.webp": {
+    "original_hash": "d60a21f44e34a41ca0b925837b7822d2",
+    "translation_date": "2026-01-16T09:16:02+00:00",
+    "source_file": "images/raspberry-pi-imager.png",
+    "language_code": "zh-HK"
+  },
+  "raspberry-pi-logo.4efaa16605cee054.webp": {
+    "original_hash": "6dc3ec9908411f01f40bdb144eb0352d",
+    "translation_date": "2026-01-16T09:20:39+00:00",
+    "source_file": "images/raspberry-pi-logo.png",
+    "language_code": "zh-HK"
+  },
+  "raspberry-pi-zero.f7a4133e1e7d54bb.webp": {
+    "original_hash": "a65b4f80e337bb75907ba9668d0ec4ec",
+    "translation_date": "2026-01-16T09:15:14+00:00",
+    "source_file": "images/raspberry-pi-zero.jpg",
+    "language_code": "zh-HK"
+  },
+  "relay-off.c34a178a2960fecd.webp": {
+    "original_hash": "695bf246ae769e65b44448d48b762bd1",
+    "translation_date": "2026-01-16T09:02:18+00:00",
+    "source_file": "images/relay-off.png",
+    "language_code": "zh-HK"
+  },
+  "relay-on.4db16a0fd6b66926.webp": {
+    "original_hash": "9845f9c1489a850aa549e224cbe72d2a",
+    "translation_date": "2026-01-16T09:04:02+00:00",
+    "source_file": "images/relay-on.png",
+    "language_code": "zh-HK"
+  },
+  "resistive-soil-moisture-sensor.728a138a3d109e06.webp": {
+    "original_hash": "10868a092da0bc909f5cc4639401c811",
+    "translation_date": "2026-01-16T09:18:29+00:00",
+    "source_file": "images/resistive-soil-moisture-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "respeaker-35mm-speaker.ad79ef4f128c7751.webp": {
+    "original_hash": "8df5ce34dedc6d09c1b32061af983e1a",
+    "translation_date": "2026-01-16T09:20:12+00:00",
+    "source_file": "images/respeaker-35mm-speaker.png",
+    "language_code": "zh-HK"
+  },
+  "respeaker-jst-speaker.a441d177809df945.webp": {
+    "original_hash": "c4dff6a9a83d65415477d8b77818c184",
+    "translation_date": "2026-01-16T09:15:11+00:00",
+    "source_file": "images/respeaker-jst-speaker.png",
+    "language_code": "zh-HK"
+  },
+  "respeaker.f5d19d1c6b14ab16.webp": {
+    "original_hash": "f096205f8ed79a62c0b3223ca9760485",
+    "translation_date": "2026-01-16T09:03:16+00:00",
+    "source_file": "images/respeaker.png",
+    "language_code": "zh-HK"
+  },
+  "ribbon-mic.eacc8e092c7441ca.webp": {
+    "original_hash": "2d5dac0dede2c3bee039d05cb8d5eb01",
+    "translation_date": "2026-01-16T09:06:38+00:00",
+    "source_file": "images/ribbon-mic.jpg",
+    "language_code": "zh-HK"
+  },
+  "rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f.webp": {
+    "original_hash": "d801ce817c0839b0f611e0b73bf4f05d",
+    "translation_date": "2026-01-16T09:15:31+00:00",
+    "source_file": "images/rpi-stock-with-bounding-boxes.jpg",
+    "language_code": "zh-HK"
+  },
+  "sampling.6f4fadb3f2d9dfe7.webp": {
+    "original_hash": "0873e1919ecfcd1fac59791d08b2458f",
+    "translation_date": "2026-01-16T09:19:54+00:00",
+    "source_file": "images/sampling.png",
+    "language_code": "zh-HK"
+  },
+  "save-telemetry-database.ddc9c6bea0c5ba39.webp": {
+    "original_hash": "161b3f7c079d04498fbc0d900788510e",
+    "translation_date": "2026-01-16T09:25:32+00:00",
+    "source_file": "images/save-telemetry-database.png",
+    "language_code": "zh-HK"
+  },
+  "save-telemetry-to-storage-from-functions.ed3b1820980097f1.webp": {
+    "original_hash": "a03847815181206801649c4168cec3a1",
+    "translation_date": "2026-01-16T09:19:46+00:00",
+    "source_file": "images/save-telemetry-to-storage-from-functions.png",
+    "language_code": "zh-HK"
+  },
+  "search-buffer-and-distance.e6a79af3898183c7.webp": {
+    "original_hash": "4fa75893d571e0dd38a6d9835877b318",
+    "translation_date": "2026-01-16T09:25:21+00:00",
+    "source_file": "images/search-buffer-and-distance.png",
+    "language_code": "zh-HK"
+  },
+  "seeed-logo.74732b6b482b6e8e.webp": {
+    "original_hash": "c7479fe98cfdb3be95dda1ceee7a2b0f",
+    "translation_date": "2026-01-16T09:19:06+00:00",
+    "source_file": "images/seeed-logo.png",
+    "language_code": "zh-HK"
+  },
+  "select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f.webp": {
+    "original_hash": "38727cd537789a1b4e18ca8277ee85b1",
+    "translation_date": "2026-01-16T09:26:18+00:00",
+    "source_file": "images/select-the-random-checkbox-and-set-a-range.png",
+    "language_code": "zh-HK"
+  },
+  "send-message-asymmetric.7abe327c62615b8c.webp": {
+    "original_hash": "0873f3deafa225ede589e282db569fd3",
+    "translation_date": "2026-01-16T09:17:44+00:00",
+    "source_file": "images/send-message-asymmetric.png",
+    "language_code": "zh-HK"
+  },
+  "send-message-certificate.9cc576ac1e46b76e.webp": {
+    "original_hash": "df8c0a10f8e11172061fb4bbde04cec0",
+    "translation_date": "2026-01-16T09:10:09+00:00",
+    "source_file": "images/send-message-certificate.png",
+    "language_code": "zh-HK"
+  },
+  "send-message-symmetric-key-hacker.e7cb53db1707adfb.webp": {
+    "original_hash": "da84d1704f66fc3573b68394cd8d63ab",
+    "translation_date": "2026-01-16T09:15:38+00:00",
+    "source_file": "images/send-message-symmetric-key-hacker.png",
+    "language_code": "zh-HK"
+  },
+  "send-message-symmetric-key.a2e8ad0d495896ff.webp": {
+    "original_hash": "ea8f8a45fea06564fb75f7444db90d6d",
+    "translation_date": "2026-01-16T09:10:58+00:00",
+    "source_file": "images/send-message-symmetric-key.png",
+    "language_code": "zh-HK"
+  },
+  "sentence-as-intent-entities.301401696f992259.webp": {
+    "original_hash": "20bc069192582a5b8ba4a45d60362dd1",
+    "translation_date": "2026-01-16T09:21:33+00:00",
+    "source_file": "images/sentence-as-intent-entities.png",
+    "language_code": "zh-HK"
+  },
+  "serverless-scaling.f8c769adf0413fd1.webp": {
+    "original_hash": "bfa04832aefaa493dbb81bda0fe64bf8",
+    "translation_date": "2026-01-16T09:02:11+00:00",
+    "source_file": "images/serverless-scaling.png",
+    "language_code": "zh-HK"
+  },
+  "shapes-to-images.1a309f0ea88dd66f.webp": {
+    "original_hash": "4673701d4985ae9110e41a793f89d7a2",
+    "translation_date": "2026-01-16T09:24:54+00:00",
+    "source_file": "images/shapes-to-images.png",
+    "language_code": "zh-HK"
+  },
+  "smarter-thermostat.a75855f15d2d9e63.webp": {
+    "original_hash": "7e07ad6473af5b68b49b1fb8b18be243",
+    "translation_date": "2026-01-16T09:25:43+00:00",
+    "source_file": "images/smarter-thermostat.png",
+    "language_code": "zh-HK"
+  },
+  "soil-moisture-delay.865f3fae206db01d.webp": {
+    "original_hash": "2fbb54ffd35ea4b7bab4232986add7ff",
+    "translation_date": "2026-01-16T09:15:07+00:00",
+    "source_file": "images/soil-moisture-delay.png",
+    "language_code": "zh-HK"
+  },
+  "soil-moisture-sensor-in-soil.bfad91002bda5e96.webp": {
+    "original_hash": "2b3a8b0115e4a957fc188dcd60aecbae",
+    "translation_date": "2026-01-16T09:13:39+00:00",
+    "source_file": "images/soil-moisture-sensor-in-soil.png",
+    "language_code": "zh-HK"
+  },
+  "soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf.webp": {
+    "original_hash": "feedc1062e7650b1033eae28a4718f5c",
+    "translation_date": "2026-01-16T09:19:09+00:00",
+    "source_file": "images/soil-moisture-to-voltage-with-reading.png",
+    "language_code": "zh-HK"
+  },
+  "soil-moisture-to-voltage.df86d80cda158700.webp": {
+    "original_hash": "a8deda9a89889040b0802aacaf02c0db",
+    "translation_date": "2026-01-16T09:13:23+00:00",
+    "source_file": "images/soil-moisture-to-voltage.png",
+    "language_code": "zh-HK"
+  },
+  "soil-moisture-travel.a0e31af222cf1438.webp": {
+    "original_hash": "dacaf2385f73dadd43abdacd4812399d",
+    "translation_date": "2026-01-16T09:20:52+00:00",
+    "source_file": "images/soil-moisture-travel.png",
+    "language_code": "zh-HK"
+  },
+  "spi.297431d6f98b386b.webp": {
+    "original_hash": "69b6cd30118f966b9a2646d6ec34944f",
+    "translation_date": "2026-01-16T09:13:11+00:00",
+    "source_file": "images/spi.png",
+    "language_code": "zh-HK"
+  },
+  "sql-database.be160f12bfccefd3.webp": {
+    "original_hash": "eab9c93e1f46ee7f1520b61a9486c9c0",
+    "translation_date": "2026-01-16T09:25:26+00:00",
+    "source_file": "images/sql-database.png",
+    "language_code": "zh-HK"
+  },
+  "stock-7-cans-tomato-paste.f86059cc573d7bec.webp": {
+    "original_hash": "01dac6278467a7ebc669ccde8d957954",
+    "translation_date": "2026-01-16T09:02:00+00:00",
+    "source_file": "images/stock-7-cans-tomato-paste.png",
+    "language_code": "zh-HK"
+  },
+  "stock-rogue-corn.be1f3ada8c457854.webp": {
+    "original_hash": "76a508a11e7a91138b7a515e6c1cd93c",
+    "translation_date": "2026-01-16T09:16:30+00:00",
+    "source_file": "images/stock-rogue-corn.png",
+    "language_code": "zh-HK"
+  },
+  "strawberry-with-pump.b410fc72ac6aabad.webp": {
+    "original_hash": "af6fbb23fcab01f826392b6944dea49e",
+    "translation_date": "2026-01-16T09:13:48+00:00",
+    "source_file": "images/strawberry-with-pump.png",
+    "language_code": "zh-HK"
+  },
+  "telemetry.21e5d8b97649d2eb.webp": {
+    "original_hash": "65fa3e3b915dbebffbab7d72f200e4e7",
+    "translation_date": "2026-01-16T09:06:57+00:00",
+    "source_file": "images/telemetry.png",
+    "language_code": "zh-HK"
+  },
+  "temperature-as-digital.85004491b977bae1.webp": {
+    "original_hash": "cd1fed630adeb671a51171136afe0a11",
+    "translation_date": "2026-01-16T09:15:17+00:00",
+    "source_file": "images/temperature-as-digital.png",
+    "language_code": "zh-HK"
+  },
+  "time-of-flight-banana.079921ad8b1496e4.webp": {
+    "original_hash": "2617486ad1d365e9272698f6c8e80523",
+    "translation_date": "2026-01-16T09:17:58+00:00",
+    "source_file": "images/time-of-flight-banana.png",
+    "language_code": "zh-HK"
+  },
+  "traditional-vs-ml.5c20c169621fa539.webp": {
+    "original_hash": "7ba80f8ce61fc58a79619972640123b7",
+    "translation_date": "2026-01-16T09:11:50+00:00",
+    "source_file": "images/traditional-vs-ml.png",
+    "language_code": "zh-HK"
+  },
+  "translated-smart-timer.08ac20057fdc5c37.webp": {
+    "original_hash": "f0bc8a93e3e880f4362f14db64377b44",
+    "translation_date": "2026-01-16T09:11:08+00:00",
+    "source_file": "images/translated-smart-timer.png",
+    "language_code": "zh-HK"
+  },
+  "transpiration.b735aa34e4372e65.webp": {
+    "original_hash": "cdaa5c2392fbae09e27cecbd2163fead",
+    "translation_date": "2026-01-16T09:21:20+00:00",
+    "source_file": "images/transpiration.png",
+    "language_code": "zh-HK"
+  },
+  "tts-overview.193843cf3f5ee09f.webp": {
+    "original_hash": "60bcfe389948c72835cba3d41cc92643",
+    "translation_date": "2026-01-16T09:20:08+00:00",
+    "source_file": "images/tts-overview.png",
+    "language_code": "zh-HK"
+  },
+  "uart.d0dbd3fb9e3728c6.webp": {
+    "original_hash": "69f7d23a9049bf351ed17aaf49400cce",
+    "translation_date": "2026-01-16T09:17:57+00:00",
+    "source_file": "images/uart.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-azure-functions-init-notification.bd19b49229963edb.webp": {
+    "original_hash": "631bfd744e57eadbdf63c0bf59b5addf",
+    "translation_date": "2026-01-16T09:25:10+00:00",
+    "source_file": "images/vscode-azure-functions-init-notification.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-kill-terminal.1cc4de7c6f25ee08.webp": {
+    "original_hash": "b22d79cb8cfc5bfb5adea2ab797d1498",
+    "translation_date": "2026-01-16T09:15:24+00:00",
+    "source_file": "images/vscode-kill-terminal.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-new-file-button.182702340fe6723c.webp": {
+    "original_hash": "f53b77090608588ce1aea6e28ac7534b",
+    "translation_date": "2026-01-16T09:19:42+00:00",
+    "source_file": "images/vscode-new-file-button.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-new-terminal.77db8fc0f9cd3182.webp": {
+    "original_hash": "a692e413071b4224d251842fc4a95050",
+    "translation_date": "2026-01-16T09:10:24+00:00",
+    "source_file": "images/vscode-new-terminal.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-open-nightlight-remote.d3d2a4011e30d535.webp": {
+    "original_hash": "863d50888f94713346469b8afa0a56b3",
+    "translation_date": "2026-01-16T09:02:44+00:00",
+    "source_file": "images/vscode-open-nightlight-remote.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-platformio-build-command-palette.7708e7ec7d75d7ee.webp": {
+    "original_hash": "24236a76bf00a861dbf80d37b29265ce",
+    "translation_date": "2026-01-16T09:11:16+00:00",
+    "source_file": "images/vscode-platformio-build-command-palette.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-platformio-home-open.3f9a41bfd3f4da1c.webp": {
+    "original_hash": "68285f83d33fcd0a4b1e3141ef0afead",
+    "translation_date": "2026-01-16T09:06:10+00:00",
+    "source_file": "images/vscode-platformio-home-open.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-platformio-menu.297be26b9733e5c4.webp": {
+    "original_hash": "690ba1bf727223328bae1da7aef65b59",
+    "translation_date": "2026-01-16T09:12:10+00:00",
+    "source_file": "images/vscode-platformio-menu.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-platformio-nightlight-project-wizard.5c64db4da6037420.webp": {
+    "original_hash": "d55f8f702d005d082ea301248f7b70f9",
+    "translation_date": "2026-01-16T09:10:02+00:00",
+    "source_file": "images/vscode-platformio-nightlight-project-wizard.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14.webp": {
+    "original_hash": "02340f15877c75b8ca3f08222c32b679",
+    "translation_date": "2026-01-16T09:18:54+00:00",
+    "source_file": "images/vscode-platformio-serial-monitor-command-palette.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3.webp": {
+    "original_hash": "ad07a4dbd27f86bd480dcfbbc1a56a01",
+    "translation_date": "2026-01-16T09:14:36+00:00",
+    "source_file": "images/vscode-platformio-upload-command-palette.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc8.webp": {
+    "original_hash": "c3bd57b44fe7628cc688f4d4fd814416",
+    "translation_date": "2026-01-16T09:02:56+00:00",
+    "source_file": "images/vscode-platformio-welcome-new-button.png",
+    "language_code": "zh-HK"
+  },
+  "vscode-virtual-env.8ba42e04c3d533cf.webp": {
+    "original_hash": "f79cd090b385dfdfe774452b7d89eb84",
+    "translation_date": "2026-01-16T09:14:28+00:00",
+    "source_file": "images/vscode-virtual-env.png",
+    "language_code": "zh-HK"
+  },
+  "what-is-azure-video-thumbnail.20174db09e03bbb8.webp": {
+    "original_hash": "ca9324cf5205832042b050d641f904b3",
+    "translation_date": "2026-01-16T09:06:59+00:00",
+    "source_file": "images/what-is-azure-video-thumbnail.png",
+    "language_code": "zh-HK"
+  },
+  "wio-gps-sensor.19fd52b81ce58095.webp": {
+    "original_hash": "71ac9146b7ea28e48f6ee5b636cd1109",
+    "translation_date": "2026-01-16T09:13:56+00:00",
+    "source_file": "images/wio-gps-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "wio-hardware-kit.4c70c48b85e4283a.webp": {
+    "original_hash": "e428f5e0754412af1a8664ea7baff212",
+    "translation_date": "2026-01-16T09:18:07+00:00",
+    "source_file": "images/wio-hardware-kit.png",
+    "language_code": "zh-HK"
+  },
+  "wio-led.265a1897e72d7f21.webp": {
+    "original_hash": "047202c8d9ddd146add1c33301f91d0e",
+    "translation_date": "2026-01-16T09:25:45+00:00",
+    "source_file": "images/wio-led.png",
+    "language_code": "zh-HK"
+  },
+  "wio-light-sensor.b1f529f3c95f5165.webp": {
+    "original_hash": "7d3c253db81dc7f1b0fcd4554ae4bb1f",
+    "translation_date": "2026-01-16T09:14:55+00:00",
+    "source_file": "images/wio-light-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "wio-mic.3f8c843dbe8ad917.webp": {
+    "original_hash": "eb90afd4b3953d38218422601ae677b5",
+    "translation_date": "2026-01-16T09:10:26+00:00",
+    "source_file": "images/wio-mic.png",
+    "language_code": "zh-HK"
+  },
+  "wio-relay-and-soil-moisture-sensor.ed722202d42babe0.webp": {
+    "original_hash": "ca90c734c88176a89d703b243c280333",
+    "translation_date": "2026-01-16T09:02:15+00:00",
+    "source_file": "images/wio-relay-and-soil-moisture-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "wio-respeaker-hat.bd54917d446e6f6f.webp": {
+    "original_hash": "040868428b85d90d767351cbbc89a23d",
+    "translation_date": "2026-01-16T09:19:40+00:00",
+    "source_file": "images/wio-respeaker-hat.png",
+    "language_code": "zh-HK"
+  },
+  "wio-respeaker-wiring-0.767f80aa65081038.webp": {
+    "original_hash": "47daeac252937c129a4000dd216c04d8",
+    "translation_date": "2026-01-16T09:19:31+00:00",
+    "source_file": "images/wio-respeaker-wiring-0.png",
+    "language_code": "zh-HK"
+  },
+  "wio-respeaker-wiring-1.8d894727f2ba2400.webp": {
+    "original_hash": "192d03a7a2cd1eab078ef6afa28a39c9",
+    "translation_date": "2026-01-16T09:13:33+00:00",
+    "source_file": "images/wio-respeaker-wiring-1.png",
+    "language_code": "zh-HK"
+  },
+  "wio-respeaker-wiring-2.329e1cbd306e754f.webp": {
+    "original_hash": "76a795bfad251f217e7822f14ebd85e3",
+    "translation_date": "2026-01-16T09:17:11+00:00",
+    "source_file": "images/wio-respeaker-wiring-2.png",
+    "language_code": "zh-HK"
+  },
+  "wio-respeaker-wiring-3.75b0be447e2fa930.webp": {
+    "original_hash": "430c8ab68fc9ee2c6bedae1d41325002",
+    "translation_date": "2026-01-16T09:10:17+00:00",
+    "source_file": "images/wio-respeaker-wiring-3.png",
+    "language_code": "zh-HK"
+  },
+  "wio-respeaker-wiring-4.aa9cd434d8779437.webp": {
+    "original_hash": "c8febc847beb4a69180b745d5e718281",
+    "translation_date": "2026-01-16T09:01:46+00:00",
+    "source_file": "images/wio-respeaker-wiring-4.png",
+    "language_code": "zh-HK"
+  },
+  "wio-respeaker-wiring-5.af117c20acf622f3.webp": {
+    "original_hash": "1953600b09247d9302e7011dceed8f28",
+    "translation_date": "2026-01-16T09:13:59+00:00",
+    "source_file": "images/wio-respeaker-wiring-5.png",
+    "language_code": "zh-HK"
+  },
+  "wio-sd-card.acdcbe322fa4ee7f.webp": {
+    "original_hash": "88bd7dd4bc8b4c181e7b3743945a2edd",
+    "translation_date": "2026-01-16T09:06:12+00:00",
+    "source_file": "images/wio-sd-card.png",
+    "language_code": "zh-HK"
+  },
+  "wio-soil-moisture-sensor.46919b61c3f6cb74.webp": {
+    "original_hash": "19186ea8705744d6f7ef80dd49a31037",
+    "translation_date": "2026-01-16T09:12:17+00:00",
+    "source_file": "images/wio-soil-moisture-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "wio-temperature-sensor.2934928f38c7f79a.webp": {
+    "original_hash": "9e8e3bc7a39149547dcfcce2493e151e",
+    "translation_date": "2026-01-16T09:15:04+00:00",
+    "source_file": "images/wio-temperature-sensor.png",
+    "language_code": "zh-HK"
+  },
+  "wio-terminal-c-button.73df3cb1c1445ea0.webp": {
+    "original_hash": "7e8c595998491210a3ffd21ee338afe6",
+    "translation_date": "2026-01-16T09:15:03+00:00",
+    "source_file": "images/wio-terminal-c-button.png",
+    "language_code": "zh-HK"
+  },
+  "wio-terminal-pin-sticker.b90b1535937b84bd.webp": {
+    "original_hash": "beeae0399efc567f78b9771eb986710a",
+    "translation_date": "2026-01-16T09:10:45+00:00",
+    "source_file": "images/wio-terminal-pin-sticker.png",
+    "language_code": "zh-HK"
+  },
+  "wio-terminal.b8299ee16587db9a.webp": {
+    "original_hash": "e031f14d743539d41b871e8da6c516f7",
+    "translation_date": "2026-01-16T09:03:19+00:00",
+    "source_file": "images/wio-terminal.png",
+    "language_code": "zh-HK"
+  },
+  "wio-time-of-flight-sensor.c4c182131d2ea73d.webp": {
+    "original_hash": "fe6b9bb1afee16f03bab8f6ddc3512b3",
+    "translation_date": "2026-01-16T09:11:55+00:00",
+    "source_file": "images/wio-time-of-flight-sensor.png",
+    "language_code": "zh-HK"
+  }
+}
\ No newline at end of file
diff --git a/translated_images/zh-HK/IMG_5305.aa291c8812a9f1e5.webp b/translated_images/zh-HK/IMG_5305.aa291c8812a9f1e5.webp
new file mode 100644
index 000000000..8b4726d4f
Binary files /dev/null and b/translated_images/zh-HK/IMG_5305.aa291c8812a9f1e5.webp differ
diff --git a/translated_images/zh-HK/IMG_5306.d575b9ab7025877b.webp b/translated_images/zh-HK/IMG_5306.d575b9ab7025877b.webp
new file mode 100644
index 000000000..cae739de4
Binary files /dev/null and b/translated_images/zh-HK/IMG_5306.d575b9ab7025877b.webp differ
diff --git a/translated_images/zh-HK/IMG_5307.f9c9b8361a8aa734.webp b/translated_images/zh-HK/IMG_5307.f9c9b8361a8aa734.webp
new file mode 100644
index 000000000..ec6bd0a5a
Binary files /dev/null and b/translated_images/zh-HK/IMG_5307.f9c9b8361a8aa734.webp differ
diff --git a/translated_images/zh-HK/IMG_5308.cbd6ed7007e69060.webp b/translated_images/zh-HK/IMG_5308.cbd6ed7007e69060.webp
new file mode 100644
index 000000000..3cd82137e
Binary files /dev/null and b/translated_images/zh-HK/IMG_5308.cbd6ed7007e69060.webp differ
diff --git a/translated_images/zh-HK/IMG_5309.23fbc3b6667bfb64.webp b/translated_images/zh-HK/IMG_5309.23fbc3b6667bfb64.webp
new file mode 100644
index 000000000..829cebe03
Binary files /dev/null and b/translated_images/zh-HK/IMG_5309.23fbc3b6667bfb64.webp differ
diff --git a/translated_images/zh-HK/IMG_5310.0ee0eb2fbc1c2d0e.webp b/translated_images/zh-HK/IMG_5310.0ee0eb2fbc1c2d0e.webp
new file mode 100644
index 000000000..0f893c4d1
Binary files /dev/null and b/translated_images/zh-HK/IMG_5310.0ee0eb2fbc1c2d0e.webp differ
diff --git a/translated_images/zh-HK/IMG_5311.8c90da6446c2d8c2.webp b/translated_images/zh-HK/IMG_5311.8c90da6446c2d8c2.webp
new file mode 100644
index 000000000..180743b3c
Binary files /dev/null and b/translated_images/zh-HK/IMG_5311.8c90da6446c2d8c2.webp differ
diff --git a/translated_images/zh-HK/IMG_5312.a45550ddd8ce8e65.webp b/translated_images/zh-HK/IMG_5312.a45550ddd8ce8e65.webp
new file mode 100644
index 000000000..05f50f386
Binary files /dev/null and b/translated_images/zh-HK/IMG_5312.a45550ddd8ce8e65.webp differ
diff --git a/translated_images/zh-HK/IMG_5313.ed1b45211271dbd2.webp b/translated_images/zh-HK/IMG_5313.ed1b45211271dbd2.webp
new file mode 100644
index 000000000..6f736fec5
Binary files /dev/null and b/translated_images/zh-HK/IMG_5313.ed1b45211271dbd2.webp differ
diff --git a/translated_images/zh-HK/IMG_5314.c2203206a05a74b5.webp b/translated_images/zh-HK/IMG_5314.c2203206a05a74b5.webp
new file mode 100644
index 000000000..a080861ff
Binary files /dev/null and b/translated_images/zh-HK/IMG_5314.c2203206a05a74b5.webp differ
diff --git a/translated_images/zh-HK/IMG_5315.f698228e0e031bd4.webp b/translated_images/zh-HK/IMG_5315.f698228e0e031bd4.webp
new file mode 100644
index 000000000..a2958dbfd
Binary files /dev/null and b/translated_images/zh-HK/IMG_5315.f698228e0e031bd4.webp differ
diff --git a/translated_images/zh-HK/IMG_5316.29dc70d802ce8349.webp b/translated_images/zh-HK/IMG_5316.29dc70d802ce8349.webp
new file mode 100644
index 000000000..b6875428e
Binary files /dev/null and b/translated_images/zh-HK/IMG_5316.29dc70d802ce8349.webp differ
diff --git a/translated_images/zh-HK/IMG_5317.ed81e4c1ca5046dc.webp b/translated_images/zh-HK/IMG_5317.ed81e4c1ca5046dc.webp
new file mode 100644
index 000000000..66a917596
Binary files /dev/null and b/translated_images/zh-HK/IMG_5317.ed81e4c1ca5046dc.webp differ
diff --git a/translated_images/zh-HK/IMG_5318.15dfffeb7f47abf7.webp b/translated_images/zh-HK/IMG_5318.15dfffeb7f47abf7.webp
new file mode 100644
index 000000000..72b158586
Binary files /dev/null and b/translated_images/zh-HK/IMG_5318.15dfffeb7f47abf7.webp differ
diff --git a/translated_images/zh-HK/IMG_5319.b549b1fff0dcf143.webp b/translated_images/zh-HK/IMG_5319.b549b1fff0dcf143.webp
new file mode 100644
index 000000000..b1ea39b31
Binary files /dev/null and b/translated_images/zh-HK/IMG_5319.b549b1fff0dcf143.webp differ
diff --git a/translated_images/zh-HK/IMG_5320.8268d3f61972f348.webp b/translated_images/zh-HK/IMG_5320.8268d3f61972f348.webp
new file mode 100644
index 000000000..fbc4feaa9
Binary files /dev/null and b/translated_images/zh-HK/IMG_5320.8268d3f61972f348.webp differ
diff --git a/translated_images/zh-HK/IMG_5321.b207cf143a59458d.webp b/translated_images/zh-HK/IMG_5321.b207cf143a59458d.webp
new file mode 100644
index 000000000..eb2815d51
Binary files /dev/null and b/translated_images/zh-HK/IMG_5321.b207cf143a59458d.webp differ
diff --git a/translated_images/zh-HK/IMG_5322.974809b9461a9e20.webp b/translated_images/zh-HK/IMG_5322.974809b9461a9e20.webp
new file mode 100644
index 000000000..187adfd43
Binary files /dev/null and b/translated_images/zh-HK/IMG_5322.974809b9461a9e20.webp differ
diff --git a/translated_images/zh-HK/IMG_5323.4939fa17958f291b.webp b/translated_images/zh-HK/IMG_5323.4939fa17958f291b.webp
new file mode 100644
index 000000000..6aab64b09
Binary files /dev/null and b/translated_images/zh-HK/IMG_5323.4939fa17958f291b.webp differ
diff --git a/translated_images/zh-HK/IMG_5324.0afbc6f0caceb1a3.webp b/translated_images/zh-HK/IMG_5324.0afbc6f0caceb1a3.webp
new file mode 100644
index 000000000..601dc8926
Binary files /dev/null and b/translated_images/zh-HK/IMG_5324.0afbc6f0caceb1a3.webp differ
diff --git a/translated_images/zh-HK/IMG_5325.9e9d9e9b85a10b06.webp b/translated_images/zh-HK/IMG_5325.9e9d9e9b85a10b06.webp
new file mode 100644
index 000000000..9a8b7a12e
Binary files /dev/null and b/translated_images/zh-HK/IMG_5325.9e9d9e9b85a10b06.webp differ
diff --git a/translated_images/zh-HK/IMG_5326.35bbc9e054c704d0.webp b/translated_images/zh-HK/IMG_5326.35bbc9e054c704d0.webp
new file mode 100644
index 000000000..3227df7e7
Binary files /dev/null and b/translated_images/zh-HK/IMG_5326.35bbc9e054c704d0.webp differ
diff --git a/translated_images/zh-HK/IMG_5327.804b63a605b5a77a.webp b/translated_images/zh-HK/IMG_5327.804b63a605b5a77a.webp
new file mode 100644
index 000000000..a80ae41ca
Binary files /dev/null and b/translated_images/zh-HK/IMG_5327.804b63a605b5a77a.webp differ
diff --git a/translated_images/zh-HK/IMG_5328.925a9da23d96759f.webp b/translated_images/zh-HK/IMG_5328.925a9da23d96759f.webp
new file mode 100644
index 000000000..8d40b87b5
Binary files /dev/null and b/translated_images/zh-HK/IMG_5328.925a9da23d96759f.webp differ
diff --git a/translated_images/zh-HK/IMG_5329.27da5fcbc3336773.webp b/translated_images/zh-HK/IMG_5329.27da5fcbc3336773.webp
new file mode 100644
index 000000000..82530a434
Binary files /dev/null and b/translated_images/zh-HK/IMG_5329.27da5fcbc3336773.webp differ
diff --git a/translated_images/zh-HK/IMG_5330.3db3d5ea01c8cca2.webp b/translated_images/zh-HK/IMG_5330.3db3d5ea01c8cca2.webp
new file mode 100644
index 000000000..13468426b
Binary files /dev/null and b/translated_images/zh-HK/IMG_5330.3db3d5ea01c8cca2.webp differ
diff --git a/translated_images/zh-HK/IMG_5331.181987d3d094472f.webp b/translated_images/zh-HK/IMG_5331.181987d3d094472f.webp
new file mode 100644
index 000000000..0428805ae
Binary files /dev/null and b/translated_images/zh-HK/IMG_5331.181987d3d094472f.webp differ
diff --git a/translated_images/zh-HK/IMG_5332.4beed56eaa5158e3.webp b/translated_images/zh-HK/IMG_5332.4beed56eaa5158e3.webp
new file mode 100644
index 000000000..03dfb9e95
Binary files /dev/null and b/translated_images/zh-HK/IMG_5332.4beed56eaa5158e3.webp differ
diff --git a/translated_images/zh-HK/IMG_5333.53c3364c2ee0e7bb.webp b/translated_images/zh-HK/IMG_5333.53c3364c2ee0e7bb.webp
new file mode 100644
index 000000000..ef6eef844
Binary files /dev/null and b/translated_images/zh-HK/IMG_5333.53c3364c2ee0e7bb.webp differ
diff --git a/translated_images/zh-HK/IMG_5334.979472e433948c10.webp b/translated_images/zh-HK/IMG_5334.979472e433948c10.webp
new file mode 100644
index 000000000..9b207811c
Binary files /dev/null and b/translated_images/zh-HK/IMG_5334.979472e433948c10.webp differ
diff --git a/translated_images/zh-HK/IMG_5335.9f5bfba69a8d5a90.webp b/translated_images/zh-HK/IMG_5335.9f5bfba69a8d5a90.webp
new file mode 100644
index 000000000..15843ee26
Binary files /dev/null and b/translated_images/zh-HK/IMG_5335.9f5bfba69a8d5a90.webp differ
diff --git a/translated_images/zh-HK/IMG_5336.1b46586fdec95767.webp b/translated_images/zh-HK/IMG_5336.1b46586fdec95767.webp
new file mode 100644
index 000000000..6e57dfe7f
Binary files /dev/null and b/translated_images/zh-HK/IMG_5336.1b46586fdec95767.webp differ
diff --git a/translated_images/zh-HK/IMG_5337.91c82be4d37029b0.webp b/translated_images/zh-HK/IMG_5337.91c82be4d37029b0.webp
new file mode 100644
index 000000000..85809b7d1
Binary files /dev/null and b/translated_images/zh-HK/IMG_5337.91c82be4d37029b0.webp differ
diff --git a/translated_images/zh-HK/IMG_5338.9ab356541448923b.webp b/translated_images/zh-HK/IMG_5338.9ab356541448923b.webp
new file mode 100644
index 000000000..1a38d1320
Binary files /dev/null and b/translated_images/zh-HK/IMG_5338.9ab356541448923b.webp differ
diff --git a/translated_images/zh-HK/IMG_5340.8440651b3ce1dd35.webp b/translated_images/zh-HK/IMG_5340.8440651b3ce1dd35.webp
new file mode 100644
index 000000000..022dd7753
Binary files /dev/null and b/translated_images/zh-HK/IMG_5340.8440651b3ce1dd35.webp differ
diff --git a/translated_images/zh-HK/IMG_5341.a1aa041c42dbc534.webp b/translated_images/zh-HK/IMG_5341.a1aa041c42dbc534.webp
new file mode 100644
index 000000000..c35945a90
Binary files /dev/null and b/translated_images/zh-HK/IMG_5341.a1aa041c42dbc534.webp differ
diff --git a/translated_images/zh-HK/IMG_5342.9f3b93d9fab90d3b.webp b/translated_images/zh-HK/IMG_5342.9f3b93d9fab90d3b.webp
new file mode 100644
index 000000000..ea4a49d63
Binary files /dev/null and b/translated_images/zh-HK/IMG_5342.9f3b93d9fab90d3b.webp differ
diff --git a/translated_images/zh-HK/IMG_5343.fa30105d3c10cad2.webp b/translated_images/zh-HK/IMG_5343.fa30105d3c10cad2.webp
new file mode 100644
index 000000000..bf810c4be
Binary files /dev/null and b/translated_images/zh-HK/IMG_5343.fa30105d3c10cad2.webp differ
diff --git a/translated_images/zh-HK/IMG_5344.acfcd61ee5281321.webp b/translated_images/zh-HK/IMG_5344.acfcd61ee5281321.webp
new file mode 100644
index 000000000..46749f95c
Binary files /dev/null and b/translated_images/zh-HK/IMG_5344.acfcd61ee5281321.webp differ
diff --git a/translated_images/zh-HK/IMG_5345.3d305ee2bb4ee804.webp b/translated_images/zh-HK/IMG_5345.3d305ee2bb4ee804.webp
new file mode 100644
index 000000000..40049d560
Binary files /dev/null and b/translated_images/zh-HK/IMG_5345.3d305ee2bb4ee804.webp differ
diff --git a/translated_images/zh-HK/IMG_5346.281dcc267f69c70b.webp b/translated_images/zh-HK/IMG_5346.281dcc267f69c70b.webp
new file mode 100644
index 000000000..bd623a979
Binary files /dev/null and b/translated_images/zh-HK/IMG_5346.281dcc267f69c70b.webp differ
diff --git a/translated_images/zh-HK/IMG_5347.48a4a981e76910ae.webp b/translated_images/zh-HK/IMG_5347.48a4a981e76910ae.webp
new file mode 100644
index 000000000..ec07602fe
Binary files /dev/null and b/translated_images/zh-HK/IMG_5347.48a4a981e76910ae.webp differ
diff --git a/translated_images/zh-HK/IMG_5348.3961d3b444537c13.webp b/translated_images/zh-HK/IMG_5348.3961d3b444537c13.webp
new file mode 100644
index 000000000..07d7b1b58
Binary files /dev/null and b/translated_images/zh-HK/IMG_5348.3961d3b444537c13.webp differ
diff --git a/translated_images/zh-HK/IMG_5349.1f0ec7fbf8807b3b.webp b/translated_images/zh-HK/IMG_5349.1f0ec7fbf8807b3b.webp
new file mode 100644
index 000000000..cf7b3d078
Binary files /dev/null and b/translated_images/zh-HK/IMG_5349.1f0ec7fbf8807b3b.webp differ
diff --git a/translated_images/zh-HK/Roadmap.bb1dec285dda0eda.webp b/translated_images/zh-HK/Roadmap.bb1dec285dda0eda.webp
new file mode 100644
index 000000000..c5eefcc61
Binary files /dev/null and b/translated_images/zh-HK/Roadmap.bb1dec285dda0eda.webp differ
diff --git a/translated_images/zh-HK/amqp.804bd4fce8330157.webp b/translated_images/zh-HK/amqp.804bd4fce8330157.webp
new file mode 100644
index 000000000..2fbad4526
Binary files /dev/null and b/translated_images/zh-HK/amqp.804bd4fce8330157.webp differ
diff --git a/translated_images/zh-HK/analog-sensor-voltage.3b6f315392247399.webp b/translated_images/zh-HK/analog-sensor-voltage.3b6f315392247399.webp
new file mode 100644
index 000000000..a5ea61864
Binary files /dev/null and b/translated_images/zh-HK/analog-sensor-voltage.3b6f315392247399.webp differ
diff --git a/translated_images/zh-HK/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp b/translated_images/zh-HK/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp
new file mode 100644
index 000000000..c0edc40e7
Binary files /dev/null and b/translated_images/zh-HK/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp differ
diff --git a/translated_images/zh-HK/arducam.20e4e4cbb2682965.webp b/translated_images/zh-HK/arducam.20e4e4cbb2682965.webp
new file mode 100644
index 000000000..5a361fb45
Binary files /dev/null and b/translated_images/zh-HK/arducam.20e4e4cbb2682965.webp differ
diff --git a/translated_images/zh-HK/arduino-sketch.79590cb837ff7a7c.webp b/translated_images/zh-HK/arduino-sketch.79590cb837ff7a7c.webp
new file mode 100644
index 000000000..4a3c4114e
Binary files /dev/null and b/translated_images/zh-HK/arduino-sketch.79590cb837ff7a7c.webp differ
diff --git a/translated_images/zh-HK/assignment-1-flow.7552a51acb1a5ec8.webp b/translated_images/zh-HK/assignment-1-flow.7552a51acb1a5ec8.webp
new file mode 100644
index 000000000..9b7b54974
Binary files /dev/null and b/translated_images/zh-HK/assignment-1-flow.7552a51acb1a5ec8.webp differ
diff --git a/translated_images/zh-HK/assignment-1-internet-flow.3256feab5f052fd2.webp b/translated_images/zh-HK/assignment-1-internet-flow.3256feab5f052fd2.webp
new file mode 100644
index 000000000..3c4010181
Binary files /dev/null and b/translated_images/zh-HK/assignment-1-internet-flow.3256feab5f052fd2.webp differ
diff --git a/translated_images/zh-HK/azure-container-registry-logo.09494206991d4b29.webp b/translated_images/zh-HK/azure-container-registry-logo.09494206991d4b29.webp
new file mode 100644
index 000000000..1d3e5c014
Binary files /dev/null and b/translated_images/zh-HK/azure-container-registry-logo.09494206991d4b29.webp differ
diff --git a/translated_images/zh-HK/azure-functions-logo.1cfc8e3204c9c44a.webp b/translated_images/zh-HK/azure-functions-logo.1cfc8e3204c9c44a.webp
new file mode 100644
index 000000000..1ce27bf99
Binary files /dev/null and b/translated_images/zh-HK/azure-functions-logo.1cfc8e3204c9c44a.webp differ
diff --git a/translated_images/zh-HK/azure-iot-edge-logo.c1c076749b5cba2e.webp b/translated_images/zh-HK/azure-iot-edge-logo.c1c076749b5cba2e.webp
new file mode 100644
index 000000000..771d5e6f8
Binary files /dev/null and b/translated_images/zh-HK/azure-iot-edge-logo.c1c076749b5cba2e.webp differ
diff --git a/translated_images/zh-HK/azure-iot-hub-logo.28a19de76d0a1932.webp b/translated_images/zh-HK/azure-iot-hub-logo.28a19de76d0a1932.webp
new file mode 100644
index 000000000..91843530b
Binary files /dev/null and b/translated_images/zh-HK/azure-iot-hub-logo.28a19de76d0a1932.webp differ
diff --git a/translated_images/zh-HK/azure-maps-logo.35d01dcfbd81fe61.webp b/translated_images/zh-HK/azure-maps-logo.35d01dcfbd81fe61.webp
new file mode 100644
index 000000000..9a9853be7
Binary files /dev/null and b/translated_images/zh-HK/azure-maps-logo.35d01dcfbd81fe61.webp differ
diff --git a/translated_images/zh-HK/azure-region-existing.73f704604f2aa6cb.webp b/translated_images/zh-HK/azure-region-existing.73f704604f2aa6cb.webp
new file mode 100644
index 000000000..70da057ed
Binary files /dev/null and b/translated_images/zh-HK/azure-region-existing.73f704604f2aa6cb.webp differ
diff --git a/translated_images/zh-HK/azure-region-planned-expansion.a5074a1e8af74f15.webp b/translated_images/zh-HK/azure-region-planned-expansion.a5074a1e8af74f15.webp
new file mode 100644
index 000000000..e0ee60053
Binary files /dev/null and b/translated_images/zh-HK/azure-region-planned-expansion.a5074a1e8af74f15.webp differ
diff --git a/translated_images/zh-HK/azure-speech-logo.a1f08c4befb0159f.webp b/translated_images/zh-HK/azure-speech-logo.a1f08c4befb0159f.webp
new file mode 100644
index 000000000..61c7dfd95
Binary files /dev/null and b/translated_images/zh-HK/azure-speech-logo.a1f08c4befb0159f.webp differ
diff --git a/translated_images/zh-HK/azure-storage-logo.605c0f602c640d48.webp b/translated_images/zh-HK/azure-storage-logo.605c0f602c640d48.webp
new file mode 100644
index 000000000..49832fd21
Binary files /dev/null and b/translated_images/zh-HK/azure-storage-logo.605c0f602c640d48.webp differ
diff --git a/translated_images/zh-HK/azure-translator-logo.c6ed3a4a433edfd2.webp b/translated_images/zh-HK/azure-translator-logo.c6ed3a4a433edfd2.webp
new file mode 100644
index 000000000..065b3e087
Binary files /dev/null and b/translated_images/zh-HK/azure-translator-logo.c6ed3a4a433edfd2.webp differ
diff --git a/translated_images/zh-HK/banana-arducam.be1b32d4267a8194.webp b/translated_images/zh-HK/banana-arducam.be1b32d4267a8194.webp
new file mode 100644
index 000000000..e0e788e08
Binary files /dev/null and b/translated_images/zh-HK/banana-arducam.be1b32d4267a8194.webp differ
diff --git a/translated_images/zh-HK/banana-picture-compare.174df164dc326a42.webp b/translated_images/zh-HK/banana-picture-compare.174df164dc326a42.webp
new file mode 100644
index 000000000..85618ec5d
Binary files /dev/null and b/translated_images/zh-HK/banana-picture-compare.174df164dc326a42.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-1.6ed72365ffc92300.webp b/translated_images/zh-HK/banana-ripe-1.6ed72365ffc92300.webp
new file mode 100644
index 000000000..c0714bbc3
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-1.6ed72365ffc92300.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-1.780e9be3a60d8879.webp b/translated_images/zh-HK/banana-ripe-1.780e9be3a60d8879.webp
new file mode 100644
index 000000000..8075dc4ab
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-1.780e9be3a60d8879.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-10.c3d98eb280e7464f.webp b/translated_images/zh-HK/banana-ripe-10.c3d98eb280e7464f.webp
new file mode 100644
index 000000000..6d828b371
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-10.c3d98eb280e7464f.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-11.3d932f292b95b9a2.webp b/translated_images/zh-HK/banana-ripe-11.3d932f292b95b9a2.webp
new file mode 100644
index 000000000..7dfafb15a
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-11.3d932f292b95b9a2.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-12.9f87e663b9da6c85.webp b/translated_images/zh-HK/banana-ripe-12.9f87e663b9da6c85.webp
new file mode 100644
index 000000000..f0e9b2d77
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-12.9f87e663b9da6c85.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-13.b7402e05160f4543.webp b/translated_images/zh-HK/banana-ripe-13.b7402e05160f4543.webp
new file mode 100644
index 000000000..3d0ed4bb1
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-13.b7402e05160f4543.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-14.85cf309aa702cfa8.webp b/translated_images/zh-HK/banana-ripe-14.85cf309aa702cfa8.webp
new file mode 100644
index 000000000..bdb2f1b6a
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-14.85cf309aa702cfa8.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-15.933412eb14a3f8e4.webp b/translated_images/zh-HK/banana-ripe-15.933412eb14a3f8e4.webp
new file mode 100644
index 000000000..4ecc1c8d5
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-15.933412eb14a3f8e4.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-16.781a68a01401f89e.webp b/translated_images/zh-HK/banana-ripe-16.781a68a01401f89e.webp
new file mode 100644
index 000000000..b77a66a97
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-16.781a68a01401f89e.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-17.f8e2853a40d3ac45.webp b/translated_images/zh-HK/banana-ripe-17.f8e2853a40d3ac45.webp
new file mode 100644
index 000000000..9ffb20deb
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-17.f8e2853a40d3ac45.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-18.3d05f5f78ecf6f0d.webp b/translated_images/zh-HK/banana-ripe-18.3d05f5f78ecf6f0d.webp
new file mode 100644
index 000000000..733a99b5a
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-18.3d05f5f78ecf6f0d.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-19.ac3b0fc6cf6fdfd5.webp b/translated_images/zh-HK/banana-ripe-19.ac3b0fc6cf6fdfd5.webp
new file mode 100644
index 000000000..aa4e5e453
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-19.ac3b0fc6cf6fdfd5.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-2.8ab96da692df69f1.webp b/translated_images/zh-HK/banana-ripe-2.8ab96da692df69f1.webp
new file mode 100644
index 000000000..debf28d24
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-2.8ab96da692df69f1.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-2.96ddc53114c5f020.webp b/translated_images/zh-HK/banana-ripe-2.96ddc53114c5f020.webp
new file mode 100644
index 000000000..5262b2b85
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-2.96ddc53114c5f020.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-20.a4d0ad33a7e6f037.webp b/translated_images/zh-HK/banana-ripe-20.a4d0ad33a7e6f037.webp
new file mode 100644
index 000000000..9f6572948
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-20.a4d0ad33a7e6f037.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-21.07e03d64f265d55d.webp b/translated_images/zh-HK/banana-ripe-21.07e03d64f265d55d.webp
new file mode 100644
index 000000000..958809792
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-21.07e03d64f265d55d.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-22.a63c05aeb7f866fc.webp b/translated_images/zh-HK/banana-ripe-22.a63c05aeb7f866fc.webp
new file mode 100644
index 000000000..07de2a760
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-22.a63c05aeb7f866fc.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-23.6f3364afcab19e57.webp b/translated_images/zh-HK/banana-ripe-23.6f3364afcab19e57.webp
new file mode 100644
index 000000000..e1656d2f0
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-23.6f3364afcab19e57.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-24.ff2c02cc80a9c430.webp b/translated_images/zh-HK/banana-ripe-24.ff2c02cc80a9c430.webp
new file mode 100644
index 000000000..fda478f0f
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-24.ff2c02cc80a9c430.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-25.65ce63418cdc4de2.webp b/translated_images/zh-HK/banana-ripe-25.65ce63418cdc4de2.webp
new file mode 100644
index 000000000..50a1e1b38
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-25.65ce63418cdc4de2.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-3.4fae05a0a1d2b5f0.webp b/translated_images/zh-HK/banana-ripe-3.4fae05a0a1d2b5f0.webp
new file mode 100644
index 000000000..9baa7684d
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-3.4fae05a0a1d2b5f0.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-5.c762086879ccec4c.webp b/translated_images/zh-HK/banana-ripe-5.c762086879ccec4c.webp
new file mode 100644
index 000000000..9e996d31d
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-5.c762086879ccec4c.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-6.5131bcbf492980cb.webp b/translated_images/zh-HK/banana-ripe-6.5131bcbf492980cb.webp
new file mode 100644
index 000000000..5c8d85b0c
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-6.5131bcbf492980cb.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-7.5fc18dfe7b7ae9dc.webp b/translated_images/zh-HK/banana-ripe-7.5fc18dfe7b7ae9dc.webp
new file mode 100644
index 000000000..a90c4fe6c
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-7.5fc18dfe7b7ae9dc.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-8.dba1d33bd34d4830.webp b/translated_images/zh-HK/banana-ripe-8.dba1d33bd34d4830.webp
new file mode 100644
index 000000000..48f5aab3d
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-8.dba1d33bd34d4830.webp differ
diff --git a/translated_images/zh-HK/banana-ripe-9.32f91462c8b0e2d3.webp b/translated_images/zh-HK/banana-ripe-9.32f91462c8b0e2d3.webp
new file mode 100644
index 000000000..5e86630cd
Binary files /dev/null and b/translated_images/zh-HK/banana-ripe-9.32f91462c8b0e2d3.webp differ
diff --git a/translated_images/zh-HK/banana-training-images.530eb203346d73bc.webp b/translated_images/zh-HK/banana-training-images.530eb203346d73bc.webp
new file mode 100644
index 000000000..5e012ab99
Binary files /dev/null and b/translated_images/zh-HK/banana-training-images.530eb203346d73bc.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-1.910c8606a300fa20.webp b/translated_images/zh-HK/banana-unripe-1.910c8606a300fa20.webp
new file mode 100644
index 000000000..e045a73db
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-1.910c8606a300fa20.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-1.b2c7051d9c8a4e61.webp b/translated_images/zh-HK/banana-unripe-1.b2c7051d9c8a4e61.webp
new file mode 100644
index 000000000..5e88485a0
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-1.b2c7051d9c8a4e61.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-10.38dab0db918a2487.webp b/translated_images/zh-HK/banana-unripe-10.38dab0db918a2487.webp
new file mode 100644
index 000000000..d863e575b
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-10.38dab0db918a2487.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-11.ec8d0eefe63e10b9.webp b/translated_images/zh-HK/banana-unripe-11.ec8d0eefe63e10b9.webp
new file mode 100644
index 000000000..d77f907da
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-11.ec8d0eefe63e10b9.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-12.b95a088ccae935db.webp b/translated_images/zh-HK/banana-unripe-12.b95a088ccae935db.webp
new file mode 100644
index 000000000..39fe8050a
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-12.b95a088ccae935db.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-13.37e5a7cac5aa0920.webp b/translated_images/zh-HK/banana-unripe-13.37e5a7cac5aa0920.webp
new file mode 100644
index 000000000..4991d4f65
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-13.37e5a7cac5aa0920.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-14.d19ddd6bbf63a259.webp b/translated_images/zh-HK/banana-unripe-14.d19ddd6bbf63a259.webp
new file mode 100644
index 000000000..eff19a63b
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-14.d19ddd6bbf63a259.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-15.274e48544326077a.webp b/translated_images/zh-HK/banana-unripe-15.274e48544326077a.webp
new file mode 100644
index 000000000..e16197d1f
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-15.274e48544326077a.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-16.bd058f64bd7ec014.webp b/translated_images/zh-HK/banana-unripe-16.bd058f64bd7ec014.webp
new file mode 100644
index 000000000..4abdad3e5
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-16.bd058f64bd7ec014.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-17.408382d679bfa079.webp b/translated_images/zh-HK/banana-unripe-17.408382d679bfa079.webp
new file mode 100644
index 000000000..81be6d428
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-17.408382d679bfa079.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-18.39c0eb79d7b3b9ba.webp b/translated_images/zh-HK/banana-unripe-18.39c0eb79d7b3b9ba.webp
new file mode 100644
index 000000000..a012cd4eb
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-18.39c0eb79d7b3b9ba.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-19.e61e6d7efaf2d8c8.webp b/translated_images/zh-HK/banana-unripe-19.e61e6d7efaf2d8c8.webp
new file mode 100644
index 000000000..da22c29fe
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-19.e61e6d7efaf2d8c8.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-2.43a73b544521afc7.webp b/translated_images/zh-HK/banana-unripe-2.43a73b544521afc7.webp
new file mode 100644
index 000000000..10a0ab56d
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-2.43a73b544521afc7.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-2.9591d1a6aa27deeb.webp b/translated_images/zh-HK/banana-unripe-2.9591d1a6aa27deeb.webp
new file mode 100644
index 000000000..049459245
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-2.9591d1a6aa27deeb.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-20.85b7a74eaab5634e.webp b/translated_images/zh-HK/banana-unripe-20.85b7a74eaab5634e.webp
new file mode 100644
index 000000000..80c5effcb
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-20.85b7a74eaab5634e.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-21.ccc1333439b344bc.webp b/translated_images/zh-HK/banana-unripe-21.ccc1333439b344bc.webp
new file mode 100644
index 000000000..a99702656
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-21.ccc1333439b344bc.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-22.27dff4b438163080.webp b/translated_images/zh-HK/banana-unripe-22.27dff4b438163080.webp
new file mode 100644
index 000000000..87a3ab30c
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-22.27dff4b438163080.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-23.c4c9067f23370e90.webp b/translated_images/zh-HK/banana-unripe-23.c4c9067f23370e90.webp
new file mode 100644
index 000000000..8c554da6d
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-23.c4c9067f23370e90.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-24.6f0b781c309da62f.webp b/translated_images/zh-HK/banana-unripe-24.6f0b781c309da62f.webp
new file mode 100644
index 000000000..7998990dc
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-24.6f0b781c309da62f.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-25.21d553d84880ac4f.webp b/translated_images/zh-HK/banana-unripe-25.21d553d84880ac4f.webp
new file mode 100644
index 000000000..be2233b77
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-25.21d553d84880ac4f.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-26.823c48b61feb1d5c.webp b/translated_images/zh-HK/banana-unripe-26.823c48b61feb1d5c.webp
new file mode 100644
index 000000000..ab902dbf6
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-26.823c48b61feb1d5c.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-27.f98fd272deeb02d9.webp b/translated_images/zh-HK/banana-unripe-27.f98fd272deeb02d9.webp
new file mode 100644
index 000000000..ec3f75024
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-27.f98fd272deeb02d9.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-28.5331ba409ce41c07.webp b/translated_images/zh-HK/banana-unripe-28.5331ba409ce41c07.webp
new file mode 100644
index 000000000..addfa4127
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-28.5331ba409ce41c07.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-29.84e126f389bf627e.webp b/translated_images/zh-HK/banana-unripe-29.84e126f389bf627e.webp
new file mode 100644
index 000000000..0a17c8f7b
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-29.84e126f389bf627e.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-3.896df8fb2c3b8f51.webp b/translated_images/zh-HK/banana-unripe-3.896df8fb2c3b8f51.webp
new file mode 100644
index 000000000..b9c30fe66
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-3.896df8fb2c3b8f51.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-4.483e740d6fd7b5a6.webp b/translated_images/zh-HK/banana-unripe-4.483e740d6fd7b5a6.webp
new file mode 100644
index 000000000..eefb7b624
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-4.483e740d6fd7b5a6.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-5.e9923cf1ffcfc1c9.webp b/translated_images/zh-HK/banana-unripe-5.e9923cf1ffcfc1c9.webp
new file mode 100644
index 000000000..acfe59606
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-5.e9923cf1ffcfc1c9.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-6.e3a73307558caecc.webp b/translated_images/zh-HK/banana-unripe-6.e3a73307558caecc.webp
new file mode 100644
index 000000000..72ae0174f
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-6.e3a73307558caecc.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-7.634ca89acc17d68f.webp b/translated_images/zh-HK/banana-unripe-7.634ca89acc17d68f.webp
new file mode 100644
index 000000000..283cae548
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-7.634ca89acc17d68f.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-8.75720b4cdebac8c3.webp b/translated_images/zh-HK/banana-unripe-8.75720b4cdebac8c3.webp
new file mode 100644
index 000000000..f09e18518
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-8.75720b4cdebac8c3.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-9.e8076983351d2f54.webp b/translated_images/zh-HK/banana-unripe-9.e8076983351d2f54.webp
new file mode 100644
index 000000000..c7f53d90f
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-9.e8076983351d2f54.webp differ
diff --git a/translated_images/zh-HK/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp b/translated_images/zh-HK/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp
new file mode 100644
index 000000000..feb843f96
Binary files /dev/null and b/translated_images/zh-HK/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp differ
diff --git a/translated_images/zh-HK/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp b/translated_images/zh-HK/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp
new file mode 100644
index 000000000..b289110aa
Binary files /dev/null and b/translated_images/zh-HK/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp differ
diff --git a/translated_images/zh-HK/basic-thermostat.a923217fd1f37e5a.webp b/translated_images/zh-HK/basic-thermostat.a923217fd1f37e5a.webp
new file mode 100644
index 000000000..b112cc52e
Binary files /dev/null and b/translated_images/zh-HK/basic-thermostat.a923217fd1f37e5a.webp differ
diff --git a/translated_images/zh-HK/bing-translate.348aa796d6efe2a9.webp b/translated_images/zh-HK/bing-translate.348aa796d6efe2a9.webp
new file mode 100644
index 000000000..6c324ca84
Binary files /dev/null and b/translated_images/zh-HK/bing-translate.348aa796d6efe2a9.webp differ
diff --git a/translated_images/zh-HK/bounding-box.1420a7ea0d3d15f7.webp b/translated_images/zh-HK/bounding-box.1420a7ea0d3d15f7.webp
new file mode 100644
index 000000000..0d2a0e898
Binary files /dev/null and b/translated_images/zh-HK/bounding-box.1420a7ea0d3d15f7.webp differ
diff --git a/translated_images/zh-HK/bricked-car.dc38f8efadc6c59d.webp b/translated_images/zh-HK/bricked-car.dc38f8efadc6c59d.webp
new file mode 100644
index 000000000..b3f32058c
Binary files /dev/null and b/translated_images/zh-HK/bricked-car.dc38f8efadc6c59d.webp differ
diff --git a/translated_images/zh-HK/button-with-digital.3749edea8eb885af.webp b/translated_images/zh-HK/button-with-digital.3749edea8eb885af.webp
new file mode 100644
index 000000000..45eeb7f3e
Binary files /dev/null and b/translated_images/zh-HK/button-with-digital.3749edea8eb885af.webp differ
diff --git a/translated_images/zh-HK/button.eadb560b77ac45e5.webp b/translated_images/zh-HK/button.eadb560b77ac45e5.webp
new file mode 100644
index 000000000..f538d2f36
Binary files /dev/null and b/translated_images/zh-HK/button.eadb560b77ac45e5.webp differ
diff --git a/translated_images/zh-HK/chart-soil-moisture-relay.fbb391236d34a64d.webp b/translated_images/zh-HK/chart-soil-moisture-relay.fbb391236d34a64d.webp
new file mode 100644
index 000000000..a7efcef6f
Binary files /dev/null and b/translated_images/zh-HK/chart-soil-moisture-relay.fbb391236d34a64d.webp differ
diff --git a/translated_images/zh-HK/chart-soil-moisture.fd6d9d0cdc0b5f75.webp b/translated_images/zh-HK/chart-soil-moisture.fd6d9d0cdc0b5f75.webp
new file mode 100644
index 000000000..314840664
Binary files /dev/null and b/translated_images/zh-HK/chart-soil-moisture.fd6d9d0cdc0b5f75.webp differ
diff --git a/translated_images/zh-HK/child-watering-garden.9a5d3f1bfe6d0d8d.webp b/translated_images/zh-HK/child-watering-garden.9a5d3f1bfe6d0d8d.webp
new file mode 100644
index 000000000..5aee7f4c6
Binary files /dev/null and b/translated_images/zh-HK/child-watering-garden.9a5d3f1bfe6d0d8d.webp differ
diff --git a/translated_images/zh-HK/cloud-with-edge.1e26462c62c126fe.webp b/translated_images/zh-HK/cloud-with-edge.1e26462c62c126fe.webp
new file mode 100644
index 000000000..6a5c52a64
Binary files /dev/null and b/translated_images/zh-HK/cloud-with-edge.1e26462c62c126fe.webp differ
diff --git a/translated_images/zh-HK/cloud-without-edge.b4da641f6022c95e.webp b/translated_images/zh-HK/cloud-without-edge.b4da641f6022c95e.webp
new file mode 100644
index 000000000..7167594f4
Binary files /dev/null and b/translated_images/zh-HK/cloud-without-edge.b4da641f6022c95e.webp differ
diff --git a/translated_images/zh-HK/cmos-sensor.75f9cd74decb1371.webp b/translated_images/zh-HK/cmos-sensor.75f9cd74decb1371.webp
new file mode 100644
index 000000000..ccf8737de
Binary files /dev/null and b/translated_images/zh-HK/cmos-sensor.75f9cd74decb1371.webp differ
diff --git a/translated_images/zh-HK/commands.d6c06bbbb3a02cce.webp b/translated_images/zh-HK/commands.d6c06bbbb3a02cce.webp
new file mode 100644
index 000000000..5ce548847
Binary files /dev/null and b/translated_images/zh-HK/commands.d6c06bbbb3a02cce.webp differ
diff --git a/translated_images/zh-HK/condenser-mic.6f6ed5b76ca19e0e.webp b/translated_images/zh-HK/condenser-mic.6f6ed5b76ca19e0e.webp
new file mode 100644
index 000000000..598ab4294
Binary files /dev/null and b/translated_images/zh-HK/condenser-mic.6f6ed5b76ca19e0e.webp differ
diff --git a/translated_images/zh-HK/consumer-groups.a3262e26fc27ba20.webp b/translated_images/zh-HK/consumer-groups.a3262e26fc27ba20.webp
new file mode 100644
index 000000000..db9cf40de
Binary files /dev/null and b/translated_images/zh-HK/consumer-groups.a3262e26fc27ba20.webp differ
diff --git a/translated_images/zh-HK/container-edge-flow.c246050dd60ceefd.webp b/translated_images/zh-HK/container-edge-flow.c246050dd60ceefd.webp
new file mode 100644
index 000000000..2265a2b1a
Binary files /dev/null and b/translated_images/zh-HK/container-edge-flow.c246050dd60ceefd.webp differ
diff --git a/translated_images/zh-HK/container-web-browser.4ee81dd4f0d8838c.webp b/translated_images/zh-HK/container-web-browser.4ee81dd4f0d8838c.webp
new file mode 100644
index 000000000..adbfbea1f
Binary files /dev/null and b/translated_images/zh-HK/container-web-browser.4ee81dd4f0d8838c.webp differ
diff --git a/translated_images/zh-HK/counterfit-camera-options.eb3bd5150a8e7dff.webp b/translated_images/zh-HK/counterfit-camera-options.eb3bd5150a8e7dff.webp
new file mode 100644
index 000000000..825636af3
Binary files /dev/null and b/translated_images/zh-HK/counterfit-camera-options.eb3bd5150a8e7dff.webp differ
diff --git a/translated_images/zh-HK/counterfit-camera.001ec52194c8ee5d.webp b/translated_images/zh-HK/counterfit-camera.001ec52194c8ee5d.webp
new file mode 100644
index 000000000..5b1687cc7
Binary files /dev/null and b/translated_images/zh-HK/counterfit-camera.001ec52194c8ee5d.webp differ
diff --git a/translated_images/zh-HK/counterfit-connected.ed30b46d8f79b092.webp b/translated_images/zh-HK/counterfit-connected.ed30b46d8f79b092.webp
new file mode 100644
index 000000000..080b967c0
Binary files /dev/null and b/translated_images/zh-HK/counterfit-connected.ed30b46d8f79b092.webp differ
diff --git a/translated_images/zh-HK/counterfit-create-camera.a5de97f59c0bd3cb.webp b/translated_images/zh-HK/counterfit-create-camera.a5de97f59c0bd3cb.webp
new file mode 100644
index 000000000..e09fe142f
Binary files /dev/null and b/translated_images/zh-HK/counterfit-create-camera.a5de97f59c0bd3cb.webp differ
diff --git a/translated_images/zh-HK/counterfit-create-distance-sensor.967c9fb98f27888d.webp b/translated_images/zh-HK/counterfit-create-distance-sensor.967c9fb98f27888d.webp
new file mode 100644
index 000000000..cf18b749d
Binary files /dev/null and b/translated_images/zh-HK/counterfit-create-distance-sensor.967c9fb98f27888d.webp differ
diff --git a/translated_images/zh-HK/counterfit-create-gps-sensor.6385dc9357d85ad1.webp b/translated_images/zh-HK/counterfit-create-gps-sensor.6385dc9357d85ad1.webp
new file mode 100644
index 000000000..227f14afc
Binary files /dev/null and b/translated_images/zh-HK/counterfit-create-gps-sensor.6385dc9357d85ad1.webp differ
diff --git a/translated_images/zh-HK/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp b/translated_images/zh-HK/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp
new file mode 100644
index 000000000..ed523ae6b
Binary files /dev/null and b/translated_images/zh-HK/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp differ
diff --git a/translated_images/zh-HK/counterfit-create-led.ba9db1c9b8c622a6.webp b/translated_images/zh-HK/counterfit-create-led.ba9db1c9b8c622a6.webp
new file mode 100644
index 000000000..1b71a2c69
Binary files /dev/null and b/translated_images/zh-HK/counterfit-create-led.ba9db1c9b8c622a6.webp differ
diff --git a/translated_images/zh-HK/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp b/translated_images/zh-HK/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp
new file mode 100644
index 000000000..e789fd9a4
Binary files /dev/null and b/translated_images/zh-HK/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp differ
diff --git a/translated_images/zh-HK/counterfit-create-relay.fa7c40fd0f2f6afc.webp b/translated_images/zh-HK/counterfit-create-relay.fa7c40fd0f2f6afc.webp
new file mode 100644
index 000000000..161e5ab8f
Binary files /dev/null and b/translated_images/zh-HK/counterfit-create-relay.fa7c40fd0f2f6afc.webp differ
diff --git a/translated_images/zh-HK/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp b/translated_images/zh-HK/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp
new file mode 100644
index 000000000..ac47f85b9
Binary files /dev/null and b/translated_images/zh-HK/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp differ
diff --git a/translated_images/zh-HK/counterfit-create-temperature-sensor.199350ed34f7343d.webp b/translated_images/zh-HK/counterfit-create-temperature-sensor.199350ed34f7343d.webp
new file mode 100644
index 000000000..0581dd083
Binary files /dev/null and b/translated_images/zh-HK/counterfit-create-temperature-sensor.199350ed34f7343d.webp differ
diff --git a/translated_images/zh-HK/counterfit-distance-sensor.079eefeeea0b68af.webp b/translated_images/zh-HK/counterfit-distance-sensor.079eefeeea0b68af.webp
new file mode 100644
index 000000000..b336e4e84
Binary files /dev/null and b/translated_images/zh-HK/counterfit-distance-sensor.079eefeeea0b68af.webp differ
diff --git a/translated_images/zh-HK/counterfit-first-run.433326358b669b31.webp b/translated_images/zh-HK/counterfit-first-run.433326358b669b31.webp
new file mode 100644
index 000000000..6675385db
Binary files /dev/null and b/translated_images/zh-HK/counterfit-first-run.433326358b669b31.webp differ
diff --git a/translated_images/zh-HK/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp b/translated_images/zh-HK/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp
new file mode 100644
index 000000000..ba69c5a05
Binary files /dev/null and b/translated_images/zh-HK/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp differ
diff --git a/translated_images/zh-HK/counterfit-gps-sensor-latlon.008c867d75464fbe.webp b/translated_images/zh-HK/counterfit-gps-sensor-latlon.008c867d75464fbe.webp
new file mode 100644
index 000000000..634eada36
Binary files /dev/null and b/translated_images/zh-HK/counterfit-gps-sensor-latlon.008c867d75464fbe.webp differ
diff --git a/translated_images/zh-HK/counterfit-gps-sensor-nmea.c62eea442171e17e.webp b/translated_images/zh-HK/counterfit-gps-sensor-nmea.c62eea442171e17e.webp
new file mode 100644
index 000000000..25817e25d
Binary files /dev/null and b/translated_images/zh-HK/counterfit-gps-sensor-nmea.c62eea442171e17e.webp differ
diff --git a/translated_images/zh-HK/counterfit-gps-sensor.3fbb15af0a536756.webp b/translated_images/zh-HK/counterfit-gps-sensor.3fbb15af0a536756.webp
new file mode 100644
index 000000000..e1dca4364
Binary files /dev/null and b/translated_images/zh-HK/counterfit-gps-sensor.3fbb15af0a536756.webp differ
diff --git a/translated_images/zh-HK/counterfit-humidity-sensor.7b12f7f339e430cb.webp b/translated_images/zh-HK/counterfit-humidity-sensor.7b12f7f339e430cb.webp
new file mode 100644
index 000000000..21ad5ccca
Binary files /dev/null and b/translated_images/zh-HK/counterfit-humidity-sensor.7b12f7f339e430cb.webp differ
diff --git a/translated_images/zh-HK/counterfit-led.c0ab02de6d256ad8.webp b/translated_images/zh-HK/counterfit-led.c0ab02de6d256ad8.webp
new file mode 100644
index 000000000..ddf345804
Binary files /dev/null and b/translated_images/zh-HK/counterfit-led.c0ab02de6d256ad8.webp differ
diff --git a/translated_images/zh-HK/counterfit-light-sensor.5d0f5584df56b90f.webp b/translated_images/zh-HK/counterfit-light-sensor.5d0f5584df56b90f.webp
new file mode 100644
index 000000000..22a34d88b
Binary files /dev/null and b/translated_images/zh-HK/counterfit-light-sensor.5d0f5584df56b90f.webp differ
diff --git a/translated_images/zh-HK/counterfit-relay.bbf74c1dbdc8b9ac.webp b/translated_images/zh-HK/counterfit-relay.bbf74c1dbdc8b9ac.webp
new file mode 100644
index 000000000..f210c049f
Binary files /dev/null and b/translated_images/zh-HK/counterfit-relay.bbf74c1dbdc8b9ac.webp differ
diff --git a/translated_images/zh-HK/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp b/translated_images/zh-HK/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp
new file mode 100644
index 000000000..169e31e67
Binary files /dev/null and b/translated_images/zh-HK/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp differ
diff --git a/translated_images/zh-HK/counterfit-temperature-sensor.f0560236c96a9016.webp b/translated_images/zh-HK/counterfit-temperature-sensor.f0560236c96a9016.webp
new file mode 100644
index 000000000..1b8db5f58
Binary files /dev/null and b/translated_images/zh-HK/counterfit-temperature-sensor.f0560236c96a9016.webp differ
diff --git a/translated_images/zh-HK/custom-vision-banana-prediction.30cdff4e1d72db5d.webp b/translated_images/zh-HK/custom-vision-banana-prediction.30cdff4e1d72db5d.webp
new file mode 100644
index 000000000..0052205b8
Binary files /dev/null and b/translated_images/zh-HK/custom-vision-banana-prediction.30cdff4e1d72db5d.webp differ
diff --git a/translated_images/zh-HK/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp b/translated_images/zh-HK/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp
new file mode 100644
index 000000000..2cdb63729
Binary files /dev/null and b/translated_images/zh-HK/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp differ
diff --git a/translated_images/zh-HK/custom-vision-create-project.cf46325b92d8b131.webp b/translated_images/zh-HK/custom-vision-create-project.cf46325b92d8b131.webp
new file mode 100644
index 000000000..fb1e1b760
Binary files /dev/null and b/translated_images/zh-HK/custom-vision-create-project.cf46325b92d8b131.webp differ
diff --git a/translated_images/zh-HK/custom-vision-logo.d3d4e7c8a87ec9da.webp b/translated_images/zh-HK/custom-vision-logo.d3d4e7c8a87ec9da.webp
new file mode 100644
index 000000000..33f20090a
Binary files /dev/null and b/translated_images/zh-HK/custom-vision-logo.d3d4e7c8a87ec9da.webp differ
diff --git a/translated_images/zh-HK/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp b/translated_images/zh-HK/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp
new file mode 100644
index 000000000..2ef6bf985
Binary files /dev/null and b/translated_images/zh-HK/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp differ
diff --git a/translated_images/zh-HK/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp b/translated_images/zh-HK/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp
new file mode 100644
index 000000000..f5a8d32f1
Binary files /dev/null and b/translated_images/zh-HK/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp differ
diff --git a/translated_images/zh-HK/custom-vision-publish-button.b7174e1977b0c33b.webp b/translated_images/zh-HK/custom-vision-publish-button.b7174e1977b0c33b.webp
new file mode 100644
index 000000000..9e64ffced
Binary files /dev/null and b/translated_images/zh-HK/custom-vision-publish-button.b7174e1977b0c33b.webp differ
diff --git a/translated_images/zh-HK/custom-vision-stock-prediction.942266ab1bcca341.webp b/translated_images/zh-HK/custom-vision-stock-prediction.942266ab1bcca341.webp
new file mode 100644
index 000000000..42da52c1d
Binary files /dev/null and b/translated_images/zh-HK/custom-vision-stock-prediction.942266ab1bcca341.webp differ
diff --git a/translated_images/zh-HK/dimmable-light.9ceffeb195dec1a8.webp b/translated_images/zh-HK/dimmable-light.9ceffeb195dec1a8.webp
new file mode 100644
index 000000000..77b5d8f81
Binary files /dev/null and b/translated_images/zh-HK/dimmable-light.9ceffeb195dec1a8.webp differ
diff --git a/translated_images/zh-HK/dmac-adc-buffers.4509aee49145c90b.webp b/translated_images/zh-HK/dmac-adc-buffers.4509aee49145c90b.webp
new file mode 100644
index 000000000..53b81671e
Binary files /dev/null and b/translated_images/zh-HK/dmac-adc-buffers.4509aee49145c90b.webp differ
diff --git a/translated_images/zh-HK/dynamic-mic.8babac890a2d80df.webp b/translated_images/zh-HK/dynamic-mic.8babac890a2d80df.webp
new file mode 100644
index 000000000..c00572014
Binary files /dev/null and b/translated_images/zh-HK/dynamic-mic.8babac890a2d80df.webp differ
diff --git a/translated_images/zh-HK/favicon.37b561214b36d454.webp b/translated_images/zh-HK/favicon.37b561214b36d454.webp
new file mode 100644
index 000000000..48a53960d
Binary files /dev/null and b/translated_images/zh-HK/favicon.37b561214b36d454.webp differ
diff --git a/translated_images/zh-HK/fetch-decode-execute.2fd6f150f6280392.webp b/translated_images/zh-HK/fetch-decode-execute.2fd6f150f6280392.webp
new file mode 100644
index 000000000..def349a60
Binary files /dev/null and b/translated_images/zh-HK/fetch-decode-execute.2fd6f150f6280392.webp differ
diff --git a/translated_images/zh-HK/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp b/translated_images/zh-HK/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp
new file mode 100644
index 000000000..97637240c
Binary files /dev/null and b/translated_images/zh-HK/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp differ
diff --git a/translated_images/zh-HK/gdd-calculation-corn.64a58b7a7afcd0df.webp b/translated_images/zh-HK/gdd-calculation-corn.64a58b7a7afcd0df.webp
new file mode 100644
index 000000000..c39379de7
Binary files /dev/null and b/translated_images/zh-HK/gdd-calculation-corn.64a58b7a7afcd0df.webp differ
diff --git a/translated_images/zh-HK/gdd-calculation-strawberries.59f57db94b22adb8.webp b/translated_images/zh-HK/gdd-calculation-strawberries.59f57db94b22adb8.webp
new file mode 100644
index 000000000..4d95505e5
Binary files /dev/null and b/translated_images/zh-HK/gdd-calculation-strawberries.59f57db94b22adb8.webp differ
diff --git a/translated_images/zh-HK/gdd-calculation.79b3660f9c5757aa.webp b/translated_images/zh-HK/gdd-calculation.79b3660f9c5757aa.webp
new file mode 100644
index 000000000..19224e262
Binary files /dev/null and b/translated_images/zh-HK/gdd-calculation.79b3660f9c5757aa.webp differ
diff --git a/translated_images/zh-HK/gdd-jupyter-notebook.c5b52cf21094f158.webp b/translated_images/zh-HK/gdd-jupyter-notebook.c5b52cf21094f158.webp
new file mode 100644
index 000000000..80bddf038
Binary files /dev/null and b/translated_images/zh-HK/gdd-jupyter-notebook.c5b52cf21094f158.webp differ
diff --git a/translated_images/zh-HK/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp b/translated_images/zh-HK/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp
new file mode 100644
index 000000000..7c5f83baa
Binary files /dev/null and b/translated_images/zh-HK/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp differ
diff --git a/translated_images/zh-HK/geofence-examples.172fbc534665769f.webp b/translated_images/zh-HK/geofence-examples.172fbc534665769f.webp
new file mode 100644
index 000000000..c7543e551
Binary files /dev/null and b/translated_images/zh-HK/geofence-examples.172fbc534665769f.webp differ
diff --git a/translated_images/zh-HK/gps-satellites.04acf1148fe25fbf.webp b/translated_images/zh-HK/gps-satellites.04acf1148fe25fbf.webp
new file mode 100644
index 000000000..2675c5476
Binary files /dev/null and b/translated_images/zh-HK/gps-satellites.04acf1148fe25fbf.webp differ
diff --git a/translated_images/zh-HK/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp b/translated_images/zh-HK/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp
new file mode 100644
index 000000000..9a558cce1
Binary files /dev/null and b/translated_images/zh-HK/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp differ
diff --git a/translated_images/zh-HK/gps-telemetry-iot-hub.8115335d51cd2c12.webp b/translated_images/zh-HK/gps-telemetry-iot-hub.8115335d51cd2c12.webp
new file mode 100644
index 000000000..73d99d1a8
Binary files /dev/null and b/translated_images/zh-HK/gps-telemetry-iot-hub.8115335d51cd2c12.webp differ
diff --git a/translated_images/zh-HK/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp b/translated_images/zh-HK/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp
new file mode 100644
index 000000000..1e244bd43
Binary files /dev/null and b/translated_images/zh-HK/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp differ
diff --git a/translated_images/zh-HK/grove-button.a70cfbb809a85636.webp b/translated_images/zh-HK/grove-button.a70cfbb809a85636.webp
new file mode 100644
index 000000000..83a150907
Binary files /dev/null and b/translated_images/zh-HK/grove-button.a70cfbb809a85636.webp differ
diff --git a/translated_images/zh-HK/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp b/translated_images/zh-HK/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp
new file mode 100644
index 000000000..e6039552b
Binary files /dev/null and b/translated_images/zh-HK/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp differ
diff --git a/translated_images/zh-HK/grove-dht11.07f8eafceee17004.webp b/translated_images/zh-HK/grove-dht11.07f8eafceee17004.webp
new file mode 100644
index 000000000..839e0b054
Binary files /dev/null and b/translated_images/zh-HK/grove-dht11.07f8eafceee17004.webp differ
diff --git a/translated_images/zh-HK/grove-gps-sensor.247943bf69b03f0d.webp b/translated_images/zh-HK/grove-gps-sensor.247943bf69b03f0d.webp
new file mode 100644
index 000000000..8a66bb0c3
Binary files /dev/null and b/translated_images/zh-HK/grove-gps-sensor.247943bf69b03f0d.webp differ
diff --git a/translated_images/zh-HK/grove-led.6c853be93f473cf2.webp b/translated_images/zh-HK/grove-led.6c853be93f473cf2.webp
new file mode 100644
index 000000000..dc76a7b13
Binary files /dev/null and b/translated_images/zh-HK/grove-led.6c853be93f473cf2.webp differ
diff --git a/translated_images/zh-HK/grove-light-sensor.b8127b7c434e632d.webp b/translated_images/zh-HK/grove-light-sensor.b8127b7c434e632d.webp
new file mode 100644
index 000000000..2cc04c436
Binary files /dev/null and b/translated_images/zh-HK/grove-light-sensor.b8127b7c434e632d.webp differ
diff --git a/translated_images/zh-HK/grove-relay-labelled.293e068f5c3c2a19.webp b/translated_images/zh-HK/grove-relay-labelled.293e068f5c3c2a19.webp
new file mode 100644
index 000000000..a2ff416fa
Binary files /dev/null and b/translated_images/zh-HK/grove-relay-labelled.293e068f5c3c2a19.webp differ
diff --git a/translated_images/zh-HK/grove-relay.d426958ca210fbd0.webp b/translated_images/zh-HK/grove-relay.d426958ca210fbd0.webp
new file mode 100644
index 000000000..6a01f1c4c
Binary files /dev/null and b/translated_images/zh-HK/grove-relay.d426958ca210fbd0.webp differ
diff --git a/translated_images/zh-HK/grove-time-of-flight-sensor.d82ff2165bfded9f.webp b/translated_images/zh-HK/grove-time-of-flight-sensor.d82ff2165bfded9f.webp
new file mode 100644
index 000000000..b0650a687
Binary files /dev/null and b/translated_images/zh-HK/grove-time-of-flight-sensor.d82ff2165bfded9f.webp differ
diff --git a/translated_images/zh-HK/gsm-calculation-example.99f9803b4f29e976.webp b/translated_images/zh-HK/gsm-calculation-example.99f9803b4f29e976.webp
new file mode 100644
index 000000000..2153e8bb7
Binary files /dev/null and b/translated_images/zh-HK/gsm-calculation-example.99f9803b4f29e976.webp differ
diff --git a/translated_images/zh-HK/gsm-calculation.6da38c6201eec14e.webp b/translated_images/zh-HK/gsm-calculation.6da38c6201eec14e.webp
new file mode 100644
index 000000000..c2ab63235
Binary files /dev/null and b/translated_images/zh-HK/gsm-calculation.6da38c6201eec14e.webp differ
diff --git a/translated_images/zh-HK/i2c.83da845dde02256b.webp b/translated_images/zh-HK/i2c.83da845dde02256b.webp
new file mode 100644
index 000000000..b3bac0aef
Binary files /dev/null and b/translated_images/zh-HK/i2c.83da845dde02256b.webp differ
diff --git a/translated_images/zh-HK/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp b/translated_images/zh-HK/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp
new file mode 100644
index 000000000..7dda3168e
Binary files /dev/null and b/translated_images/zh-HK/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp differ
diff --git a/translated_images/zh-HK/image-upload-bananas.0751639f3815e0ec.webp b/translated_images/zh-HK/image-upload-bananas.0751639f3815e0ec.webp
new file mode 100644
index 000000000..b2e25c180
Binary files /dev/null and b/translated_images/zh-HK/image-upload-bananas.0751639f3815e0ec.webp differ
diff --git a/translated_images/zh-HK/image-upload-object-detector.77c7892c3093cb59.webp b/translated_images/zh-HK/image-upload-object-detector.77c7892c3093cb59.webp
new file mode 100644
index 000000000..f2ae99a02
Binary files /dev/null and b/translated_images/zh-HK/image-upload-object-detector.77c7892c3093cb59.webp differ
diff --git a/translated_images/zh-HK/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp b/translated_images/zh-HK/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp
new file mode 100644
index 000000000..520993819
Binary files /dev/null and b/translated_images/zh-HK/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp differ
diff --git a/translated_images/zh-HK/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp b/translated_images/zh-HK/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp
new file mode 100644
index 000000000..a03e96a5d
Binary files /dev/null and b/translated_images/zh-HK/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp differ
diff --git a/translated_images/zh-HK/iot-for-beginners.95958e2ed1900917.webp b/translated_images/zh-HK/iot-for-beginners.95958e2ed1900917.webp
new file mode 100644
index 000000000..2b4b17391
Binary files /dev/null and b/translated_images/zh-HK/iot-for-beginners.95958e2ed1900917.webp differ
diff --git a/translated_images/zh-HK/iot-hub-cloud-to-device-message.f4f21fea772cc20b.webp b/translated_images/zh-HK/iot-hub-cloud-to-device-message.f4f21fea772cc20b.webp
new file mode 100644
index 000000000..00485801d
Binary files /dev/null and b/translated_images/zh-HK/iot-hub-cloud-to-device-message.f4f21fea772cc20b.webp differ
diff --git a/translated_images/zh-HK/iot-hub-device-to-cloud-message.e46e584d87f35fd9.webp b/translated_images/zh-HK/iot-hub-device-to-cloud-message.e46e584d87f35fd9.webp
new file mode 100644
index 000000000..85765ccd8
Binary files /dev/null and b/translated_images/zh-HK/iot-hub-device-to-cloud-message.e46e584d87f35fd9.webp differ
diff --git a/translated_images/zh-HK/iot-hub-device-twins.7055a60fc5e2331c.webp b/translated_images/zh-HK/iot-hub-device-twins.7055a60fc5e2331c.webp
new file mode 100644
index 000000000..2516eec11
Binary files /dev/null and b/translated_images/zh-HK/iot-hub-device-twins.7055a60fc5e2331c.webp differ
diff --git a/translated_images/zh-HK/iot-hub-direct-method-request.86a5026e91f4ca18.webp b/translated_images/zh-HK/iot-hub-direct-method-request.86a5026e91f4ca18.webp
new file mode 100644
index 000000000..422c3689e
Binary files /dev/null and b/translated_images/zh-HK/iot-hub-direct-method-request.86a5026e91f4ca18.webp differ
diff --git a/translated_images/zh-HK/iot-messages-to-serverless.0194da1cc0732bb7.webp b/translated_images/zh-HK/iot-messages-to-serverless.0194da1cc0732bb7.webp
new file mode 100644
index 000000000..e845c3b4b
Binary files /dev/null and b/translated_images/zh-HK/iot-messages-to-serverless.0194da1cc0732bb7.webp differ
diff --git a/translated_images/zh-HK/iot-reference-architecture-azure.0b8d2161af924cb1.webp b/translated_images/zh-HK/iot-reference-architecture-azure.0b8d2161af924cb1.webp
new file mode 100644
index 000000000..c70a8b329
Binary files /dev/null and b/translated_images/zh-HK/iot-reference-architecture-azure.0b8d2161af924cb1.webp differ
diff --git a/translated_images/zh-HK/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp b/translated_images/zh-HK/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp
new file mode 100644
index 000000000..1584be9df
Binary files /dev/null and b/translated_images/zh-HK/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp differ
diff --git a/translated_images/zh-HK/iot-reference-architecture.2278b98b55c6d4e8.webp b/translated_images/zh-HK/iot-reference-architecture.2278b98b55c6d4e8.webp
new file mode 100644
index 000000000..299817fc2
Binary files /dev/null and b/translated_images/zh-HK/iot-reference-architecture.2278b98b55c6d4e8.webp differ
diff --git a/translated_images/zh-HK/iot-service-allowed-denied-connection.818b0063ac213fb8.webp b/translated_images/zh-HK/iot-service-allowed-denied-connection.818b0063ac213fb8.webp
new file mode 100644
index 000000000..c9bd1b378
Binary files /dev/null and b/translated_images/zh-HK/iot-service-allowed-denied-connection.818b0063ac213fb8.webp differ
diff --git a/translated_images/zh-HK/iot-service-connectivity.7e873847921a5d6f.webp b/translated_images/zh-HK/iot-service-connectivity.7e873847921a5d6f.webp
new file mode 100644
index 000000000..7020b1fe3
Binary files /dev/null and b/translated_images/zh-HK/iot-service-connectivity.7e873847921a5d6f.webp differ
diff --git a/translated_images/zh-HK/latitude-equator.feccc3214b7d9fb1.webp b/translated_images/zh-HK/latitude-equator.feccc3214b7d9fb1.webp
new file mode 100644
index 000000000..a1fe083b3
Binary files /dev/null and b/translated_images/zh-HK/latitude-equator.feccc3214b7d9fb1.webp differ
diff --git a/translated_images/zh-HK/latitude-lines.11d8d91dfb2014a5.webp b/translated_images/zh-HK/latitude-lines.11d8d91dfb2014a5.webp
new file mode 100644
index 000000000..4179f3af5
Binary files /dev/null and b/translated_images/zh-HK/latitude-lines.11d8d91dfb2014a5.webp differ
diff --git a/translated_images/zh-HK/led-digital-control.13b9be14077ea49f.webp b/translated_images/zh-HK/led-digital-control.13b9be14077ea49f.webp
new file mode 100644
index 000000000..768359f2e
Binary files /dev/null and b/translated_images/zh-HK/led-digital-control.13b9be14077ea49f.webp differ
diff --git a/translated_images/zh-HK/led.ec6d94f66676a174.webp b/translated_images/zh-HK/led.ec6d94f66676a174.webp
new file mode 100644
index 000000000..d7f91c36f
Binary files /dev/null and b/translated_images/zh-HK/led.ec6d94f66676a174.webp differ
diff --git a/translated_images/zh-HK/lesson-1.2606670fa61ee904.webp b/translated_images/zh-HK/lesson-1.2606670fa61ee904.webp
new file mode 100644
index 000000000..2ecc89aa5
Binary files /dev/null and b/translated_images/zh-HK/lesson-1.2606670fa61ee904.webp differ
diff --git a/translated_images/zh-HK/lesson-10.829c86b80b9403bb.webp b/translated_images/zh-HK/lesson-10.829c86b80b9403bb.webp
new file mode 100644
index 000000000..072842076
Binary files /dev/null and b/translated_images/zh-HK/lesson-10.829c86b80b9403bb.webp differ
diff --git a/translated_images/zh-HK/lesson-11.9fddbac4b664c6d5.webp b/translated_images/zh-HK/lesson-11.9fddbac4b664c6d5.webp
new file mode 100644
index 000000000..98393a355
Binary files /dev/null and b/translated_images/zh-HK/lesson-11.9fddbac4b664c6d5.webp differ
diff --git a/translated_images/zh-HK/lesson-12.ca7f53039712a3ec.webp b/translated_images/zh-HK/lesson-12.ca7f53039712a3ec.webp
new file mode 100644
index 000000000..2b05a9865
Binary files /dev/null and b/translated_images/zh-HK/lesson-12.ca7f53039712a3ec.webp differ
diff --git a/translated_images/zh-HK/lesson-13.a259db1485021be7.webp b/translated_images/zh-HK/lesson-13.a259db1485021be7.webp
new file mode 100644
index 000000000..e8bffc62d
Binary files /dev/null and b/translated_images/zh-HK/lesson-13.a259db1485021be7.webp differ
diff --git a/translated_images/zh-HK/lesson-14.63980c5150ae3c15.webp b/translated_images/zh-HK/lesson-14.63980c5150ae3c15.webp
new file mode 100644
index 000000000..baa1ab9cb
Binary files /dev/null and b/translated_images/zh-HK/lesson-14.63980c5150ae3c15.webp differ
diff --git a/translated_images/zh-HK/lesson-15.843d21afdc6fb2bb.webp b/translated_images/zh-HK/lesson-15.843d21afdc6fb2bb.webp
new file mode 100644
index 000000000..103d0c56e
Binary files /dev/null and b/translated_images/zh-HK/lesson-15.843d21afdc6fb2bb.webp differ
diff --git a/translated_images/zh-HK/lesson-16.215daf18b00631fb.webp b/translated_images/zh-HK/lesson-16.215daf18b00631fb.webp
new file mode 100644
index 000000000..82b18ac4c
Binary files /dev/null and b/translated_images/zh-HK/lesson-16.215daf18b00631fb.webp differ
diff --git a/translated_images/zh-HK/lesson-17.bc333c3c35ba8e42.webp b/translated_images/zh-HK/lesson-17.bc333c3c35ba8e42.webp
new file mode 100644
index 000000000..0649c025d
Binary files /dev/null and b/translated_images/zh-HK/lesson-17.bc333c3c35ba8e42.webp differ
diff --git a/translated_images/zh-HK/lesson-18.92c32ed1d354caa5.webp b/translated_images/zh-HK/lesson-18.92c32ed1d354caa5.webp
new file mode 100644
index 000000000..671bcdd9d
Binary files /dev/null and b/translated_images/zh-HK/lesson-18.92c32ed1d354caa5.webp differ
diff --git a/translations/hk/1-getting-started/README.md b/translations/hk/1-getting-started/README.md
deleted file mode 100644
index 9c8999f80..000000000
--- a/translations/hk/1-getting-started/README.md
+++ /dev/null
@@ -1,30 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
-  "translation_date": "2025-08-26T14:56:08+00:00",
-  "source_file": "1-getting-started/README.md",
-  "language_code": "hk"
-}
--->
-# 開始學習物聯網
-
-在這部分課程中，你將會接觸到物聯網（IoT），並學習基本概念，包括建立你的第一個「Hello World」物聯網項目，將設備連接到雲端。這個項目是一個夜燈，當感測器測量到光線水平下降時，燈會亮起。
-
-![LED 連接到 WIO，隨著光線水平變化而開啟和關閉](../../../images/wio-running-assignment-1-1.gif)
-
-## 主題
-
-1. [物聯網簡介](lessons/1-introduction-to-iot/README.md)
-1. [深入了解物聯網](lessons/2-deeper-dive/README.md)
-1. [使用感測器和致動器與物理世界互動](lessons/3-sensors-and-actuators/README.md)
-1. [將你的設備連接到互聯網](lessons/4-connect-internet/README.md)
-
-## 鳴謝
-
-所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/hk/1-getting-started/lessons/1-introduction-to-iot/README.md
deleted file mode 100644
index 1a3fd9346..000000000
--- a/translations/hk/1-getting-started/lessons/1-introduction-to-iot/README.md
+++ /dev/null
@@ -1,242 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
-  "translation_date": "2025-08-26T15:08:51+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
-  "language_code": "hk"
-}
--->
-# 物聯網簡介
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩段影片進行教學——一小時的課程和一小時的辦公時間，深入探討課程內容並回答問題。
-
-[![課程 1：物聯網簡介](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
-
-[![課程 1：物聯網簡介 - 辦公時間](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
-
-## 簡介
-
-本課程涵蓋了一些關於物聯網的入門主題，並幫助你開始設置硬件。
-
-在本課程中，我們將討論：
-
-* [什麼是「物聯網」？](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [物聯網設備](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [設置你的設備](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [物聯網的應用](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [你周圍可能擁有的物聯網設備範例](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-
-## 什麼是「物聯網」？
-
-「物聯網」這個術語由 [Kevin Ashton](https://wikipedia.org/wiki/Kevin_Ashton) 在 1999 年提出，用來描述通過感應器將互聯網連接到物理世界。自那時起，這個術語被用來描述任何與周圍物理世界互動的設備，無論是通過感應器收集數據，還是通過執行器（例如打開開關或點亮 LED 的設備）進行實際操作，通常這些設備會連接到其他設備或互聯網。
-
-> **感應器** 從世界中收集信息，例如測量速度、溫度或位置。
->
-> **執行器** 將電信號轉換為實際操作，例如觸發開關、打開燈光、發出聲音，或向其他硬件發送控制信號，例如打開電源插座。
-
-物聯網作為一個技術領域，不僅僅是設備本身——它還包括基於雲的服務，這些服務可以處理感應器數據，或向連接到物聯網設備的執行器發送請求。它還包括不具備或不需要互聯網連接的設備，通常被稱為邊緣設備。這些設備可以自行處理和響應感應器數據，通常使用在雲端訓練的 AI 模型。
-
-物聯網是一個快速增長的技術領域。據估計，到 2020 年底，已有 300 億個物聯網設備被部署並連接到互聯網。展望未來，預計到 2025 年，物聯網設備將收集近 80 澤字節（zettabytes）的數據，相當於 80 萬億 GB。這是一個巨大的數據量！
-
-![一張顯示活躍物聯網設備隨時間增長的圖表，從 2015 年的不到 50 億增長到 2025 年的超過 300 億](../../../../../images/connected-iot-devices.svg)
-
-✅ 做一些研究：物聯網設備生成的數據中有多少實際被使用，又有多少被浪費？為什麼會有這麼多數據被忽略？
-
-這些數據是物聯網成功的關鍵。要成為一名成功的物聯網開發者，你需要了解需要收集的數據、如何收集數據、如何基於數據做出決策，以及在需要時如何利用這些決策與物理世界互動。
-
-## 物聯網設備
-
-物聯網中的 **T** 代表 **Things（物件）**——這些設備通過感應器收集數據或通過執行器進行實際操作，與周圍的物理世界互動。
-
-用於生產或商業用途的設備，例如消費者健身追蹤器或工業機器控制器，通常是定制製造的。它們使用定制的電路板，甚至可能是定制的處理器，以滿足特定任務的需求，無論是小到可以戴在手腕上，還是堅固到可以在高溫、高壓或高振動的工廠環境中運行。
-
-作為一名學習物聯網或創建設備原型的開發者，你需要從開發套件開始。這些是為開發者設計的通用物聯網設備，通常具有生產設備不會有的功能，例如一組外部引腳，用於連接感應器或執行器，支持調試的硬件，或在大規模生產中會增加不必要成本的額外資源。
-
-這些開發套件通常分為兩類——微控制器和單板電腦。我們會在這裡介紹它們，並在下一課中進一步詳細說明。
-
-> 💁 你的手機也可以被視為一種通用的物聯網設備，內置了感應器和執行器，不同的應用程序以不同的方式使用這些感應器和執行器，並與不同的雲服務交互。你甚至可以找到一些使用手機應用作為物聯網設備的教程。
-
-### 微控制器
-
-微控制器（也稱為 MCU，Microcontroller Unit 的縮寫）是一種小型計算機，由以下部分組成：
-
-🧠 一個或多個中央處理單元（CPU）——微控制器的「大腦」，運行你的程序
-
-💾 記憶體（RAM 和程序記憶體）——存儲你的程序、數據和變量
-
-🔌 可編程輸入/輸出（I/O）連接——與外部外設（連接的設備）如感應器和執行器通信
-
-微控制器通常是低成本的計算設備，用於定制硬件的微控制器平均價格約為 0.50 美元，有些設備甚至低至 0.03 美元。開發套件的起價約為 4 美元，隨著功能的增加，成本也會上升。[Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 是 [Seeed Studios](https://www.seeedstudio.com) 的一款微控制器開發套件，內置感應器、執行器、WiFi 和屏幕，價格約為 30 美元。
-
-![Wio Terminal](../../../../../translated_images/zh-HK/wio-terminal.b8299ee16587db9a.webp)
-
-> 💁 在網上搜索微控制器時，請注意搜索 **MCU** 這個術語，因為這可能會帶回大量與漫威電影宇宙（Marvel Cinematic Universe）相關的結果，而不是微控制器。
-
-微控制器的設計目的是執行有限數量的非常特定的任務，而不是像 PC 或 Mac 那樣的通用計算機。除非是非常特定的場景，否則你無法連接顯示器、鍵盤和滑鼠來用它們執行通用任務。
-
-微控制器開發套件通常內置額外的感應器和執行器。大多數開發板會有一個或多個可編程的 LED，以及其他設備，例如標準插頭，用於通過各製造商的生態系統添加更多感應器或執行器，或內置感應器（通常是最受歡迎的，例如溫度感應器）。一些微控制器內置無線連接功能，例如藍牙或 WiFi，或者在開發板上有額外的微控制器來添加這些連接功能。
-
-> 💁 微控制器通常使用 C/C++ 編程。
-
-### 單板電腦
-
-單板電腦是一種小型計算設備，將完整計算機的所有元素包含在一塊小型電路板上。這些設備的規格接近桌面或筆記本電腦，運行完整的操作系統，但體積更小，功耗更低，價格也便宜得多。
-
-![Raspberry Pi 4](../../../../../translated_images/zh-HK/raspberry-pi-4.fd4590d308c3d456.webp)
-
-Raspberry Pi 是最受歡迎的單板電腦之一。
-
-與微控制器類似，單板電腦具有 CPU、記憶體和輸入/輸出引腳，但它們還具有額外的功能，例如圖形芯片，可以連接顯示器、音頻輸出和 USB 埠，用於連接鍵盤、滑鼠和其他標準 USB 設備，如網絡攝像頭或外部存儲。程序和操作系統存儲在 SD 卡或硬碟上，而不是內置在電路板上的記憶體芯片中。
-
-> 🎓 你可以將單板電腦視為你正在使用的 PC 或 Mac 的更小、更便宜版本，並額外配備了 GPIO（通用輸入/輸出）引腳，用於與感應器和執行器交互。
-
-單板電腦是功能齊全的計算機，因此可以使用任何語言進行編程。物聯網設備通常使用 Python 編程。
-
-### 後續課程的硬件選擇
-
-所有後續課程都包括使用物聯網設備與物理世界交互並與雲通信的作業。每節課支持三種設備選擇——Arduino（使用 Seeed Studios Wio Terminal），或單板電腦（實體設備 Raspberry Pi 4 或在 PC 或 Mac 上運行的虛擬單板電腦）。
-
-你可以在 [硬件指南](../../../hardware.md) 中閱讀完成所有作業所需的硬件。
-
-> 💁 你不需要購買任何物聯網硬件來完成作業，你可以使用虛擬單板電腦完成所有內容。
-
-選擇哪種硬件取決於你家中或學校中可用的設備，以及你已經掌握或計劃學習的編程語言。兩種硬件變體將使用相同的感應器生態系統，因此如果你選擇了一條路徑，之後可以切換到另一條路徑，而無需更換大部分設備。虛擬單板電腦相當於在 Raspberry Pi 上學習，大部分代碼可以轉移到實體 Pi 上使用感應器。
-
-### Arduino 開發套件
-
-如果你對學習微控制器開發感興趣，可以使用 Arduino 設備完成作業。你需要對 C/C++ 編程有基本的了解，因為課程只會教授與 Arduino 框架、感應器和執行器以及與雲交互的庫相關的代碼。
-
-作業將使用 [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) 和 [PlatformIO 微控制器開發擴展](https://platformio.org)。如果你熟悉 Arduino IDE，也可以使用它，但課程不會提供相關指導。
-
-### 單板電腦開發套件
-
-如果你對使用單板電腦進行物聯網開發感興趣，可以使用 Raspberry Pi 或在 PC 或 Mac 上運行的虛擬設備完成作業。
-
-你需要對 Python 編程有基本的了解，因為課程只會教授與感應器和執行器以及與雲交互的庫相關的代碼。
-
-> 💁 如果你想學習 Python 編程，可以參考以下兩個視頻系列：
->
-> * [Python 初學者教程](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
-> * [進階 Python 初學者教程](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
-
-作業將使用 [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn)。
-
-如果你使用 Raspberry Pi，可以選擇運行完整桌面版 Raspberry Pi OS，直接在 Pi 上使用 [Raspberry Pi OS 版 VS Code](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn) 進行編碼，或者將 Pi 作為無頭設備運行，並使用 VS Code 的 [Remote SSH 擴展](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) 從 PC 或 Mac 連接到 Pi，像直接在 Pi 上編碼一樣進行編輯、調試和運行代碼。
-
-如果你選擇虛擬設備選項，你將直接在電腦上編碼。與其訪問感應器和執行器，你將使用一個工具來模擬這些硬件，提供你可以定義的感應器值，並在屏幕上顯示執行器的結果。
-
-## 設置你的設備
-
-在開始編寫物聯網設備的程序之前，你需要進行一些基本的設置。根據你將使用的設備，請遵循相關的指導說明。
-💁 如果你尚未擁有設備，請參考 [硬件指南](../../../hardware.md)，以幫助你決定使用哪種設備，以及需要購買哪些額外硬件。你不需要購買硬件，因為所有項目都可以在虛擬硬件上運行。
-這些指引包括了硬件或工具創作者提供的第三方網站鏈接，目的是確保你使用的是最新的工具和硬件指引。
-
-按照相關指南設置你的設備並完成一個 "Hello World" 項目。這將是你在這四節課的入門部分中創建 IoT 夜燈的第一步。
-
-* [Arduino - Wio Terminal](wio-terminal.md)
-* [單板電腦 - Raspberry Pi](pi.md)
-* [單板電腦 - 虛擬設備](virtual-device.md)
-
-✅ 你將使用 VS Code 來操作 Arduino 和單板電腦。如果你之前未使用過，請在 [VS Code 網站](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 上了解更多。
-
-## IoT 的應用
-
-IoT 涵蓋了廣泛的使用場景，分為幾個主要類別：
-
-* 消費型 IoT
-* 商業型 IoT
-* 工業型 IoT
-* 基礎設施型 IoT
-
-✅ 做一些研究：對於以下描述的每個領域，找到一個文中未提到的具體例子。
-
-### 消費型 IoT
-
-消費型 IoT 指的是消費者在家中購買和使用的 IoT 設備。其中一些設備非常有用，例如智能音箱、智能供暖系統和機器人吸塵器。另一些設備的實用性則值得商榷，例如語音控制的水龍頭，當水聲太大時語音控制無法正常工作，導致無法關閉水龍頭。
-
-消費型 IoT 設備幫助人們在日常生活中實現更多，尤其是全球 10 億有殘疾的人群。機器人吸塵器可以幫助行動不便的人保持地板清潔，語音控制的烤箱讓視力或運動能力有限的人僅用語音即可操作烤箱，健康監測設備可以讓患者更頻繁、更詳細地監測慢性病情況。這些設備已經變得如此普及，甚至連小孩都在日常生活中使用它們，例如在 COVID 疫情期間進行虛擬學習的學生使用智能家居設備設置計時器來跟蹤學校作業或提醒即將開始的課堂會議。
-
-✅ 你身上或家中有哪些消費型 IoT 設備？
-
-### 商業型 IoT
-
-商業型 IoT 涵蓋了 IoT 在工作場所的使用。在辦公室環境中，可能會有佔用感應器和動作檢測器來管理照明和供暖，僅在需要時開啟燈光和供暖，從而降低成本和碳排放。在工廠中，IoT 設備可以監測安全隱患，例如工人未佩戴安全帽或噪音達到危險水平。在零售業，IoT 設備可以測量冷藏設備的溫度，當冰箱或冷凍櫃超出所需溫度範圍時提醒店主，或者監測貨架上的商品，指導員工補充已售出的商品。交通行業越來越依賴 IoT 來監測車輛位置、追蹤道路里程以進行道路使用費計算、追蹤駕駛員的工作時間和休息合規性，或者在車輛接近倉庫時通知員工準備裝卸貨物。
-
-✅ 你的學校或工作場所有哪些商業型 IoT 設備？
-
-### 工業型 IoT (IIoT)
-
-工業型 IoT，或 IIoT，是指在大規模上使用 IoT 設備來控制和管理機械設備。這涵蓋了從工廠到數字農業的廣泛使用場景。
-
-工廠以多種方式使用 IoT 設備。機械設備可以通過多個感應器監測溫度、振動和旋轉速度等數據。這些數據可以被監測，當設備超出某些容差範圍時停止運行，例如過熱時關閉設備。這些數據還可以被收集並進行長期分析，用於預測性維護，AI 模型可以分析故障前的數據，並用於預測其他故障以便提前處理。
-
-數字農業對於養活日益增長的人口至關重要，尤其是全球 20 億人中 5 億個家庭依靠[自給農業](https://wikipedia.org/wiki/Subsistence_agriculture)生存。數字農業可以從幾美元的感應器到大型商業設置不等。農民可以通過監測溫度並使用[生長度日](https://wikipedia.org/wiki/Growing_degree-day)來預測作物的收穫時間。他們可以將土壤濕度監測連接到自動灌溉系統，為作物提供所需的水分，但不浪費水資源，確保作物不會乾枯。農民甚至可以進一步使用無人機、衛星數據和 AI 來監測大面積農田的作物生長、病害和土壤質量。
-
-✅ 還有哪些 IoT 設備可以幫助農民？
-
-### 基礎設施型 IoT
-
-基礎設施型 IoT 是指監測和控制人們每天使用的本地和全球基礎設施。
-
-[智慧城市](https://wikipedia.org/wiki/Smart_city)是使用 IoT 設備收集城市數據並利用這些數據改善城市運行的城市。這些城市通常由地方政府、學術界和當地企業合作運營，追蹤和管理交通、停車和污染等多方面。例如，在丹麥哥本哈根，空氣污染對當地居民非常重要，因此會進行測量，並利用數據提供最清潔的騎行和慢跑路線。
-
-[智慧電網](https://wikipedia.org/wiki/Smart_grid)通過收集個人家庭的用電數據來提供更好的電力需求分析。這些數據可以指導國家層面的決策，例如建設新電站的位置，也可以在個人層面提供用電量、用電時間的洞察，甚至提供降低成本的建議，例如在夜間為電動汽車充電。
-
-✅ 如果你可以在居住地添加 IoT 設備來測量任何東西，你會選擇什麼？
-
-## 你周圍可能擁有的 IoT 設備示例
-
-你可能會驚訝於你周圍有多少 IoT 設備。我正在家中寫這篇文章，我擁有以下連接到互聯網並具有智能功能的設備，例如應用程序控制、語音控制或通過手機向我發送數據：
-
-* 多個智能音箱
-* 冰箱、洗碗機、烤箱和微波爐
-* 用於太陽能板的電力監測器
-* 智能插座
-* 視頻門鈴和安全攝像頭
-* 帶有多個智能房間感應器的智能恆溫器
-* 車庫門開啟器
-* 家庭娛樂系統和語音控制電視
-* 照明設備
-* 健身和健康追蹤器
-
-所有這些類型的設備都有感應器和/或執行器，並與互聯網通信。我可以通過手機查看我的車庫門是否開著，並要求我的智能音箱幫我關上。我甚至可以設置定時器，如果車庫門在晚上仍然開著，它會自動關閉。當門鈴響起時，我可以通過手機查看無論我身處世界何地的訪客，並通過門鈴內置的揚聲器和麥克風與他們交談。我可以監測我的血糖、心率和睡眠模式，尋找數據中的模式以改善我的健康。我可以通過雲端控制我的燈光，但當我的網絡連接中斷時，我只能坐在黑暗中。
-
----
-
-## 🚀 挑戰
-
-列出你家中、學校或工作場所的所有 IoT 設備——可能比你想像的還要多！
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
-
-## 回顧與自學
-
-閱讀消費型 IoT 項目的優勢和失敗案例。查看新聞網站上的文章，了解 IoT 出現問題的情況，例如隱私問題、硬件故障或因缺乏連接而引發的問題。
-
-一些例子：
-
-* 查看 Twitter 帳戶 **[Internet of Sh*t](https://twitter.com/internetofshit)** *(有粗言警告)*，了解一些消費型 IoT 失敗的好例子。
-* [c|net - 我的 Apple Watch 救了我的命：5 人分享他們的故事](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)
-* [c|net - ADT 技術員承認多年來監視客戶攝像頭](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(觸發警告 - 非自願窺探)*
-
-## 作業
-
-[調查一個 IoT 項目](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/hk/1-getting-started/lessons/1-introduction-to-iot/assignment.md
deleted file mode 100644
index 09ec4eb59..000000000
--- a/translations/hk/1-getting-started/lessons/1-introduction-to-iot/assignment.md
+++ /dev/null
@@ -1,27 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
-  "translation_date": "2025-08-26T15:11:11+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
-  "language_code": "hk"
-}
--->
-# 調查一個物聯網項目
-
-## 指引
-
-全球正在推行許多大大小小的物聯網項目，從智慧農場到智慧城市，涵蓋醫療監測、交通運輸以及公共空間的使用。
-
-在網上搜尋一個你感興趣的項目，最好是離你居住地較近的。解釋該項目的優點和缺點，例如它帶來了什麼好處、可能引發的問題，以及如何考慮隱私問題。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 解釋優點和缺點 | 清楚地解釋了該項目的優點和缺點 | 簡要地解釋了該項目的優點和缺點 | 沒有解釋該項目的優點或缺點 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業的人類翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/hk/1-getting-started/lessons/1-introduction-to-iot/pi.md
deleted file mode 100644
index faabd4067..000000000
--- a/translations/hk/1-getting-started/lessons/1-introduction-to-iot/pi.md
+++ /dev/null
@@ -1,286 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
-  "translation_date": "2025-08-26T15:12:30+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
-  "language_code": "hk"
-}
--->
-# 樹莓派
-
-[樹莓派](https://raspberrypi.org) 是一款單板電腦。你可以使用各種設備和生態系統添加感應器和執行器，這些課程將使用一個名為 [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) 的硬件生態系統。你將使用 Python 為樹莓派編寫程式碼並訪問 Grove 感應器。
-
-![樹莓派 4](../../../../../translated_images/zh-HK/raspberry-pi-4.fd4590d308c3d456.webp)
-
-## 設置
-
-如果你使用樹莓派作為物聯網硬件，你有兩個選擇——你可以直接在樹莓派上完成所有這些課程並編寫程式碼，或者你可以遠端連接到一個「無頭」的樹莓派，並從你的電腦上進行編程。
-
-在開始之前，你還需要將 Grove 基座帽連接到樹莓派。
-
-### 任務 - 設置
-
-將 Grove 基座帽安裝到樹莓派並配置樹莓派
-
-1. 將 Grove 基座帽連接到樹莓派。基座帽上的插槽與樹莓派的所有 GPIO 引腳對應，將其滑到底部，牢牢固定在基座上。基座帽覆蓋在樹莓派上。
-
-    ![安裝 Grove 基座帽](../../../../../images/pi-grove-hat-fitting.gif)
-
-1. 決定你想如何編程樹莓派，然後前往以下相關部分：
-
-    * [直接在樹莓派上工作](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-    * [遠端訪問以編寫樹莓派程式碼](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-
-### 直接在樹莓派上工作
-
-如果你想直接在樹莓派上工作，可以使用樹莓派 OS 的桌面版本並安裝所有需要的工具。
-
-#### 任務 - 直接在樹莓派上工作
-
-為開發設置樹莓派。
-
-1. 按照 [樹莓派設置指南](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up) 的說明設置樹莓派，連接鍵盤/滑鼠/顯示器，連接 WiFi 或乙太網絡，並更新軟件。
-
-為了使用 Grove 感應器和執行器編寫樹莓派程式碼，你需要安裝一個編輯器來編寫設備程式碼，以及與 Grove 硬件交互的各種庫和工具。
-
-1. 當樹莓派重新啟動後，點擊頂部菜單欄上的 **Terminal** 圖標啟動終端，或者選擇 *Menu -> Accessories -> Terminal*
-
-1. 運行以下命令以確保操作系統和已安裝的軟件是最新的：
-
-    ```sh
-    sudo apt update && sudo apt full-upgrade --yes
-    ```
-
-1. 運行以下命令以安裝 Grove 硬件所需的所有庫：
-
-    ```sh
-    sudo apt install git python3-dev python3-pip --yes
-
-    git clone https://github.com/Seeed-Studio/grove.py
-    cd grove.py
-    sudo pip3 install .
-
-    sudo raspi-config nonint do_i2c 0
-    ```
-
-    這首先安裝 Git 和 Pip，用於安裝 Python 套件。
-
-    Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是其他人編寫並發布到互聯網上的程式碼包。你可以用一條命令將 Pip 套件安裝到你的電腦上，然後在程式碼中使用該套件。
-
-    Seeed Grove 的 Python 套件需要從源代碼安裝。這些命令將克隆包含該套件源代碼的倉庫，然後在本地安裝它。
-
-    > 💁 默認情況下，當你安裝一個套件時，它在電腦上的任何地方都可用，這可能會導致套件版本的問題——例如，一個應用程序依賴於某個版本的套件，而當你為另一個應用程序安裝新版本時，可能會導致問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，存放在一個專用文件夾中，當你安裝 Pip 套件時，它們只會安裝到該文件夾中。在使用樹莓派時，你不會使用虛擬環境。Grove 的安裝腳本會全局安裝 Grove 的 Python 套件，因此如果你想使用虛擬環境，需要先設置虛擬環境，然後手動重新安裝 Grove 套件到該環境中。使用全局套件更簡單，特別是因為許多樹莓派開發者會為每個項目重新刷新乾淨的 SD 卡。
-
-    最後，這將啟用 I<sup>2</sup>C 接口。
-
-1. 使用菜單或在終端中運行以下命令重新啟動樹莓派：
-
-    ```sh
-    sudo reboot
-    ```
-
-1. 當樹莓派重新啟動後，重新打開終端並運行以下命令安裝 [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn)——這是你將用來用 Python 編寫設備程式碼的編輯器。
-
-    ```sh
-    sudo apt install code
-    ```
-
-    安裝完成後，VS Code 將可從頂部菜單中訪問。
-
-    > 💁 如果你有偏好的工具，可以自由選擇任何 Python IDE 或編輯器來完成這些課程，但課程中的指導將基於使用 VS Code。
-
-1. 安裝 Pylance。這是 VS Code 的一個擴展，提供 Python 語言支持。請參考 [Pylance 擴展文檔](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 了解如何在 VS Code 中安裝此擴展。
-
-### 遠端訪問以編寫樹莓派程式碼
-
-與其直接在樹莓派上編程，你可以讓它以「無頭」模式運行，也就是不連接鍵盤/滑鼠/顯示器，並通過 Visual Studio Code 從你的電腦上配置和編程。
-
-#### 設置樹莓派操作系統
-
-要遠端編程，需要將樹莓派操作系統安裝到 SD 卡上。
-
-##### 任務 - 設置樹莓派操作系統
-
-設置無頭樹莓派操作系統。
-
-1. 從 [樹莓派操作系統軟件頁面](https://www.raspberrypi.org/software/) 下載 **Raspberry Pi Imager** 並安裝
-
-1. 將 SD 卡插入電腦，如有需要使用適配器
-
-1. 啟動 Raspberry Pi Imager
-
-1. 在 Raspberry Pi Imager 中，選擇 **CHOOSE OS** 按鈕，然後選擇 *Raspberry Pi OS (Other)*，接著選擇 *Raspberry Pi OS Lite (32-bit)*
-
-    ![Raspberry Pi Imager 選擇 Raspberry Pi OS Lite](../../../../../translated_images/zh-HK/raspberry-pi-imager.24aedeab9e233d84.webp)
-
-    > 💁 Raspberry Pi OS Lite 是樹莓派操作系統的一個版本，沒有桌面 UI 或基於 UI 的工具。這些對於無頭樹莓派來說並不需要，並且使安裝更小，啟動時間更快。
-
-1. 選擇 **CHOOSE STORAGE** 按鈕，然後選擇你的 SD 卡
-
-1. 按下 `Ctrl+Shift+X` 打開 **Advanced Options**。這些選項允許在將操作系統寫入 SD 卡之前進行一些預配置。
-
-    1. 勾選 **Enable SSH** 選框，並為 `pi` 用戶設置密碼。這是你稍後登錄樹莓派時使用的密碼。
-
-    1. 如果你計劃通過 WiFi 連接樹莓派，勾選 **Configure WiFi** 選框，並輸入你的 WiFi SSID 和密碼，以及選擇你的 WiFi 國家。如果你將使用乙太網線，則不需要這樣做。確保你連接的網絡與你的電腦在同一網絡上。
-
-    1. 勾選 **Set locale settings** 選框，並設置你的國家和時區
-
-    1. 選擇 **SAVE** 按鈕
-
-1. 選擇 **WRITE** 按鈕將操作系統寫入 SD 卡。如果你使用 macOS，系統會要求你輸入密碼，因為寫入磁碟映像的底層工具需要特權訪問。
-
-操作系統將被寫入 SD 卡，完成後操作系統會彈出該卡，並通知你。從電腦中取出 SD 卡，插入樹莓派，啟動樹莓派並等待約 2 分鐘讓其正常啟動。
-
-#### 連接到樹莓派
-
-下一步是遠端訪問樹莓派。你可以使用 `ssh`，該工具在 macOS、Linux 和最近版本的 Windows 上可用。
-
-##### 任務 - 連接到樹莓派
-
-遠端訪問樹莓派。
-
-1. 啟動終端或命令提示符，輸入以下命令連接到樹莓派：
-
-    ```sh
-    ssh pi@raspberrypi.local
-    ```
-
-    如果你使用的是較舊版本的 Windows，沒有安裝 `ssh`，可以使用 OpenSSH。你可以在 [OpenSSH 安裝文檔](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn) 中找到安裝說明。
-
-1. 這應該會連接到樹莓派並要求輸入密碼。
-
-    能夠通過 `<hostname>.local` 在網絡上找到電腦是 Linux 和 Windows 最近新增的一個功能。如果你使用的是 Linux 或 Windows，並且收到有關找不到主機名的錯誤，你需要安裝額外的軟件來啟用 ZeroConf 網絡（Apple 稱之為 Bonjour）：
-
-    1. 如果你使用的是 Linux，使用以下命令安裝 Avahi：
-
-        ```sh
-        sudo apt-get install avahi-daemon
-        ```
-
-    1. 如果你使用的是 Windows，啟用 ZeroConf 最簡單的方法是安裝 [Bonjour Print Services for Windows](http://support.apple.com/kb/DL999)。你也可以安裝 [iTunes for Windows](https://www.apple.com/itunes/download/) 以獲得更新版本的工具（該工具無法單獨下載）。
-
-    > 💁 如果你無法使用 `raspberrypi.local` 連接，則可以使用樹莓派的 IP 地址。請參考 [樹莓派 IP 地址文檔](https://www.raspberrypi.org/documentation/remote-access/ip-address.md) 獲取多種方法來獲取 IP 地址的說明。
-
-1. 輸入你在 Raspberry Pi Imager 高級選項中設置的密碼
-
-#### 配置樹莓派上的軟件
-
-連接到樹莓派後，你需要確保操作系統是最新的，並安裝與 Grove 硬件交互的各種庫和工具。
-
-##### 任務 - 配置樹莓派上的軟件
-
-配置已安裝的樹莓派軟件並安裝 Grove 庫。
-
-1. 在你的 `ssh` 會話中，運行以下命令以更新並重新啟動樹莓派：
-
-    ```sh
-    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
-    ```
-
-    樹莓派將被更新並重新啟動。當樹莓派重新啟動時，`ssh` 會話將結束，因此等待約 30 秒後重新連接。
-
-1. 在重新連接的 `ssh` 會話中，運行以下命令以安裝 Grove 硬件所需的所有庫：
-
-    ```sh
-    sudo apt install git python3-dev python3-pip --yes
-
-    git clone https://github.com/Seeed-Studio/grove.py
-    cd grove.py
-    sudo pip3 install .
-
-    sudo raspi-config nonint do_i2c 0
-    ```
-
-    這首先安裝 Git 和 Pip，用於安裝 Python 套件。
-
-    Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是其他人編寫並發布到互聯網上的程式碼包。你可以用一條命令將 Pip 套件安裝到你的電腦上，然後在程式碼中使用該套件。
-
-    Seeed Grove 的 Python 套件需要從源代碼安裝。這些命令將克隆包含該套件源代碼的倉庫，然後在本地安裝它。
-
-    > 💁 默認情況下，當你安裝一個套件時，它在電腦上的任何地方都可用，這可能會導致套件版本的問題——例如，一個應用程序依賴於某個版本的套件，而當你為另一個應用程序安裝新版本時，可能會導致問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，存放在一個專用文件夾中，當你安裝 Pip 套件時，它們只會安裝到該文件夾中。在使用樹莓派時，你不會使用虛擬環境。Grove 的安裝腳本會全局安裝 Grove 的 Python 套件，因此如果你想使用虛擬環境，需要先設置虛擬環境，然後手動重新安裝 Grove 套件到該環境中。使用全局套件更簡單，特別是因為許多樹莓派開發者會為每個項目重新刷新乾淨的 SD 卡。
-
-    最後，這將啟用 I<sup>2</sup>C 接口。
-
-1. 運行以下命令重新啟動樹莓派：
-
-    ```sh
-    sudo reboot
-    ```
-
-    當樹莓派重新啟動時，`ssh` 會話將結束。無需重新連接。
-
-#### 配置 VS Code 以進行遠端訪問
-
-樹莓派配置完成後，你可以使用 Visual Studio Code (VS Code) 從電腦連接到它——這是一個免費的開發者文本編輯器，你將用它來用 Python 編寫設備程式碼。
-
-##### 任務 - 配置 VS Code 以進行遠端訪問
-
-安裝所需軟件並遠端連接到樹莓派。
-
-1. 按照 [VS Code 文檔](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 的說明在你的電腦上安裝 VS Code
-
-1. 按照 [VS Code 遠端開發使用 SSH 文檔](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) 的說明安裝所需組件
-
-1. 按照相同的說明，將 VS Code 連接到樹莓派
-
-1. 連接後，按照 [管理擴展](https://code.visualstudio.com/docs/remote/ssh#_managing-extensions?WT.mc_id=academic-17441-jabenn) 的說明，將 [Pylance 擴展](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 遠端安裝到樹莓派
-
-## Hello world
-在學習一種新的程式語言或技術時，通常會從建立一個「Hello World」應用程式開始。這是一個簡單的小應用程式，會輸出類似 `"Hello World"` 的文字，來確認所有工具都已正確配置。
-
-針對樹莓派的 Hello World 應用程式，將確保你已正確安裝 Python 和 Visual Studio Code。
-
-這個應用程式將放在一個名為 `nightlight` 的資料夾中，並且在這次作業的後續部分會重複使用該資料夾，加入不同的程式碼來構建夜燈應用程式。
-
-### 任務 - Hello World
-
-建立 Hello World 應用程式。
-
-1. 啟動 VS Code，可以直接在樹莓派上啟動，或者在你的電腦上啟動並使用 Remote SSH 擴展連接到樹莓派。
-
-1. 在 VS Code 中開啟終端機，選擇 *Terminal -> New Terminal*，或者按下快捷鍵 `` CTRL+` ``。終端機將會開啟在 `pi` 使用者的主目錄。
-
-1. 執行以下指令來為你的程式碼建立一個資料夾，並在該資料夾中建立一個名為 `app.py` 的 Python 檔案：
-
-    ```sh
-    mkdir nightlight
-    cd nightlight
-    touch app.py
-    ```
-
-1. 在 VS Code 中開啟這個資料夾，選擇 *File -> Open...*，然後選擇 *nightlight* 資料夾，接著點擊 **OK**。
-
-    ![VS Code 的開啟對話框顯示 nightlight 資料夾](../../../../../translated_images/zh-HK/vscode-open-nightlight-remote.d3d2a4011e30d535.webp)
-
-1. 從 VS Code 的檔案總管中開啟 `app.py` 檔案，並加入以下程式碼：
-
-    ```python
-    print('Hello World!')
-    ```
-
-    `print` 函數會將傳遞給它的內容輸出到終端機。
-
-1. 在 VS Code 的終端機中執行以下指令來運行你的 Python 應用程式：
-
-    ```sh
-    python app.py
-    ```
-
-    > 💁 如果你的系統同時安裝了 Python 2 和 Python 3，可能需要明確使用 `python3` 來執行這段程式碼。因為如果執行 `python`，系統可能會預設使用 Python 2 而非 Python 3。在最新版本的 Raspberry Pi OS 中，預設只安裝了 Python 3。
-
-    終端機中將會出現以下輸出：
-
-    ```output
-    pi@raspberrypi:~/nightlight $ python3 app.py
-    Hello World!
-    ```
-
-> 💁 你可以在 [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi) 資料夾中找到這段程式碼。
-
-😀 恭喜！你的「Hello World」程式成功運行了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/hk/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
deleted file mode 100644
index cafab06aa..000000000
--- a/translations/hk/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
+++ /dev/null
@@ -1,245 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "52b4de6144b2efdced7797a5339d6035",
-  "translation_date": "2025-08-26T15:11:24+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
-  "language_code": "hk"
-}
--->
-# 虛擬單板電腦
-
-與其購買物聯網設備以及感應器和執行器，你可以使用你的電腦來模擬物聯網硬件。[CounterFit 專案](https://github.com/CounterFit-IoT/CounterFit) 允許你在本地運行一個應用程式，模擬像感應器和執行器這樣的物聯網硬件，並通過本地的 Python 程式碼訪問這些感應器和執行器。這些程式碼的編寫方式與你在 Raspberry Pi 上使用實體硬件時的編寫方式相同。
-
-## 設置
-
-要使用 CounterFit，你需要在電腦上安裝一些免費的軟件。
-
-### 任務
-
-安裝所需的軟件。
-
-1. 安裝 Python。請參考 [Python 下載頁面](https://www.python.org/downloads/) 以獲取安裝最新版本 Python 的指引。
-
-1. 安裝 Visual Studio Code (VS Code)。這是你將用來編寫虛擬設備 Python 程式碼的編輯器。請參考 [VS Code 文件](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 以獲取安裝 VS Code 的指引。
-
-    > 💁 如果你有偏好的工具，可以自由選擇任何 Python IDE 或編輯器來完成這些課程，但課程中的指引將基於使用 VS Code。
-
-1. 安裝 VS Code 的 Pylance 擴展。這是一個為 VS Code 提供 Python 語言支持的擴展。請參考 [Pylance 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 以獲取在 VS Code 中安裝此擴展的指引。
-
-CounterFit 應用程式的安裝和配置指引將在相關的作業指令中提供，因為它是按專案安裝的。
-
-## Hello World
-
-在學習一種新的程式語言或技術時，通常會先建立一個 "Hello World" 應用程式——一個小型應用程式，輸出類似 `"Hello World"` 的文字，以確認所有工具已正確配置。
-
-虛擬物聯網硬件的 Hello World 應用程式將確保你已正確安裝 Python 和 Visual Studio Code。它還會連接到 CounterFit 以模擬物聯網感應器和執行器。這個應用程式不會使用任何硬件，只是進行連接以確認一切正常。
-
-此應用程式將位於名為 `nightlight` 的資料夾中，並在作業的後續部分中重複使用不同的程式碼來建立夜燈應用程式。
-
-### 配置 Python 虛擬環境
-
-Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是由其他人編寫並發布到互聯網上的程式碼套件。你可以通過一條指令在電腦上安裝 Pip 套件，然後在程式碼中使用該套件。你將使用 Pip 安裝一個套件來與 CounterFit 通訊。
-
-默認情況下，當你安裝一個套件時，它在電腦的所有地方都可用，這可能會導致套件版本的問題——例如，一個應用程式依賴於某個版本的套件，而安裝新版本可能會導致另一個應用程式出現問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，存放在一個專用資料夾中，當你安裝 Pip 套件時，它們只會安裝到該資料夾中。
-
-> 💁 如果你使用的是 Raspberry Pi，那麼你不需要在該設備上設置虛擬環境來管理 Pip 套件，而是使用全局套件，因為 Grove 套件是通過安裝腳本全局安裝的。
-
-#### 任務 - 配置 Python 虛擬環境
-
-配置 Python 虛擬環境並安裝 CounterFit 的 Pip 套件。
-
-1. 在終端或命令行中，運行以下指令以在你選擇的位置建立並進入一個新目錄：
-
-    ```sh
-    mkdir nightlight
-    cd nightlight
-    ```
-
-1. 現在運行以下指令以在 `.venv` 資料夾中建立虛擬環境：
-
-    ```sh
-    python3 -m venv .venv
-    ```
-
-    > 💁 你需要明確調用 `python3` 來建立虛擬環境，以防你的系統同時安裝了 Python 2 和 Python 3（最新版本）。如果安裝了 Python 2，調用 `python` 會使用 Python 2 而不是 Python 3。
-
-1. 啟動虛擬環境：
-
-    * 在 Windows 上：
-        * 如果你使用的是命令提示符或 Windows Terminal 中的命令提示符，運行：
-
-            ```cmd
-            .venv\Scripts\activate.bat
-            ```
-
-        * 如果你使用的是 PowerShell，運行：
-
-            ```powershell
-            .\.venv\Scripts\Activate.ps1
-            ```
-
-            > 如果你收到關於系統禁用腳本運行的錯誤，你需要通過設置適當的執行策略來啟用腳本運行。你可以以管理員身份啟動 PowerShell，然後運行以下指令：
-
-            ```powershell
-            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
-            ```
-
-            當被要求確認時輸入 `Y`。然後重新啟動 PowerShell 並再次嘗試。
-
-            如果需要，你可以稍後重置此執行策略。你可以在 [Microsoft Docs 的執行策略頁面](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn) 上了解更多。
-
-    * 在 macOS 或 Linux 上，運行：
-
-        ```cmd
-        source ./.venv/bin/activate
-        ```
-
-    > 💁 這些指令應在你運行建立虛擬環境指令的同一位置執行。你永遠不需要進入 `.venv` 資料夾，應始終在建立虛擬環境的資料夾中運行啟動指令以及任何安裝套件或運行程式的指令。
-
-1. 啟動虛擬環境後，默認的 `python` 指令將運行用於建立虛擬環境的 Python 版本。運行以下指令以檢查版本：
-
-    ```sh
-    python --version
-    ```
-
-    輸出應包含以下內容：
-
-    ```output
-    (.venv) ➜  nightlight python --version
-    Python 3.9.1
-    ```
-
-    > 💁 你的 Python 版本可能不同——只要是 3.6 或更高版本即可。如果不是，刪除該資料夾，安裝更新版本的 Python 並重試。
-
-1. 運行以下指令以安裝 CounterFit 的 Pip 套件。這些套件包括主要的 CounterFit 應用程式以及 Grove 硬件的 shims。這些 shims 允許你像編寫 Grove 生態系統的實體感應器和執行器程式碼一樣編寫程式碼，但連接的是虛擬物聯網設備。
-
-    ```sh
-    pip install CounterFit
-    pip install counterfit-connection
-    pip install counterfit-shims-grove
-    ```
-
-    這些 Pip 套件只會安裝在虛擬環境中，無法在虛擬環境外部使用。
-
-### 編寫程式碼
-
-當 Python 虛擬環境準備好後，你可以編寫 "Hello World" 應用程式的程式碼。
-
-#### 任務 - 編寫程式碼
-
-建立一個 Python 應用程式，將 `"Hello World"` 輸出到控制台。
-
-1. 在虛擬環境中，通過終端或命令行運行以下指令以建立名為 `app.py` 的 Python 文件：
-
-    * 在 Windows 上運行：
-
-        ```cmd
-        type nul > app.py
-        ```
-
-    * 在 macOS 或 Linux 上運行：
-
-        ```cmd
-        touch app.py
-        ```
-
-1. 在 VS Code 中打開當前資料夾：
-
-    ```sh
-    code .
-    ```
-
-    > 💁 如果你的終端在 macOS 上返回 `command not found`，這意味著 VS Code 尚未添加到 PATH。你可以按照 [VS Code 文件中從命令行啟動部分](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) 的指引將 VS Code 添加到 PATH，然後再次運行指令。VS Code 在 Windows 和 Linux 上默認添加到 PATH。
-
-1. 當 VS Code 啟動時，它將激活 Python 虛擬環境。選定的虛擬環境將顯示在底部狀態欄中：
-
-    ![VS Code 顯示選定的虛擬環境](../../../../../translated_images/zh-HK/vscode-virtual-env.8ba42e04c3d533cf.webp)
-
-1. 如果 VS Code Terminal 在啟動時已運行，它將不會激活虛擬環境。最簡單的方法是使用 **Kill the active terminal instance** 按鈕關閉終端：
-
-    ![VS Code Kill the active terminal instance 按鈕](../../../../../translated_images/zh-HK/vscode-kill-terminal.1cc4de7c6f25ee08.webp)
-
-    你可以通過終端提示的前綴來判斷終端是否激活了虛擬環境。例如，它可能是：
-
-    ```sh
-    (.venv) ➜  nightlight
-    ```
-
-    如果提示中沒有 `.venv` 作為前綴，則虛擬環境未在終端中激活。
-
-1. 通過選擇 *Terminal -> New Terminal* 或按 `` CTRL+` `` 啟動新的 VS Code 終端。新終端將加載虛擬環境，並在終端中顯示激活指令。提示也會包含虛擬環境的名稱（`.venv`）：
-
-    ```output
-    ➜  nightlight source .venv/bin/activate
-    (.venv) ➜  nightlight 
-    ```
-
-1. 從 VS Code 的資源管理器中打開 `app.py` 文件，並添加以下程式碼：
-
-    ```python
-    print('Hello World!')
-    ```
-
-    `print` 函數將其接收的內容輸出到控制台。
-
-1. 從 VS Code 終端運行以下指令以運行你的 Python 應用程式：
-
-    ```sh
-    python app.py
-    ```
-
-    輸出將包含以下內容：
-
-    ```output
-    (.venv) ➜  nightlight python app.py 
-    Hello World!
-    ```
-
-😀 你的 "Hello World" 程式成功了！
-
-### 連接 "硬件"
-
-作為第二步的 "Hello World"，你將運行 CounterFit 應用程式並將程式碼連接到它。這是虛擬等效於將一些物聯網硬件插入開發套件。
-
-#### 任務 - 連接 "硬件"
-
-1. 從 VS Code 終端運行以下指令啟動 CounterFit 應用程式：
-
-    ```sh
-    counterfit
-    ```
-
-    應用程式將開始運行並在你的網頁瀏覽器中打開：
-
-    ![Counter Fit 應用程式在瀏覽器中運行](../../../../../translated_images/zh-HK/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png)
-
-    它將顯示為 *Disconnected*，右上角的 LED 是熄滅的。
-
-1. 在 `app.py` 文件的頂部添加以下程式碼：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-    此程式碼從 `counterfit_connection` 模組中導入 `CounterFitConnection` 類，該模組來自你之前安裝的 `counterfit-connection` Pip 套件。然後它初始化了一個連接到運行在 `127.0.0.1` 的 CounterFit 應用程式，該 IP 地址始終可用於訪問你的本地電腦（通常稱為 *localhost*），端口為 5000。
-
-    > 💁 如果你有其他應用程式在端口 5000 上運行，你可以通過更新程式碼中的端口來更改此設置，並使用 `CounterFit --port <port_number>` 運行 CounterFit，將 `<port_number>` 替換為你想使用的端口。
-
-1. 你需要通過選擇 **Create a new integrated terminal** 按鈕啟動新的 VS Code 終端。這是因為 CounterFit 應用程式正在當前終端中運行。
-
-    ![VS Code Create a new integrated terminal 按鈕](../../../../../translated_images/zh-HK/vscode-new-terminal.77db8fc0f9cd3182.webp)
-
-1. 在這個新終端中，像之前一樣運行 `app.py` 文件。CounterFit 的狀態將變為 **Connected**，LED 會亮起。
-
-    ![Counter Fit 顯示為已連接](../../../../../translated_images/zh-HK/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png)
-
-> 💁 你可以在 [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) 資料夾中找到這段程式碼。
-
-😀 你成功連接到硬件了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/hk/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
deleted file mode 100644
index b749ba2e9..000000000
--- a/translations/hk/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
+++ /dev/null
@@ -1,222 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
-  "translation_date": "2025-08-26T15:14:25+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
-  "language_code": "hk"
-}
--->
-# Wio Terminal
-
-[Seeed Studios 的 Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 是一款兼容 Arduino 的微控制器，內建 WiFi 以及一些感測器和執行器，並且可以透過名為 [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) 的硬體生態系統添加更多感測器和執行器。
-
-![Seeed Studios 的 Wio Terminal](../../../../../translated_images/zh-HK/wio-terminal.b8299ee16587db9a.webp)
-
-## 設置
-
-要使用 Wio Terminal，您需要在電腦上安裝一些免費軟件。此外，在連接 WiFi 之前，您需要更新 Wio Terminal 的韌體。
-
-### 任務 - 設置
-
-安裝所需的軟件並更新韌體。
-
-1. 安裝 Visual Studio Code (VS Code)。這是您將用來編寫 C/C++ 設備代碼的編輯器。請參考 [VS Code 文件](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 了解安裝 VS Code 的說明。
-
-    > 💁 另一個流行的 Arduino 開發 IDE 是 [Arduino IDE](https://www.arduino.cc/en/software)。如果您已熟悉此工具，則可以使用它代替 VS Code 和 PlatformIO，但課程將基於使用 VS Code 的指導。
-
-1. 安裝 VS Code 的 PlatformIO 擴展。這是 VS Code 的一個擴展，支持用 C/C++ 編程微控制器。請參考 [PlatformIO 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide) 了解如何在 VS Code 中安裝此擴展。此擴展依賴於 Microsoft C/C++ 擴展來處理 C 和 C++ 代碼，安裝 PlatformIO 時會自動安裝 C/C++ 擴展。
-
-1. 將 Wio Terminal 連接到您的電腦。Wio Terminal 底部有一個 USB-C 端口，需要連接到電腦上的 USB 端口。Wio Terminal 附帶 USB-C 至 USB-A 線纜，但如果您的電腦只有 USB-C 端口，則需要 USB-C 線纜或 USB-A 至 USB-C 轉接器。
-
-1. 按照 [Wio Terminal Wiki WiFi 概述文件](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/) 中的說明設置 Wio Terminal 並更新韌體。
-
-## Hello World
-
-在開始學習新的編程語言或技術時，通常會創建一個 "Hello World" 應用程序——一個小型應用程序，輸出類似 `"Hello World"` 的文本，以確保所有工具已正確配置。
-
-Wio Terminal 的 Hello World 應用程序將確保您已正確安裝 Visual Studio Code 和 PlatformIO，並設置好微控制器開發環境。
-
-### 創建 PlatformIO 項目
-
-第一步是使用 PlatformIO 創建一個新項目，並配置為 Wio Terminal。
-
-#### 任務 - 創建 PlatformIO 項目
-
-創建 PlatformIO 項目。
-
-1. 將 Wio Terminal 連接到您的電腦
-
-1. 啟動 VS Code
-
-1. PlatformIO 圖標將顯示在側邊菜單欄：
-
-    ![Platform IO 菜單選項](../../../../../translated_images/zh-HK/vscode-platformio-menu.297be26b9733e5c4.webp)
-
-    選擇此菜單項，然後選擇 *PIO Home -> Open*
-
-    ![Platform IO 打開選項](../../../../../translated_images/zh-HK/vscode-platformio-home-open.3f9a41bfd3f4da1c.webp)
-
-1. 在歡迎屏幕中，選擇 **+ New Project** 按鈕
-
-    ![新項目按鈕](../../../../../translated_images/zh-HK/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc8.webp)
-
-1. 在 *Project Wizard* 中配置項目：
-
-    1. 將項目命名為 `nightlight`
-
-    1. 在 *Board* 下拉菜單中輸入 `WIO` 以篩選板子，並選擇 *Seeeduino Wio Terminal*
-
-    1. 保持 *Framework* 為 *Arduino*
-
-    1. 可以保持 *Use default location* 勾選，或者取消勾選並選擇項目位置
-
-    1. 選擇 **Finish** 按鈕
-
-    ![完成的項目向導](../../../../../translated_images/zh-HK/vscode-platformio-nightlight-project-wizard.5c64db4da6037420.webp)
-
-    PlatformIO 會下載所需的組件以編譯 Wio Terminal 的代碼並創建您的項目。這可能需要幾分鐘。
-
-### 探索 PlatformIO 項目
-
-VS Code 的資源管理器將顯示由 PlatformIO 向導創建的多個文件和文件夾。
-
-#### 文件夾
-
-* `.pio` - 此文件夾包含 PlatformIO 所需的臨時數據，例如庫或編譯代碼。如果刪除，它會自動重新創建，並且如果您在 GitHub 等網站上共享項目，則不需要將其添加到源代碼控制中。
-* `.vscode` - 此文件夾包含 PlatformIO 和 VS Code 使用的配置。如果刪除，它會自動重新創建，並且如果您在 GitHub 等網站上共享項目，則不需要將其添加到源代碼控制中。
-* `include` - 此文件夾用於添加額外庫時需要的外部頭文件。在這些課程中，您不會使用此文件夾。
-* `lib` - 此文件夾用於您希望從代碼中調用的外部庫。在這些課程中，您不會使用此文件夾。
-* `src` - 此文件夾包含應用程序的主要源代碼。最初，它只包含一個文件——`main.cpp`。
-* `test` - 此文件夾是您放置代碼單元測試的地方。
-
-#### 文件
-
-* `main.cpp` - `src` 文件夾中的此文件包含應用程序的入口點。打開此文件，您將看到以下代碼：
-
-    ```cpp
-    #include <Arduino.h>
-    
-    void setup() {
-      // put your setup code here, to run once:
-    }
-    
-    void loop() {
-      // put your main code here, to run repeatedly:
-    }
-    ```
-
-    當設備啟動時，Arduino 框架會運行一次 `setup` 函數，然後反覆運行 `loop` 函數，直到設備關閉。
-
-* `.gitignore` - 此文件列出了在將代碼添加到 git 源代碼控制時需要忽略的文件和目錄，例如上傳到 GitHub 的倉庫。
-
-* `platformio.ini` - 此文件包含設備和應用程序的配置。打開此文件，您將看到以下代碼：
-
-    ```ini
-    [env:seeed_wio_terminal]
-    platform = atmelsam
-    board = seeed_wio_terminal
-    framework = arduino
-    ```
-
-    `[env:seeed_wio_terminal]` 部分包含 Wio Terminal 的配置。您可以有多個 `env` 部分，以便代碼可以為多個板子編譯。
-
-    其他值與項目向導的配置相匹配：
-
-  * `platform = atmelsam` 定義了 Wio Terminal 使用的硬件（基於 ATSAMD51 的微控制器）
-  * `board = seeed_wio_terminal` 定義了微控制器板的類型（Wio Terminal）
-  * `framework = arduino` 定義此項目使用 Arduino 框架。
-
-### 編寫 Hello World 應用程序
-
-現在您可以開始編寫 Hello World 應用程序。
-
-#### 任務 - 編寫 Hello World 應用程序
-
-編寫 Hello World 應用程序。
-
-1. 在 VS Code 中打開 `main.cpp` 文件
-
-1. 將代碼更改為以下內容：
-
-    ```cpp
-    #include <Arduino.h>
-
-    void setup()
-    {
-        Serial.begin(9600);
-
-        while (!Serial)
-            ; // Wait for Serial to be ready
-    
-        delay(1000);
-    }
-    
-    void loop()
-    {
-        Serial.println("Hello World");
-        delay(5000);
-    }
-    ```
-
-    `setup` 函數初始化與串口的連接——在此情況下，是用於連接 Wio Terminal 和電腦的 USB 端口。參數 `9600` 是 [波特率](https://wikipedia.org/wiki/Symbol_rate)（也稱為符號率），即通過串口每秒傳輸的數據速度（以位為單位）。此設置表示每秒傳輸 9,600 位（0 和 1）的數據。然後它等待串口準備好。
-
-    `loop` 函數將行 `Hello World!` 發送到串口，因此會發送 `Hello World!` 的字符以及一個換行符。然後它休眠 5,000 毫秒或 5 秒。`loop` 結束後，會再次運行，並反覆運行，直到微控制器斷電。
-
-1. 將 Wio Terminal 設置為上傳模式。每次上傳新代碼到設備時，您都需要執行此操作：
-
-    1. 快速向下拉動電源開關兩次——每次都會彈回到開啟位置。
-
-    1. 檢查 USB 端口右側的藍色狀態 LED。它應該在閃爍。
-
-    [![如何將 Wio Terminal 設置為上傳模式的視頻](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
-    
-    點擊上方圖片觀看操作視頻。
-
-1. 編譯並上傳代碼到 Wio Terminal
-
-    1. 打開 VS Code 的命令面板
-
-    1. 輸入 `PlatformIO Upload` 搜索上傳選項，並選擇 *PlatformIO: Upload*
-
-        ![命令面板中的 PlatformIO 上傳選項](../../../../../translated_images/zh-HK/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3.webp)
-
-        如果需要，PlatformIO 會在上傳之前自動編譯代碼。
-
-    1. 代碼將被編譯並上傳到 Wio Terminal
-
-        > 💁 如果您使用 macOS，可能會出現 *DISK NOT EJECTED PROPERLY* 的通知。這是因為 Wio Terminal 在閃存過程中會被掛載為驅動器，並在編譯代碼寫入設備時斷開連接。您可以忽略此通知。
-
-    ⚠️ 如果出現上傳端口不可用的錯誤，首先確保 Wio Terminal 已連接到您的電腦，並通過屏幕左側的開關打開，並設置為上傳模式。底部的綠燈應該亮著，藍燈應該在閃爍。如果仍然出現錯誤，請再次快速向下拉動開關兩次，強制 Wio Terminal 進入上傳模式，然後重試上傳。
-
-PlatformIO 有一個串口監視器，可以監視通過 USB 線纜從 Wio Terminal 發送的數據。這使您可以監視 `Serial.println("Hello World");` 命令發送的數據。
-
-1. 打開 VS Code 的命令面板
-
-1. 輸入 `PlatformIO Serial` 搜索串口監視器選項，並選擇 *PlatformIO: Serial Monitor*
-
-    ![命令面板中的 PlatformIO 串口監視器選項](../../../../../translated_images/zh-HK/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14.webp)
-
-    一個新終端將打開，通過串口發送的數據將流入此終端：
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Hello World
-    Hello World
-    ```
-
-    `Hello World` 每 5 秒會打印到串口監視器。
-
-> 💁 您可以在 [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal) 文件夾中找到此代碼。
-
-😀 您的 'Hello World' 程序成功了！
-
----
-
-**免責聲明**：  
-此文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議使用專業的人工作業翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/2-deeper-dive/README.md b/translations/hk/1-getting-started/lessons/2-deeper-dive/README.md
deleted file mode 100644
index 5d691ce19..000000000
--- a/translations/hk/1-getting-started/lessons/2-deeper-dive/README.md
+++ /dev/null
@@ -1,277 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
-  "translation_date": "2025-08-26T15:15:42+00:00",
-  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
-  "language_code": "hk"
-}
--->
-# 深入了解物聯網
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩段影片進行教學——一小時的課程以及一小時的辦公時間，深入探討課程的部分內容並回答問題。
-
-[![課程 2：深入了解物聯網](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
-
-[![課程 2：深入了解物聯網 - 辦公時間](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
-
-## 簡介
-
-本課程將更深入探討上一課中提到的一些概念。
-
-在本課程中，我們將涵蓋以下內容：
-
-* [物聯網應用的組成部分](../../../../../1-getting-started/lessons/2-deeper-dive)
-* [深入了解微控制器](../../../../../1-getting-started/lessons/2-deeper-dive)
-* [深入了解單板電腦](../../../../../1-getting-started/lessons/2-deeper-dive)
-
-## 物聯網應用的組成部分
-
-物聯網應用的兩個主要組成部分是 *網際網路* 和 *物件*。讓我們更詳細地了解這兩個部分。
-
-### 物件
-
-![Raspberry Pi 4](../../../../../translated_images/zh-HK/raspberry-pi-4.fd4590d308c3d456.webp)
-
-物聯網中的 **物件** 指的是能與物理世界互動的設備。這些設備通常是小型、價格低廉的電腦，運行速度較慢且耗電量低——例如，僅有幾千字節 RAM 的簡單微控制器（相比之下，PC 的 RAM 是幾 GB），運行速度僅為幾百 MHz（而 PC 是 GHz 級別），但耗電量極低，有時甚至可以用電池運行數週、數月甚至數年。
-
-這些設備通過使用感測器從周圍環境收集數據，或通過控制輸出或執行器進行物理改變來與物理世界互動。典型的例子是一個智能恆溫器——一個具有溫度感測器、設置目標溫度的方式（如旋鈕或觸控螢幕），以及與加熱或冷卻系統連接的設備，當檢測到的溫度超出目標範圍時，系統會啟動。
-
-![一個圖示顯示溫度和旋鈕作為物聯網設備的輸入，並控制加熱器作為輸出](../../../../../translated_images/zh-HK/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png)
-
-可以作為物聯網設備的物件種類繁多，從專門感測某一項的硬體到通用設備，甚至包括你的智能手機！智能手機可以使用感測器檢測周圍環境，並使用執行器與世界互動——例如，使用 GPS 感測器檢測你的地點，並通過揚聲器提供導航指示。
-
-✅ 想一想你周圍有哪些系統會從感測器讀取數據並據此做出決策。一個例子是烤箱的恆溫器。你能找到更多例子嗎？
-
-### 網際網路
-
-物聯網應用中的 **網際網路** 部分包括物聯網設備可以連接以發送和接收數據的應用，以及可以處理來自物聯網設備的數據並幫助決策的其他應用，這些決策會發送請求給物聯網設備的執行器。
-
-一個典型的設置是使用某種雲端服務，物聯網設備連接到該服務，該服務處理安全性、接收來自物聯網設備的消息，並將消息發送回設備。這個雲端服務還會連接到其他應用，這些應用可以處理或存儲感測器數據，或者將感測器數據與其他系統的數據結合起來進行決策。
-
-設備並不總是通過 WiFi 或有線連接直接連接到網際網路。有些設備使用網狀網路技術（如藍牙）相互通信，通過具有網際網路連接的集線器設備進行連接。
-
-以智能恆溫器為例，恆溫器通過家庭 WiFi 連接到雲端服務，將溫度數據發送到該服務，然後數據會被寫入某種數據庫，讓房主可以通過手機應用查看當前和過去的溫度。雲端中的另一個服務會知道房主想要的溫度，並通過雲端服務向物聯網設備發送消息，告訴加熱系統開啟或關閉。
-
-![一個圖示顯示溫度和旋鈕作為物聯網設備的輸入，物聯網設備與雲端之間有雙向通信，雲端與手機之間也有雙向通信，並控制加熱器作為物聯網設備的輸出](../../../../../translated_images/zh-HK/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png)
-
-更智能的版本可以使用雲端的 AI，結合其他物聯網設備（如檢測房間使用情況的佔用感測器）的數據，以及天氣數據甚至你的日曆，來智能地設置溫度。例如，如果從日曆中讀取到你正在度假，它可以關閉加熱；或者根據你使用的房間逐一關閉加熱，並隨著數據的積累變得越來越準確。
-
-![一個圖示顯示多個溫度感測器和旋鈕作為物聯網設備的輸入，物聯網設備與雲端之間有雙向通信，雲端與手機、日曆和天氣服務之間也有雙向通信，並控制加熱器作為物聯網設備的輸出](../../../../../translated_images/zh-HK/smarter-thermostat.a75855f15d2d9e63.webp)
-
-✅ 還有哪些數據可以幫助讓一個連接網際網路的恆溫器變得更智能？
-
-### 邊緣上的物聯網
-
-雖然物聯網中的 "I" 代表網際網路，但這些設備並不一定要連接到網際網路。在某些情況下，設備可以連接到 "邊緣" 設備——運行在本地網路上的閘道設備，這意味著你可以在不通過網際網路的情況下處理數據。當你有大量數據或網際網路連接速度較慢時，這樣做可以更快；它還允許你在無法連接網際網路的情況下運行，例如在船上或在人道主義危機的災區；此外，它還可以保護數據隱私。一些設備會包含使用雲端工具創建的處理代碼，並在本地運行以收集和響應數據，而無需通過網際網路進行決策。
-
-一個例子是智能家居設備，例如 Apple HomePod、Amazon Alexa 或 Google Home，這些設備會使用在雲端訓練的 AI 模型來聆聽你的聲音，但實際運行在本地設備上。這些設備會在聽到某個詞或短語時 "喚醒"，然後才將你的語音通過網際網路發送進行處理。設備會在檢測到語音中的停頓時停止發送語音。你在喚醒設備之前說的話，以及設備停止聆聽後說的話，都不會被發送到設備提供商的網際網路，因此是私密的。
-
-✅ 想一想還有哪些情境中隱私很重要，因此數據處理最好在邊緣完成而不是在雲端完成。提示：想一想帶有攝像頭或其他影像設備的物聯網設備。
-
-### 物聯網安全性
-
-任何網際網路連接都需要考慮安全性。有一個老笑話說 "物聯網中的 S 代表安全性"——物聯網中沒有 "S"，暗示它不安全。
-
-物聯網設備連接到雲端服務，因此它的安全性取決於雲端服務的安全性——如果你的雲端服務允許任何設備連接，那麼惡意數據可能會被發送，或者可能發生病毒攻擊。由於物聯網設備與其他設備互動並進行控制，這可能會帶來非常現實的後果。例如，[Stuxnet 蠕蟲](https://wikipedia.org/wiki/Stuxnet) 操控離心機中的閥門以損壞它們。黑客還利用[安全性不足來訪問嬰兒監視器](https://www.npr.org/sections/thetwo-way/2018/06/05/617196788/s-c-mom-says-baby-monitor-was-hacked-experts-say-many-devices-are-vulnerable)和其他家庭監控設備。
-
-> 💁 有時物聯網設備和邊緣設備會運行在完全與網際網路隔離的網路上，以保持數據的私密性和安全性。這被稱為 [空氣隔離](https://wikipedia.org/wiki/Air_gap_(networking))。
-
-## 深入了解微控制器
-
-在上一課中，我們介紹了微控制器。現在讓我們更深入地了解它們。
-
-### CPU
-
-CPU 是微控制器的 "大腦"。它是運行你的代碼的處理器，並可以向任何連接的設備發送數據或接收數據。CPU 可以包含一個或多個核心——本質上是一個或多個可以協同工作來運行代碼的 CPU。
-
-CPU 依賴於時鐘每秒數百萬或數十億次的滴答聲。每次滴答聲或週期，會同步 CPU 可以執行的操作。每次滴答聲，CPU 可以執行程序中的一條指令，例如從外部設備檢索數據或執行數學計算。這種規律的週期允許所有操作在處理下一條指令之前完成。
-
-時鐘週期越快，每秒可以處理的指令越多，因此 CPU 的速度越快。CPU 的速度以 [赫茲 (Hz)](https://wikipedia.org/wiki/Hertz) 為單位測量，1 Hz 表示每秒一個週期或時鐘滴答。
-
-> 🎓 CPU 的速度通常以 MHz 或 GHz 表示。1MHz 是 100 萬 Hz，1GHz 是 10 億 Hz。
-
-> 💁 CPU 使用 [取指-解碼-執行週期](https://wikipedia.org/wiki/Instruction_cycle) 執行程序。每次時鐘滴答，CPU 會從記憶體中取出下一條指令，解碼它，然後執行它，例如使用算術邏輯單元 (ALU) 來加兩個數字。一些執行可能需要多個滴答聲才能完成，因此下一個週期會在指令完成後的下一次滴答聲運行。
-
-![取指-解碼-執行週期，顯示從存儲在 RAM 中的程序中取指令，然後在 CPU 上解碼並執行](../../../../../translated_images/zh-HK/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png)
-
-微控制器的時鐘速度遠低於桌面或筆記本電腦，甚至大多數智能手機。例如，Wio Terminal 的 CPU 運行速度為 120MHz，即每秒 120,000,000 次週期。
-
-✅ 一台普通的 PC 或 Mac 的 CPU 有多個核心，運行速度為數 GHz，這意味著時鐘每秒滴答數十億次。研究一下你的電腦的時鐘速度，並比較它比 Wio Terminal 快多少倍。
-
-每次時鐘週期都會消耗電力並產生熱量。滴答聲越快，消耗的電力越多，產生的熱量也越多。PC 有散熱片和風扇來散熱，否則它們會在幾秒鐘內過熱並關機。微控制器通常沒有這些，因為它們運行得更冷，因此速度更慢。PC 通常使用主電源或大電池運行幾小時，而微控制器可以使用小電池運行數天、數月甚至數年。微控制器還可以有以不同速度運行的核心，當 CPU 的需求較低時切換到較慢的低功耗核心以減少功耗。
-
-> 💁 一些 PC 和 Mac 也採用了相同的快速高功耗核心和較慢低功耗核心的組合，根據運行的任務在節省電池和提高速度之間切換。例如，最新 Apple 筆記本中的 M1 晶片可以在 4 個性能核心和 4 個效率核心之間切換，以根據任務優化電池壽命或速度。
-
-✅ 做一些研究：閱讀 [Wikipedia CPU 文章](https://wikipedia.org/wiki/Central_processing_unit) 了解更多關於 CPU 的資訊。
-
-#### 任務
-
-調查 Wio Terminal。
-
-如果你正在使用 Wio Terminal 進行這些課程，試著找到 CPU。在 [Wio Terminal 產品頁面](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 的 *硬體概覽* 部分找到內部結構的圖片，並試著通過背面的透明塑膠窗口找到 CPU。
-
-### 記憶體
-
-微控制器通常有兩種類型的記憶體——程序記憶體和隨機存取記憶體 (RAM)。
-
-程序記憶體是非易失性的，這意味著無論是否有電力供應，寫入其中的內容都會保留。這是存儲程序代碼的記憶體。
-
-RAM 是程序運行時使用的記憶體，包含程序分配的變數和從外設收集的數據。RAM 是易失性的，當電力中斷時，內容會丟失，程序會有效地重置。
-🎓 程式記憶體儲存你的程式碼，即使沒有電力也能保留。
-> 🎓 RAM 用於執行程式，當電源中斷時會被重置
-
-與 CPU 一樣，微控制器上的記憶體比 PC 或 Mac 小得多。一台典型的 PC 可能有 8GB（8,000,000,000 字節）的 RAM，每個字節足以存儲一個字母或 0-255 之間的一個數字。而微控制器通常只有幾千字節（KB）的 RAM，一千字節等於 1,000 字節。上述提到的 Wio Terminal 擁有 192KB 的 RAM，即 192,000 字節，比一般 PC 少了超過 40,000 倍！
-
-下圖顯示了 192KB 和 8GB 之間的相對大小差異——中心的小點代表 192KB。
-
-![192KB 和 8GB 的比較 - 超過 40,000 倍的差距](../../../../../translated_images/zh-HK/ram-comparison.6beb73541b42ac6f.webp)
-
-程式存儲空間也比 PC 小。一台典型的 PC 可能有 500GB 的硬碟用於程式存儲，而微控制器可能只有幾千字節或幾百萬字節（MB）的存儲空間（1MB 等於 1,000KB 或 1,000,000 字節）。Wio Terminal 擁有 4MB 的程式存儲空間。
-
-✅ 做一些研究：你正在使用的電腦有多少 RAM 和存儲空間？與微控制器相比如何？
-
-### 輸入/輸出
-
-微控制器需要輸入和輸出（I/O）連接來從感應器讀取數據並向執行器發送控制信號。它們通常包含多個通用輸入/輸出（GPIO）引腳。這些引腳可以通過軟體配置為輸入（接收信號）或輸出（發送信號）。
-
-🧠⬅️ 輸入引腳用於從感應器讀取數值
-
-🧠➡️ 輸出引腳向執行器發送指令
-
-✅ 你將在後續課程中學到更多相關內容。
-
-#### 任務
-
-研究 Wio Terminal。
-
-如果你正在使用 Wio Terminal 進行這些課程，找到 GPIO 引腳。在 [Wio Terminal 產品頁面](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 的 *Pinout diagram* 部分，了解每個引腳的功能。Wio Terminal 附帶了一張可以貼在背面的貼紙，上面標有引腳編號，如果還沒貼上，現在可以貼上。
-
-### 實體大小
-
-微控制器通常體積很小，其中最小的 [Freescale Kinetis KL03 MCU](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/) 小到可以放進高爾夫球的凹槽中。而 PC 的 CPU 僅處理器本身就可能有 40mm x 40mm 的大小，這還不包括為了防止過熱而需要的散熱片和風扇，這些使得 PC 的 CPU 比完整的微控制器大得多。Wio Terminal 開發套件包含微控制器、外殼、螢幕以及一系列連接和元件，其大小甚至不比裸露的 Intel i9 CPU 大多少，並且比帶有散熱片和風扇的 CPU 小得多！
-
-| 裝置                          | 大小                  |
-| ----------------------------- | --------------------- |
-| Freescale Kinetis KL03        | 1.6mm x 2mm x 1mm     |
-| Wio Terminal                  | 72mm x 57mm x 12mm    |
-| Intel i9 CPU、散熱片和風扇    | 136mm x 145mm x 103mm |
-
-### 框架與操作系統
-
-由於速度和記憶體的限制，微控制器不會運行像桌面電腦那樣的操作系統（OS）。讓你的電腦運行的操作系統（Windows、Linux 或 macOS）需要大量的記憶體和處理能力來執行對微控制器來說完全不必要的任務。記住，微控制器通常被編程來執行一個或多個非常特定的任務，而不像 PC 或 Mac 這樣的通用電腦需要支持用戶界面、播放音樂或影片、提供文檔或程式編寫工具、玩遊戲或瀏覽互聯網。
-
-要在沒有操作系統的情況下編程微控制器，你需要一些工具來構建你的程式碼，使其能夠在微控制器上運行，並使用 API 與任何外圍設備通信。每個微控制器都不同，因此製造商通常支持標準框架，這些框架允許你遵循標準的“配方”來構建程式碼，並使其能夠在支持該框架的任何微控制器上運行。
-
-你也可以使用操作系統來編程微控制器——通常被稱為實時操作系統（RTOS），因為它們被設計用來實時處理與外圍設備的數據傳輸。這些操作系統非常輕量化，並提供以下功能：
-
-* 多執行緒，允許你的程式碼同時運行多個程式塊，無論是在多個核心上還是通過在單個核心上輪流執行
-* 網絡功能，允許安全地通過互聯網通信
-* 圖形用戶界面（GUI）元件，用於在帶有螢幕的設備上構建用戶界面（UI）。
-
-✅ 閱讀一些不同的 RTOS：[Azure RTOS](https://azure.microsoft.com/services/rtos/?WT.mc_id=academic-17441-jabenn)、[FreeRTOS](https://www.freertos.org)、[Zephyr](https://www.zephyrproject.org)
-
-#### Arduino
-
-![Arduino 標誌](../../../../../images/arduino-logo.svg)
-
-[Arduino](https://www.arduino.cc) 可能是最受歡迎的微控制器框架，特別是在學生、愛好者和創客中。Arduino 是一個開源電子平台，結合了軟體和硬體。你可以從 Arduino 官方或其他製造商購買 Arduino 兼容的開發板，然後使用 Arduino 框架進行編程。
-
-Arduino 開發板使用 C 或 C++ 編程。使用 C/C++ 可以使程式碼編譯得非常小且運行速度快，這對於像微控制器這樣受限的設備來說是必需的。Arduino 應用程式的核心被稱為 sketch，它是包含兩個函數的 C/C++ 程式碼——`setup` 和 `loop`。當開發板啟動時，Arduino 框架程式碼會執行一次 `setup` 函數，然後不斷重複執行 `loop` 函數，直到電源關閉。
-
-你可以在 `setup` 函數中編寫初始化程式碼，例如連接 WiFi 和雲服務或初始化輸入和輸出引腳。而在 `loop` 函數中，你可以編寫處理程式碼，例如從感應器讀取數據並將其發送到雲端。通常你會在每次循環中加入延遲，例如，如果你只想每 10 秒發送一次感應器數據，你可以在循環結束時加入 10 秒的延遲，這樣微控制器可以進入休眠狀態以節省電力，然後在需要時 10 秒後再次運行循環。
-
-![Arduino sketch 首先運行 setup，然後不斷重複運行 loop](../../../../../translated_images/zh-HK/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png)
-
-✅ 這種程式架構被稱為 *事件循環* 或 *消息循環*。許多應用程式在底層使用這種架構，這也是大多數運行在 Windows、macOS 或 Linux 等操作系統上的桌面應用程式的標準。`loop` 會監聽來自用戶界面元件（如按鈕）或設備（如鍵盤）的消息，並對其作出響應。你可以在這篇 [事件循環的文章](https://wikipedia.org/wiki/Event_loop) 中閱讀更多內容。
-
-Arduino 提供了與微控制器和 I/O 引腳交互的標準庫，這些庫在底層有不同的實現方式，以便在不同的微控制器上運行。例如，[`delay` 函數](https://www.arduino.cc/reference/en/language/functions/time/delay/) 會使程式暫停指定的時間，而 [`digitalRead` 函數](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) 會從指定的引腳讀取 `HIGH` 或 `LOW` 的值，無論程式碼在哪個開發板上運行。這些標準庫意味著為一塊開發板編寫的 Arduino 程式碼可以重新編譯後在任何其他 Arduino 開發板上運行，只要引腳相同且開發板支持相同的功能。
-
-Arduino 還有一個龐大的第三方庫生態系統，這些庫可以為你的 Arduino 專案添加額外功能，例如使用感應器和執行器或連接到雲端 IoT 服務。
-
-##### 任務
-
-研究 Wio Terminal。
-
-如果你正在使用 Wio Terminal 進行這些課程，重新閱讀你在上一課中編寫的程式碼。找到 `setup` 和 `loop` 函數。監控串列輸出，觀察 `loop` 函數被反覆調用。嘗試在 `setup` 函數中添加程式碼以寫入串列埠，並觀察這段程式碼每次重新啟動時只被調用一次。嘗試使用側邊的電源開關重新啟動設備，觀察這段程式碼在每次設備重新啟動時都會被調用。
-
-## 更深入了解單板電腦
-
-在上一課中，我們介紹了單板電腦。現在讓我們更深入地了解它們。
-
-### 樹莓派
-
-![樹莓派標誌](../../../../../translated_images/zh-HK/raspberry-pi-logo.4efaa16605cee054.webp)
-
-[樹莓派基金會](https://www.raspberrypi.org) 是一家來自英國的慈善機構，成立於 2009 年，旨在推廣計算機科學的學習，特別是在學校層面。作為這一使命的一部分，他們開發了一款單板電腦，稱為樹莓派。目前樹莓派有三種變體——全尺寸版本、較小的 Pi Zero，以及可以嵌入最終 IoT 設備中的計算模組。
-
-![樹莓派 4](../../../../../translated_images/zh-HK/raspberry-pi-4.fd4590d308c3d456.webp)
-
-最新的全尺寸樹莓派是樹莓派 4B。它擁有一個四核心（4 核）1.5GHz 的 CPU，2GB、4GB 或 8GB 的 RAM，千兆以太網，WiFi，2 個支持 4K 螢幕的 HDMI 埠，一個音頻和複合視頻輸出埠，USB 埠（2 個 USB 2.0 和 2 個 USB 3.0），40 個 GPIO 引腳，一個樹莓派相機模組的相機連接埠，以及一個 SD 卡插槽。所有這些都集成在一塊 88mm x 58mm x 19.5mm 的電路板上，並由 3A 的 USB-C 電源供電。這些起價為 35 美元，比 PC 或 Mac 便宜得多。
-
-> 💁 還有一款 Pi400 一體機電腦，將 Pi4 集成到鍵盤中。
-
-![樹莓派 Zero](../../../../../translated_images/zh-HK/raspberry-pi-zero.f7a4133e1e7d54bb.webp)
-
-Pi Zero 更小，功耗更低。它擁有一個單核心 1GHz 的 CPU，512MB 的 RAM，WiFi（在 Zero W 型號中），一個 HDMI 埠，一個 micro-USB 埠，40 個 GPIO 引腳，一個樹莓派相機模組的相機連接埠，以及一個 SD 卡插槽。它的尺寸為 65mm x 30mm x 5mm，功耗非常低。Zero 售價 5 美元，帶 WiFi 的 W 版本售價 10 美元。
-
-> 🎓 這兩款設備的 CPU 都是 ARM 處理器，而不是大多數 PC 和 Mac 中的 Intel/AMD x86 或 x64 處理器。這些處理器類似於一些微控制器中的 CPU，以及幾乎所有的手機、Microsoft Surface X 和新的 Apple Silicon Mac 中的 CPU。
-
-所有樹莓派變體都運行一個基於 Debian Linux 的操作系統，稱為樹莓派 OS。這個系統有一個精簡版，沒有桌面，非常適合不需要螢幕的“無頭”專案，還有一個完整版本，帶有完整的桌面環境，包括網頁瀏覽器、辦公應用程式、編程工具和遊戲。由於該操作系統是 Debian Linux 的一個版本，你可以安裝任何在 Debian 上運行並為樹莓派內部的 ARM 處理器構建的應用程式或工具。
-
-#### 任務
-
-研究樹莓派。
-
-如果你正在使用樹莓派進行這些課程，閱讀有關電路板上不同硬體元件的資料。
-
-* 你可以在 [樹莓派硬體文檔頁面](https://www.raspberrypi.org/documentation/hardware/raspberrypi/) 上找到有關處理器的詳細資訊。閱讀你正在使用的樹莓派所使用的處理器。
-* 找到 GPIO 引腳。在 [樹莓派 GPIO 文檔](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md) 上閱讀更多相關內容。使用 [GPIO 引腳使用指南](https://www.raspberrypi.org/documentation/usage/gpio/README.md) 來識別樹莓派上的不同引腳。
-
-### 編程單板電腦
-
-單板電腦是完整的電腦，運行完整的操作系統。這意味著你可以使用多種編程語言、框架和工具來編寫程式，而不像微控制器那樣依賴於 Arduino 等框架對開發板的支持。大多數編程語言都有庫可以訪問 GPIO 引腳，以便從感應器和執行器發送和接收數據。
-
-✅ 你熟悉哪些編程語言？它們是否支持 Linux？
-
-在樹莓派上構建 IoT 應用程式最常用的編程語言是 Python。樹莓派有一個龐大的硬體生態系統，幾乎所有這些硬體都包括用於 Python 的相關程式庫。一些生態系統基於“帽子”（hats）——之所以這樣稱呼，是因為它們像帽子一樣坐在樹莓派的頂部，通過一個大插座連接到 40 個 GPIO 引腳上。這些帽子提供了額外的功能，例如螢幕、感應器、遙控車或適配器，允許你插入帶有標準化電纜的感應器。
-### 專業物聯網部署中的單板電腦使用
-
-單板電腦不僅僅是開發套件，它們也被用於專業的物聯網部署。這些電腦能夠提供強大的功能來控制硬件，並執行如運行機器學習模型等複雜任務。例如，[Raspberry Pi 4 Compute Module](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/) 提供了與 Raspberry Pi 4 相同的性能，但採用更緊湊且更便宜的形式，去掉了大部分的接口，專為嵌入定制硬件而設計。
-
----
-
-## 🚀 挑戰
-
-上一課的挑戰是列出你家中、學校或工作場所中所有你能想到的物聯網設備。對於這些設備中的每一個，你認為它們是基於微控制器、單板電腦，還是兩者的結合？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
-
-## 回顧與自學
-
-* 閱讀 [Arduino 入門指南](https://www.arduino.cc/en/Guide/Introduction)，以更深入了解 Arduino 平台。
-* 閱讀 [Raspberry Pi 4 簡介](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)，以了解更多關於 Raspberry Pi 的資訊。
-* 在 [Electrical Engineering Journal 的文章「What the FAQ are CPUs, MPUs, MCUs, and GPUs」](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/) 中學習更多相關概念和縮寫。
-
-✅ 使用這些指南，結合 [硬件指南](../../../hardware.md) 中的鏈接所顯示的成本，決定你想使用哪種硬件平台，或者是否更願意使用虛擬設備。
-
-## 作業
-
-[比較與對比微控制器與單板電腦](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/hk/1-getting-started/lessons/2-deeper-dive/assignment.md
deleted file mode 100644
index 5c999e368..000000000
--- a/translations/hk/1-getting-started/lessons/2-deeper-dive/assignment.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "750bd75866471141f857240219084767",
-  "translation_date": "2025-08-26T15:19:35+00:00",
-  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
-  "language_code": "hk"
-}
--->
-# 比較及對比微控制器與單板電腦
-
-## 指引
-
-本課程介紹了微控制器與單板電腦。請建立一個表格來比較及對比它們，並列出至少兩個使用微控制器而非單板電腦的原因，以及至少兩個使用單板電腦而非微控制器的原因。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 建立一個表格比較微控制器與單板電腦 | 建立了一個包含多項正確比較及對比的列表 | 只建立了一個包含少量項目的列表 | 只能列出一項或未能列出任何比較及對比項目 |
-| 使用其中一者的原因 | 能夠提供微控制器的兩個或以上原因，以及單板電腦的兩個或以上原因 | 只能提供微控制器的1-2個原因，以及單板電腦的1-2個原因 | 未能提供微控制器或單板電腦的1個或以上原因 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/README.md
deleted file mode 100644
index 8365a7d9b..000000000
--- a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/README.md
+++ /dev/null
@@ -1,230 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
-  "translation_date": "2025-08-26T15:02:55+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
-  "language_code": "hk"
-}
--->
-# 使用感應器和致動器與物理世界互動
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-HK/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩段影片進行教學——一段 1 小時的課程，以及一段 1 小時的辦公時間，深入探討課程內容並回答問題。
-
-[![課程 3：使用感應器和致動器與物理世界互動](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
-
-[![課程 3：使用感應器和致動器與物理世界互動 - 辦公時間](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
-
-## 簡介
-
-本課程介紹了 IoT 設備的兩個重要概念——感應器和致動器。您將親自操作這些設備，為您的 IoT 項目添加一個光感應器，然後添加一個由光線強度控制的 LED，實際上構建了一個夜燈。
-
-在本課程中，我們將涵蓋：
-
-* [什麼是感應器？](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [使用感應器](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [感應器類型](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [什麼是致動器？](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [使用致動器](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [致動器類型](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-
-## 什麼是感應器？
-
-感應器是感知物理世界的硬件設備——它們測量周圍的一個或多個屬性，並將信息傳送到 IoT 設備。感應器涵蓋了大量設備，因為可以測量的事物非常多，從自然屬性（如空氣溫度）到物理交互（如運動）。
-
-一些常見的感應器包括：
-
-* 溫度感應器——這些感應器感知空氣溫度或它們所浸入物體的溫度。對於愛好者和開發者來說，這些感應器通常與氣壓和濕度結合在一個單一的感應器中。
-* 按鈕——這些感應器感知何時被按下。
-* 光感應器——這些感應器檢測光線強度，可以針對特定顏色、紫外線、紅外線或一般可見光。
-* 相機——這些感應器通過拍攝照片或流式視頻感知世界的視覺表示。
-* 加速度計——這些感應器感知多方向的運動。
-* 麥克風——這些感應器感知聲音，可以是一般的聲音強度或方向性聲音。
-
-✅ 做一些研究。您的手機有哪些感應器？
-
-所有感應器都有一個共同點——它們將感知到的事物轉換為 IoT 設備可以解讀的電信號。如何解讀這些電信號取決於感應器以及用於與 IoT 設備通信的通信協議。
-
-## 使用感應器
-
-按照以下相關指南，為您的 IoT 設備添加感應器：
-
-* [Arduino - Wio Terminal](wio-terminal-sensor.md)
-* [單板電腦 - Raspberry Pi](pi-sensor.md)
-* [單板電腦 - 虛擬設備](virtual-device-sensor.md)
-
-## 感應器類型
-
-感應器分為模擬感應器和數字感應器。
-
-### 模擬感應器
-
-一些最基本的感應器是模擬感應器。這些感應器接收來自 IoT 設備的電壓，感應器元件調整該電壓，然後測量從感應器返回的電壓以獲得感應器值。
-
-> 🎓 電壓是衡量電流從一個地方移動到另一個地方的推動力，例如從電池的正極到負極。例如，一個標準的 AA 電池是 1.5V（V 是伏特的符號），可以以 1.5V 的推動力從正極推動電流到負極。不同的電子硬件需要不同的電壓才能工作，例如，LED 可以在 2-3V 之間發光，但 100W 的燈絲燈泡需要 240V。您可以在 [維基百科的電壓頁面](https://wikipedia.org/wiki/Voltage) 上了解更多關於電壓的知識。
-
-一個例子是電位器。這是一個可以在兩個位置之間旋轉的旋鈕，感應器測量旋轉角度。
-
-![一個電位器設置在中間位置，接收 5 伏特並返回 3.8 伏特](../../../../../translated_images/zh-HK/potentiometer.35a348b9ce22f6ec.webp)
-
-IoT 設備會向電位器發送一個電信號，電壓例如 5 伏特（5V）。當電位器被調整時，它會改變從另一端輸出的電壓。想像一下，您有一個標記為 0 到 [11](https://wikipedia.org/wiki/Up_to_eleven) 的電位器，例如放大器上的音量旋鈕。當電位器處於完全關閉位置（0）時，輸出為 0V（0 伏特）。當它處於完全開啟位置（11）時，輸出為 5V（5 伏特）。
-
-> 🎓 這是一個過度簡化的描述，您可以在 [維基百科的電位器頁面](https://wikipedia.org/wiki/Potentiometer) 上了解更多關於電位器和可變電阻的知識。
-
-感應器輸出的電壓隨後由 IoT 設備讀取，設備可以對其作出響應。根據感應器的不同，這個電壓可以是任意值，也可以映射到標準單位。例如，基於 [熱敏電阻](https://wikipedia.org/wiki/Thermistor) 的模擬溫度感應器會根據溫度改變其電阻。輸出電壓可以通過代碼中的計算轉換為開爾文溫度，並相應地轉換為 °C 或 °F。
-
-✅ 您認為如果感應器返回的電壓高於發送的電壓（例如來自外部電源）會發生什麼？⛔️ 請勿測試此情況。
-
-#### 模擬到數字轉換
-
-IoT 設備是數字化的——它們無法處理模擬值，只能處理 0 和 1。這意味著模擬感應器的值需要在處理之前轉換為數字信號。許多 IoT 設備具有模擬到數字轉換器（ADCs），用於將模擬輸入轉換為其值的數字表示。感應器也可以通過連接板與 ADC 一起工作。例如，在使用 Raspberry Pi 的 Seeed Grove 生態系統中，模擬感應器連接到 Pi 上的特定端口，這些端口位於連接到 Pi 的 GPIO 引腳的 '帽子' 上，該帽子具有 ADC，可以將電壓轉換為可以通過 Pi 的 GPIO 引腳發送的數字信號。
-
-想像一下，您有一個模擬光感應器連接到使用 3.3V 的 IoT 設備，並返回 1V 的值。這個 1V 在數字世界中沒有意義，因此需要進行轉換。電壓將根據設備和感應器使用的比例轉換為模擬值。一個例子是 Seeed Grove 光感應器，它輸出 0 到 1,023 的值。對於這個在 3.3V 下運行的感應器，1V 的輸出將是一個值 300。IoT 設備無法處理 300 作為模擬值，因此該值將被轉換為 `0000000100101100`，即 Grove '帽子' 的 300 的二進制表示。隨後由 IoT 設備處理。
-
-✅ 如果您不懂二進制，請進行一些研究以了解數字如何用 0 和 1 表示。[BBC Bitesize 的二進制入門課程](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) 是一個很好的起點。
-
-從編程的角度來看，所有這些通常由感應器附帶的庫處理，因此您不需要自己擔心這些轉換。對於 Grove 光感應器，您可以使用 Python 庫並調用 `light` 屬性，或者使用 Arduino 庫並調用 `analogRead` 來獲得 300 的值。
-
-### 數字感應器
-
-數字感應器與模擬感應器一樣，使用電壓變化來檢測周圍的世界。不同之處在於它們輸出數字信號，通過僅測量兩種狀態或使用內置 ADC 來完成。數字感應器越來越普遍，以避免需要在連接板或 IoT 設備本身使用 ADC。
-
-最簡單的數字感應器是一個按鈕或開關。這是一個只有兩種狀態的感應器，開或關。
-
-![一個按鈕接收 5 伏特。未按下時返回 0 伏特，按下時返回 5 伏特](../../../../../translated_images/zh-HK/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png)
-
-IoT 設備上的引腳（例如 GPIO 引腳）可以直接測量此信號作為 0 或 1。如果發送的電壓與返回的電壓相同，則讀取的值為 1，否則讀取的值為 0。無需轉換信號，它只能是 1 或 0。
-
-> 💁 電壓從來不是完全精確的，尤其是感應器中的元件會有一些電阻，因此通常會有容差。例如，Raspberry Pi 的 GPIO 引腳工作在 3.3V，並將返回信號高於 1.8V 的讀取為 1，低於 1.8V 的讀取為 0。
-
-* 3.3V 進入按鈕。按鈕未按下，因此輸出為 0V，值為 0
-* 3.3V 進入按鈕。按鈕按下，因此輸出為 3.3V，值為 1
-
-更高級的數字感應器讀取模擬值，然後使用內置 ADC 將其轉換為數字信號。例如，數字溫度感應器仍然會像模擬感應器一樣使用熱電偶，並仍然測量由當前溫度下熱電偶的電阻引起的電壓變化。它不會返回模擬值，而是依靠設備或連接板將其轉換為數字信號，內置的 ADC 會將該值轉換為一系列 0 和 1，並將其發送到 IoT 設備。這些 0 和 1 的發送方式與按鈕的數字信號相同，其中 1 是全電壓，0 是 0V。
-
-![一個數字溫度感應器將模擬讀數轉換為二進制數據，其中 0 是 0 伏特，1 是 5 伏特，然後將其發送到 IoT 設備](../../../../../translated_images/zh-HK/temperature-as-digital.85004491b977bae1.webp)
-
-發送數字數據使感應器變得更加複雜，可以發送更詳細的數據，甚至是加密數據以用於安全感應器。一個例子是相機。這是一個捕捉圖像並以包含該圖像的數字數據形式發送的感應器，通常以壓縮格式（如 JPEG）發送到 IoT 設備。它甚至可以通過捕捉圖像並逐幀發送完整圖像或壓縮視頻流來進行視頻流式傳輸。
-
-## 什麼是致動器？
-
-致動器與感應器相反——它們將來自 IoT 設備的電信號轉換為與物理世界的交互，例如發光、發聲或驅動馬達。
-
-一些常見的致動器包括：
-
-* LED——當打開時發出光
-* 揚聲器——根據發送的信號發出聲音，從基本的蜂鳴器到可以播放音樂的音頻揚聲器
-* 步進馬達——將信號轉換為一定量的旋轉，例如旋轉旋鈕 90°
-* 繼電器——這些是可以通過電信號打開或關閉的開關。它們允許 IoT 設備的小電壓打開更大的電壓。
-* 屏幕——這些是更複雜的致動器，顯示多段顯示器上的信息。屏幕從簡單的 LED 顯示器到高分辨率視頻顯示器不等。
-
-✅ 做一些研究。您的手機有哪些致動器？
-
-## 使用致動器
-
-按照以下相關指南，為您的 IoT 設備添加致動器，並由感應器控制，以構建 IoT 夜燈。它將從光感應器收集光線強度，並使用 LED 作為致動器，在檢測到的光線強度過低時發出光。
-
-![任務的流程圖，顯示光線強度的讀取和檢查，以及 LED 的控制](../../../../../translated_images/zh-HK/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png)
-
-* [Arduino - Wio Terminal](wio-terminal-actuator.md)
-* [單板電腦 - Raspberry Pi](pi-actuator.md)
-* [單板電腦 - 虛擬設備](virtual-device-actuator.md)
-
-## 致動器類型
-
-像感應器一樣，致動器分為模擬致動器和數字致動器。
-
-### 模擬致動器
-
-模擬致動器接收模擬信號並將其轉換為某種交互，交互根據提供的電壓而改變。
-
-一個例子是可調光燈，例如您家中的燈。提供給燈的電壓量決定了它的亮度。
-![在低電壓下光線較暗，在高電壓下光線較亮](../../../../../translated_images/zh-HK/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png)
-
-就像感應器一樣，實際的物聯網裝置是基於數碼信號運作的，而不是模擬信號。這意味著，若要傳送模擬信號，物聯網裝置需要一個數碼轉模擬轉換器（DAC），這個轉換器可以直接內建於物聯網裝置中，或者安裝在連接板上。這樣可以將物聯網裝置的0和1轉換成致動器可以使用的模擬電壓。
-
-✅ 如果物聯網裝置傳送的電壓高於致動器能承受的範圍，你認為會發生什麼事？
-⛔️ 請勿嘗試測試這種情況。
-
-#### 脈衝寬度調變
-
-另一種將物聯網裝置的數碼信號轉換為模擬信號的方法是脈衝寬度調變（PWM）。這種方法涉及傳送大量短暫的數碼脈衝，模擬出類似模擬信號的效果。
-
-例如，你可以使用PWM來控制馬達的速度。
-
-假設你正在使用5V電源控制一個馬達。你向馬達傳送一個短脈衝，將電壓切換到高電平（5V）持續0.02秒。在這段時間內，馬達可以旋轉1/10圈，或36°。然後信號暫停0.02秒，傳送低電平信號（0V）。每個開啟和關閉的循環持續0.04秒，然後重複。
-
-![以150 RPM旋轉的馬達的脈衝寬度調變](../../../../../translated_images/zh-HK/pwm-motor-150rpm.83347ac04ca38482.webp)
-
-這意味著在一秒內，你有25個持續0.02秒的5V脈衝，每個脈衝之後是0.02秒的0V暫停。每個脈衝使馬達旋轉1/10圈，這意味著馬達每秒完成2.5圈旋轉。你使用數碼信號使馬達以每秒2.5圈或每分鐘150轉（RPM）的速度旋轉（RPM是一種非標準的旋轉速度測量單位）。
-
-```output
-25 pulses per second x 0.1 rotations per pulse = 2.5 rotations per second
-2.5 rotations per second x 60 seconds in a minute = 150rpm
-```
-
-> 🎓 當PWM信號開啟時間和關閉時間各佔一半時，稱為[50%占空比](https://wikipedia.org/wiki/Duty_cycle)。占空比是信號處於開啟狀態的時間百分比與關閉狀態的時間百分比的比較。
-
-![以75 RPM旋轉的馬達的脈衝寬度調變](../../../../../translated_images/zh-HK/pwm-motor-75rpm.a5e4c939934b6e14.webp)
-
-你可以通過改變脈衝的大小來調整馬達的速度。例如，對於同一個馬達，你可以保持循環時間為0.04秒，但將開啟脈衝縮短一半至0.01秒，關閉脈衝延長至0.03秒。每秒的脈衝數量（25個）保持不變，但每個開啟脈衝的長度減半。一個減半的脈衝只會使馬達旋轉1/20圈，而每秒25個脈衝將完成1.25圈旋轉，即75 RPM。通過改變數碼信號的脈衝速度，你將模擬馬達的速度減半。
-
-```output
-25 pulses per second x 0.05 rotations per pulse = 1.25 rotations per second
-1.25 rotations per second x 60 seconds in a minute = 75rpm
-```
-
-✅ 你認為如何保持馬達在低速時的旋轉平穩？你會選擇少量長脈衝和長暫停，還是大量非常短的脈衝和非常短的暫停？
-
-> 💁 一些感應器也使用PWM來將模擬信號轉換為數碼信號。
-
-> 🎓 你可以在[Wikipedia的脈衝寬度調變頁面](https://wikipedia.org/wiki/Pulse-width_modulation)上閱讀更多關於脈衝寬度調變的內容。
-
-### 數碼致動器
-
-數碼致動器與數碼感應器類似，要麼只有兩種狀態（由高電壓或低電壓控制），要麼內建DAC，可以將數碼信號轉換為模擬信號。
-
-一個簡單的數碼致動器是LED。當裝置傳送數碼信號1時，會傳送高電壓以點亮LED。當傳送數碼信號0時，電壓降至0V，LED熄滅。
-
-![LED在0伏特時熄滅，在5伏特時點亮](../../../../../translated_images/zh-HK/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png)
-
-✅ 你能想到其他簡單的兩狀態致動器嗎？一個例子是電磁閥，它是一種電磁鐵，可以被激活來執行例如移動門閂以鎖定/解鎖門的操作。
-
-更高級的數碼致動器，例如屏幕，需要以特定格式傳送數碼數據。這些致動器通常附帶庫文件，使得傳送正確的數據來控制它們變得更容易。
-
----
-
-## 🚀 挑戰
-
-上一課的挑戰是列出你家中、學校或工作場所中的所有物聯網裝置，並判斷它們是基於微控制器還是單板電腦，或者是兩者的混合。
-
-對於你列出的每個裝置，它們連接了哪些感應器和致動器？這些裝置連接的每個感應器和致動器的用途是什麼？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
-
-## 回顧與自學
-
-* 在[ThingLearn](http://thinglearn.jenlooper.com/curriculum/)上閱讀有關電力和電路的內容。
-* 在[Seeed Studios溫度感應器指南](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/)上閱讀有關不同類型溫度感應器的內容。
-* 在[Wikipedia的LED頁面](https://wikipedia.org/wiki/Light-emitting_diode)上閱讀有關LED的內容。
-
-## 作業
-
-[研究感應器和致動器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為具權威性的來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
deleted file mode 100644
index 55f9a68ac..000000000
--- a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
+++ /dev/null
@@ -1,31 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c5a568320b1159394108544807895337",
-  "translation_date": "2025-08-26T15:05:14+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
-  "language_code": "hk"
-}
--->
-# 研究感應器與致動器
-
-## 指引
-
-這一課涵蓋了感應器與致動器。請研究並描述一個可以與 IoT 開發套件搭配使用的感應器和致動器，包括以下內容：
-
-* 它的功能
-* 內部使用的電子元件/硬件
-* 它是模擬還是數碼
-* 它的單位及輸入或測量範圍
-
-## 評分標準
-
-| 評分標準 | 優異 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 描述感應器 | 描述了一個感應器，並詳細涵蓋了上述 4 個部分的內容。 | 描述了一個感應器，但僅能提供上述 2-3 個部分的內容。 | 描述了一個感應器，但僅能提供上述 1 個部分的內容。 |
-| 描述致動器 | 描述了一個致動器，並詳細涵蓋了上述 4 個部分的內容。 | 描述了一個致動器，但僅能提供上述 2-3 個部分的內容。 | 描述了一個致動器，但僅能提供上述 1 個部分的內容。 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要信息，建議使用專業的人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
deleted file mode 100644
index 447ddd544..000000000
--- a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
+++ /dev/null
@@ -1,130 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4db8a3879a53490513571df2f6cf7641",
-  "translation_date": "2025-08-26T15:05:29+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
-  "language_code": "hk"
-}
--->
-# 建造夜燈 - Raspberry Pi
-
-在這部分課程中，你將在 Raspberry Pi 上添加一個 LED，並用它來製作一個夜燈。
-
-## 硬件
-
-夜燈現在需要一個執行器。
-
-執行器是一個 **LED**，即[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數字執行器，具有兩種狀態：開和關。發送值 1 會打開 LED，發送值 0 則會關閉 LED。LED 是一個外部 Grove 執行器，需要連接到 Raspberry Pi 上的 Grove Base hat。
-
-夜燈邏輯的伪代码如下：
-
-```output
-Check the light level.
-If the light is less than 300
-    Turn the LED on
-Otherwise
-    Turn the LED off
-```
-
-### 連接 LED
-
-Grove LED 是一個模塊，包含多種顏色的 LED，讓你可以選擇喜歡的顏色。
-
-#### 任務 - 連接 LED
-
-連接 LED。
-
-![一個 Grove LED](../../../../../translated_images/zh-HK/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png)
-
-1. 選擇你喜歡的 LED，並將 LED 的腳插入 LED 模塊上的兩個孔中。
-
-    LED 是發光二極管，而二極管是一種只能單向導電的電子元件。這意味著 LED 必須以正確的方向連接，否則無法工作。
-
-    LED 的其中一隻腳是正極，另一隻是負極。LED 並不是完全圓形的，其中一側稍微平坦一些。稍微平坦的一側是負極。當你將 LED 連接到模塊時，確保圓形一側的腳連接到模塊外側標記為 **+** 的插座，而平坦一側的腳連接到模塊中間附近的插座。
-
-1. LED 模塊有一個旋轉按鈕，可以用來控制亮度。首先用小型十字螺絲刀將其逆時針旋轉到最大亮度。
-
-1. 將 Grove 電纜的一端插入 LED 模塊上的插座。電纜只能以一種方向插入。
-
-1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Grove Base hat 上標記為 **D5** 的數字插座。這個插座位於 GPIO 插針旁邊的一排插座中，從左數第二個。
-
-![Grove LED 連接到 D5 插座](../../../../../translated_images/zh-HK/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png)
-
-## 編程夜燈
-
-現在可以使用 Grove 光線感測器和 Grove LED 來編程夜燈。
-
-### 任務 - 編程夜燈
-
-編程夜燈。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 在 VS Code 中打開你在上一部分作業中創建的夜燈項目，可以直接在 Raspberry Pi 上運行，也可以通過 Remote SSH 擴展連接。
-
-1. 在 `app.py` 文件中添加以下代碼以導入所需的庫。這段代碼應該添加到其他 `import` 行的下方。
-
-    ```python
-    from grove.grove_led import GroveLed
-    ```
-
-    `from grove.grove_led import GroveLed` 語句從 Grove Python 庫中導入了 `GroveLed`。這個庫包含與 Grove LED 交互的代碼。
-
-1. 在 `light_sensor` 聲明之後添加以下代碼，以創建管理 LED 的類的實例：
-
-    ```python
-    led = GroveLed(5)
-    ```
-
-    `led = GroveLed(5)` 這一行創建了一個 `GroveLed` 類的實例，並連接到 **D5** 插針——即 LED 所連接的 Grove 數字插針。
-
-    > 💁 每個插座都有唯一的插針號碼。插針 0、2、4 和 6 是模擬插針，插針 5、16、18、22、24 和 26 是數字插針。
-
-1. 在 `while` 循環內部，並在 `time.sleep` 之前添加一個檢查光線水平的代碼，用於控制 LED 的開啟或關閉：
-
-    ```python
-    if light < 300:
-        led.on()
-    else:
-        led.off()
-    ```
-
-    這段代碼檢查 `light` 值。如果該值小於 300，則調用 `GroveLed` 類的 `on` 方法，向 LED 發送數字值 1，打開 LED。如果光線值大於或等於 300，則調用 `off` 方法，向 LED 發送數字值 0，關閉 LED。
-
-    > 💁 這段代碼應該與 `print('Light level:', light)` 行保持相同的縮進級別，以確保它在 while 循環內部！
-
-    > 💁 當向執行器發送數字值時，值 0 表示 0V，值 1 表示設備的最大電壓。對於 Raspberry Pi 使用的 Grove 感測器和執行器，值 1 的電壓為 3.3V。
-
-1. 在 VS Code 的終端中運行以下命令以運行你的 Python 應用：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。
-
-    ```output
-    pi@raspberrypi:~/nightlight $ python3 app.py 
-    Light level: 634
-    Light level: 634
-    Light level: 634
-    Light level: 230
-    Light level: 104
-    Light level: 290
-    ```
-
-1. 遮住和移開光線感測器。注意當光線水平小於或等於 300 時，LED 會亮起；當光線水平大於 300 時，LED 會熄滅。
-
-    > 💁 如果 LED 沒有亮起，請確保它的連接方向正確，並且旋轉按鈕已設置為最大亮度。
-
-![LED 連接到 Raspberry Pi，隨光線水平變化而亮起和熄滅](../../../../../images/pi-running-assignment-1-1.gif)
-
-> 💁 你可以在 [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi) 文件夾中找到這段代碼。
-
-😀 你的夜燈程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
deleted file mode 100644
index 3bd7b47c3..000000000
--- a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
+++ /dev/null
@@ -1,110 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "ea733bd0cdf2479e082373f765a08678",
-  "translation_date": "2025-08-26T15:02:30+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
-  "language_code": "hk"
-}
--->
-# 建造夜燈 - Raspberry Pi
-
-在這部分課程中，你將為 Raspberry Pi 添加一個光線感測器。
-
-## 硬件
-
-本課程使用的感測器是**光線感測器**，它利用[光電二極管](https://wikipedia.org/wiki/Photodiode)將光轉換為電信號。這是一個類比感測器，會傳送一個介於 0 到 1,000 的整數值，表示相對的光量，但不對應任何標準測量單位，例如 [lux](https://wikipedia.org/wiki/Lux)。
-
-光線感測器是一個外部 Grove 感測器，需要連接到 Raspberry Pi 上的 Grove Base hat。
-
-### 連接光線感測器
-
-用於檢測光線水平的 Grove 光線感測器需要連接到 Raspberry Pi。
-
-#### 任務 - 連接光線感測器
-
-連接光線感測器
-
-![Grove 光線感測器](../../../../../translated_images/zh-HK/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png)
-
-1. 將 Grove 電纜的一端插入光線感測器模組上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Grove Base hat 上標記為 **A0** 的類比插座。此插座位於 GPIO 插針旁邊插座排的右數第二個。
-
-![Grove 光線感測器連接到 A0 插座](../../../../../translated_images/zh-HK/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png)
-
-## 程式設計光線感測器
-
-現在可以使用 Grove 光線感測器進行程式設計。
-
-### 任務 - 程式設計光線感測器
-
-程式設計裝置。
-
-1. 啟動 Raspberry Pi，等待其完成啟動。
-
-1. 在 VS Code 中打開你在上一部分作業中建立的夜燈專案，可以直接在 Pi 上運行，也可以使用 Remote SSH 擴展連接。
-
-1. 打開 `app.py` 文件，並刪除其中的所有程式碼。
-
-1. 在 `app.py` 文件中添加以下程式碼以導入一些所需的庫：
-
-    ```python
-    import time
-    from grove.grove_light_sensor_v1_2 import GroveLightSensor
-    ```
-
-    `import time` 語句導入了 `time` 模組，稍後在本作業中會使用。
-
-    `from grove.grove_light_sensor_v1_2 import GroveLightSensor` 語句從 Grove Python 庫中導入了 `GroveLightSensor`。此庫包含與 Grove 光線感測器交互的程式碼，並在 Pi 設置過程中已全域安裝。
-
-1. 在上述程式碼之後添加以下程式碼，以建立管理光線感測器的類別實例：
-
-    ```python
-    light_sensor = GroveLightSensor(0)
-    ```
-
-    `light_sensor = GroveLightSensor(0)` 這一行建立了一個 `GroveLightSensor` 類別的實例，連接到 **A0** 插針——光線感測器所連接的 Grove 類比插針。
-
-1. 在上述程式碼之後添加一個無限迴圈，用於輪詢光線感測器的值並將其輸出到控制台：
-
-    ```python
-    while True:
-        light = light_sensor.light
-        print('Light level:', light)
-    ```
-
-    這將使用 `GroveLightSensor` 類別的 `light` 屬性讀取 0-1,023 範圍內的當前光線水平。此屬性從插針讀取類比值，然後將該值輸出到控制台。
-
-1. 在迴圈的末尾添加一秒的短暫休眠，因為不需要連續檢查光線水平。休眠可以降低裝置的功耗。
-
-    ```python
-    time.sleep(1)
-    ```
-
-1. 從 VS Code 的終端運行以下命令以運行你的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。遮住或移開光線感測器，值將發生變化：
-
-    ```output
-    pi@raspberrypi:~/nightlight $ python3 app.py 
-    Light level: 634
-    Light level: 634
-    Light level: 634
-    Light level: 230
-    Light level: 104
-    Light level: 290
-    ```
-
-> 💁 你可以在 [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi) 資料夾中找到這段程式碼。
-
-😀 為你的夜燈程式添加感測器成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
deleted file mode 100644
index c866a6fe4..000000000
--- a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
+++ /dev/null
@@ -1,124 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9c640f93263fd9adbfda920739e09feb",
-  "translation_date": "2025-08-26T15:07:03+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
-  "language_code": "hk"
-}
--->
-# 建造夜燈 - 虛擬物聯網硬件
-
-在本課程的這部分，你將為虛擬物聯網設備添加一個 LED，並用它來創建一個夜燈。
-
-## 虛擬硬件
-
-夜燈需要一個執行器，通過 CounterFit 應用程序創建。
-
-這個執行器是一個 **LED**。在實體物聯網設備中，它是一個[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數字執行器，具有兩種狀態：開和關。發送值 1 會打開 LED，發送值 0 會關閉 LED。
-
-夜燈邏輯的偽代碼如下：
-
-```output
-Check the light level.
-If the light is less than 300
-    Turn the LED on
-Otherwise
-    Turn the LED off
-```
-
-### 在 CounterFit 中添加執行器
-
-要使用虛擬 LED，你需要將它添加到 CounterFit 應用程序中。
-
-#### 任務 - 在 CounterFit 中添加執行器
-
-將 LED 添加到 CounterFit 應用程序。
-
-1. 確保 CounterFit 網頁應用程序正在運行（從本作業的上一部分開始）。如果未運行，請啟動它並重新添加光線感應器。
-
-1. 創建一個 LED：
-
-    1. 在 *Actuator* 面板的 *Create actuator* 框中，打開 *Actuator type* 下拉框並選擇 *LED*。
-
-    1. 將 *Pin* 設置為 *5*。
-
-    1. 選擇 **Add** 按鈕，在 Pin 5 上創建 LED。
-
-    ![LED 設置](../../../../../translated_images/zh-HK/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png)
-
-    LED 將被創建並顯示在執行器列表中。
-
-    ![已創建的 LED](../../../../../translated_images/zh-HK/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png)
-
-    LED 創建後，你可以使用 *Color* 選擇器更改顏色。選擇顏色後，點擊 **Set** 按鈕即可更改顏色。
-
-### 編程夜燈
-
-現在可以使用 CounterFit 的光線感應器和 LED 來編程夜燈。
-
-#### 任務 - 編程夜燈
-
-編程夜燈。
-
-1. 在 VS Code 中打開你在本作業上一部分創建的夜燈項目。如果需要，終止並重新創建終端以確保它使用虛擬環境運行。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部，其他 `import` 行之下，添加以下代碼以導入所需的庫：
-
-    ```python
-    from counterfit_shims_grove.grove_led import GroveLed
-    ```
-
-    `from counterfit_shims_grove.grove_led import GroveLed` 語句從 CounterFit Grove shim Python 庫中導入 `GroveLed`。此庫包含與 CounterFit 應用程序中創建的 LED 交互的代碼。
-
-1. 在 `light_sensor` 聲明之後添加以下代碼，以創建管理 LED 的類的實例：
-
-    ```python
-    led = GroveLed(5)
-    ```
-
-    `led = GroveLed(5)` 行創建了一個 `GroveLed` 類的實例，連接到 Pin **5**——CounterFit Grove 的 LED 所連接的 Pin。
-
-1. 在 `while` 循環內，`time.sleep` 之前添加檢查光線水平並打開或關閉 LED 的代碼：
-
-    ```python
-    if light < 300:
-        led.on()
-    else:
-        led.off()
-    ```
-
-    此代碼檢查 `light` 值。如果該值小於 300，則調用 `GroveLed` 類的 `on` 方法，向 LED 發送數字值 1，打開 LED。如果光線值大於或等於 300，則調用 `off` 方法，向 LED 發送數字值 0，關閉 LED。
-
-    > 💁 此代碼應與 `print('Light level:', light)` 行保持相同的縮進級別，以確保它在 while 循環內！
-
-1. 從 VS Code 終端運行以下命令以運行你的 Python 應用程序：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。
-
-    ```output
-    (.venv) ➜  GroveTest python3 app.py 
-    Light level: 143
-    Light level: 244
-    Light level: 246
-    Light level: 253
-    ```
-
-1. 更改 *Value* 或 *Random* 設置，使光線水平在 300 以上和以下變化。LED 將會打開和關閉。
-
-![CounterFit 應用程序中的 LED 隨光線水平變化而打開和關閉](../../../../../images/virtual-device-running-assignment-1-1.gif)
-
-> 💁 你可以在 [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device) 文件夾中找到此代碼。
-
-😀 你的夜燈程序成功了！
-
----
-
-**免責聲明**：  
-此文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤詮釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
deleted file mode 100644
index efd0b2e5c..000000000
--- a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
+++ /dev/null
@@ -1,124 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "11f10c6760fb8202cf368422702fdf70",
-  "translation_date": "2025-08-26T15:07:36+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
-  "language_code": "hk"
-}
--->
-# 建立夜燈 - 虛擬物聯網硬件
-
-在本課程的這部分，你將為虛擬物聯網設備添加一個光線感應器。
-
-## 虛擬硬件
-
-夜燈需要一個感應器，通過 CounterFit 應用程式創建。
-
-這個感應器是一個 **光線感應器**。在實體物聯網設備中，它會是一個 [光電二極管](https://wikipedia.org/wiki/Photodiode)，將光線轉換為電信號。光線感應器是一種模擬感應器，會傳送一個整數值，表示相對的光線量，但不會映射到任何標準測量單位，例如 [勒克斯](https://wikipedia.org/wiki/Lux)。
-
-### 在 CounterFit 中添加感應器
-
-要使用虛擬光線感應器，你需要將其添加到 CounterFit 應用程式中。
-
-#### 任務 - 在 CounterFit 中添加感應器
-
-將光線感應器添加到 CounterFit 應用程式中。
-
-1. 確保 CounterFit 網頁應用程式正在運行，這是上一部分任務的要求。如果尚未運行，請啟動它。
-
-1. 創建一個光線感應器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，點擊 *Sensor type* 下拉框並選擇 *Light*。
-
-    1. 將 *Units* 保持為 *NoUnits*。
-
-    1. 確保 *Pin* 設置為 *0*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 0 上創建光線感應器。
-
-    ![光線感應器設置](../../../../../translated_images/zh-HK/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png)
-
-    光線感應器將被創建並顯示在感應器列表中。
-
-    ![已創建的光線感應器](../../../../../translated_images/zh-HK/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png)
-
-## 編程光線感應器
-
-現在可以編程設備以使用內建的光線感應器。
-
-### 任務 - 編程光線感應器
-
-編程設備。
-
-1. 在 VS Code 中打開你在上一部分任務中創建的夜燈項目。如果需要，終止並重新創建終端以確保它正在使用虛擬環境。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下代碼，與其他 `import` 語句一起，用於導入所需的庫：
-
-    ```python
-    import time
-    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
-    ```
-
-    `import time` 語句導入了 Python 的 `time` 模組，稍後在本任務中會使用。
-
-    `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` 語句從 CounterFit Grove shim Python 庫中導入了 `GroveLightSensor`。這個庫包含與 CounterFit 應用程式中創建的光線感應器交互的代碼。
-
-1. 在文件底部添加以下代碼，用於創建管理光線感應器的類的實例：
-
-    ```python
-    light_sensor = GroveLightSensor(0)
-    ```
-
-    `light_sensor = GroveLightSensor(0)` 這一行創建了一個 `GroveLightSensor` 類的實例，連接到 Pin **0**——CounterFit Grove 的光線感應器所連接的 Pin。
-
-1. 在上述代碼之後添加一個無限循環，用於輪詢光線感應器的值並將其打印到控制台：
-
-    ```python
-    while True:
-        light = light_sensor.light
-        print('Light level:', light)
-    ```
-
-    這將使用 `GroveLightSensor` 類的 `light` 屬性讀取當前的光線水平。該屬性從 Pin 讀取模擬值，然後將該值打印到控制台。
-
-1. 在 `while` 循環的末尾添加一秒的短暫休眠，因為光線水平不需要連續檢查。休眠可以減少設備的功耗。
-
-    ```python
-    time.sleep(1)
-    ```
-
-1. 從 VS Code 的終端運行以下命令以運行你的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。初始值將為 0。
-
-1. 從 CounterFit 應用程式更改光線感應器的值，該值將被應用程式讀取。你可以通過以下兩種方式進行更改：
-
-    * 在光線感應器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。你輸入的數字將是感應器返回的值。
-
-    * 勾選 *Random* 選項框，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次感應器讀取值時，它將讀取一個介於 *Min* 和 *Max* 之間的隨機數。
-
-    你設置的值將輸出到控制台。更改 *Value* 或 *Random* 設置以使值發生變化。
-
-    ```output
-    (.venv) ➜  GroveTest python3 app.py 
-    Light level: 143
-    Light level: 244
-    Light level: 246
-    Light level: 253
-    ```
-
-> 💁 你可以在 [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device) 文件夾中找到這段代碼。
-
-😀 你的夜燈程式成功了！
-
----
-
-**免責聲明**：  
-此文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
deleted file mode 100644
index c072efdb0..000000000
--- a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
+++ /dev/null
@@ -1,124 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "db44083b4dc6fb06eac83c4f16448940",
-  "translation_date": "2025-08-26T15:06:12+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
-  "language_code": "hk"
-}
--->
-# 製作夜燈 - Wio Terminal
-
-在這部分課程中，你將為 Wio Terminal 添加一個 LED，並用它來製作一個夜燈。
-
-## 硬件
-
-夜燈現在需要一個執行器。
-
-這個執行器是一個 **LED**，即[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數字執行器，只有兩種狀態：開和關。傳送值 1 會打開 LED，傳送值 0 會關閉它。這是一個外部的 Grove 執行器，需要連接到 Wio Terminal。
-
-夜燈邏輯的偽代碼如下：
-
-```output
-Check the light level.
-If the light is less than 300
-    Turn the LED on
-Otherwise
-    Turn the LED off
-```
-
-### 連接 LED
-
-Grove LED 是一個模組，內含多種顏色的 LED，讓你可以選擇喜歡的顏色。
-
-#### 任務 - 連接 LED
-
-連接 LED。
-
-![一個 Grove LED](../../../../../translated_images/zh-HK/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png)
-
-1. 選擇你喜歡的 LED，將其引腳插入 LED 模組上的兩個孔中。
-
-   LED 是發光二極管，而二極管是一種只能單向導電的電子元件。這意味著 LED 必須以正確的方向連接，否則無法工作。
-
-   LED 的一個引腳是正極，另一個是負極。LED 並非完全圓形，其中一側稍微扁平一些。稍微扁平的一側是負極。當你將 LED 連接到模組時，確保圓形一側的引腳連接到模組外側標有 **+** 的插座，而扁平一側連接到模組中間較近的插座。
-
-1. LED 模組上有一個旋鈕，可以用來調節亮度。使用小型十字螺絲刀將其逆時針旋轉到最亮的位置。
-
-1. 將 Grove 電纜的一端插入 LED 模組上的插座。電纜只能以一種方向插入。
-
-1. 在 Wio Terminal 與電腦或其他電源斷開連接的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 上屏幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
-
-   > 💁 右側的 Grove 插座可用於模擬或數字傳感器和執行器。左側插座僅用於 I2C 和數字傳感器及執行器。
-
-![Grove LED 連接到右側插座](../../../../../translated_images/zh-HK/wio-led.265a1897e72d7f21.webp)
-
-## 編程夜燈
-
-現在可以使用內建的光線傳感器和 Grove LED 來編程夜燈。
-
-### 任務 - 編程夜燈
-
-編程夜燈。
-
-1. 在 VS Code 中打開你在本次作業的上一部分中創建的夜燈項目。
-
-1. 在 `setup` 函數的底部添加以下一行代碼：
-
-    ```cpp
-    pinMode(D0, OUTPUT);
-    ```
-
-    這行代碼配置了用於通過 Grove 端口與 LED 通信的引腳。
-
-    `D0` 引腳是右側 Grove 插座的數字引腳。這個引腳被設置為 `OUTPUT`，表示它連接到執行器，並將數據寫入該引腳。
-
-1. 在 `loop` 函數中的 `delay` 之前立即添加以下代碼：
-
-    ```cpp
-    if (light < 300)
-    {
-        digitalWrite(D0, HIGH);
-    }
-    else
-    {
-        digitalWrite(D0, LOW);
-    }
-    ```
-
-    這段代碼檢查 `light` 值。如果該值小於 300，則向 `D0` 數字引腳發送 `HIGH` 值。`HIGH` 值為 1，會打開 LED。如果光線值大於或等於 300，則向引腳發送 `LOW` 值，`LOW` 值為 0，會關閉 LED。
-
-    > 💁 當向執行器發送數字值時，`LOW` 值為 0v，`HIGH` 值為設備的最大電壓。對於 Wio Terminal，`HIGH` 電壓為 3.3V。
-
-1. 將 Wio Terminal 重新連接到你的電腦，並像之前一樣上傳新代碼。
-
-1. 連接串行監視器。光線值將輸出到終端。
-
-    ```output
-    > Executing task: platformio device monitor <
-
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Light value: 4
-    Light value: 5
-    Light value: 4
-    Light value: 158
-    Light value: 343
-    Light value: 348
-    Light value: 344
-    ```
-
-1. 遮住和移開光線傳感器。注意當光線值為 300 或更低時，LED 會亮起；當光線值大於 300 時，LED 會熄滅。
-
-![LED 連接到 Wio，隨著光線值變化亮起和熄滅](../../../../../images/wio-running-assignment-1-1.gif)
-
-> 💁 你可以在 [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal) 文件夾中找到這段代碼。
-
-😀 你的夜燈程序成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
deleted file mode 100644
index ad8bfaab0..000000000
--- a/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
+++ /dev/null
@@ -1,87 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7f4ad0ef54f248b85b92187c94cf9dcb",
-  "translation_date": "2025-08-26T15:08:11+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
-  "language_code": "hk"
-}
--->
-# 添加感應器 - Wio Terminal
-
-在這部分課程中，你將使用 Wio Terminal 上的光感應器。
-
-## 硬件
-
-本課程使用的感應器是**光感應器**，它利用[光電二極管](https://wikipedia.org/wiki/Photodiode)將光轉換為電信號。這是一個模擬感應器，會傳送一個介於 0 到 1,023 的整數值，表示相對光量，但不對應任何標準測量單位，例如 [lux](https://wikipedia.org/wiki/Lux)。
-
-光感應器內建於 Wio Terminal 中，透過背面的透明塑膠窗口可以看到。
-
-![Wio Terminal 背面的光感應器](../../../../../translated_images/zh-HK/wio-light-sensor.b1f529f3c95f5165.webp)
-
-## 編程光感應器
-
-現在可以編程設備以使用內建的光感應器。
-
-### 任務
-
-編程設備。
-
-1. 在 VS Code 中打開你在前一部分作業中創建的夜燈項目。
-
-1. 在 `setup` 函數的底部添加以下一行：
-
-    ```cpp
-    pinMode(WIO_LIGHT, INPUT);
-    ```
-
-    這一行配置了用於與感應器硬件通信的引腳。
-
-    `WIO_LIGHT` 引腳是連接到內建光感應器的 GPIO 引腳編號。該引腳被設置為 `INPUT`，表示它連接到感應器並將從引腳讀取數據。
-
-1. 刪除 `loop` 函數的內容。
-
-1. 在現在空的 `loop` 函數中添加以下代碼。
-
-    ```cpp
-    int light = analogRead(WIO_LIGHT);
-    Serial.print("Light value: ");
-    Serial.println(light);
-    ```
-
-    此代碼從 `WIO_LIGHT` 引腳讀取模擬值。這會從內建光感應器讀取一個介於 0 到 1,023 的值。該值隨後被發送到串口，當此代碼運行時，你可以在串口監視器中讀取它。`Serial.print` 會寫入文本但不附加換行符，因此每行都會以 `Light value:` 開始，並以實際的光值結束。
-
-1. 在 `loop` 的末尾添加一個一秒（1,000 毫秒）的短暫延遲，因為光線水平不需要被連續檢查。延遲可以減少設備的功耗。
-
-    ```cpp
-    delay(1000);
-    ```
-
-1. 將 Wio Terminal 重新連接到你的電腦，並像之前一樣上傳新代碼。
-
-1. 連接串口監視器。光值將輸出到終端。遮住或移開 Wio Terminal 背面的光感應器，值將會改變。
-
-    ```output
-    > Executing task: platformio device monitor <
-
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Light value: 4
-    Light value: 5
-    Light value: 4
-    Light value: 158
-    Light value: 343
-    Light value: 348
-    Light value: 344
-    ```
-
-> 💁 你可以在 [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal) 文件夾中找到此代碼。
-
-😀 成功將感應器添加到你的夜燈程序！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/4-connect-internet/README.md b/translations/hk/1-getting-started/lessons/4-connect-internet/README.md
deleted file mode 100644
index 31a8b0cce..000000000
--- a/translations/hk/1-getting-started/lessons/4-connect-internet/README.md
+++ /dev/null
@@ -1,466 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
-  "translation_date": "2025-08-26T14:57:05+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
-  "language_code": "hk"
-}
--->
-# 將你的設備連接到互聯網
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-HK/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大的版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩個視頻進行教學——一個1小時的課程和一個1小時的辦公時間，深入探討課程的部分內容並回答問題。
-
-[![課程4：將你的設備連接到互聯網](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
-
-[![課程4：將你的設備連接到互聯網 - 辦公時間](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
-
-> 🎥 點擊上方圖片觀看視頻
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
-
-## 簡介
-
-IoT 中的 **I** 代表 **Internet**（互聯網）——雲端連接和服務使得 IoT 設備的許多功能得以實現，例如從連接到設備的傳感器收集測量數據，或發送消息控制執行器。IoT 設備通常使用標準通信協議連接到單一的雲端 IoT 服務，而該服務則與你的 IoT 應用的其他部分相連，例如 AI 服務用於基於數據做出智能決策，或網頁應用用於控制或報告。
-
-> 🎓 從傳感器收集並發送到雲端的數據被稱為遙測數據。
-
-IoT 設備可以接收來自雲端的消息。這些消息通常包含命令——即指示執行某些操作的指令，無論是內部操作（例如重啟或更新固件），還是使用執行器（例如打開燈光）。
-
-本課程介紹了 IoT 設備用於連接雲端的一些通信協議，以及它們可能發送或接收的數據類型。你還將親自操作，為你的夜燈添加互聯網控制，將 LED 控制邏輯移至本地運行的“服務器”代碼。
-
-在本課程中，我們將涵蓋：
-
-* [通信協議](../../../../../1-getting-started/lessons/4-connect-internet)
-* [消息隊列遙測傳輸（MQTT）](../../../../../1-getting-started/lessons/4-connect-internet)
-* [遙測數據](../../../../../1-getting-started/lessons/4-connect-internet)
-* [命令](../../../../../1-getting-started/lessons/4-connect-internet)
-
-## 通信協議
-
-IoT 設備用於與互聯網通信的流行通信協議有很多。其中最流行的是基於某種代理的發布/訂閱消息傳遞。IoT 設備連接到代理並發布遙測數據，同時訂閱命令。雲端服務也連接到代理，訂閱所有遙測消息並發布命令，這些命令可以針對特定設備或設備組。
-
-![IoT 設備連接到代理並發布遙測數據，同時訂閱命令。雲端服務連接到代理，訂閱所有遙測數據並向特定設備發送命令。](../../../../../translated_images/zh-HK/pub-sub.7c7ed43fe9fd15d4.webp)
-
-MQTT 是 IoT 設備最流行的通信協議，本課程將介紹它。其他協議包括 AMQP 和 HTTP/HTTPS。
-
-## 消息隊列遙測傳輸（MQTT）
-
-[MQTT](http://mqtt.org) 是一種輕量級的開放標準消息傳遞協議，可在設備之間傳遞消息。它於1999年設計用於監控石油管道，15年後由 IBM 釋出為開放標準。
-
-MQTT 有一個單一代理和多個客戶端。所有客戶端都連接到代理，代理根據需要將消息路由到相關客戶端。消息是通過命名主題進行路由，而不是直接發送到個別客戶端。客戶端可以發布到某個主題，任何訂閱該主題的客戶端都會接收到消息。
-
-![IoT 設備在 /telemetry 主題上發布遙測數據，雲端服務訂閱該主題](../../../../../translated_images/zh-HK/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png)
-
-✅ 做一些研究。如果你有大量 IoT 設備，如何確保你的 MQTT 代理能處理所有消息？
-
-### 將你的 IoT 設備連接到 MQTT
-
-為你的夜燈添加互聯網控制的第一步是將其連接到 MQTT 代理。
-
-#### 任務
-
-將你的設備連接到 MQTT 代理。
-
-在本課程的這部分，你將把你的 IoT 夜燈連接到互聯網，以便遠程控制。稍後在本課程中，你的 IoT 設備將通過 MQTT 向公共 MQTT 代理發送一條包含光線水平的遙測消息，該消息將由你編寫的一些服務器代碼接收。該代碼將檢查光線水平並向設備發送一條命令消息，指示其打開或關閉 LED。
-
-這種設置的實際應用場景可能是從多個光線傳感器收集數據後再決定是否打開燈光，例如在有大量燈光的地方，如體育場。這樣可以避免僅因一個傳感器被雲層或鳥遮擋而打開燈光，而其他傳感器檢測到足夠的光線。
-
-✅ 還有哪些情況需要評估多個傳感器的數據後再發送命令？
-
-為了避免在本次作業中設置 MQTT 代理的複雜性，你可以使用一個運行 [Eclipse Mosquitto](https://www.mosquitto.org) 的公共測試服務器，這是一個開源的 MQTT 代理。該測試代理可在 [test.mosquitto.org](https://test.mosquitto.org) 公開使用，且不需要設置帳戶，是測試 MQTT 客戶端和服務器的絕佳工具。
-
-> 💁 該測試代理是公開且不安全的。任何人都可以監聽你發布的內容，因此不應用於需要保密的數據。
-
-![作業的流程圖，顯示光線水平被讀取和檢查，LED 被控制](../../../../../translated_images/zh-HK/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png)
-
-按照以下相關步驟將你的設備連接到 MQTT 代理：
-
-* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
-* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-mqtt.md)
-
-### 深入了解 MQTT
-
-主題可以有層次結構，客戶端可以使用通配符訂閱不同層次的主題。例如，你可以將溫度遙測消息發送到 `/telemetry/temperature` 主題，將濕度消息發送到 `/telemetry/humidity` 主題，然後在你的雲端應用中訂閱 `/telemetry/*` 主題以接收溫度和濕度的遙測消息。
-
-消息可以設置服務質量（QoS），這決定了消息接收的保證程度。
-
-* 最多一次 - 消息僅發送一次，客戶端和代理不採取額外步驟確認交付（即發送後不再關注）。
-* 至少一次 - 發送方多次重試消息直到收到確認（即確認交付）。
-* 恰好一次 - 發送方和接收方進行兩級握手以確保僅接收一份消息（即保證交付）。
-
-✅ 哪些情況可能需要保證交付的消息而不是發送後不再關注的消息？
-
-雖然名字中有“消息隊列”（MQTT 的首字母縮寫），但它實際上並不支持消息隊列。這意味著如果客戶端斷開連接，然後重新連接，它不會接收到斷開期間發送的消息，除非這些消息已通過 QoS 過程開始處理。消息可以設置保留標誌。如果設置了該標誌，MQTT 代理將存儲最後一條帶有該標誌的消息，並將其發送給後來訂閱該主題的客戶端。這樣，客戶端將始終獲得最新消息。
-
-MQTT 還支持保持連接功能，在消息之間的長時間間隔期間檢查連接是否仍然有效。
-
-> 🦟 [Eclipse Foundation 的 Mosquitto](https://mosquitto.org) 提供了一個免費的 MQTT 代理，你可以自己運行以實驗 MQTT，還有一個公共 MQTT 代理可用於測試你的代碼，托管於 [test.mosquitto.org](https://test.mosquitto.org)。
-
-MQTT 連接可以是公開和開放的，也可以通過使用用戶名和密碼或證書進行加密和安全保護。
-
-> 💁 MQTT 通過 TCP/IP 進行通信，與 HTTP 使用相同的底層網絡協議，但使用不同的端口。你還可以通過 Websockets 使用 MQTT 與在瀏覽器中運行的網頁應用通信，或者在防火牆或其他網絡規則阻止標準 MQTT 連接的情況下使用。
-
-## 遙測數據
-
-遙測一詞源於希臘語，意為遠程測量。遙測是從傳感器收集數據並將其發送到雲端的行為。
-
-> 💁 最早的遙測設備之一於1874年在法國發明，通過物理電線將實時天氣和雪深數據從勃朗峰傳送到巴黎。當時尚未有無線技術。
-
-讓我們回顧一下課程1中的智能溫控器示例。
-
-![使用多個房間傳感器的互聯網連接溫控器](../../../../../translated_images/zh-HK/telemetry.21e5d8b97649d2eb.webp)
-
-溫控器具有溫度傳感器以收集遙測數據。它很可能內置一個溫度傳感器，並可能通過無線協議（例如 [藍牙低功耗](https://wikipedia.org/wiki/Bluetooth_Low_Energy) (BLE)）連接到多個外部溫度傳感器。
-
-它可能發送的遙測數據示例如下：
-
-| 名稱 | 值 | 描述 |
-| ---- | ----- | ----------- |
-| `thermostat_temperature` | 18°C | 由溫控器內置溫度傳感器測量的溫度 |
-| `livingroom_temperature` | 19°C | 由遠程溫度傳感器測量的溫度，該傳感器被命名為 `livingroom` 以標識其所在房間 |
-| `bedroom_temperature` | 21°C | 由遠程溫度傳感器測量的溫度，該傳感器被命名為 `bedroom` 以標識其所在房間 |
-
-雲端服務可以使用這些遙測數據來決定發送哪些命令以控制供暖。
-
-### 從你的 IoT 設備發送遙測數據
-
-為你的夜燈添加互聯網控制的下一步是將光線水平遙測數據發送到 MQTT 代理的遙測主題。
-
-#### 任務 - 從你的 IoT 設備發送遙測數據
-
-將光線水平遙測數據發送到 MQTT 代理。
-
-數據以 JSON 格式編碼——JSON 是 JavaScript Object Notation 的縮寫，是一種使用鍵/值對以文本形式編碼數據的標準。
-
-✅ 如果你之前沒有接觸過 JSON，可以在 [JSON.org 文檔](https://www.json.org/) 中了解更多。
-
-按照以下相關步驟將遙測數據從你的設備發送到 MQTT 代理：
-
-* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
-* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-telemetry.md)
-
-### 從 MQTT 代理接收遙測數據
-
-如果沒有接收端，發送遙測數據就沒有意義。光線水平遙測數據需要有接收端來處理這些數據。該“服務器”代碼是你將部署到雲端服務的一部分，用於更大的 IoT 應用，但在這裡你將在本地計算機上運行該代碼（或者如果你直接在 Raspberry Pi 上編碼，也可以在 Pi 上運行）。服務器代碼由一個 Python 應用組成，該應用通過 MQTT 接收光線水平的遙測消息。稍後在本課程中，你將使其回復一條命令消息，指示 LED 打開或關閉。
-
-✅ 做一些研究：如果沒有接收端，MQTT 消息會發生什麼？
-
-#### 安裝 Python 和 VS Code
-
-如果你本地沒有安裝 Python 和 VS Code，你需要安裝它們來編寫服務器代碼。如果你使用虛擬 IoT 設備，或者在 Raspberry Pi 上工作，可以跳過此步驟，因為你應該已經安裝並配置好。
-
-##### 任務 - 安裝 Python 和 VS Code
-
-安裝 Python 和 VS Code。
-
-1. 安裝 Python。請參考 [Python 下載頁面](https://www.python.org/downloads/) 了解如何安裝最新版本的 Python。
-
-1. 安裝 Visual Studio Code (VS Code)。這是你將用來編寫 Python 虛擬設備代碼的編輯器。請參考 [VS Code 文檔](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 了解如何安裝 VS Code。
-💁 你可以自由選擇任何 Python IDE 或編輯器來進行這些課程，如果你有偏好的工具，但課程中的指示將以使用 VS Code 為基礎。
-1. 安裝 VS Code 的 Pylance 擴展。這是一個為 VS Code 提供 Python 語言支持的擴展。請參考 [Pylance 擴展文檔](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 了解如何在 VS Code 中安裝此擴展。
-
-#### 配置 Python 虛擬環境
-
-Python 的一個強大功能是能夠安裝 [pip 套件](https://pypi.org)——這些是由其他人編寫並發布到互聯網上的代碼包。你可以通過一條命令將 pip 套件安裝到你的電腦上，然後在代碼中使用該套件。接下來，你將使用 pip 安裝一個用於 MQTT 通信的套件。
-
-默認情況下，當你安裝一個套件時，它會在你的電腦上全局可用，這可能會導致套件版本的問題——例如，一個應用程序依賴於某個版本的套件，而安裝另一個應用程序的新版本可能會導致該應用程序出現問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，存放在一個專用文件夾中，當你安裝 pip 套件時，它們只會安裝到該文件夾中。
-
-##### 任務 - 配置 Python 虛擬環境
-
-配置 Python 虛擬環境並安裝 MQTT 的 pip 套件。
-
-1. 在終端或命令行中，選擇一個位置運行以下命令以創建並進入一個新目錄：
-
-    ```sh
-    mkdir nightlight-server
-    cd nightlight-server
-    ```
-
-1. 現在運行以下命令，在 `.venv` 文件夾中創建一個虛擬環境：
-
-    ```sh
-    python3 -m venv .venv
-    ```
-
-    > 💁 你需要明確調用 `python3` 來創建虛擬環境，以防你的系統同時安裝了 Python 2 和 Python 3（最新版本）。如果安裝了 Python 2，調用 `python` 可能會使用 Python 2 而不是 Python 3。
-
-1. 激活虛擬環境：
-
-    * 在 Windows 上：
-        * 如果你使用的是命令提示符或 Windows Terminal 中的命令提示符，運行：
-
-            ```cmd
-            .venv\Scripts\activate.bat
-            ```
-
-        * 如果你使用的是 PowerShell，運行：
-
-            ```powershell
-            .\.venv\Scripts\Activate.ps1
-            ```
-
-    * 在 macOS 或 Linux 上，運行：
-
-        ```cmd
-        source ./.venv/bin/activate
-        ```
-
-    > 💁 這些命令應該在你創建虛擬環境的同一位置運行。你永遠不需要進入 `.venv` 文件夾，應始終在創建虛擬環境的文件夾中運行激活命令以及任何安裝套件或運行代碼的命令。
-
-1. 激活虛擬環境後，默認的 `python` 命令將運行用於創建虛擬環境的 Python 版本。運行以下命令以檢查版本：
-
-    ```sh
-    python --version
-    ```
-
-    輸出類似於以下內容：
-
-    ```output
-    (.venv) ➜  nightlight-server python --version
-    Python 3.9.1
-    ```
-
-    > 💁 你的 Python 版本可能不同——只要是 3.6 或更高版本即可。如果不是，請刪除該文件夾，安裝更新版本的 Python，然後重試。
-
-1. 運行以下命令安裝 [Paho-MQTT](https://pypi.org/project/paho-mqtt/) 的 pip 套件，這是一個流行的 MQTT 庫。
-
-    ```sh
-    pip install paho-mqtt
-    ```
-
-    此 pip 套件僅會安裝在虛擬環境中，無法在虛擬環境之外使用。
-
-#### 編寫伺服器代碼
-
-現在可以用 Python 編寫伺服器代碼。
-
-##### 任務 - 編寫伺服器代碼
-
-編寫伺服器代碼。
-
-1. 在虛擬環境中，通過終端或命令行運行以下命令以創建一個名為 `app.py` 的 Python 文件：
-
-    * 在 Windows 上運行：
-
-        ```cmd
-        type nul > app.py
-        ```
-
-    * 在 macOS 或 Linux 上運行：
-
-        ```cmd
-        touch app.py
-        ```
-
-1. 在 VS Code 中打開當前文件夾：
-
-    ```sh
-    code .
-    ```
-
-1. 當 VS Code 啟動時，它會激活 Python 虛擬環境。這會顯示在底部狀態欄中：
-
-    ![VS Code 顯示選擇的虛擬環境](../../../../../translated_images/zh-HK/vscode-virtual-env.8ba42e04c3d533cf.webp)
-
-1. 如果 VS Code 啟動時終端已在運行，則該終端不會激活虛擬環境。最簡單的方法是使用 **Kill the active terminal instance** 按鈕關閉終端：
-
-    ![VS Code Kill the active terminal instance 按鈕](../../../../../translated_images/zh-HK/vscode-kill-terminal.1cc4de7c6f25ee08.webp)
-
-1. 通過選擇 *Terminal -> New Terminal* 或按下 `` CTRL+` `` 啟動新的 VS Code 終端。新終端將加載虛擬環境，並在終端中顯示激活命令。虛擬環境的名稱（`.venv`）也會顯示在提示符中：
-
-    ```output
-    ➜  nightlight-server source .venv/bin/activate
-    (.venv) ➜  nightlight 
-    ```
-
-1. 從 VS Code 的文件資源管理器中打開 `app.py` 文件，並添加以下代碼：
-
-    ```python
-    import json
-    import time
-    
-    import paho.mqtt.client as mqtt
-    
-    id = '<ID>'
-    
-    client_telemetry_topic = id + '/telemetry'
-    client_name = id + 'nightlight_server'
-    
-    mqtt_client = mqtt.Client(client_name)
-    mqtt_client.connect('test.mosquitto.org')
-    
-    mqtt_client.loop_start()
-    
-    def handle_telemetry(client, userdata, message):
-        payload = json.loads(message.payload.decode())
-        print("Message received:", payload)
-    
-    mqtt_client.subscribe(client_telemetry_topic)
-    mqtt_client.on_message = handle_telemetry
-    
-    while True:
-        time.sleep(2)
-    ```
-
-    將第 6 行的 `<ID>` 替換為你創建設備代碼時使用的唯一 ID。
-
-    ⚠️ 這 **必須** 是你在設備上使用的相同 ID，否則伺服器代碼將無法訂閱或發布到正確的主題。
-
-    此代碼創建了一個具有唯一名稱的 MQTT 客戶端，並連接到 *test.mosquitto.org* broker。然後，它啟動了一個處理循環，該循環在後台線程中運行，監聽任何已訂閱主題的消息。
-
-    客戶端隨後訂閱了遙測主題的消息，並定義了一個函數，當接收到消息時會調用該函數。當接收到遙測消息時，`handle_telemetry` 函數會被調用，並將接收到的消息打印到控制台。
-
-    最後，一個無限循環保持應用程序運行。MQTT 客戶端在後台線程中監聽消息，並在主應用程序運行時始終保持運行。
-
-1. 從 VS Code 終端運行以下命令以運行你的 Python 應用程序：
-
-    ```sh
-    python app.py
-    ```
-
-    應用程序將開始接收來自 IoT 設備的消息。
-
-1. 確保你的設備正在運行並發送遙測消息。調整物理或虛擬設備檢測的光線水平。接收到的消息將打印到終端。
-
-    ```output
-    (.venv) ➜  nightlight-server python app.py
-    Message received: {'light': 0}
-    Message received: {'light': 400}
-    ```
-
-    nightlight 虛擬環境中的 app.py 文件必須在運行，才能讓 nightlight-server 虛擬環境中的 app.py 文件接收到發送的消息。
-
-> 💁 你可以在 [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server) 文件夾中找到此代碼。
-
-### 遙測應該多久發送一次？
-
-遙測的一個重要考量是應該多久測量並發送一次數據？答案是——視情況而定。如果頻繁測量，你可以更快地響應測量的變化，但這會消耗更多的電力、更多的帶寬，生成更多的數據，並需要更多的雲資源來處理。你需要測量得足夠頻繁，但不能過於頻繁。
-
-對於溫控器，每隔幾分鐘測量一次可能已經足夠，因為溫度不會頻繁變化。如果你一天只測量一次，那麼可能會在陽光明媚的白天因夜間溫度而加熱房屋；而如果你每秒測量一次，則會生成數千個不必要的重複溫度測量，這會影響用戶的網速和帶寬（對於有限帶寬計劃的用戶來說是個問題），並消耗更多電力，這對於像遠程傳感器這樣的電池供電設備可能是個問題，還會增加雲計算資源的成本。
-
-如果你在監控工廠中某台機器的數據，而該機器如果故障可能會造成災難性損失和數百萬美元的收入損失，那麼可能需要每秒多次測量。浪費帶寬總比錯過表明機器需要停止並修復的遙測數據要好。
-
-> 💁 在這種情況下，你可能需要考慮使用邊緣設備來先處理遙測數據，以減少對互聯網的依賴。
-
-### 連接中斷
-
-互聯網連接可能不穩定，斷線是常見的情況。在這種情況下，IoT 設備應該怎麼做——丟失數據，還是存儲數據直到連接恢復？答案同樣是視情況而定。
-
-對於溫控器，數據可以在新的溫度測量完成後丟失。加熱系統不會在意 20 分鐘前的溫度是 20.5°C，如果現在的溫度是 19°C，那麼當前的溫度才決定加熱是否應該開啟或關閉。
-
-對於機器，你可能需要保留數據，特別是如果這些數據用於趨勢分析。有些機器學習模型可以通過查看一段時間內的數據流（例如過去一小時）來檢測異常數據。這通常用於預測性維護，尋找可能即將發生故障的跡象，以便在故障發生前進行修理或更換。你可能希望機器的每一個遙測數據都被發送，以便在互聯網中斷後重新連接時能夠處理所有生成的遙測數據。
-
-IoT 設備設計者還應考慮 IoT 設備在互聯網中斷或因位置導致信號丟失時是否仍能使用。一個智能溫控器應該能在無法向雲端發送遙測數據的情況下做出有限的決策來控制加熱。
-
-[![這輛法拉利因為有人在地下無信號的地方嘗試升級而被鎖死](../../../../../translated_images/zh-HK/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832)
-
-為了讓 MQTT 處理連接中斷，設備和伺服器代碼需要負責確保消息的交付（如果需要），例如要求所有發送的消息都通過回覆主題上的額外消息進行回覆，如果沒有回覆則手動排隊以便稍後重播。
-
-## 命令
-
-命令是由雲端發送到設備的消息，指示設備執行某些操作。大多數情況下，這涉及通過執行器輸出某些內容，但也可以是設備本身的指令，例如重啟或收集額外的遙測數據並將其作為命令的回應返回。
-
-![一個連接到互聯網的溫控器接收到開啟加熱的命令](../../../../../translated_images/zh-HK/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png)
-
-例如，溫控器可以接收到來自雲端的命令以開啟加熱。根據所有傳感器的遙測數據，如果雲服務決定加熱應該開啟，它就會發送相關命令。
-
-### 向 MQTT broker 發送命令
-
-我們的互聯網控制夜燈的下一步是讓伺服器代碼根據檢測到的光線水平向 IoT 設備發送命令以控制燈光。
-
-1. 在 VS Code 中打開伺服器代碼
-
-1. 在 `client_telemetry_topic` 的聲明後添加以下行，定義要發送命令的主題：
-
-    ```python
-    server_command_topic = id + '/commands'
-    ```
-
-1. 在 `handle_telemetry` 函數的末尾添加以下代碼：
-
-    ```python
-    command = { 'led_on' : payload['light'] < 300 }
-    print("Sending message:", command)
-    
-    client.publish(server_command_topic, json.dumps(command))
-    ```
-
-    這會向命令主題發送一個 JSON 消息，其中 `led_on` 的值根據光線是否小於 300 設置為 true 或 false。如果光線小於 300，則發送 true 指示設備開啟 LED。
-
-1. 像之前一樣運行代碼
-
-1. 調整物理或虛擬設備檢測的光線水平。接收到的消息和發送的命令將顯示在終端中：
-
-    ```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}
-    ```
-
-> 💁 遙測和命令分別在單一主題上發送。這意味著來自多個設備的遙測數據將出現在同一遙測主題上，發送給多個設備的命令將出現在同一命令主題上。如果你想向特定設備發送命令，可以使用多個主題，命名為唯一的設備 ID，例如 `/commands/device1`，`/commands/device2`。這樣設備就可以只監聽針對該設備的消息。
-
-> 💁 你可以在 [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server) 文件夾中找到此代碼。
-
-### 在 IoT 設備上處理命令
-
-現在伺服器已經開始發送命令，你可以在 IoT 設備上添加代碼來處理命令並控制 LED。
-
-按照以下相關步驟從 MQTT broker 監聽命令：
-
-* [Arduino - Wio Terminal](wio-terminal-commands.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-commands.md)
-
-一旦代碼編寫完成並運行，嘗試改變光線水平。觀察伺服器和設備的輸出，並在改變光線水平時觀察 LED 的反應。
-
-### 連接中斷
-
-如果雲服務需要向離線的 IoT 設備發送命令，應該怎麼做？答案仍然是視情況而定。
-
-如果最新的命令覆蓋了早期的命令，那麼早期的命令可能可以忽略。如果雲服務發送了一個開啟加熱的命令，然後又發送了一個關閉加熱的命令，那麼可以忽略開啟命令並不重新發送。
-
-如果命令需要按順序處理，例如移動機器人手臂向上，然後關閉抓手，那麼需要在連接恢復後按順序發送。
-
-✅ 設備或伺服器代碼如何確保命令始終按順序通過 MQTT 發送並處理？
-
----
-
-## 🚀 挑戰
-
-在過去三節課的挑戰是列出你家中、學校或工作場所中的所有 IoT 設備，並判斷它們是基於微控制器還是單板電腦，或者是兩者的混合，並思考它們使用了哪些傳感器和執行器。
-對於這些設備，想一想它們可能會發送或接收什麼信息。它們會發送什麼遙測數據？可能會接收什麼信息或指令？你認為它們的安全性如何？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
-
-## 回顧與自學
-
-在 [MQTT 的維基百科頁面](https://wikipedia.org/wiki/MQTT) 閱讀更多有關 MQTT 的內容。
-
-嘗試使用 [Mosquitto](https://www.mosquitto.org) 自行運行一個 MQTT broker，並從你的 IoT 設備和伺服器代碼連接到它。
-
-> 💁 提示 - Mosquitto 預設不允許匿名連接（即無需用戶名和密碼的連接），也不允許來自運行它的電腦以外的連接。
-> 你可以通過使用 [`mosquitto.conf` 配置文件](https://www.mosquitto.org/man/mosquitto-conf-5.html) 解決這個問題，內容如下：
->
-> ```sh
-> listener 1883 0.0.0.0
-> allow_anonymous true
-> ```
-
-## 作業
-
-[比較和對比 MQTT 與其他通信協議](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/hk/1-getting-started/lessons/4-connect-internet/assignment.md
deleted file mode 100644
index 7c931b220..000000000
--- a/translations/hk/1-getting-started/lessons/4-connect-internet/assignment.md
+++ /dev/null
@@ -1,28 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
-  "translation_date": "2025-08-26T15:00:22+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
-  "language_code": "hk"
-}
--->
-# 比較和對比 MQTT 與其他通訊協議
-
-## 指引
-
-本課程介紹了 MQTT 作為一種通訊協議。除此之外，還有其他協議，例如 AMQP 和 HTTP/HTTPS。
-
-請研究這些協議，並將它們與 MQTT 進行比較和對比。考慮電力消耗、安全性，以及在連線中斷時的訊息持久性。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 比較 AMQP 與 MQTT | 能夠比較和對比 AMQP 與 MQTT，並涵蓋電力消耗、安全性和訊息持久性。 | 能部分比較和對比 AMQP 與 MQTT，並涵蓋電力消耗、安全性和訊息持久性中的兩項。 | 能部分比較和對比 AMQP 與 MQTT，並涵蓋電力消耗、安全性和訊息持久性中的一項。 |
-| 比較 HTTP/HTTPS 與 MQTT | 能夠比較和對比 HTTP/HTTPS 與 MQTT，並涵蓋電力消耗、安全性和訊息持久性。 | 能部分比較和對比 HTTP/HTTPS 與 MQTT，並涵蓋電力消耗、安全性和訊息持久性中的兩項。 | 能部分比較和對比 HTTP/HTTPS 與 MQTT，並涵蓋電力消耗、安全性和訊息持久性中的一項。 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
deleted file mode 100644
index 13a0e16f1..000000000
--- a/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
+++ /dev/null
@@ -1,67 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c527ce85d69b1a3875366ec61cbed8aa",
-  "translation_date": "2025-08-26T14:56:25+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
-  "language_code": "hk"
-}
--->
-# 通過互聯網控制你的夜燈 - 虛擬物聯網硬件與 Raspberry Pi
-
-在本課程的這部分，你將訂閱從 MQTT broker 發送到你的 Raspberry Pi 或虛擬物聯網設備的指令。
-
-## 訂閱指令
-
-下一步是訂閱從 MQTT broker 發送的指令並對其作出回應。
-
-### 任務
-
-訂閱指令。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 如果你使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果你使用的是 Raspberry Pi，則不需要使用虛擬環境。
-
-1. 在 `client_telemetry_topic` 定義之後添加以下代碼：
-
-    ```python
-    server_command_topic = id + '/commands'
-    ```
-
-    `server_command_topic` 是設備訂閱以接收 LED 指令的 MQTT topic。
-
-1. 在主循環的上方，`mqtt_client.loop_start()` 行之後添加以下代碼：
-
-    ```python
-    def handle_command(client, userdata, message):
-        payload = json.loads(message.payload.decode())
-        print("Message received:", payload)
-    
-        if payload['led_on']:
-            led.on()
-        else:
-            led.off()
-    
-    mqtt_client.subscribe(server_command_topic)
-    mqtt_client.on_message = handle_command
-    ```
-
-    此代碼定義了一個函數 `handle_command`，該函數將消息作為 JSON 文檔讀取，並查找 `led_on` 屬性的值。如果設置為 `True`，則 LED 會被打開，否則會被關閉。
-
-    MQTT 客戶端訂閱服務器將發送消息的 topic，並設置 `handle_command` 函數在接收到消息時被調用。
-
-    > 💁 `on_message` 處理器會被所有訂閱的 topic 調用。如果你之後編寫的代碼需要監聽多個 topic，可以從傳遞給處理函數的 `message` 對象中獲取消息所屬的 topic。
-
-1. 以與之前部分作業相同的方式運行代碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光傳感器和 LED 已在正確的引腳上創建。
-
-1. 調整你的物理或虛擬設備檢測到的光線水平。接收到的消息和發送的指令將顯示在終端上。LED 也會根據光線水平開啟或關閉。
-
-> 💁 你可以在 [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) 文件夾或 [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi) 文件夾中找到此代碼。
-
-😀 你已成功編寫代碼，使你的設備能夠響應來自 MQTT broker 的指令。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
deleted file mode 100644
index 6e5d4e1c9..000000000
--- a/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
+++ /dev/null
@@ -1,93 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "90fb93446e03c38f3c0e4009c2471906",
-  "translation_date": "2025-08-26T15:00:39+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
-  "language_code": "hk"
-}
--->
-# 通過互聯網控制你的夜燈 - 虛擬物聯網硬件與樹莓派
-
-物聯網設備需要編寫程式碼，通過 MQTT 與 *test.mosquitto.org* 通信，發送包含光感應器讀數的遙測值，並接收控制 LED 的指令。
-
-在本課程的這部分，你將把你的樹莓派或虛擬物聯網設備連接到 MQTT broker。
-
-## 安裝 MQTT 客戶端套件
-
-為了與 MQTT broker 通信，你需要在樹莓派或虛擬設備的虛擬環境中安裝 MQTT 的 pip 套件。
-
-### 任務
-
-安裝 pip 套件
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 如果你使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果你使用的是樹莓派，則不需要使用虛擬環境。
-
-1. 運行以下命令來安裝 MQTT 的 pip 套件：
-
-    ```sh
-    pip3 install paho-mqtt
-    ```
-
-## 編寫設備程式碼
-
-設備已準備好編寫程式碼。
-
-### 任務
-
-編寫設備程式碼。
-
-1. 在 `app.py` 文件的頂部添加以下導入：
-
-    ```python
-    import paho.mqtt.client as mqtt
-    ```
-
-    `paho.mqtt.client` 庫允許你的應用通過 MQTT 進行通信。
-
-1. 在光感應器和 LED 的定義之後添加以下程式碼：
-
-    ```python
-    id = '<ID>'
-
-    client_name = id + 'nightlight_client'
-    ```
-
-    將 `<ID>` 替換為一個唯一的 ID，該 ID 將用作此設備客戶端的名稱，並在稍後用於此設備發布和訂閱的主題名稱。*test.mosquitto.org* broker 是公共的，許多人都在使用，包括其他完成此作業的學生。擁有唯一的 MQTT 客戶端名稱和主題名稱可以確保你的程式碼不會與其他人的程式碼衝突。在稍後創建伺服器程式碼時，你也需要使用此 ID。
-
-    > 💁 你可以使用像 [GUIDGen](https://www.guidgen.com) 這樣的網站來生成唯一的 ID。
-
-    `client_name` 是此 MQTT 客戶端在 broker 上的唯一名稱。
-
-1. 在這段新程式碼的下方添加以下程式碼，以創建 MQTT 客戶端對象並連接到 MQTT broker：
-
-    ```python
-    mqtt_client = mqtt.Client(client_name)
-    mqtt_client.connect('test.mosquitto.org')
-    
-    mqtt_client.loop_start()
-
-    print("MQTT connected!")
-    ```
-
-    此程式碼創建客戶端對象，連接到公共 MQTT broker，並啟動一個處理循環，該循環在後台執行緒中運行，監聽任何訂閱主題的消息。
-
-1. 以與作業上一部分相同的方式運行程式碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光感應器和 LED 已在正確的引腳上創建。
-
-    ```output
-    (.venv) ➜  nightlight python app.py 
-    MQTT connected!
-    Light level: 0
-    Light level: 0
-    ```
-
-> 💁 你可以在 [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) 文件夾或 [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi) 文件夾中找到此程式碼。
-
-😀 你已成功將設備連接到 MQTT broker。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要信息，建議使用專業的人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
deleted file mode 100644
index 6838febd9..000000000
--- a/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
+++ /dev/null
@@ -1,74 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1226517aae5f5b6f904434670394c688",
-  "translation_date": "2025-08-26T14:56:45+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
-  "language_code": "hk"
-}
--->
-# 通過互聯網控制你的夜燈 - 虛擬物聯網硬件和樹莓派
-
-在本課程的這部分，你將從樹莓派或虛擬物聯網設備向 MQTT broker 發送光照水平的遙測數據。
-
-## 發佈遙測數據
-
-下一步是創建一個包含遙測數據的 JSON 文檔並將其發送到 MQTT broker。
-
-### 任務
-
-向 MQTT broker 發佈遙測數據。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 如果你使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果你使用的是樹莓派，則不需要使用虛擬環境。
-
-1. 在 `app.py` 文件的頂部添加以下導入：
-
-    ```python
-    import json
-    ```
-
-    `json` 庫用於將遙測數據編碼為 JSON 文檔。
-
-1. 在 `client_name` 聲明之後添加以下內容：
-
-    ```python
-    client_telemetry_topic = id + '/telemetry'
-    ```
-
-    `client_telemetry_topic` 是設備將光照水平發佈到的 MQTT 主題。
-
-1. 用以下內容替換文件末尾的 `while True:` 循環：
-
-    ```python
-    while True:
-        light = light_sensor.light
-        telemetry = json.dumps({'light' : light})
-
-        print("Sending telemetry ", telemetry)
-    
-        mqtt_client.publish(client_telemetry_topic, telemetry)
-    
-        time.sleep(5)
-    ```
-
-    此代碼將光照水平打包成 JSON 文檔並發佈到 MQTT broker。然後它會休眠以減少消息發送的頻率。
-
-1. 以與完成上一部分作業相同的方式運行代碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光傳感器和 LED 已在正確的引腳上創建。
-
-    ```output
-    (.venv) ➜  nightlight python app.py 
-    MQTT connected!
-    Sending telemetry  {"light": 0}
-    Sending telemetry  {"light": 0}
-    ```
-
-> 💁 你可以在 [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) 文件夾或 [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi) 文件夾中找到此代碼。
-
-😀 你已成功從設備發送遙測數據。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業的人類翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
deleted file mode 100644
index 07e6bd59c..000000000
--- a/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
+++ /dev/null
@@ -1,93 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
-  "translation_date": "2025-08-26T15:02:09+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
-  "language_code": "hk"
-}
--->
-# 通過互聯網控制你的夜燈 - Wio Terminal
-
-在本課程的這部分，你將訂閱來自 MQTT broker 發送到 Wio Terminal 的指令。
-
-## 訂閱指令
-
-下一步是訂閱來自 MQTT broker 的指令，並對其作出回應。
-
-### 任務
-
-訂閱指令。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 在 `config.h` 文件的底部添加以下代碼，以定義指令的主題名稱：
-
-    ```cpp
-    const string SERVER_COMMAND_TOPIC = ID + "/commands";
-    ```
-
-    `SERVER_COMMAND_TOPIC` 是設備訂閱以接收 LED 指令的主題。
-
-1. 在 `reconnectMQTTClient` 函數的末尾添加以下行，以便在 MQTT 客戶端重新連接時訂閱指令主題：
-
-    ```cpp
-    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
-    ```
-
-1. 在 `reconnectMQTTClient` 函數下方添加以下代碼。
-
-    ```cpp
-    void clientCallback(char *topic, uint8_t *payload, unsigned int length)
-    {
-        char buff[length + 1];
-        for (int i = 0; i < length; i++)
-        {
-            buff[i] = (char)payload[i];
-        }
-        buff[length] = '\0';
-    
-        Serial.print("Message received:");
-        Serial.println(buff);
-    
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, buff);
-        JsonObject obj = doc.as<JsonObject>();
-    
-        bool led_on = obj["led_on"];
-    
-        if (led_on)
-            digitalWrite(D0, HIGH);
-        else
-            digitalWrite(D0, LOW);
-    }
-    ```
-
-    此函數將作為 MQTT 客戶端在接收到來自服務器的消息時調用的回調函數。
-
-    消息以無符號 8 位整數數組的形式接收，因此需要轉換為字符數組才能作為文本處理。
-
-    消息包含一個 JSON 文檔，並使用 ArduinoJson 庫進行解碼。JSON 文檔的 `led_on` 屬性被讀取，根據其值來控制 LED 的開啟或關閉。
-
-1. 在 `createMQTTClient` 函數中添加以下代碼：
-
-    ```cpp
-    client.setCallback(clientCallback);
-    ```
-
-    此代碼將 `clientCallback` 設置為在接收到來自 MQTT broker 的消息時調用的回調函數。
-
-    > 💁 `clientCallback` 處理器會針對所有訂閱的主題被調用。如果你之後編寫的代碼需要監聽多個主題，可以通過回調函數中傳遞的 `topic` 參數獲取消息所屬的主題。
-
-1. 將代碼上傳到你的 Wio Terminal，並使用串行監視器查看發送到 MQTT broker 的光線水平。
-
-1. 調整你的物理或虛擬設備檢測到的光線水平。你將看到消息被接收以及指令在終端中被發送。根據光線水平，你還會看到 LED 被開啟或關閉。
-
-> 💁 你可以在 [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal) 文件夾中找到這段代碼。
-
-😀 恭喜！你已成功編寫代碼，使你的設備能夠響應來自 MQTT broker 的指令。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
deleted file mode 100644
index 8a823b21e..000000000
--- a/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
+++ /dev/null
@@ -1,251 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
-  "translation_date": "2025-08-26T15:01:17+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
-  "language_code": "hk"
-}
--->
-# 使用互聯網控制你的夜燈 - Wio Terminal
-
-物聯網設備需要編寫程式碼，通過 MQTT 與 *test.mosquitto.org* 通信，發送光感應器讀取的遙測值，並接收控制 LED 的指令。
-
-在本課程的這部分，你將把 Wio Terminal 連接到 MQTT broker。
-
-## 安裝 WiFi 和 MQTT Arduino 庫
-
-為了與 MQTT broker 通信，你需要安裝一些 Arduino 庫來使用 Wio Terminal 的 WiFi 芯片，並與 MQTT 通信。在開發 Arduino 設備時，你可以使用大量的開源庫，這些庫實現了多種功能。Seeed 提供了 Wio Terminal 的 WiFi 通信庫。其他開發者也發布了與 MQTT broker 通信的庫，你將使用這些庫來操作你的設備。
-
-這些庫以源代碼的形式提供，可以自動導入到 PlatformIO 並編譯到你的設備中。這樣，Arduino 庫可以在任何支持 Arduino 框架的設備上運行，前提是設備具有該庫所需的特定硬件。一些庫，例如 Seeed WiFi 庫，是針對特定硬件的。
-
-庫可以全局安裝並在需要時編譯，也可以安裝到特定項目中。對於這次任務，庫將安裝到項目中。
-
-✅ 你可以在 [PlatformIO 庫文檔](https://docs.platformio.org/en/latest/librarymanager/index.html) 中了解更多關於庫管理以及如何查找和安裝庫的信息。
-
-### 任務 - 安裝 WiFi 和 MQTT Arduino 庫
-
-安裝 Arduino 庫。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 在 `platformio.ini` 文件的末尾添加以下內容：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
-        seeed-studio/Seeed Arduino FS @ 2.1.1
-        seeed-studio/Seeed Arduino SFUD @ 2.0.2
-        seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
-        seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
-    ```
-
-    這將導入 Seeed WiFi 庫。`@ <number>` 語法指的是該庫的特定版本號。
-
-    > 💁 你可以刪除 `@ <number>` 以始終使用最新版本的庫，但不能保證最新版本的庫能與下面的代碼正常運行。這裡的代碼已經使用該版本的庫進行測試。
-
-    這就是添加庫所需的全部操作。下次 PlatformIO 編譯項目時，它將下載這些庫的源代碼並編譯到你的項目中。
-
-1. 在 `lib_deps` 中添加以下內容：
-
-    ```ini
-    knolleary/PubSubClient @ 2.8
-    ```
-
-    這將導入 [PubSubClient](https://github.com/knolleary/pubsubclient)，一個 Arduino MQTT 客戶端。
-
-## 連接到 WiFi
-
-現在可以將 Wio Terminal 連接到 WiFi。
-
-### 任務 - 連接到 WiFi
-
-將 Wio Terminal 連接到 WiFi。
-
-1. 在 `src` 文件夾中創建一個名為 `config.h` 的新文件。你可以通過選擇 `src` 文件夾或其中的 `main.cpp` 文件，然後在資源管理器中選擇 **新文件** 按鈕來完成。當你的光標位於資源管理器上時，該按鈕才會出現。
-
-    ![新文件按鈕](../../../../../translated_images/zh-HK/vscode-new-file-button.182702340fe6723c.webp)
-
-1. 在該文件中添加以下代碼以定義 WiFi 憑據的常量：
-
-    ```cpp
-    #pragma once
-
-    #include <string>
-    
-    using namespace std;
-    
-    // WiFi credentials
-    const char *SSID = "<SSID>";
-    const char *PASSWORD = "<PASSWORD>";
-    ```
-
-    將 `<SSID>` 替換為你的 WiFi SSID。將 `<PASSWORD>` 替換為你的 WiFi 密碼。
-
-1. 打開 `main.cpp` 文件。
-
-1. 在文件頂部添加以下 `#include` 指令：
-
-    ```cpp
-    #include <PubSubClient.h>
-    #include <rpcWiFi.h>
-    #include <SPI.h>
-    
-    #include "config.h"
-    ```
-
-    這將包含你之前添加的庫的頭文件以及配置頭文件。這些頭文件是必需的，用於告訴 PlatformIO 導入庫中的代碼。如果不顯式包含這些頭文件，某些代碼將不會被編譯，並且你會遇到編譯器錯誤。
-
-1. 在 `setup` 函數上方添加以下代碼：
-
-    ```cpp
-    void connectWiFi()
-    {
-        while (WiFi.status() != WL_CONNECTED)
-        {
-            Serial.println("Connecting to WiFi..");
-            WiFi.begin(SSID, PASSWORD);
-            delay(500);
-        }
-    
-        Serial.println("Connected!");
-    }
-    ```
-
-    此代碼在設備未連接到 WiFi 時進行循環，並使用配置頭文件中的 SSID 和密碼嘗試連接。
-
-1. 在 `setup` 函數底部，配置引腳後，調用此函數。
-
-    ```cpp
-    connectWiFi();
-    ```
-
-1. 將此代碼上傳到你的設備以檢查 WiFi 連接是否正常。你應該能在串行監視器中看到以下內容。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    ```
-
-## 連接到 MQTT
-
-Wio Terminal 連接到 WiFi 後，可以連接到 MQTT broker。
-
-### 任務 - 連接到 MQTT
-
-連接到 MQTT broker。
-
-1. 在 `config.h` 文件底部添加以下代碼以定義 MQTT broker 的連接詳細信息：
-
-    ```cpp
-    // MQTT settings
-    const string ID = "<ID>";
-    
-    const string BROKER = "test.mosquitto.org";
-    const string CLIENT_NAME = ID + "nightlight_client";
-    ```
-
-    將 `<ID>` 替換為一個唯一的 ID，該 ID 將用作此設備客戶端的名稱，並在稍後用於此設備發布和訂閱的主題。*test.mosquitto.org* broker 是公共的，許多人都在使用，包括其他完成此任務的學生。擁有唯一的 MQTT 客戶端名稱和主題名稱可以確保你的代碼不會與其他人的代碼衝突。稍後在創建服務器代碼時，你也需要此 ID。
-
-    > 💁 你可以使用像 [GUIDGen](https://www.guidgen.com) 這樣的網站來生成唯一的 ID。
-
-    `BROKER` 是 MQTT broker 的 URL。
-
-    `CLIENT_NAME` 是此 MQTT 客戶端在 broker 上的唯一名稱。
-
-1. 打開 `main.cpp` 文件，並在 `connectWiFi` 函數下方和 `setup` 函數上方添加以下代碼：
-
-    ```cpp
-    WiFiClient wioClient;
-    PubSubClient client(wioClient);
-    ```
-
-    此代碼使用 Wio Terminal WiFi 庫創建一個 WiFi 客戶端，並使用它創建一個 MQTT 客戶端。
-
-1. 在此代碼下方添加以下內容：
-
-    ```cpp
-    void reconnectMQTTClient()
-    {
-        while (!client.connected())
-        {
-            Serial.print("Attempting MQTT connection...");
-    
-            if (client.connect(CLIENT_NAME.c_str()))
-            {
-                Serial.println("connected");
-            }
-            else
-            {
-                Serial.print("Retying in 5 seconds - failed, rc=");
-                Serial.println(client.state());
-                
-                delay(5000);
-            }
-        }
-    }
-    ```
-
-    此函數測試與 MQTT broker 的連接，如果未連接則重新連接。它會在未連接時進行循環，並使用配置頭文件中定義的唯一客戶端名稱嘗試連接。
-
-    如果連接失敗，5 秒後重試。
-
-1. 在 `reconnectMQTTClient` 函數下方添加以下代碼：
-
-    ```cpp
-    void createMQTTClient()
-    {
-        client.setServer(BROKER.c_str(), 1883);
-        reconnectMQTTClient();
-    }
-    ```
-
-    此代碼為客戶端設置 MQTT broker，並設置接收到消息時的回調。然後嘗試連接到 broker。
-
-1. 在 WiFi 連接後，在 `setup` 函數中調用 `createMQTTClient` 函數。
-
-1. 用以下代碼替換整個 `loop` 函數：
-
-    ```cpp
-    void loop()
-    {
-        reconnectMQTTClient();
-        client.loop();
-    
-        delay(2000);
-    }
-    ```
-
-    此代碼首先重新連接到 MQTT broker。這些連接很容易中斷，因此定期檢查並在必要時重新連接是值得的。然後調用 MQTT 客戶端的 `loop` 方法來處理任何在訂閱的主題上接收到的消息。此應用程序是單線程的，因此消息不能在後台線程上接收，因此需要在主線程上分配時間來處理網絡連接上等待的消息。
-
-    最後，2 秒的延遲確保光線水平不會發送得太頻繁，並減少設備的功耗。
-
-1. 將代碼上傳到你的 Wio Terminal，並使用串行監視器查看設備連接到 WiFi 和 MQTT。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    source /Users/jimbennett/GitHub/IoT-For-Beginners/1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal/nightlight/.venv/bin/activate
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Attempting MQTT connection...connected
-    ```
-
-> 💁 你可以在 [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal) 文件夾中找到此代碼。
-
-😀 你已成功將設備連接到 MQTT broker。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
deleted file mode 100644
index dcaf8a9e8..000000000
--- a/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
+++ /dev/null
@@ -1,93 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
-  "translation_date": "2025-08-26T15:00:03+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
-  "language_code": "hk"
-}
--->
-# 通過互聯網控制你的夜燈 - Wio Terminal
-
-在這部分課程中，你將把 Wio Terminal 的光線水平數據作為遙測信息發送到 MQTT broker。
-
-## 安裝 JSON Arduino 庫
-
-使用 JSON 是通過 MQTT 發送消息的一種流行方式。有一個 Arduino 的 JSON 庫，可以讓讀取和寫入 JSON 文檔變得更簡單。
-
-### 任務
-
-安裝 Arduino JSON 庫。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 在 `platformio.ini` 文件的 `lib_deps` 列表中添加以下額外的一行：
-
-    ```ini
-    bblanchon/ArduinoJson @ 6.17.3
-    ```
-
-    這將導入 [ArduinoJson](https://arduinojson.org)，一個 Arduino 的 JSON 庫。
-
-## 發佈遙測信息
-
-下一步是創建一個包含遙測信息的 JSON 文檔，並將其發送到 MQTT broker。
-
-### 任務 - 發佈遙測信息
-
-將遙測信息發佈到 MQTT broker。
-
-1. 在 `config.h` 文件底部添加以下代碼，以定義 MQTT broker 的遙測主題名稱：
-
-    ```cpp
-    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
-    ```
-
-    `CLIENT_TELEMETRY_TOPIC` 是設備將用來發佈光線水平的主題。
-
-1. 打開 `main.cpp` 文件
-
-1. 在文件頂部添加以下 `#include` 指令：
-
-    ```cpp
-    #include <ArduinoJSON.h>
-    ```
-
-1. 在 `loop` 函數內，`delay` 之前添加以下代碼：
-
-    ```cpp
-    int light = analogRead(WIO_LIGHT);
-
-    DynamicJsonDocument doc(1024);
-    doc["light"] = light;
-
-    string telemetry;
-    serializeJson(doc, telemetry);
-
-    Serial.print("Sending telemetry ");
-    Serial.println(telemetry.c_str());
-
-    client.publish(CLIENT_TELEMETRY_TOPIC.c_str(), telemetry.c_str());
-    ```
-
-    此代碼會讀取光線水平，並使用 ArduinoJson 創建一個包含該水平的 JSON 文檔。然後將其序列化為字符串，並通過 MQTT 客戶端發佈到遙測 MQTT 主題。
-
-1. 將代碼上傳到你的 Wio Terminal，並使用串口監視器查看光線水平被發送到 MQTT broker 的情況。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Attempting MQTT connection...connected
-    Sending telemetry {"light":652}
-    Sending telemetry {"light":612}
-    Sending telemetry {"light":583}
-    ```
-
-> 💁 你可以在 [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal) 文件夾中找到這段代碼。
-
-😀 你已成功從設備發送遙測信息。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/README.md b/translations/hk/2-farm/README.md
deleted file mode 100644
index da15a293c..000000000
--- a/translations/hk/2-farm/README.md
+++ /dev/null
@@ -1,34 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "428bda82d9e6016ecea7c797564bf081",
-  "translation_date": "2025-08-26T14:26:38+00:00",
-  "source_file": "2-farm/README.md",
-  "language_code": "hk"
-}
--->
-# 使用物聯網進行農業
-
-隨著人口增長，農業的需求也在增加。可用的土地面積不會改變，但氣候卻在變化——這給農民帶來了更多挑戰，尤其是那20億依靠自己種植的作物來維持生計的[自給農民](https://wikipedia.org/wiki/Subsistence_agriculture)。物聯網可以幫助農民更聰明地決定種植什麼以及何時收割，提升產量，減少手工勞動，並檢測和處理害蟲問題。
-
-在這6節課中，你將學習如何應用物聯網來改善和自動化農業。
-
-> 💁 這些課程將使用一些雲端資源。如果你未完成此專案中的所有課程，請確保[清理你的專案](../clean-up.md)。
-
-## 主題
-
-1. [使用物聯網預測植物生長](lessons/1-predict-plant-growth/README.md)
-1. [檢測土壤濕度](lessons/2-detect-soil-moisture/README.md)
-1. [自動化植物灌溉](lessons/3-automated-plant-watering/README.md)
-1. [將你的植物遷移到雲端](lessons/4-migrate-your-plant-to-the-cloud/README.md)
-1. [將你的應用邏輯遷移到雲端](lessons/5-migrate-application-to-the-cloud/README.md)
-1. [保持你的植物安全](lessons/6-keep-your-plant-secure/README.md)
-
-## 致謝
-
-所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫
-
----
-
-**免責聲明**：  
-此文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/1-predict-plant-growth/README.md b/translations/hk/2-farm/lessons/1-predict-plant-growth/README.md
deleted file mode 100644
index fb0888ce8..000000000
--- a/translations/hk/2-farm/lessons/1-predict-plant-growth/README.md
+++ /dev/null
@@ -1,284 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d105b44deae539165855c976dcdeca99",
-  "translation_date": "2025-08-26T14:26:58+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
-  "language_code": "hk"
-}
--->
-# 使用物聯網預測植物生長
-
-![本課程概述的手繪筆記](../../../../../translated_images/zh-HK/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
-
-## 簡介
-
-植物需要某些條件才能生長——水、二氧化碳、養分、光和熱。在本課程中，您將學習如何通過測量空氣溫度來計算植物的生長和成熟速度。
-
-本課程將涵蓋以下內容：
-
-* [數字農業](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [溫度在農業中的重要性](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [測量環境溫度](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [生長度日 (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [使用溫度傳感器數據計算 GDD](../../../../../2-farm/lessons/1-predict-plant-growth)
-
-## 數字農業
-
-數字農業正在改變我們的耕作方式，通過工具收集、存儲和分析農業數據。我們目前正處於世界經濟論壇所描述的“第四次工業革命”時期，而數字農業的興起被稱為“第四次農業革命”或“農業 4.0”。
-
-> 🎓 “數字農業”這個術語還包括整個“農業價值鏈”，即從農場到餐桌的整個過程。它包括在食品運輸和加工過程中追蹤產品質量、倉庫和電子商務系統，甚至拖拉機租賃應用程序！
-
-這些變化使農民能夠提高產量，減少化肥和農藥的使用，並更有效地使用水資源。雖然主要在富裕國家使用，但傳感器和其他設備的價格正在逐漸下降，使其在發展中國家也越來越容易獲得。
-
-數字農業支持的一些技術包括：
-
-* **溫度測量** - 測量溫度使農民能夠預測植物的生長和成熟。
-* **自動灌溉** - 測量土壤濕度並在土壤過於乾燥時啟動灌溉系統，而不是定時灌溉。定時灌溉可能導致在炎熱乾燥的時期作物缺水，或在下雨時過度灌溉。通過僅在土壤需要時灌溉，農民可以優化水的使用。
-* **害蟲控制** - 農民可以使用自動機器人或無人機上的攝像頭檢查害蟲，然後僅在需要的地方施用農藥，減少農藥的使用量並減少農藥流入當地水源。
-
-✅ 做一些研究。還有哪些技術可以用來提高農業產量？
-
-> 🎓 “精準農業”這個術語用於描述基於每塊田地甚至田地的一部分進行觀察、測量和響應的方式。這包括測量水分、養分和害蟲水平並準確響應，例如僅灌溉田地的一小部分。
-
-## 溫度在農業中的重要性
-
-在學習植物時，大多數學生都會學到水、光、二氧化碳和養分的重要性。植物還需要溫暖才能生長——這就是為什麼植物在春天隨著溫度升高而開花，為什麼雪花蓮或水仙花可能因短暫的暖和天氣而提前萌芽，以及為什麼溫室和暖房能促進植物生長。
-
-> 🎓 暖房和溫室的功能相似，但有一個重要區別。暖房是人工加熱的，能讓農民更精確地控制溫度；溫室則依賴陽光提供溫暖，通常只能通過窗戶或其他開口來排熱。
-
-植物有基礎溫度、最佳溫度和最高溫度，這些都基於每日平均溫度。
-
-* **基礎溫度** - 這是植物生長所需的最低每日平均溫度。
-* **最佳溫度** - 這是植物生長最快的最佳每日平均溫度。
-* **最高溫度** - 這是植物能承受的最高溫度。超過這個溫度，植物會停止生長以保存水分並保持存活。
-
-> 💁 這些是平均溫度，基於白天和夜晚的溫度平均值。植物還需要白天和夜晚的不同溫度，以更有效地進行光合作用並在夜晚節省能量。
-
-每種植物的基礎溫度、最佳溫度和最高溫度都不同。這就是為什麼有些植物在熱帶國家生長良好，而有些植物則適合寒冷的國家。
-
-✅ 做一些研究。看看您花園、學校或當地公園中的植物，是否能找到它們的基礎溫度。
-
-![一個顯示植物生長率隨溫度升高而增加，然後在溫度過高時下降的圖表](../../../../../translated_images/zh-HK/plant-growth-temp-graph.c6d69c9478e6ca83.webp)
-
-上圖顯示了一個生長率與溫度的示例圖表。在基礎溫度以下，植物不會生長。生長率在最佳溫度之前逐漸增加，然後在達到峰值後下降。在最高溫度時，生長停止。
-
-這個圖表的形狀因植物種類而異。有些植物在最佳溫度以上的下降更陡峭，有些則從基礎溫度到最佳溫度的增長更緩慢。
-
-> 💁 農民要想獲得最佳生長效果，需要了解植物的三個溫度值以及它們的圖表形狀。
-
-如果農民能控制溫度，例如在商業暖房中，他們就能為植物進行最佳化。例如，商業暖房中種植番茄的溫度通常白天設置為約 25°C，夜間設置為約 20°C，以促進最快的生長。
-
-> 🍅 結合這些溫度、人工光源、肥料和控制的二氧化碳水平，商業種植者可以全年種植和收穫。
-
-## 測量環境溫度
-
-溫度傳感器可以與物聯網設備一起使用來測量環境溫度。
-
-### 任務 - 測量溫度
-
-按照相關指南使用您的物聯網設備監測溫度：
-
-* [Arduino - Wio Terminal](wio-terminal-temp.md)
-* [單板計算機 - Raspberry Pi](pi-temp.md)
-* [單板計算機 - 虛擬設備](virtual-device-temp.md)
-
-## 生長度日 (GDD)
-
-生長度日（也稱為生長度單位）是一種基於溫度測量植物生長的方法。假設植物有足夠的水分、養分和二氧化碳，溫度決定了生長速度。
-
-生長度日（GDD）每天計算，作為一天的平均溫度（以攝氏度計算）超過植物基礎溫度的部分。每種植物需要一定數量的 GDD 才能生長、開花或成熟並產出作物。每天的 GDD 越多，植物生長越快。
-
-> 🇺🇸 對於美國人來說，生長度日也可以用華氏度計算。5 GDD（以攝氏度計算）相當於 9 GDD（以華氏度計算）。
-
-完整的 GDD 計算公式有點複雜，但通常使用簡化公式作為良好的近似值：
-
-![GDD = T max + T min 除以 2，然後減去 T base](../../../../../translated_images/zh-HK/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.png)
-
-* **GDD** - 這是生長度日的數量
-* **T max** - 這是每日最高溫度（攝氏度）
-* **T min** - 這是每日最低溫度（攝氏度）
-* **T base** - 這是植物的基礎溫度（攝氏度）
-
-> 💁 有些變體處理 T max 超過 30°C 或 T min 低於 T base 的情況，但我們暫時忽略這些。
-
-### 示例 - 玉米 🌽
-
-根據品種不同，玉米（或稱為玉蜀黍）需要 800 到 2,700 GDD 才能成熟，其基礎溫度為 10°C。
-
-在基礎溫度以上的第一天，測得以下溫度：
-
-| 測量項目 | 溫度 °C |
-| :------- | :-----: |
-| 最高溫度 | 16      |
-| 最低溫度 | 12      |
-
-將這些數值代入公式：
-
-* T max = 16
-* T min = 12
-* T base = 10
-
-計算結果為：
-
-![GDD = 16 + 12 除以 2，然後減去 10，結果為 4](../../../../../translated_images/zh-HK/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.png)
-
-玉米在那一天獲得了 4 GDD。假設一種需要 800 GDD 才能成熟的玉米品種，它還需要 796 GDD 才能達到成熟。
-
-✅ 做一些研究。看看您花園、學校或當地公園中的植物，是否能找到它們成熟或產出作物所需的 GDD 數量。
-
-## 使用溫度傳感器數據計算 GDD
-
-植物的生長並不是固定日期的——例如，您不能種下一顆種子並確定植物會在 100 天後精確地結果。相反，農民可以大致了解植物的生長時間，然後每天檢查作物是否準備好。
-
-這對於大型農場來說會帶來巨大的勞動力影響，並且農民可能會錯過意外提前成熟的作物。通過測量溫度，農民可以計算植物獲得的 GDD，從而只需在接近預期成熟時檢查。
-
-通過使用物聯網設備收集溫度數據，農民可以在植物接近成熟時自動收到通知。一個典型的架構是物聯網設備測量溫度，然後使用像 MQTT 這樣的技術通過互聯網發布這些遙測數據。服務器代碼會監聽這些數據並將其保存到某個地方，例如數據庫。這樣，數據可以稍後進行分析，例如每天晚上計算當天的 GDD，累計每種作物的 GDD，並在植物接近成熟時發出警報。
-
-![遙測數據被發送到服務器並保存到數據庫](../../../../../translated_images/zh-HK/save-telemetry-database.ddc9c6bea0c5ba39.webp)
-
-服務器代碼還可以增強數據，添加額外的信息。例如，物聯網設備可以發布一個標識符來指示是哪個設備，服務器代碼可以使用這個標識符查找設備的位置以及它正在監測的作物。它還可以添加基本數據，例如當前時間，因為某些物聯網設備沒有必要的硬件來準確跟蹤時間，或者需要額外的代碼通過互聯網讀取當前時間。
-
-✅ 您認為為什麼不同的田地可能會有不同的溫度？
-
-### 任務 - 發布溫度信息
-
-按照相關指南使用您的物聯網設備通過 MQTT 發布溫度數據，以便稍後進行分析：
-
-* [Arduino - Wio Terminal](wio-terminal-temp-publish.md)
-* [單板計算機 - Raspberry Pi/虛擬物聯網設備](single-board-computer-temp-publish.md)
-
-### 任務 - 捕獲並存儲溫度信息
-
-一旦物聯網設備開始發布遙測數據，服務器代碼可以編寫來訂閱這些數據並存儲它們。服務器代碼將數據保存到逗號分隔值 (CSV) 文件，而不是保存到數據庫。CSV 文件以文本形式存儲數據，每行是一條記錄，每個值由逗號分隔。它是一種方便、可讀性高且支持良好的文件存儲方式。
-
-CSV 文件將有兩列——*日期* 和 *溫度*。*日期* 列設置為服務器接收到消息的當前日期和時間，*溫度* 來自遙測消息。
-
-1. 重複第 4 課中的步驟，創建服務器代碼以訂閱遙測數據。您不需要添加發布命令的代碼。
-
-    這些步驟包括：
-
-    * 配置並激活 Python 虛擬環境
-
-    * 安裝 paho-mqtt pip 包
-
-    * 編寫代碼以監聽發布到遙測主題的 MQTT 消息
-
-      > ⚠️ 如果需要，您可以參考 [第 4 課中創建 Python 應用程序以接收遙測數據的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#receive-telemetry-from-the-mqtt-broker)。
-
-    為此項目命名文件夾 `temperature-sensor-server`。
-
-1. 確保 `client_name` 反映此項目：
-
-    ```cpp
-    client_name = id + 'temperature_sensor_server'
-    ```
-
-1. 在文件的頂部添加以下導入，位於現有導入的下方：
-
-    ```python
-    from os import path
-    import csv
-    from datetime import datetime
-    ```
-
-    這導入了一個用於讀取文件的庫、一個與 CSV 文件交互的庫，以及一個幫助處理日期和時間的庫。
-
-1. 在 `handle_telemetry` 函數之前添加以下代碼：
-
-    ```python
-    temperature_file_name = 'temperature.csv'
-    fieldnames = ['date', 'temperature']
-    
-    if not path.exists(temperature_file_name):
-        with open(temperature_file_name, mode='w') as csv_file:
-            writer = csv.DictWriter(csv_file, fieldnames=fieldnames)
-            writer.writeheader()
-    ```
-
-    此代碼聲明了一些常量，用於指定要寫入的文件名以及 CSV 文件的列標題名稱。CSV 文件的第一行通常包含用逗號分隔的列標題。
-
-    然後代碼檢查 CSV 文件是否已存在。如果不存在，則創建該文件並在第一行添加列標題。
-
-1. 在 `handle_telemetry` 函數的末尾添加以下代碼：
-
-    ```python
-    with open(temperature_file_name, mode='a') as temperature_file:        
-        temperature_writer = csv.DictWriter(temperature_file, fieldnames=fieldnames)
-        temperature_writer.writerow({'date' : datetime.now().astimezone().replace(microsecond=0).isoformat(), 'temperature' : payload['temperature']})
-    ```
-此程式碼會開啟 CSV 檔案，然後在檔案末尾新增一行資料。該行資料包含以人類可讀格式顯示的當前日期和時間，接著是從 IoT 裝置接收到的溫度數據。數據以 [ISO 8601 格式](https://wikipedia.org/wiki/ISO_8601) 儲存，包含時區資訊，但不包含微秒。
-
-1. 像之前一樣執行此程式碼，確保您的 IoT 裝置正在傳送數據。一個名為 `temperature.csv` 的 CSV 檔案將會在相同的資料夾中建立。打開檔案後，您會看到日期/時間和溫度測量值：
-
-    ```output
-    date,temperature
-    2021-04-19T17:21:36-07:00,25
-    2021-04-19T17:31:36-07:00,24
-    2021-04-19T17:41:36-07:00,25
-    ```
-
-1. 執行此程式碼一段時間以收集數據。理想情況下，您應該執行一整天以收集足夠的數據來進行 GDD 計算。
-
-    
-> 💁 如果您使用的是虛擬 IoT 裝置，請勾選隨機選項並設定範圍，以避免每次返回的溫度值都相同。
-    ![勾選隨機選項並設定範圍](../../../../../translated_images/zh-HK/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f.webp) 
-
-    > 💁 如果您想執行一整天，請確保執行伺服器程式碼的電腦不會進入睡眠模式，可以透過更改電源設定，或執行類似 [這個保持系統活躍的 Python 腳本](https://github.com/jaqsparow/keep-system-active) 來實現。
-    
-> 💁 您可以在 [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server) 資料夾中找到此程式碼。
-
-### 任務 - 使用儲存的數據計算 GDD
-
-一旦伺服器捕獲了溫度數據，就可以計算植物的 GDD。
-
-手動執行的步驟如下：
-
-1. 找到植物的基準溫度。例如，草莓的基準溫度是 10°C。
-
-1. 從 `temperature.csv` 中找到當天的最高和最低溫度。
-
-1. 使用之前提供的 GDD 計算公式來計算 GDD。
-
-例如，如果當天的最高溫度是 25°C，最低溫度是 12°C：
-
-![GDD = 25 + 12 除以 2，然後從結果中減去 10，得到 8.5](../../../../../translated_images/zh-HK/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png)
-
-* 25 + 12 = 37
-* 37 / 2 = 18.5
-* 18.5 - 10 = 8.5
-
-因此，草莓獲得了 **8.5** GDD。草莓需要大約 250 GDD 才能結果，因此還需要一段時間。
-
----
-
-## 🚀 挑戰
-
-植物的生長不僅需要熱量。還需要哪些其他條件？
-
-針對這些條件，找出是否有感測器可以測量它們。有沒有執行器可以控制這些條件？您會如何組合一個或多個 IoT 裝置來優化植物的生長？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
-
-## 回顧與自學
-
-* 在 [數位農業維基百科頁面](https://wikipedia.org/wiki/Digital_agriculture) 閱讀更多關於數位農業的資訊。同時也可以在 [精準農業維基百科頁面](https://wikipedia.org/wiki/Precision_agriculture) 閱讀更多關於精準農業的內容。
-* 完整的生長度日計算比這裡提供的簡化公式更為複雜。閱讀更多關於更複雜的公式以及如何處理低於基準溫度的情況，請參考 [生長度日維基百科頁面](https://wikipedia.org/wiki/Growing_degree-day)。
-* 如果我們仍然使用相同的耕作方法，未來可能會面臨糧食短缺的問題。了解更多關於高科技農業技術，請觀看這段 [未來高科技農場的 YouTube 影片](https://www.youtube.com/watch?v=KIEOuKD9KX8)。
-
-## 作業
-
-[使用 Jupyter Notebook 視覺化 GDD 數據](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/hk/2-farm/lessons/1-predict-plant-growth/assignment.md
deleted file mode 100644
index faf6e56f5..000000000
--- a/translations/hk/2-farm/lessons/1-predict-plant-growth/assignment.md
+++ /dev/null
@@ -1,57 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
-  "translation_date": "2025-08-26T14:29:14+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
-  "language_code": "hk"
-}
--->
-# 使用 Jupyter Notebook 視覺化 GDD 數據
-
-## 指引
-
-在本課程中，你使用 IoT 感測器收集了 GDD 數據。要獲得良好的 GDD 數據，你需要收集多天的數據。為了幫助視覺化溫度數據並計算 GDD，你可以使用像 [Jupyter Notebooks](https://jupyter.org) 這樣的工具來分析數據。
-
-首先，收集幾天的數據。你需要確保你的伺服器程式在 IoT 裝置運行期間一直運行，可以通過調整電源管理設定或運行類似 [這個保持系統活躍的 Python 腳本](https://github.com/jaqsparow/keep-system-active) 來實現。
-
-一旦你有了溫度數據，你可以使用此 repo 中的 Jupyter Notebook 來視覺化數據並計算 GDD。Jupyter Notebook 將程式碼和指引混合在稱為 *cells* 的區塊中，通常是 Python 程式碼。你可以閱讀指引，然後逐塊執行每段程式碼。你也可以編輯程式碼。例如，在這個 Notebook 中，你可以編輯用於計算植物 GDD 的基準溫度。
-
-1. 建立一個名為 `gdd-calculation` 的資料夾
-
-1. 下載 [gdd.ipynb](./code-notebook/gdd.ipynb) 檔案並將其複製到 `gdd-calculation` 資料夾中。
-
-1. 複製由 MQTT 伺服器建立的 `temperature.csv` 檔案
-
-1. 在 `gdd-calculation` 資料夾中建立一個新的 Python 虛擬環境。
-
-1. 安裝一些 Jupyter Notebook 所需的 pip 套件，以及管理和繪製數據所需的庫：
-
-    ```sh
-    pip install --upgrade pip
-    pip install pandas
-    pip install matplotlib
-    pip install jupyter
-    ```
-
-1. 在 Jupyter 中運行 Notebook：
-
-    ```sh
-    jupyter notebook gdd.ipynb
-    ```
-
-    Jupyter 會啟動並在你的瀏覽器中打開 Notebook。按照 Notebook 中的指引逐步操作，視覺化測量的溫度並計算生長度日。
-
-    ![Jupyter Notebook](../../../../../translated_images/zh-HK/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png)
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 數據收集 | 收集至少 2 天完整的數據 | 收集至少 1 天完整的數據 | 收集部分數據 |
-| 計算 GDD | 成功運行 Notebook 並計算 GDD | 成功運行 Notebook | 無法運行 Notebook |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/hk/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
deleted file mode 100644
index dec031da1..000000000
--- a/translations/hk/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
+++ /dev/null
@@ -1,167 +0,0 @@
-{
- "cells": [
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "# 生長度日\n",
-    "\n",
-    "此筆記本載入保存在 CSV 文件中的溫度數據，並進行分析。它會繪製溫度圖表，顯示每天的最高和最低溫度，並計算 GDD。\n",
-    "\n",
-    "使用此筆記本的方法：\n",
-    "\n",
-    "* 將 `temperature.csv` 文件複製到與此筆記本相同的文件夾中\n",
-    "* 使用上方的 **▶︎ Run** 按鈕運行所有單元格。這將運行選定的單元格，然後移至下一個單元格。\n"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "在下面的單元格中，將 `base_temperature` 設置為植物的基礎溫度。\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": 2,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "base_temperature = 10"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "現在需要使用 pandas 加載 CSV 文件\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "import pandas as pd\n",
-    "import matplotlib.pyplot as plt\n",
-    "\n",
-    "# Read the temperature CSV file\n",
-    "df = pd.read_csv('temperature.csv')"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": []
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "plt.figure(figsize=(20, 10))\n",
-    "plt.plot(df['date'], df['temperature'])\n",
-    "plt.xticks(rotation='vertical');"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "一旦讀取了數據，就可以按 `date` 列進行分組，並提取每個日期的最低和最高溫度。\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "# Convert datetimes to pure dates so we can group by the date\n",
-    "df['date'] = pd.to_datetime(df['date']).dt.date\n",
-    "\n",
-    "# Group the data by date so it can be analyzed by date\n",
-    "data_by_date = df.groupby('date')\n",
-    "\n",
-    "# Get the minimum and maximum temperatures for each date\n",
-    "min_by_date = data_by_date.min()\n",
-    "max_by_date = data_by_date.max()\n",
-    "\n",
-    "# Join the min and max temperatures into one dataframe and flatten it\n",
-    "min_max_by_date = min_by_date.join(max_by_date, on='date', lsuffix='_min', rsuffix='_max')\n",
-    "min_max_by_date = min_max_by_date.reset_index()"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "可以使用標準GDD方程式計算GDD\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "def calculate_gdd(row):\n",
-    "    return ((row['temperature_max'] + row['temperature_min']) / 2) - base_temperature\n",
-    "\n",
-    "# Calculate the GDD for each row\n",
-    "min_max_by_date['gdd'] = min_max_by_date.apply (lambda row: calculate_gdd(row), axis=1)\n",
-    "\n",
-    "# Print the results\n",
-    "print(min_max_by_date[['date', 'gdd']].to_string(index=False))"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": []
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "\n---\n\n**免責聲明**：  \n本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。\n"
-   ]
-  }
- ],
- "metadata": {
-  "kernelspec": {
-   "display_name": "Python 3",
-   "language": "python",
-   "name": "python3"
-  },
-  "language_info": {
-   "codemirror_mode": {
-    "name": "ipython",
-    "version": 3
-   },
-   "file_extension": ".py",
-   "mimetype": "text/x-python",
-   "name": "python",
-   "nbconvert_exporter": "python",
-   "pygments_lexer": "ipython3",
-   "version": "3.9.1"
-  },
-  "metadata": {
-   "interpreter": {
-    "hash": "aee8b7b246df8f9039afb4144a1f6fd8d2ca17a180786b69acc140d282b71a49"
-   }
-  },
-  "coopTranslator": {
-   "original_hash": "8fcf954f6042f0bf3601a2c836a09574",
-   "translation_date": "2025-08-26T15:58:15+00:00",
-   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
-   "language_code": "hk"
-  }
- },
- "nbformat": 4,
- "nbformat_minor": 2
-}
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/hk/2-farm/lessons/1-predict-plant-growth/pi-temp.md
deleted file mode 100644
index 4b88a44e3..000000000
--- a/translations/hk/2-farm/lessons/1-predict-plant-growth/pi-temp.md
+++ /dev/null
@@ -1,125 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
-  "translation_date": "2025-08-26T14:31:35+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
-  "language_code": "hk"
-}
--->
-# 測量溫度 - Raspberry Pi
-
-在本課程中，你將為 Raspberry Pi 添加一個溫度感應器。
-
-## 硬件
-
-你將使用的感應器是 [DHT11 濕度和溫度感應器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)，它將兩個感應器結合在一個封裝中。這是一款相當流行的感應器，市面上有許多商業化的感應器結合了溫度、濕度，有時還包括大氣壓力。溫度感應器部分是一個負溫度係數（NTC）熱敏電阻，這是一種電阻隨溫度升高而減少的熱敏電阻。
-
-這是一個數字感應器，因此它內置了一個 ADC（模數轉換器），用於生成包含溫度和濕度數據的數字信號，供微控制器讀取。
-
-### 連接溫度感應器
-
-Grove 溫度感應器可以連接到 Raspberry Pi。
-
-#### 任務
-
-連接溫度感應器
-
-![Grove 溫度感應器](../../../../../translated_images/zh-HK/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png)
-
-1. 將 Grove 電纜的一端插入濕度和溫度感應器上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove Base hat 的數字插座 **D5**。此插座位於 GPIO 引腳旁邊的一排插座中，從左數第二個。
-
-![Grove 溫度感應器連接到插座 A0](../../../../../translated_images/zh-HK/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.png)
-
-## 編程溫度感應器
-
-現在可以編程設備以使用已連接的溫度感應器。
-
-### 任務
-
-編程設備。
-
-1. 啟動 Raspberry Pi，並等待其啟動。
-
-1. 啟動 VS Code，可以直接在 Pi 上啟動，也可以通過 Remote SSH 擴展連接。
-
-    > ⚠️ 如果需要，可以參考 [第 1 課中設置和啟動 VS Code 的說明](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
-
-1. 在終端中，為 `pi` 用戶的主目錄創建一個名為 `temperature-sensor` 的新文件夾。在此文件夾中創建一個名為 `app.py` 的文件：
-
-    ```sh
-    mkdir temperature-sensor
-    cd temperature-sensor
-    touch app.py
-    ```
-
-1. 在 VS Code 中打開此文件夾。
-
-1. 要使用溫度和濕度感應器，需要安裝一個額外的 Pip 套件。在 VS Code 的終端中，運行以下命令以在 Pi 上安裝此 Pip 套件：
-
-    ```sh
-    pip3 install seeed-python-dht
-    ```
-
-1. 將以下代碼添加到 `app.py` 文件中以導入所需的庫：
-
-    ```python
-    import time
-    from seeed_dht import DHT
-    ```
-
-    `from seeed_dht import DHT` 語句從 `seeed_dht` 模塊中導入 `DHT` 感應器類，用於與 Grove 溫度感應器交互。
-
-1. 在上述代碼之後添加以下代碼，以創建管理溫度感應器的類的實例：
-
-    ```python
-    sensor = DHT("11", 5)
-    ```
-
-    這聲明了一個 `DHT` 類的實例，用於管理 **D**igital **H**umidity 和 **T**emperature 感應器。第一個參數告訴代碼使用的是 *DHT11* 感應器——你使用的庫支持此感應器的其他變體。第二個參數告訴代碼感應器連接到 Grove Base hat 的數字端口 `D5`。
-
-    > ✅ 記住，所有插座都有唯一的引腳編號。引腳 0、2、4 和 6 是模擬引腳，引腳 5、16、18、22、24 和 26 是數字引腳。
-
-1. 在上述代碼之後添加一個無限循環，以輪詢溫度感應器的值並將其打印到控制台：
-
-    ```python
-    while True:
-        _, temp = sensor.read()
-        print(f'Temperature {temp}°C')
-    ```
-
-    調用 `sensor.read()` 返回一個包含濕度和溫度的元組。你只需要溫度值，因此濕度被忽略。然後將溫度值打印到控制台。
-
-1. 在循環的末尾添加一個十秒的小延遲，因為不需要連續檢查溫度水平。延遲可以減少設備的功耗。
-
-    ```python
-    time.sleep(10)
-    ```
-
-1. 從 VS Code 的終端運行以下命令以運行你的 Python 應用：
-
-    ```sh
-    python3 app.py
-    ```
-
-    你應該會看到溫度值輸出到控制台。使用某些物品加熱感應器，例如用拇指按壓感應器或使用風扇，觀察值的變化：
-
-    ```output
-    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
-    Temperature 26°C
-    Temperature 26°C
-    Temperature 28°C
-    Temperature 30°C
-    Temperature 32°C
-    ```
-
-> 💁 你可以在 [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi) 文件夾中找到此代碼。
-
-😀 你的溫度感應器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/hk/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
deleted file mode 100644
index ad616dba0..000000000
--- a/translations/hk/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
+++ /dev/null
@@ -1,71 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4efc74299e19f5d08f2f3f34451a11ba",
-  "translation_date": "2025-08-26T14:28:51+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
-  "language_code": "hk"
-}
--->
-# 發佈溫度數據 - 虛擬物聯網硬件與樹莓派
-
-在本課程的這部分，你將通過 MQTT 發佈由樹莓派或虛擬物聯網設備檢測到的溫度值，以便稍後用於計算 GDD。
-
-## 發佈溫度數據
-
-一旦讀取到溫度數據，就可以通過 MQTT 發佈到某些「伺服器」代碼，該代碼將讀取這些數據並存儲起來，準備用於 GDD 計算。
-
-### 任務 - 發佈溫度數據
-
-編程設備以發佈溫度數據。
-
-1. 如果尚未打開 `temperature-sensor` 應用項目，請將其打開。
-
-1. 重複你在第 4 課中完成的步驟，連接到 MQTT 並發送遙測數據。你將使用相同的公共 Mosquitto broker。
-
-    具體步驟如下：
-
-    - 添加 MQTT 的 pip 套件
-    - 添加連接到 MQTT broker 的代碼
-    - 添加發佈遙測數據的代碼
-
-    > ⚠️ 如有需要，請參考[連接到 MQTT 的指引](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md)和[發送遙測數據的指引](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md)（第 4 課）。
-
-1. 確保 `client_name` 反映此項目的名稱：
-
-    ```python
-    client_name = id + 'temperature_sensor_client'
-    ```
-
-1. 對於遙測數據，與其發送光線值，不如發送從 DHT 傳感器讀取的溫度值，並將其作為 JSON 文檔中的一個屬性，名為 `temperature`：
-
-    ```python
-    _, temp = sensor.read()
-    telemetry = json.dumps({'temperature' : temp})
-    ```
-
-1. 溫度值不需要頻繁讀取——在短時間內它不會有太大變化，因此將 `time.sleep` 設置為 10 分鐘：
-
-    ```cpp
-    time.sleep(10 * 60);
-    ```
-
-    > 💁 `sleep` 函數以秒為單位，因此為了更易於閱讀，這裡的值是通過計算得出的。1 分鐘有 60 秒，因此 10 x（每分鐘 60 秒）得出 10 分鐘的延遲。
-
-1. 以與完成上一部分作業相同的方式運行代碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且已在正確的引腳上創建了濕度和溫度傳感器。
-
-    ```output
-    pi@raspberrypi:~/temperature-sensor $ python3 app.py
-    MQTT connected!
-    Sending telemetry  {"temperature": 25}
-    Sending telemetry  {"temperature": 25}
-    ```
-
-> 💁 你可以在 [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) 文件夾或 [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi) 文件夾中找到此代碼。
-
-😀 你已成功將設備的溫度數據作為遙測數據發佈出去。
-
----
-
-**免責聲明**：  
-此文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議使用專業的人工作翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/hk/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
deleted file mode 100644
index 9c7fdfbd3..000000000
--- a/translations/hk/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
+++ /dev/null
@@ -1,154 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
-  "translation_date": "2025-08-26T14:30:39+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
-  "language_code": "hk"
-}
--->
-# 測量溫度 - 虛擬物聯網硬件
-
-在本課程中，你將為虛擬物聯網設備添加一個溫度感應器。
-
-## 虛擬硬件
-
-虛擬物聯網設備將使用模擬的 Grove 數字濕度和溫度感應器。這使得本實驗與使用 Raspberry Pi 和實體 Grove DHT11 感應器的操作保持一致。
-
-該感應器結合了**溫度感應器**和**濕度感應器**，但在本實驗中，你只需關注溫度感應器部分。在實體物聯網設備中，溫度感應器通常是一個[熱敏電阻](https://wikipedia.org/wiki/Thermistor)，通過感應溫度變化時的電阻變化來測量溫度。溫度感應器通常是數字感應器，內部會將測量到的電阻轉換為攝氏（或開氏、華氏）溫度。
-
-### 添加感應器到 CounterFit
-
-要使用虛擬濕度和溫度感應器，你需要將這兩個感應器添加到 CounterFit 應用中。
-
-#### 任務 - 添加感應器到 CounterFit
-
-將濕度和溫度感應器添加到 CounterFit 應用中。
-
-1. 在你的電腦上創建一個名為 `temperature-sensor` 的新 Python 應用，包含一個名為 `app.py` 的文件和一個 Python 虛擬環境，並添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，你可以參考[第 1 課中創建和設置 CounterFit Python 項目的指導](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 安裝額外的 Pip 套件以安裝 DHT11 感應器的 CounterFit shim。確保你是在啟動虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install counterfit-shims-seeed-python-dht
-    ```
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建濕度感應器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Humidity*。
-
-    1. 保持 *Units* 設置為 *Percentage*。
-
-    1. 確保 *Pin* 設置為 *5*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 5 上創建濕度感應器。
-
-    ![濕度感應器設置](../../../../../translated_images/zh-HK/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png)
-
-    濕度感應器將被創建並顯示在感應器列表中。
-
-    ![濕度感應器已創建](../../../../../translated_images/zh-HK/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png)
-
-1. 創建溫度感應器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Temperature*。
-
-    1. 保持 *Units* 設置為 *Celsius*。
-
-    1. 確保 *Pin* 設置為 *6*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 6 上創建溫度感應器。
-
-    ![溫度感應器設置](../../../../../translated_images/zh-HK/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png)
-
-    溫度感應器將被創建並顯示在感應器列表中。
-
-    ![溫度感應器已創建](../../../../../translated_images/zh-HK/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png)
-
-## 編寫溫度感應器應用
-
-現在可以使用 CounterFit 感應器編寫溫度感應器應用。
-
-### 任務 - 編寫溫度感應器應用
-
-編寫溫度感應器應用。
-
-1. 確保 `temperature-sensor` 應用已在 VS Code 中打開。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下代碼以連接應用到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在 `app.py` 文件中添加以下代碼以導入所需的庫：
-
-    ```python
-    import time
-    from counterfit_shims_seeed_python_dht import DHT
-    ```
-
-    `from seeed_dht import DHT` 語句導入了 `DHT` 感應器類，用於通過 `counterfit_shims_seeed_python_dht` 模塊的 shim 與虛擬 Grove 溫度感應器交互。
-
-1. 在上述代碼之後添加以下代碼以創建管理虛擬濕度和溫度感應器的類實例：
-
-    ```python
-    sensor = DHT("11", 5)
-    ```
-
-    這聲明了一個 `DHT` 類的實例，用於管理虛擬**數字濕度和溫度感應器**。第一個參數告訴代碼使用的是虛擬 *DHT11* 感應器。第二個參數告訴代碼感應器連接到端口 `5`。
-
-    > 💁 CounterFit 通過連接到兩個感應器來模擬這個濕度和溫度感應器，濕度感應器連接到創建 `DHT` 類時指定的引腳，而溫度感應器則運行在下一個引腳上。如果濕度感應器在引腳 5 上，shim 預期溫度感應器在引腳 6 上。
-
-1. 在上述代碼之後添加一個無限循環以輪詢溫度感應器的值並將其打印到控制台：
-
-    ```python
-    while True:
-        _, temp = sensor.read()
-        print(f'Temperature {temp}°C')
-    ```
-
-    調用 `sensor.read()` 返回一個包含濕度和溫度的元組。你只需要溫度值，因此可以忽略濕度。然後將溫度值打印到控制台。
-
-1. 在循環的末尾添加一個十秒的小延遲，因為不需要持續檢查溫度水平。延遲可以減少設備的功耗。
-
-    ```python
-    time.sleep(10)
-    ```
-
-1. 在啟動虛擬環境的 VS Code 終端中運行以下命令以運行你的 Python 應用：
-
-    ```sh
-    python app.py
-    ```
-
-1. 在 CounterFit 應用中更改溫度感應器的值，該值將被應用讀取。你可以通過以下兩種方式進行更改：
-
-    * 在溫度感應器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。你輸入的數字將是感應器返回的值。
-
-    * 勾選 *Random* 選項框，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次感應器讀取值時，它將讀取 *Min* 和 *Max* 之間的隨機數字。
-
-    你應該能在控制台中看到你設置的值。更改 *Value* 或 *Random* 設置以查看值的變化。
-
-    ```output
-    (.venv) ➜  temperature-sensor python app.py
-    Temperature 28.25°C
-    Temperature 30.71°C
-    Temperature 25.17°C
-    ```
-
-> 💁 你可以在 [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device) 文件夾中找到此代碼。
-
-😀 你的溫度感應器程序成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/hk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
deleted file mode 100644
index 02dd6e91e..000000000
--- a/translations/hk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
+++ /dev/null
@@ -1,82 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "df28cd649cd892bcce034e064913b2f3",
-  "translation_date": "2025-08-26T14:30:14+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
-  "language_code": "hk"
-}
--->
-# 發佈溫度 - Wio Terminal
-
-在這部分課程中，你將透過 MQTT 發佈由 Wio Terminal 偵測到的溫度值，以便稍後用於計算 GDD。
-
-## 發佈溫度
-
-當溫度被讀取後，可以透過 MQTT 發佈到某些「伺服器」代碼，該代碼將讀取這些值並存儲起來，準備用於 GDD 計算。微控制器無法直接從互聯網讀取時間，也無法自帶實時時鐘來追蹤時間，設備需要被編程以執行此操作，前提是它具備必要的硬件。
-
-為了簡化本課程，時間不會與感測器數據一起發送，而是可以在伺服器代碼接收到消息後再添加。
-
-### 任務
-
-編程設備以發佈溫度數據。
-
-1. 打開 `temperature-sensor` Wio Terminal 專案
-
-1. 重複你在第 4 課中所做的步驟，連接到 MQTT 並發送遙測數據，你將使用相同的公共 Mosquitto broker。
-
-    這些步驟包括：
-
-    - 在 `.ini` 文件中添加 Seeed WiFi 和 MQTT 庫
-    - 添加配置文件和連接 WiFi 的代碼
-    - 添加連接到 MQTT broker 的代碼
-    - 添加發佈遙測數據的代碼
-
-    > ⚠️ 如有需要，請參考 [連接到 MQTT 的指引](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) 和 [發送遙測數據的指引](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md)（第 4 課）。
-
-1. 確保 `config.h` 標頭文件中的 `CLIENT_NAME` 反映此專案：
-
-    ```cpp
-    const string CLIENT_NAME = ID + "temperature_sensor_client";
-    ```
-
-1. 對於遙測數據，將讀取自 DHT 感測器的溫度值作為 JSON 文件中的 `temperature` 屬性發送，而不是發送光線值，通過修改 `main.cpp` 中的 `loop` 函數：
-
-    ```cpp
-    float temp_hum_val[2] = {0};
-    dht.readTempAndHumidity(temp_hum_val);
-
-    DynamicJsonDocument doc(1024);
-    doc["temperature"] = temp_hum_val[1];
-    ```
-
-1. 溫度值不需要頻繁讀取——在短時間內它不會有太大變化，因此將 `loop` 函數中的 `delay` 設置為 10 分鐘：
-
-    ```cpp
-    delay(10 * 60 * 1000);
-    ```
-
-    > 💁 `delay` 函數以毫秒為單位，因此為了更容易閱讀，該值是通過計算得出的。1,000 毫秒等於 1 秒，60 秒等於 1 分鐘，因此 10 x (60 秒/分鐘) x (1000 毫秒/秒) 得出 10 分鐘的延遲。
-
-1. 將此代碼上傳到你的 Wio Terminal，並使用串口監視器查看溫度是否已成功發送到 MQTT broker。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Attempting MQTT connection...connected
-    Sending telemetry {"temperature":25}
-    Sending telemetry {"temperature":25}
-    ```
-
-> 💁 你可以在 [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal) 文件夾中找到此代碼。
-
-😀 恭喜你成功將溫度作為遙測數據從你的設備發佈出去！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業的人類翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/hk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
deleted file mode 100644
index 3864e48ca..000000000
--- a/translations/hk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
+++ /dev/null
@@ -1,143 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "59263d094f20b302053888cd236880c3",
-  "translation_date": "2025-08-26T14:29:35+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
-  "language_code": "hk"
-}
--->
-# 測量溫度 - Wio Terminal
-
-在本課程中，你將為 Wio Terminal 添加一個溫度感應器，並從中讀取溫度值。
-
-## 硬件
-
-Wio Terminal 需要一個溫度感應器。
-
-你將使用的感應器是 [DHT11 濕度和溫度感應器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)，它將兩個感應器結合在一個封裝中。這是一款相當流行的感應器，市面上有許多商業化的感應器結合了溫度、濕度，有時還包括大氣壓力。溫度感應器部分是一個負溫度係數（NTC）熱敏電阻，這是一種電阻隨溫度升高而減少的熱敏電阻。
-
-這是一個數字感應器，因此內置了 ADC（模數轉換器），可以生成包含溫度和濕度數據的數字信號，供微控制器讀取。
-
-### 連接溫度感應器
-
-Grove 溫度感應器可以連接到 Wio Terminal 的數字端口。
-
-#### 任務 - 連接溫度感應器
-
-連接溫度感應器。
-
-![Grove 溫度感應器](../../../../../translated_images/zh-HK/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png)
-
-1. 將 Grove 電纜的一端插入濕度和溫度感應器上的插座。它只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 屏幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
-
-![Grove 溫度感應器連接到右側插座](../../../../../translated_images/zh-HK/wio-temperature-sensor.2934928f38c7f79a.webp)
-
-## 編程溫度感應器
-
-現在可以為 Wio Terminal 編程以使用已連接的溫度感應器。
-
-### 任務 - 編程溫度感應器
-
-編程設備。
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 項目。將此項目命名為 `temperature-sensor`。在 `setup` 函數中添加代碼以配置串口。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，課程 1 中創建 PlatformIO 項目的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project)。
-
-1. 在項目的 `platformio.ini` 文件中添加 Seeed Grove 濕度和溫度感應器庫的依賴：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
-    ```
-
-    > ⚠️ 如果需要，可以參考 [項目 1，課程 4 中向 PlatformIO 項目添加庫的指導](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries)。
-
-1. 在文件頂部的現有 `#include <Arduino.h>` 下添加以下 `#include` 指令：
-
-    ```cpp
-    #include <DHT.h>
-    #include <SPI.h>
-    ```
-
-    這些指令導入了與感應器交互所需的文件。`DHT.h` 標頭文件包含感應器本身的代碼，而添加 `SPI.h` 標頭確保在應用程序編譯時鏈接到與感應器通信所需的代碼。
-
-1. 在 `setup` 函數之前，聲明 DHT 感應器：
-
-    ```cpp
-    DHT dht(D0, DHT11);
-    ```
-
-    這聲明了一個 `DHT` 類的實例，用於管理**數字濕度和溫度感應器**。它連接到 Wio Terminal 的 `D0` 端口，即右側的 Grove 插座。第二個參數告訴代碼使用的是 *DHT11* 感應器——你使用的庫支持此感應器的其他變體。
-
-1. 在 `setup` 函數中添加代碼以設置串行連接：
-
-    ```cpp
-    void setup()
-    {
-        Serial.begin(9600);
-    
-        while (!Serial)
-            ; // Wait for Serial to be ready
-    
-        delay(1000);
-    }
-    ```
-
-1. 在 `setup` 函數的最後一個 `delay` 之後，添加啟動 DHT 感應器的調用：
-
-    ```cpp
-    dht.begin();
-    ```
-
-1. 在 `loop` 函數中添加代碼以調用感應器並將溫度打印到串口：
-
-    ```cpp
-    void loop()
-    {
-        float temp_hum_val[2] = {0};
-        dht.readTempAndHumidity(temp_hum_val);
-        Serial.print("Temperature: ");
-        Serial.print(temp_hum_val[1]);
-        Serial.println ("°C");
-    
-        delay(10000);
-    }
-    ```
-
-    此代碼聲明了一個包含 2 個浮點數的空數組，並將其傳遞給 `DHT` 實例上的 `readTempAndHumidity` 調用。此調用將數組填充為 2 個值——濕度存儲在數組的第 0 個項目中（請記住，在 C++ 中，數組是從 0 開始的，因此第 0 個項目是數組的“第一”項目），溫度存儲在第 1 個項目中。
-
-    溫度從數組的第 1 個項目中讀取，並打印到串口。
-
-    > 🇺🇸 溫度以攝氏度讀取。對於美國人，若要將攝氏度轉換為華氏度，請將讀取的攝氏值除以 5，然後乘以 9，再加上 32。例如，20°C 的溫度讀數轉換為 ((20/5)*9) + 32 = 68°F。
-
-1. 編譯並上傳代碼到 Wio Terminal。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，課程 1 中創建 PlatformIO 項目的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app)。
-
-1. 上傳完成後，可以使用串口監視器監控溫度：
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Temperature: 25.00°C
-    Temperature: 25.00°C
-    Temperature: 25.00°C
-    Temperature: 24.00°C
-    ```
-
-> 💁 你可以在 [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal) 文件夾中找到此代碼。
-
-😀 你的溫度感應器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/hk/2-farm/lessons/2-detect-soil-moisture/README.md
deleted file mode 100644
index b65045163..000000000
--- a/translations/hk/2-farm/lessons/2-detect-soil-moisture/README.md
+++ /dev/null
@@ -1,152 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
-  "translation_date": "2025-08-26T14:41:50+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
-  "language_code": "hk"
-}
--->
-C，讀作 *I-squared-C*，是一種多控制器、多外設的通訊協議，任何連接的設備都可以作為控制器或外設，通過 I
-
-2<sup>C 有速度限制，並且有三種不同模式以固定速度運行。最快的模式是高速模式，最大速度為 3.4Mbps（每秒百萬位元），但支持該速度的設備非常少。例如，Raspberry Pi 的速度限制在快速模式下為 400Kbps（每秒千位元）。標準模式的速度為 100Kbps。
-
-💁 如果你使用 Raspberry Pi 和 Grove Base hat 作為你的 IoT 硬件，你會看到板上有多個 I<sup>2</sup>C 插座，可以用來與 I<sup>2</sup>C 傳感器通信。模擬 Grove 傳感器也使用 I<sup>2</sup>C 和 ADC（模擬數字轉換器）將模擬值作為數字數據發送，因此你使用的光傳感器模擬了一個模擬引腳，並通過 I<sup>2</sup>C 發送值，因為 Raspberry Pi 只支持數字引腳。
-
-### 通用異步接收器-發射器 (UART)
-
-UART 涉及物理電路，允許兩個設備進行通信。每個設備都有兩個通信引腳——發射 (Tx) 和接收 (Rx)，第一個設備的 Tx 引腳連接到第二個設備的 Rx 引腳，第二個設備的 Tx 引腳連接到第一個設備的 Rx 引腳。這使得數據可以雙向傳輸。
-
-* 設備 1 從其 Tx 引腳發送數據，設備 2 在其 Rx 引腳接收數據
-* 設備 1 在其 Rx 引腳接收由設備 2 從其 Tx 引腳發送的數據
-
-![UART 的 Tx 引腳連接到另一個芯片的 Rx 引腳，反之亦然](../../../../../translated_images/zh-HK/uart.d0dbd3fb9e3728c6.webp)
-
-🎓 數據是一次發送一位，這被稱為*串行*通信。大多數操作系統和微控制器都有*串行端口*，即可以向你的代碼提供串行數據的連接。
-
-UART 設備有一個 [波特率](https://wikipedia.org/wiki/Symbol_rate)（也稱為符號率），即數據以每秒位數發送和接收的速度。一個常見的波特率是 9,600，意味著每秒發送 9,600 位（0 和 1）的數據。
-
-UART 使用起始位和停止位——即它發送一個起始位來表示即將發送一個字節（8 位）數據，然後在發送完 8 位後發送一個停止位。
-
-UART 的速度取決於硬件，但即使是最快的實現也不超過 6.5 Mbps（每秒百萬位元，或每秒發送的 0 或 1 數據）。
-
-你可以通過 GPIO 引腳使用 UART——你可以設置一個引腳為 Tx，另一個引腳為 Rx，然後將它們連接到另一個設備。
-
-💁 如果你使用 Raspberry Pi 和 Grove Base hat 作為你的 IoT 硬件，你會看到板上有一個 UART 插座，可以用來與使用 UART 協議的傳感器通信。
-
-### 串行外設接口 (SPI)
-
-SPI 是為短距離通信設計的，例如在微控制器上與存儲設備（如閃存）通信。它基於控制器/外設模型，單個控制器（通常是 IoT 設備的處理器）與多個外設交互。控制器通過選擇一個外設並發送或請求數據來控制所有操作。
-
-💁 與 I<sup>2</sup>C 一樣，控制器和外設這些術語是最近的改變，因此你可能仍然會看到使用舊術語。
-
-SPI 控制器使用 3 根線，外加每個外設額外的一根線。外設使用 4 根線。這些線包括：
-
-| 線 | 名稱 | 描述 |
-| ---- | --------- | ----------- |
-| COPI | 控制器輸出，外設輸入 | 這根線用於將數據從控制器發送到外設。 |
-| CIPO | 控制器輸入，外設輸出 | 這根線用於將數據從外設發送到控制器。 |
-| SCLK | 串行時鐘 | 這根線以控制器設置的速率發送時鐘信號。 |
-| CS   | 芯片選擇 | 控制器有多根線，每個外設一根，每根線連接到相應外設的 CS 線。 |
-
-![一個控制器和兩個外設的 SPI](../../../../../translated_images/zh-HK/spi.297431d6f98b386b.webp)
-
-CS 線用於一次激活一個外設，通過 COPI 和 CIPO 線進行通信。當控制器需要更換外設時，它會停用連接到當前激活外設的 CS 線，然後激活連接到下一個外設的線。
-
-SPI 是*全雙工*的，這意味著控制器可以同時從同一外設發送和接收數據，使用 COPI 和 CIPO 線。SPI 使用 SCLK 線上的時鐘信號來保持設備同步，因此不像直接通過 UART 發送那樣需要起始位和停止位。
-
-SPI 沒有定義的速度限制，實現通常能夠每秒傳輸多兆字節的數據。
-
-IoT 開發套件通常支持通過一些 GPIO 引腳使用 SPI。例如，在 Raspberry Pi 上，你可以使用 GPIO 引腳 19、21、23、24 和 26 進行 SPI。
-
-### 無線
-
-一些傳感器可以通過標準無線協議進行通信，例如藍牙（主要是藍牙低功耗，或 BLE）、LoRaWAN（一種**Lo**ng **Ra**nge 低功耗網絡協議）或 WiFi。這些允許遠程傳感器不需要物理連接到 IoT 設備。
-
-一個例子是商業土壤濕度傳感器。這些傳感器會測量田地中的土壤濕度，然後通過 LoRaWAN 將數據發送到集線設備，該設備會處理數據或通過互聯網發送。這使得傳感器可以遠離管理數據的 IoT 設備，減少功耗以及對大型 WiFi 網絡或長電纜的需求。
-
-BLE 在高級傳感器中很受歡迎，例如用於手腕上的健身追蹤器。這些設備結合了多個傳感器，並通過 BLE 將傳感器數據發送到你的手機等 IoT 設備。
-
-✅ 你身上、家裡或學校裡是否有任何藍牙傳感器？這些可能包括溫度傳感器、佔用傳感器、設備追蹤器和健身設備。
-
-商業設備的一種流行連接方式是 Zigbee。Zigbee 使用 WiFi 在設備之間形成網狀網絡，每個設備盡可能多地連接到附近的設備，形成像蜘蛛網一樣的大量連接。當一個設備想要向互聯網發送消息時，它可以將消息發送到最近的設備，然後由這些設備轉發給其他附近的設備，如此類推，直到到達協調器並可以發送到互聯網。
-
-🐝 Zigbee 的名字來源於蜜蜂返回蜂巢後的搖擺舞。
-
-## 測量土壤中的濕度水平
-
-你可以使用土壤濕度傳感器、IoT 設備和一盆室內植物或附近的一片土壤來測量土壤中的濕度水平。
-
-### 任務 - 測量土壤濕度
-
-按照相關指南使用你的 IoT 設備測量土壤濕度：
-
-* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)
-* [單板計算機 - Raspberry Pi](pi-soil-moisture.md)
-* [單板計算機 - 虛擬設備](virtual-device-soil-moisture.md)
-
-## 傳感器校準
-
-傳感器依賴於測量電氣特性，例如電阻或電容。
-
-🎓 電阻，以歐姆 (Ω) 為單位，表示電流通過某物時的阻力有多大。當電壓施加到材料上時，通過它的電流量取決於材料的電阻。你可以在 [Wikipedia 的電阻頁面](https://wikipedia.org/wiki/Electrical_resistance_and_conductance) 上了解更多。
-
-🎓 電容，以法拉 (F) 為單位，表示元件或電路收集和存儲電能的能力。你可以在 [Wikipedia 的電容頁面](https://wikipedia.org/wiki/Capacitance) 上了解更多。
-
-這些測量值並不總是有用——想像一下，一個溫度傳感器給你一個 22.5KΩ 的測量值！因此，測量值需要通過校準轉換為有用的單位——即將測量值與測量的量匹配，以便新測量值可以轉換為正確的單位。
-
-一些傳感器是預先校準的。例如，你在上一課中使用的溫度傳感器已經校準，可以返回以 °C 為單位的溫度測量值。在工廠中，第一個傳感器會暴露於一系列已知溫度，並測量電阻。然後，這些數據會用於建立一個計算公式，可以將測量值從 Ω（電阻的單位）轉換為 °C。
-
-💁 計算電阻與溫度的公式稱為 [Steinhart–Hart 方程](https://wikipedia.org/wiki/Steinhart–Hart_equation)。
-
-### 土壤濕度傳感器校準
-
-土壤濕度是通過重力或體積含水量測量的。
-
-* 重力含水量是測量每單位重量土壤中的水重量，單位為每公斤干土中的公斤水
-* 體積含水量是測量每單位體積土壤中的水體積，單位為每立方米干土中的立方米水
-
-🇺🇸 對於美國人，由於單位的一致性，這些可以用磅代替公斤或立方英尺代替立方米進行測量。
-
-土壤濕度傳感器測量電阻或電容——這不僅因土壤濕度而異，還因土壤類型而異，因為土壤中的成分會改變其電氣特性。理想情況下，傳感器應進行校準——即從傳感器獲取讀數並與使用更科學方法獲得的測量值進行比較。例如，實驗室可以使用特定田地的樣本幾次一年計算重力土壤濕度，並使用這些數據校準傳感器，將傳感器讀數與重力土壤濕度匹配。
-
-![電壓與土壤濕度含量的圖表](../../../../../translated_images/zh-HK/soil-moisture-to-voltage.df86d80cda158700.webp)
-
-上圖顯示了如何校準傳感器。電壓是通過土壤樣本捕獲的，然後通過實驗室測量濕重與干重進行測量（通過測量濕重，然後在烤箱中烘干並測量干重）。一旦獲得了一些讀數，就可以將它們繪製在圖表上並擬合一條線。這條線可以用來將 IoT 設備的土壤濕度傳感器讀數轉換為實際的土壤濕度測量值。
-
-💁 對於電阻式土壤濕度傳感器，隨著土壤濕度的增加，電壓會增加。對於電容式土壤濕度傳感器，隨著土壤濕度的增加，電壓會減少，因此這些圖表的斜率會向下而不是向上。
-
-![從圖表中插值的土壤濕度值](../../../../../translated_images/zh-HK/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf.webp)
-
-上圖顯示了土壤濕度傳感器的電壓讀數，通過將其追蹤到圖表上的線，可以計算出實際的土壤濕度。
-
-這種方法意味著農民只需要為田地獲得一些實驗室測量值，然後他們可以使用 IoT 設備測量土壤濕度——大大加快了測量的速度。
-
----
-
-## 🚀 挑戰
-
-電阻式和電容式土壤濕度傳感器有許多差異。這些差異是什麼？哪種類型（如果有的話）最適合農民使用？這個答案是否會因發展中國家和已開發國家而改變？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
-
-## 回顧與自學
-
-閱讀有關傳感器和執行器使用的硬件和協議：
-
-* [GPIO Wikipedia 頁面](https://wikipedia.org/wiki/General-purpose_input/output)
-* [UART Wikipedia 頁面](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)
-* [SPI Wikipedia 頁面](https://wikipedia.org/wiki/Serial_Peripheral_Interface)
-* [I<sup>2</sup>C Wikipedia 頁面](https://wikipedia.org/wiki/I²C)
-* [Zigbee Wikipedia 頁面](https://wikipedia.org/wiki/Zigbee)
-
-## 作業
-
-[校準你的傳感器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/hk/2-farm/lessons/2-detect-soil-moisture/assignment.md
deleted file mode 100644
index 2134fafbf..000000000
--- a/translations/hk/2-farm/lessons/2-detect-soil-moisture/assignment.md
+++ /dev/null
@@ -1,61 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "506d21b544d5de47406c89ad496a21cd",
-  "translation_date": "2025-08-26T14:45:15+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
-  "language_code": "hk"
-}
--->
-# 校準你的感測器
-
-## 指引
-
-在這節課中，你收集了土壤濕度感測器的讀數，範圍為0-1023。為了將這些數值轉換為實際的土壤濕度讀數，你需要校準你的感測器。你可以通過測量土壤樣本並計算這些樣本的重力土壤濕度含量來完成校準。
-
-你需要重複以下步驟多次，每次使用不同濕度的土壤來獲得所需的讀數。
-
-1. 使用土壤濕度感測器進行一次土壤濕度讀數，並記錄下這個讀數。
-
-1. 取一份土壤樣本並稱重，記錄下這個重量。
-
-1. 將土壤烘乾——最好的方法是使用110°C（230°F）的溫暖烤箱烘乾幾個小時。你也可以在陽光下烘乾，或者將土壤放置在溫暖、乾燥的地方，直到土壤完全乾燥。乾燥後的土壤應該是粉狀且鬆散的。
-
-    > 💁 在實驗室中，為了獲得最準確的結果，你可以在烤箱中烘乾48-72小時。如果你的學校有烘乾烤箱，看看是否可以使用這些烤箱進行更長時間的烘乾。烘乾時間越長，樣本越乾燥，結果越準確。
-
-1. 再次稱重土壤。
-
-    > 🔥 如果你是在烤箱中烘乾的，請確保土壤已經冷卻！
-
-重力土壤濕度的計算公式為：
-
-![土壤濕度百分比等於濕土重量減去乾土重量，除以乾土重量，再乘以100](../../../../../translated_images/zh-HK/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png)
-
-* W - 濕土的重量  
-* W - 乾土的重量  
-
-例如，假設你有一份土壤樣本，濕重為212克，乾重為197克。
-
-![填入計算公式的例子](../../../../../translated_images/zh-HK/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png)
-
-* W = 212克  
-* W = 197克  
-* 212 - 197 = 15  
-* 15 / 197 = 0.076  
-* 0.076 * 100 = 7.6%  
-
-在這個例子中，土壤的重力土壤濕度為7.6%。
-
-當你至少有3個樣本的讀數後，繪製一個土壤濕度百分比與土壤濕度感測器讀數的圖表，並添加一條最佳擬合線。然後，你可以通過從這條線上讀取值來計算給定感測器讀數的重力土壤濕度含量。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 收集校準數據 | 收集至少3個校準樣本 | 收集至少2個校準樣本 | 收集至少1個校準樣本 |
-| 進行校準讀數 | 成功繪製校準圖表並從感測器讀數中轉換為重力土壤濕度含量 | 成功繪製校準圖表 | 無法繪製圖表 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/hk/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
deleted file mode 100644
index 8ebe62b70..000000000
--- a/translations/hk/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
+++ /dev/null
@@ -1,108 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
-  "translation_date": "2025-08-26T14:46:23+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
-  "language_code": "hk"
-}
--->
-# 測量土壤濕度 - Raspberry Pi
-
-在本課程中，你將為 Raspberry Pi 添加一個電容式土壤濕度傳感器，並從中讀取數值。
-
-## 硬件
-
-Raspberry Pi 需要一個電容式土壤濕度傳感器。
-
-你將使用的傳感器是 [電容式土壤濕度傳感器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)，它通過檢測土壤的電容來測量濕度，這是一種隨著土壤濕度變化而改變的特性。當土壤濕度增加時，電壓會下降。
-
-這是一個模擬傳感器，因此使用模擬引腳，並通過 Raspberry Pi 上的 Grove Base Hat 的 10 位 ADC 將電壓轉換為 1-1,023 的數字信號。然後通過 Pi 的 GPIO 引腳以 I²C 的方式傳輸。
-
-### 連接土壤濕度傳感器
-
-Grove 土壤濕度傳感器可以連接到 Raspberry Pi。
-
-#### 任務 - 連接土壤濕度傳感器
-
-連接土壤濕度傳感器。
-
-![Grove 土壤濕度傳感器](../../../../../translated_images/zh-HK/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png)
-
-1. 將 Grove 電纜的一端插入土壤濕度傳感器上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove Base Hat 的模擬插座 **A0**。該插座位於 GPIO 引腳旁邊的一排插座中，從右數第二個。
-
-![Grove 土壤濕度傳感器連接到 A0 插座](../../../../../translated_images/zh-HK/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png)
-
-1. 將土壤濕度傳感器插入土壤中。傳感器上有一條“最高位置線”——一條白線。將傳感器插入土壤，直到但不超過這條線。
-
-![Grove 土壤濕度傳感器插入土壤中](../../../../../translated_images/zh-HK/soil-moisture-sensor-in-soil.bfad91002bda5e96.webp)
-
-## 編程土壤濕度傳感器
-
-現在可以編程 Raspberry Pi 以使用連接的土壤濕度傳感器。
-
-### 任務 - 編程土壤濕度傳感器
-
-編程設備。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 啟動 VS Code，可以直接在 Pi 上啟動，也可以通過 Remote SSH 擴展連接。
-
-    > ⚠️ 如果需要，可以參考 [夜燈課程第 1 課中設置和啟動 VS Code 的指導](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
-
-1. 在終端中，於 `pi` 用戶的主目錄中創建一個名為 `soil-moisture-sensor` 的新文件夾。在此文件夾中創建一個名為 `app.py` 的文件。
-
-1. 在 VS Code 中打開此文件夾。
-
-1. 在 `app.py` 文件中添加以下代碼以導入所需的庫：
-
-    ```python
-    import time
-    from grove.adc import ADC
-    ```
-
-    `import time` 語句導入了 `time` 模塊，稍後將在此任務中使用。
-
-    `from grove.adc import ADC` 語句從 Grove Python 庫中導入了 `ADC`。該庫包含與 Pi Base Hat 上的模擬到數字轉換器交互並從模擬傳感器讀取電壓的代碼。
-
-1. 在此代碼下方添加以下代碼以創建 `ADC` 類的實例：
-
-    ```python
-    adc = ADC()
-    ```
-
-1. 添加一個無限循環，從 A0 引腳上的 ADC 讀取數據，並將結果寫入控制台。該循環可以在每次讀取之間休眠 10 秒。
-
-    ```python
-    while True:
-        soil_moisture = adc.read(0)
-        print("Soil moisture:", soil_moisture)
-
-        time.sleep(10)
-    ```
-
-1. 運行 Python 應用程序。你將看到土壤濕度測量值顯示在控制台上。向土壤中添加一些水，或者將傳感器從土壤中移除，觀察數值的變化。
-
-    ```output
-    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
-    Soil moisture: 615
-    Soil moisture: 612
-    Soil moisture: 498
-    Soil moisture: 493
-    Soil moisture: 490
-    Soil Moisture: 388
-    ```
-
-    在上述示例輸出中，你可以看到隨著水的添加，電壓下降。
-
-> 💁 你可以在 [code/pi](../../../../../2-farm/lessons/2-detect-soil-moisture/code/pi) 文件夾中找到此代碼。
-
-😀 你的土壤濕度傳感器程序成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/hk/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
deleted file mode 100644
index bb82bccf6..000000000
--- a/translations/hk/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
+++ /dev/null
@@ -1,123 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2bf65f162bcebd35fbcba5fd245afac4",
-  "translation_date": "2025-08-26T14:45:44+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
-  "language_code": "hk"
-}
--->
-# 測量土壤濕度 - 虛擬物聯網硬件
-
-在本課程中，您將為虛擬物聯網設備添加一個電容式土壤濕度傳感器，並從中讀取數值。
-
-## 虛擬硬件
-
-虛擬物聯網設備將使用模擬的 Grove 電容式土壤濕度傳感器。這使得本實驗與使用 Raspberry Pi 和實體 Grove 電容式土壤濕度傳感器的操作保持一致。
-
-在實體物聯網設備中，土壤濕度傳感器是一種電容式傳感器，通過檢測土壤的電容來測量土壤濕度。當土壤濕度改變時，電容也會隨之改變。隨著土壤濕度增加，電壓會下降。
-
-這是一個模擬傳感器，因此使用模擬的 10 位 ADC（模擬到數字轉換器）來報告 1-1,023 的數值。
-
-### 在 CounterFit 中添加土壤濕度傳感器
-
-要使用虛擬土壤濕度傳感器，您需要將其添加到 CounterFit 應用中。
-
-#### 任務 - 在 CounterFit 中添加土壤濕度傳感器
-
-將土壤濕度傳感器添加到 CounterFit 應用中。
-
-1. 在您的電腦上創建一個名為 `soil-moisture-sensor` 的文件夾，並在其中創建一個名為 `app.py` 的單一文件和一個 Python 虛擬環境，然後添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，您可以參考[第 1 課中創建和設置 CounterFit Python 項目的指導](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建一個土壤濕度傳感器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Soil Moisture*。
-
-    1. 將 *Units* 保持為 *NoUnits*。
-
-    1. 確保 *Pin* 設置為 *0*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 0 上創建 *Soil Moisture* 傳感器。
-
-    ![土壤濕度傳感器設置](../../../../../translated_images/zh-HK/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png)
-
-    土壤濕度傳感器將被創建並顯示在傳感器列表中。
-
-    ![已創建的土壤濕度傳感器](../../../../../translated_images/zh-HK/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png)
-
-## 編程土壤濕度傳感器應用
-
-現在可以使用 CounterFit 傳感器編程土壤濕度傳感器應用。
-
-### 任務 - 編程土壤濕度傳感器應用
-
-編程土壤濕度傳感器應用。
-
-1. 確保 `soil-moisture-sensor` 應用已在 VS Code 中打開。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下代碼，以連接應用到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在 `app.py` 文件中添加以下代碼以導入一些所需的庫：
-
-    ```python
-    import time
-    from counterfit_shims_grove.adc import ADC
-    ```
-
-    `import time` 語句導入了 `time` 模塊，稍後將在此任務中使用。
-
-    `from counterfit_shims_grove.adc import ADC` 語句導入了 `ADC` 類，用於與虛擬模擬到數字轉換器交互，該轉換器可以連接到 CounterFit 傳感器。
-
-1. 在此代碼下方添加以下代碼以創建 `ADC` 類的實例：
-
-    ```python
-    adc = ADC()
-    ```
-
-1. 添加一個無限循環，從 Pin 0 的 ADC 讀取數值並將結果寫入控制台。此循環可以在每次讀取之間休眠 10 秒。
-
-    ```python
-    while True:
-        soil_moisture = adc.read(0)
-        print("Soil moisture:", soil_moisture)
-    
-        time.sleep(10)
-    ```
-
-1. 從 CounterFit 應用中更改土壤濕度傳感器的值，該值將被應用讀取。您可以通過以下兩種方式進行更改：
-
-    * 在土壤濕度傳感器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。您輸入的數字將是傳感器返回的值。
-
-    * 勾選 *Random* 選項框，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次傳感器讀取值時，它將讀取 *Min* 和 *Max* 之間的隨機數字。
-
-1. 運行 Python 應用。您將看到土壤濕度測量值寫入控制台。更改 *Value* 或 *Random* 設置以查看值的變化。
-
-    ```output
-    (.venv) ➜ soil-moisture-sensor $ python app.py 
-    Soil moisture: 615
-    Soil moisture: 612
-    Soil moisture: 498
-    Soil moisture: 493
-    Soil moisture: 490
-    Soil Moisture: 388
-    ```
-
-> 💁 您可以在 [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device) 文件夾中找到此代碼。
-
-😀 您的土壤濕度傳感器程序成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/hk/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
deleted file mode 100644
index 4ff390d0a..000000000
--- a/translations/hk/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
+++ /dev/null
@@ -1,117 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0d55caa8c23d73635b7559102cd17b8a",
-  "translation_date": "2025-08-26T14:44:38+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
-  "language_code": "hk"
-}
--->
-# 測量土壤濕度 - Wio Terminal
-
-在本課程中，你將為 Wio Terminal 添加一個電容式土壤濕度傳感器，並從中讀取數據。
-
-## 硬件
-
-Wio Terminal 需要一個電容式土壤濕度傳感器。
-
-你將使用的傳感器是 [電容式土壤濕度傳感器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)，它通過檢測土壤的電容來測量土壤濕度，這是一個會隨著土壤濕度變化而改變的特性。當土壤濕度增加時，電壓會下降。
-
-這是一個模擬傳感器，因此需要連接到 Wio Terminal 的模擬引腳，並使用內置的 ADC（模數轉換器）生成 0-1,023 的數值。
-
-### 連接土壤濕度傳感器
-
-Grove 土壤濕度傳感器可以連接到 Wio Terminal 的可配置模擬/數字端口。
-
-#### 任務 - 連接土壤濕度傳感器
-
-連接土壤濕度傳感器。
-
-![Grove 土壤濕度傳感器](../../../../../translated_images/zh-HK/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png)
-
-1. 將 Grove 電纜的一端插入土壤濕度傳感器的插座中。電纜只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 屏幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
-
-![Grove 土壤濕度傳感器連接到右側插座](../../../../../translated_images/zh-HK/wio-soil-moisture-sensor.46919b61c3f6cb74.webp)
-
-1. 將土壤濕度傳感器插入土壤中。傳感器上有一條“最高位置線”——一條白線。將傳感器插入到該線以下，但不要超過該線。
-
-![Grove 土壤濕度傳感器插入土壤中](../../../../../translated_images/zh-HK/soil-moisture-sensor-in-soil.bfad91002bda5e96.webp)
-
-1. 現在可以將 Wio Terminal 連接到電腦。
-
-## 編程土壤濕度傳感器
-
-現在可以為 Wio Terminal 編程以使用連接的土壤濕度傳感器。
-
-### 任務 - 編程土壤濕度傳感器
-
-為設備編程。
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 項目。將此項目命名為 `soil-moisture-sensor`。在 `setup` 函數中添加代碼以配置串口。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，第 1 課中創建 PlatformIO 項目的說明](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project)。
-
-1. 該傳感器沒有專用的庫，但你可以使用內置的 Arduino [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/) 函數從模擬引腳讀取數據。首先，在 `setup` 函數中配置模擬引腳為輸入，以便可以從中讀取數據，添加以下代碼：
-
-    ```cpp
-    pinMode(A0, INPUT);
-    ```
-
-    這將 `A0` 引腳（模擬/數字組合引腳）設置為輸入引腳，以便可以讀取電壓。
-
-1. 在 `loop` 函數中添加以下代碼以從該引腳讀取電壓：
-
-    ```cpp
-    int soil_moisture = analogRead(A0);
-    ```
-
-1. 在此代碼下方，添加以下代碼將數值打印到串口：
-
-    ```cpp
-    Serial.print("Soil Moisture: ");
-    Serial.println(soil_moisture);
-    ```
-
-1. 最後，在末尾添加一個 10 秒的延遲：
-
-    ```cpp
-    delay(10000);
-    ```
-
-1. 編譯並將代碼上傳到 Wio Terminal。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，第 1 課中創建 PlatformIO 項目的說明](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app)。
-
-1. 上傳完成後，你可以使用串口監視器監控土壤濕度。向土壤中添加一些水，或者將傳感器從土壤中取出，觀察數值的變化。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Soil Moisture: 526
-    Soil Moisture: 529
-    Soil Moisture: 521
-    Soil Moisture: 494
-    Soil Moisture: 454
-    Soil Moisture: 456
-    Soil Moisture: 395
-    Soil Moisture: 388
-    Soil Moisture: 394
-    Soil Moisture: 391
-    ```
-
-    在上面的示例輸出中，你可以看到隨著水的添加，電壓下降。
-
-> 💁 你可以在 [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal) 文件夾中找到此代碼。
-
-😀 你的土壤濕度傳感器程序成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/3-automated-plant-watering/README.md b/translations/hk/2-farm/lessons/3-automated-plant-watering/README.md
deleted file mode 100644
index b068ebee7..000000000
--- a/translations/hk/2-farm/lessons/3-automated-plant-watering/README.md
+++ /dev/null
@@ -1,314 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
-  "translation_date": "2025-08-26T14:32:07+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
-  "language_code": "hk"
-}
--->
-# 自動化植物灌溉
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這節課是 [IoT for Beginners Project 2 - Digital Agriculture 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。
-
-[![IoT 驅動的自動植物灌溉](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
-
-## 簡介
-
-在上一節課中，你學會了如何監測土壤濕度。在這節課中，你將學習如何構建一個自動灌溉系統的核心組件，該系統能根據土壤濕度進行反應。你還將學習有關時間控制的知識——例如感測器可能需要一些時間來響應變化，而執行器可能需要時間來改變感測器測量的屬性。
-
-在這節課中，我們將涵蓋以下內容：
-
-* [從低功率 IoT 設備控制高功率設備](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [控制繼電器](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [通過 MQTT 控制你的植物](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [感測器與執行器的時間控制](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [為植物控制伺服器添加時間控制](../../../../../2-farm/lessons/3-automated-plant-watering)
-
-## 從低功率 IoT 設備控制高功率設備
-
-IoT 設備使用低電壓。雖然這足以驅動感測器和像 LED 這樣的低功率執行器，但對於控制更大的硬體（例如用於灌溉的水泵）來說，這樣的電壓就太低了。即使是用於家居植物的小型水泵，其電流需求也超過了 IoT 開發板的承受範圍，可能會燒毀電路板。
-
-> 🎓 電流以安培（A）為單位測量，表示電路中流動的電量。電壓提供推動力，而電流表示被推動的量。你可以在 [維基百科的電流頁面](https://wikipedia.org/wiki/Electric_current) 上了解更多。
-
-解決方案是將水泵連接到外部電源，並使用執行器來開啟或關閉水泵，就像你用手指打開燈一樣。用手指翻動開關只需要很少的能量（來自你的身體），而這個動作會將燈連接到 110V/240V 的市電。
-
-![一個燈開關打開燈的電源](../../../../../translated_images/zh-HK/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png)
-
-> 🎓 [市電](https://wikipedia.org/wiki/Mains_electricity) 是指通過國家基礎設施輸送到家庭和企業的電力，在世界許多地方都很常見。
-
-✅ IoT 設備通常能提供 3.3V 或 5V，電流小於 1 安培（1A）。相比之下，市電通常為 230V（北美為 120V，日本為 100V），能為需要 30A 電流的設備提供電力。
-
-有許多執行器可以完成這項工作，包括可以模仿手指動作的機械設備，最常見的是繼電器。
-
-### 繼電器
-
-繼電器是一種電磁開關，能將電信號轉換為機械運動來打開或關閉開關。繼電器的核心是一個電磁鐵。
-
-> 🎓 [電磁鐵](https://wikipedia.org/wiki/Electromagnet) 是通過電流流過線圈產生磁場的磁鐵。當電流通過時，線圈會被磁化；當電流關閉時，線圈失去磁性。
-
-![當電磁鐵通電時，產生磁場，打開輸出電路的開關](../../../../../translated_images/zh-HK/relay-on.4db16a0fd6b66926.webp)
-
-在繼電器中，控制電路為電磁鐵供電。當電磁鐵通電時，它會拉動一個槓桿，移動開關，閉合一對觸點，從而完成輸出電路。
-
-![當電磁鐵斷電時，磁場消失，關閉輸出電路的開關](../../../../../translated_images/zh-HK/relay-off.c34a178a2960fecd.webp)
-
-當控制電路斷電時，電磁鐵關閉，釋放槓桿並打開觸點，從而關閉輸出電路。繼電器是一種數位執行器——高信號打開繼電器，低信號關閉繼電器。
-
-輸出電路可以用來為額外的硬體供電，例如灌溉系統。IoT 設備可以打開繼電器，完成灌溉系統的輸出電路，植物就會被澆水。然後 IoT 設備可以關閉繼電器，切斷灌溉系統的電源，停止供水。
-
-![一個繼電器打開，啟動水泵向植物供水](../../../../../images/strawberry-pump.gif)
-
-在上面的影片中，繼電器被打開。繼電器上的 LED 亮起，表示它已打開（某些繼電器板上有 LED 指示繼電器的開關狀態），電力被送到水泵，啟動水泵向植物供水。
-
-> 💁 繼電器還可以用來在兩個輸出電路之間切換，而不是簡單地打開或關閉一個電路。當槓桿移動時，它會將開關從完成一個輸出電路切換到完成另一個輸出電路，通常共用一個電源連接或接地連接。
-
-✅ 做一些研究：繼電器有多種類型，差異包括控制電路在通電時是打開還是關閉繼電器，或者是否有多個輸出電路。了解這些不同類型的繼電器。
-
-當槓桿移動時，你通常可以聽到它與電磁鐵接觸時發出的清脆的“咔嗒”聲。
-
-> 💁 繼電器可以被接線設計成在連接時實際上切斷繼電器的電源，從而關閉繼電器，然後再次向繼電器供電，如此反覆。這樣繼電器會快速地“咔嗒”作響，發出嗡嗡聲。這就是一些早期電鈴中的蜂鳴器的工作原理。
-
-### 繼電器的功率
-
-電磁鐵啟動並拉動槓桿所需的功率很小，可以使用 IoT 開發板的 3.3V 或 5V 輸出來控制。輸出電路則可以承載更多的功率，具體取決於繼電器，包括市電電壓甚至更高的工業用電壓。這樣，IoT 開發板可以控制灌溉系統，從單株植物的小型水泵到整個商業農場的大型工業系統。
-
-![一個 Grove 繼電器，標註了控制電路、輸出電路和繼電器](../../../../../translated_images/zh-HK/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png)
-
-上圖顯示了一個 Grove 繼電器。控制電路連接到 IoT 設備，使用 3.3V 或 5V 打開或關閉繼電器。輸出電路有兩個端子，任一端都可以是電源或接地。輸出電路可以處理高達 250V、10A 的電流，足以驅動一系列市電設備。你還可以找到能處理更高功率的繼電器。
-
-![通過繼電器連接的水泵](../../../../../translated_images/zh-HK/pump-wired-to-relay.66c5cfc0d8918990.webp)
-
-在上圖中，水泵通過繼電器供電。一條紅線將 USB 電源的 +5V 端子連接到繼電器的輸出電路的一個端子，另一條紅線將輸出電路的另一個端子連接到水泵。一條黑線將水泵連接到 USB 電源的接地端子。當繼電器打開時，它完成了電路，將 5V 電壓送到水泵，啟動水泵。
-
-## 控制繼電器
-
-你可以使用 IoT 開發板來控制繼電器。
-
-### 任務 - 控制繼電器
-
-按照相關指南，使用你的 IoT 設備控制繼電器：
-
-* [Arduino - Wio Terminal](wio-terminal-relay.md)
-* [單板電腦 - Raspberry Pi](pi-relay.md)
-* [單板電腦 - 虛擬設備](virtual-device-relay.md)
-
-## 通過 MQTT 控制你的植物
-
-目前，你的繼電器是由 IoT 設備直接根據單一的土壤濕度讀數控制的。在商業灌溉系統中，控制邏輯通常是集中化的，這樣可以根據多個感測器的數據進行澆水決策，並且可以在一個地方更改所有配置。為了模擬這一點，你可以通過 MQTT 控制繼電器。
-
-### 任務 - 通過 MQTT 控制繼電器
-
-1. 在你的 `soil-moisture-sensor` 專案中添加相關的 MQTT 庫/pip 套件和代碼以連接到 MQTT。將客戶端 ID 命名為 `soilmoisturesensor_client`，並在前面加上你的 ID。
-
-    > ⚠️ 如果需要，可以參考 [專案 1，第 4 課中連接到 MQTT 的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt)。
-
-1. 添加相關設備代碼，使用 `soil_moisture` 作為屬性名稱，發送帶有土壤濕度設置的遙測數據。
-
-    > ⚠️ 如果需要，可以參考 [專案 1，第 4 課中發送遙測數據到 MQTT 的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device)。
-
-1. 在名為 `soil-moisture-sensor-server` 的資料夾中創建一些本地伺服器代碼，訂閱遙測數據並發送命令來控制繼電器。將命令消息中的屬性命名為 `relay_on`，並將客戶端 ID 命名為 `soilmoisturesensor_server`，在前面加上你的 ID。保持與你在專案 1，第 4 課中編寫的伺服器代碼相同的結構，因為你將在本課程的後續部分中添加到此代碼。
-
-    > ⚠️ 如果需要，可以參考 [專案 1，第 4 課中發送遙測數據到 MQTT 的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) 和 [通過 MQTT 發送命令的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker)。
-
-1. 添加相關設備代碼，根據接收到的命令控制繼電器，使用消息中的 `relay_on` 屬性。如果 `soil_moisture` 大於 450，則發送 true 給 `relay_on`，否則發送 false，邏輯與之前添加到 IoT 設備中的邏輯相同。
-
-    > ⚠️ 如果需要，可以參考 [專案 1，第 4 課中處理來自 MQTT 的命令的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device)。
-
-> 💁 你可以在 [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt) 資料夾中找到這段代碼。
-
-確保代碼在你的設備和本地伺服器上運行，並通過改變土壤濕度水平進行測試，可以通過更改虛擬感測器發送的值，或者通過向土壤中添加水或將感測器從土壤中移除來改變濕度。
-
-## 感測器與執行器的時間控制
-
-回到第 3 課，你構建了一個夜燈——當光感測器檢測到低光水平時，LED 會立即亮起。光感測器能夠即時檢測光線變化，設備也能快速響應，僅受 `loop` 函數或 `while True:` 循環中的延遲時間限制。作為 IoT 開發者，你不能總是依賴這樣快速的反饋迴路。
-
-### 土壤濕度的時間控制
-
-如果你在上一課中使用了實體感測器來測量土壤濕度，你可能會注意到，在你給植物澆水後，土壤濕度讀數需要幾秒鐘才會下降。這並不是因為感測器反應慢，而是因為水滲透到土壤中需要時間。
-💁 如果你在感應器附近澆水過多，你可能會看到讀數迅速下降，然後又回升——這是因為感應器附近的水分向周圍土壤擴散，導致感應器附近的土壤濕度降低所引起的。
-![土壤濕度測量值為 658，在澆水時並未立即改變，只有在水滲透到土壤後才下降至 320](../../../../../translated_images/zh-HK/soil-moisture-travel.a0e31af222cf1438.webp)
-
-在上圖中，土壤濕度讀數顯示為 658。植物被澆水，但這個讀數並未立即改變，因為水尚未到達感測器。甚至在水到達感測器之前，澆水可能已經完成，然後讀數才會下降以反映新的濕度水平。
-
-如果你正在撰寫基於土壤濕度水平通過繼電器控制灌溉系統的程式碼，你需要考慮這種延遲，並在你的 IoT 裝置中加入更智能的時間控制。
-
-✅ 花點時間思考如何解決這個問題。
-
-### 控制感測器和執行器的時間
-
-假設你被指派建造一個農場的灌溉系統。根據土壤類型，理想的植物土壤濕度水平已被確定為對應於 400-450 的類比電壓讀數。
-
-你可以像夜燈一樣編程裝置——只要感測器讀數高於 450，就啟動繼電器以啟動水泵。問題是水需要一段時間才能從水泵通過土壤到達感測器。感測器在檢測到 450 的水平時會停止供水，但由於泵送的水繼續滲透到土壤中，濕度水平會繼續下降。最終結果是浪費水，並可能損害植物根部。
-
-✅ 記住——過多的水對植物的危害可能和過少的水一樣，並且浪費了珍貴的資源。
-
-更好的解決方案是理解執行器啟動與感測器讀取的屬性改變之間存在延遲。這意味著感測器不僅需要等待一段時間再測量值，執行器也需要在下一次感測器測量之前關閉一段時間。
-
-每次繼電器應該開啟多久？最好謹慎行事，只讓繼電器開啟短時間，然後等待水滲透，再重新檢查濕度水平。畢竟，你可以隨時再次開啟水泵添加更多水，但無法從土壤中移除水。
-
-> 💁 這種時間控制非常特定於你正在建造的 IoT 裝置、測量的屬性以及使用的感測器和執行器。
-
-![一株草莓植物通過水泵連接到水源，水泵通過繼電器控制。繼電器和植物中的土壤濕度感測器都連接到 Raspberry Pi](../../../../../translated_images/zh-HK/strawberry-with-pump.b410fc72ac6aabad.webp)
-
-例如，我有一株草莓植物，配備了一個土壤濕度感測器和一個由繼電器控制的水泵。我觀察到當我添加水時，土壤濕度讀數需要大約 20 秒才能穩定。這意味著我需要關閉繼電器並等待 20 秒再檢查濕度水平。我寧願水少一點也不願水太多——我可以隨時再次開啟水泵，但無法從植物中移除水。
-
-![步驟 1，測量濕度。步驟 2，添加水。步驟 3，等待水滲透到土壤。步驟 4，重新測量濕度](../../../../../translated_images/zh-HK/soil-moisture-delay.865f3fae206db01d.webp)
-
-這意味著最佳的澆水流程可能如下：
-
-* 啟動水泵 5 秒
-* 等待 20 秒
-* 檢查土壤濕度
-* 如果濕度水平仍然高於需求，重複上述步驟
-
-5 秒可能對水泵來說太長，特別是當濕度水平僅略高於所需水平時。最佳的時間設定方式是嘗試後根據感測器數據進行調整，形成一個持續的反饋循環。這甚至可以導致更精細的時間控制，例如每超過所需濕度 100，啟動水泵 1 秒，而不是固定的 5 秒。
-
-✅ 做些研究：是否有其他時間考量？是否可以在任何土壤濕度過低的時候澆水，或者是否有特定的時間適合或不適合澆水？
-
-> 💁 天氣預測也可以納入考量，用於控制戶外種植的自動灌溉系統。如果預測有雨，澆水可以暫停，直到雨停後再進行。此時土壤可能已經足夠濕潤，不需要澆水，比在雨前澆水更有效率。
-
-## 為植物控制伺服器添加時間控制
-
-伺服器程式碼可以修改以添加澆水流程的時間控制，並等待土壤濕度水平的改變。控制繼電器時間的伺服器邏輯如下：
-
-1. 接收到遙測訊息
-1. 檢查土壤濕度水平
-1. 如果濕度水平正常，則不執行任何操作。如果讀數過高（表示土壤濕度過低），則：
-    1. 發送指令啟動繼電器
-    1. 等待 5 秒
-    1. 發送指令關閉繼電器
-    1. 等待 20 秒讓土壤濕度水平穩定
-
-澆水流程，即從接收到遙測訊息到準備再次處理土壤濕度水平的過程，大約需要 25 秒。我們每 10 秒發送一次土壤濕度水平，因此在伺服器等待土壤濕度水平穩定期間，可能會接收到新的訊息，這可能會啟動另一個澆水流程。
-
-有兩種解決方法：
-
-* 更改 IoT 裝置程式碼，使其每分鐘只發送一次遙測訊息，這樣澆水流程可以在下一次訊息發送之前完成
-* 在澆水流程期間取消訂閱遙測訊息
-
-第一種選擇對於大型農場來說並不總是好的解決方案。農民可能希望在澆水期間捕捉土壤濕度水平，以便日後分析，例如了解農場不同區域的水流情況，以指導更有針對性的澆水。第二種選擇更好——程式碼只是忽略無法使用的遙測訊息，但遙測訊息仍然存在，供其他可能訂閱的服務使用。
-
-> 💁 IoT 數據並非僅由一個裝置發送到一個服務，而是許多裝置可以將數據發送到一個代理，許多服務可以從代理中接收數據。例如，一個服務可以接收土壤濕度數據並將其存儲到資料庫中以供日後分析。另一個服務也可以接收相同的遙測訊息來控制灌溉系統。
-
-### 任務 - 為植物控制伺服器添加時間控制
-
-更新你的伺服器程式碼，使繼電器運行 5 秒，然後等待 20 秒。
-
-1. 如果尚未打開，請在 VS Code 中打開 `soil-moisture-sensor-server` 資料夾。確保虛擬環境已啟動。
-
-1. 打開 `app.py` 文件
-
-1. 在現有的導入語句下方添加以下程式碼：
-
-    ```python
-    import threading
-    ```
-
-    此語句從 Python 庫中導入 `threading`，threading 允許 Python 在等待期間執行其他程式碼。
-
-1. 在處理遙測訊息的 `handle_telemetry` 函數之前添加以下程式碼：
-
-    ```python
-    water_time = 5
-    wait_time = 20
-    ```
-
-    這定義了繼電器運行的時間（`water_time`）以及之後檢查土壤濕度的等待時間（`wait_time`）。
-
-1. 在此程式碼下方添加以下內容：
-
-    ```python
-    def send_relay_command(client, state):
-        command = { 'relay_on' : state }
-        print("Sending message:", command)
-        client.publish(server_command_topic, json.dumps(command))
-    ```
-
-    此程式碼定義了一個名為 `send_relay_command` 的函數，用於通過 MQTT 發送指令來控制繼電器。遙測訊息被創建為字典，然後轉換為 JSON 字串。傳遞到 `state` 的值決定繼電器應該開啟還是關閉。
-
-1. 在 `send_relay_code` 函數之後添加以下程式碼：
-
-    ```python
-    def control_relay(client):
-        print("Unsubscribing from telemetry")
-        mqtt_client.unsubscribe(client_telemetry_topic)
-    
-        send_relay_command(client, True)
-        time.sleep(water_time)
-        send_relay_command(client, False)
-    
-        time.sleep(wait_time)
-    
-        print("Subscribing to telemetry")
-        mqtt_client.subscribe(client_telemetry_topic)
-    ```
-
-    此程式碼定義了一個函數，用於基於所需的時間控制繼電器。它首先取消訂閱遙測訊息，以便在澆水期間不處理土壤濕度訊息。接著它發送指令啟動繼電器，等待 `water_time` 後發送指令關閉繼電器。最後它等待 `wait_time` 秒讓土壤濕度水平穩定，然後重新訂閱遙測訊息。
-
-1. 將 `handle_telemetry` 函數更改為以下內容：
-
-    ```python
-    def handle_telemetry(client, userdata, message):
-        payload = json.loads(message.payload.decode())
-        print("Message received:", payload)
-    
-        if payload['soil_moisture'] > 450:
-            threading.Thread(target=control_relay, args=(client,)).start()
-    ```
-
-    此程式碼檢查土壤濕度水平。如果濕度水平大於 450，則土壤需要澆水，並調用 `control_relay` 函數。此函數在單獨的執行緒中運行，作為背景執行。
-
-1. 確保你的 IoT 裝置正在運行，然後運行此程式碼。更改土壤濕度水平並觀察繼電器的行為——它應該運行 5 秒，然後至少保持關閉 20 秒，只有在土壤濕度水平不足時才會再次啟動。
-
-    ```output
-    (.venv) ➜  soil-moisture-sensor-server ✗ python app.py
-    Message received: {'soil_moisture': 457}
-    Unsubscribing from telemetry
-    Sending message: {'relay_on': True}
-    Sending message: {'relay_on': False}
-    Subscribing to telemetry
-    Message received: {'soil_moisture': 302}
-    ```
-
-    在模擬灌溉系統中測試此功能的一個好方法是使用乾燥的土壤，然後在繼電器開啟時手動倒水，當繼電器關閉時停止倒水。
-
-> 💁 你可以在 [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing) 資料夾中找到此程式碼。
-
-> 💁 如果你想使用水泵建造一個真實的灌溉系統，你可以使用 [6V 水泵](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) 和 [USB 終端電源供應](https://www.adafruit.com/product/3628)。確保水泵的電源或輸出通過繼電器連接。
-
----
-
-## 🚀 挑戰
-
-你能想到其他 IoT 或電氣裝置也有類似的問題嗎？即執行器的結果需要一段時間才能到達感測器。你家裡或學校可能就有幾個。
-
-* 它們測量什麼屬性？
-* 屬性在執行器使用後需要多久才能改變？
-* 屬性超過所需值是否可以接受？
-* 如果需要，如何將屬性返回到所需值？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
-
-## 回顧與自學
-
-* 閱讀更多關於繼電器的內容，包括它們在電話交換機中的歷史用途：[繼電器 Wikipedia 頁面](https://wikipedia.org/wiki/Relay)。
-
-## 作業
-
-[建造更高效的澆水流程](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/hk/2-farm/lessons/3-automated-plant-watering/assignment.md
deleted file mode 100644
index e97be8e8c..000000000
--- a/translations/hk/2-farm/lessons/3-automated-plant-watering/assignment.md
+++ /dev/null
@@ -1,54 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
-  "translation_date": "2025-08-26T14:34:43+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
-  "language_code": "hk"
-}
--->
-# 建立更高效的灌溉循環
-
-## 指引
-
-這節課講解了如何通過感應器數據控制繼電器，而該繼電器可以進一步控制灌溉系統的水泵。對於一塊特定的土壤，運行水泵固定的時間應該對土壤濕度產生相同的影響。這意味著你可以了解灌溉幾秒鐘會對應土壤濕度讀數的某個下降幅度。利用這些數據，你可以構建一個更可控的灌溉系統。
-
-在這次作業中，你需要計算水泵應該運行多長時間才能達到特定的土壤濕度上升。
-
-> ⚠️ 如果你使用的是虛擬 IoT 硬件，你可以完成這個過程，但需要通過在繼電器開啟時每秒手動增加固定的土壤濕度讀數來模擬結果。
-
-1. 從乾燥的土壤開始。測量土壤濕度。
-
-1. 添加固定量的水，可以通過運行水泵 1 秒鐘或倒入固定量的水來完成。
-
-    > 水泵應始終以恆定的速率運行，因此每秒運行時應提供相同量的水。
-
-1. 等待土壤濕度水平穩定後進行讀數。
-
-1. 重複多次，並創建一個結果表。以下是該表的一個示例。
-
-    | 總水泵運行時間 | 土壤濕度 | 減少量 |
-    | --- | --: | -: |
-    | 乾燥 | 643 |  0 |
-    | 1秒  | 621 | 22 |
-    | 2秒  | 601 | 20 |
-    | 3秒  | 579 | 22 |
-    | 4秒  | 560 | 19 |
-    | 5秒  | 539 | 21 |
-    | 6秒  | 521 | 18 |
-
-1. 計算每秒灌溉水量對土壤濕度的平均影響。在上述示例中，每秒灌溉水量使讀數平均減少 20.3。
-
-1. 使用這些數據改進你的伺服器代碼，讓水泵運行所需的時間以達到所需的土壤濕度水平。
-
-## 評分標準
-
-| 評估標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 捕捉土壤濕度數據 | 能夠在添加固定水量後捕捉多次讀數 | 能夠在添加固定水量後捕捉部分讀數 | 只能捕捉一兩次讀數，或無法使用固定水量 |
-| 校準伺服器代碼 | 能夠計算土壤濕度讀數的平均減少量，並更新伺服器代碼以使用該數據 | 能夠計算平均減少量，但無法更新伺服器代碼，或無法正確計算平均值，但能正確更新伺服器代碼 | 無法計算平均值，或無法更新伺服器代碼 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/hk/2-farm/lessons/3-automated-plant-watering/pi-relay.md
deleted file mode 100644
index 48f6cb0c6..000000000
--- a/translations/hk/2-farm/lessons/3-automated-plant-watering/pi-relay.md
+++ /dev/null
@@ -1,123 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
-  "translation_date": "2025-08-26T14:36:00+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
-  "language_code": "hk"
-}
--->
-# 控制繼電器 - Raspberry Pi
-
-在本課程中，您將在 Raspberry Pi 上添加一個繼電器，除了土壤濕度感測器外，還可以根據土壤濕度水平來控制它。
-
-## 硬件
-
-Raspberry Pi 需要一個繼電器。
-
-您將使用的繼電器是 [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)，這是一個常開型繼電器（意味著當沒有信號傳送到繼電器時，輸出電路是開路或斷開的），它可以處理最高 250V 和 10A 的輸出電路。
-
-這是一個數字執行器，因此需要連接到 Grove Base Hat 的數字插腳。
-
-### 連接繼電器
-
-Grove 繼電器可以連接到 Raspberry Pi。
-
-#### 任務
-
-連接繼電器。
-
-![Grove 繼電器](../../../../../translated_images/zh-HK/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png)
-
-1. 將 Grove 電纜的一端插入繼電器上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove Base Hat 的數字插座 **D5**。此插座位於 GPIO 插腳旁邊插座行的第二個位置。保持土壤濕度感測器連接到 **A0** 插座。
-
-![Grove 繼電器連接到 D5 插座，土壤濕度感測器連接到 A0 插座](../../../../../translated_images/zh-HK/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png)
-
-1. 如果土壤濕度感測器尚未插入土壤，請將其插入土壤中（從上一課程中）。
-
-## 編程繼電器
-
-現在可以編程 Raspberry Pi 以使用連接的繼電器。
-
-### 任務
-
-編程設備。
-
-1. 啟動 Raspberry Pi，並等待其啟動。
-
-1. 在 VS Code 中打開上一課程的 `soil-moisture-sensor` 專案（如果尚未打開）。您將在此專案中進行添加。
-
-1. 在現有的導入語句下，將以下代碼添加到 `app.py` 文件中：
-
-    ```python
-    from grove.grove_relay import GroveRelay
-    ```
-
-    此語句從 Grove Python 庫中導入 `GroveRelay`，以與 Grove 繼電器進行互動。
-
-1. 在 `ADC` 類的聲明下方添加以下代碼，以創建一個 `GroveRelay` 實例：
-
-    ```python
-    relay = GroveRelay(5)
-    ```
-
-    這會使用插腳 **D5** 創建一個繼電器，該插腳是您連接繼電器的數字插腳。
-
-1. 為了測試繼電器是否正常工作，將以下代碼添加到 `while True:` 循環中：
-
-    ```python
-    relay.on()
-    time.sleep(.5)
-    relay.off()
-    ```
-
-    此代碼會打開繼電器，等待 0.5 秒，然後關閉繼電器。
-
-1. 運行 Python 應用程式。繼電器將每 10 秒打開和關閉一次，打開和關閉之間有半秒的延遲。您會聽到繼電器點擊聲，然後熄滅。當繼電器打開時，Grove 板上的 LED 會亮起，關閉時則熄滅。
-
-    ![繼電器打開和關閉](../../../../../images/relay-turn-on-off.gif)
-
-## 根據土壤濕度控制繼電器
-
-現在繼電器已正常工作，可以根據土壤濕度讀數進行控制。
-
-### 任務
-
-控制繼電器。
-
-1. 刪除您添加的用於測試繼電器的 3 行代碼。用以下代碼替換它們：
-
-    ```python
-    if soil_moisture > 450:
-        print("Soil Moisture is too low, turning relay on.")
-        relay.on()
-    else:
-        print("Soil Moisture is ok, turning relay off.")
-        relay.off()
-    ```
-
-    此代碼會檢查土壤濕度感測器的土壤濕度水平。如果濕度高於 450，則打開繼電器；如果低於 450，則關閉繼電器。
-
-    > 💁 請記住，電容式土壤濕度感測器的讀數越低，土壤中的濕度越高，反之亦然。
-
-1. 運行 Python 應用程式。您會看到繼電器根據土壤濕度水平打開或關閉。嘗試在乾燥的土壤中測試，然後添加水。
-
-    ```output
-    Soil Moisture: 638
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 452
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 347
-    Soil Moisture is ok, turning relay off.
-    ```
-
-> 💁 您可以在 [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi) 文件夾中找到此代碼。
-
-😀 恭喜！您的土壤濕度感測器成功控制了繼電器！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業的人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/hk/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
deleted file mode 100644
index e8fd25a49..000000000
--- a/translations/hk/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
+++ /dev/null
@@ -1,127 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
-  "translation_date": "2025-08-26T14:36:32+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
-  "language_code": "hk"
-}
--->
-# 控制繼電器 - 虛擬物聯網硬件
-
-在這部分課程中，你將在虛擬物聯網設備中添加一個繼電器，除了土壤濕度傳感器外，還可以根據土壤濕度水平來控制它。
-
-## 虛擬硬件
-
-虛擬物聯網設備將使用模擬的 Grove 繼電器。這樣的設置與使用 Raspberry Pi 和實體 Grove 繼電器的操作方式相同。
-
-在實體物聯網設備中，繼電器通常是常開型繼電器（即當沒有信號發送到繼電器時，輸出電路是斷開的）。這類繼電器可以處理高達 250V 和 10A 的輸出電路。
-
-### 將繼電器添加到 CounterFit
-
-要使用虛擬繼電器，你需要將它添加到 CounterFit 應用中。
-
-#### 任務
-
-將繼電器添加到 CounterFit 應用中。
-
-1. 如果尚未打開，請在 VS Code 中打開上一課的 `soil-moisture-sensor` 項目。你將在此基礎上進行添加。
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建一個繼電器：
-
-    1. 在 *Actuators* 面板的 *Create actuator* 框中，展開 *Actuator type* 下拉框，選擇 *Relay*。
-
-    1. 將 *Pin* 設置為 *5*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 5 上創建繼電器。
-
-    ![繼電器設置](../../../../../translated_images/zh-HK/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png)
-
-    繼電器將被創建並顯示在 Actuators 列表中。
-
-    ![已創建的繼電器](../../../../../translated_images/zh-HK/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png)
-
-## 編程繼電器
-
-現在可以編程土壤濕度傳感器應用以使用虛擬繼電器。
-
-### 任務
-
-編程虛擬設備。
-
-1. 如果尚未打開，請在 VS Code 中打開上一課的 `soil-moisture-sensor` 項目。你將在此基礎上進行添加。
-
-1. 在 `app.py` 文件的現有導入語句下方添加以下代碼：
-
-    ```python
-    from counterfit_shims_grove.grove_relay import GroveRelay
-    ```
-
-    這段語句從 Grove Python shim 庫中導入 `GroveRelay`，以便與虛擬 Grove 繼電器交互。
-
-1. 在 `ADC` 類的聲明下方添加以下代碼，創建一個 `GroveRelay` 實例：
-
-    ```python
-    relay = GroveRelay(5)
-    ```
-
-    這段代碼使用 Pin **5** 創建了一個繼電器，這是你之前連接繼電器的引腳。
-
-1. 為了測試繼電器是否正常工作，在 `while True:` 循環中添加以下代碼：
-
-    ```python
-    relay.on()
-    time.sleep(.5)
-    relay.off()
-    ```
-
-    這段代碼會打開繼電器，等待 0.5 秒，然後關閉繼電器。
-
-1. 運行 Python 應用。繼電器將每 10 秒打開和關閉一次，打開和關閉之間有 0.5 秒的延遲。你將看到 CounterFit 應用中的虛擬繼電器隨著打開和關閉而閉合和斷開。
-
-    ![虛擬繼電器打開和關閉](../../../../../images/virtual-relay-turn-on-off.gif)
-
-## 根據土壤濕度控制繼電器
-
-現在繼電器已經可以正常工作，接下來可以根據土壤濕度讀數來控制它。
-
-### 任務
-
-控制繼電器。
-
-1. 刪除你添加的測試繼電器的 3 行代碼，並用以下代碼替換：
-
-    ```python
-    if soil_moisture > 450:
-        print("Soil Moisture is too low, turning relay on.")
-        relay.on()
-    else:
-        print("Soil Moisture is ok, turning relay off.")
-        relay.off()
-    ```
-
-    這段代碼會檢查來自土壤濕度傳感器的濕度水平。如果濕度值高於 450，則打開繼電器；如果低於 450，則關閉繼電器。
-
-    > 💁 請記住，電容式土壤濕度傳感器的讀數越低，表示土壤中的濕度越高，反之亦然。
-
-1. 運行 Python 應用。你將看到繼電器根據土壤濕度水平打開或關閉。更改土壤濕度傳感器的 *Value* 或 *Random* 設置以查看值的變化。
-
-    ```output
-    Soil Moisture: 638
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 452
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 347
-    Soil Moisture is ok, turning relay off.
-    ```
-
-> 💁 你可以在 [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device) 文件夾中找到這段代碼。
-
-😀 你的虛擬土壤濕度傳感器控制繼電器程序成功完成！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/hk/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
deleted file mode 100644
index ad16d4480..000000000
--- a/translations/hk/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
+++ /dev/null
@@ -1,121 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
-  "translation_date": "2025-08-26T14:35:20+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
-  "language_code": "hk"
-}
--->
-# 控制繼電器 - Wio Terminal
-
-在這部分課程中，您將在 Wio Terminal 上添加一個繼電器，除了土壤濕度傳感器外，還根據土壤濕度水平來控制它。
-
-## 硬件
-
-Wio Terminal 需要一個繼電器。
-
-您將使用的繼電器是 [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)，這是一個常開型繼電器（意味著當沒有信號發送到繼電器時，輸出電路是開路或斷開的），它可以處理最高 250V 和 10A 的輸出電路。
-
-這是一個數字執行器，因此需要連接到 Wio Terminal 的數字引腳。模擬/數字端口已經被土壤濕度傳感器使用，因此繼電器需要插入另一個端口，該端口是一個結合 I2C 和數字端口。
-
-### 連接繼電器
-
-Grove 繼電器可以連接到 Wio Terminal 的數字端口。
-
-#### 任務
-
-連接繼電器。
-
-![Grove 繼電器](../../../../../translated_images/zh-HK/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png)
-
-1. 將 Grove 電纜的一端插入繼電器上的插座。它只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 屏幕左側的 Grove 插座。保持土壤濕度傳感器連接到右側插座。
-
-![Grove 繼電器連接到左側插座，土壤濕度傳感器連接到右側插座](../../../../../translated_images/zh-HK/wio-relay-and-soil-moisture-sensor.ed722202d42babe0.webp)
-
-1. 如果土壤濕度傳感器尚未插入土壤，請將其插入。
-
-## 編程繼電器
-
-現在可以編程 Wio Terminal 以使用連接的繼電器。
-
-### 任務
-
-編程設備。
-
-1. 在 VS Code 中打開上一課的 `soil-moisture-sensor` 項目（如果尚未打開）。您將在此項目中進行添加。
-
-2. 這個執行器沒有專用的庫——它是一個通過高或低信號控制的數字執行器。要打開它，您需要向引腳發送高信號（3.3V）；要關閉它，則發送低信號（0V）。您可以使用內置的 Arduino [`digitalWrite`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalwrite/) 函數來完成此操作。首先，在 `setup` 函數的底部添加以下代碼，以將結合 I2C/數字端口設置為輸出引腳，向繼電器發送電壓：
-
-    ```cpp
-    pinMode(PIN_WIRE_SCL, OUTPUT);
-    ```
-
-    `PIN_WIRE_SCL` 是結合 I2C/數字端口的端口號。
-
-1. 為了測試繼電器是否正常工作，將以下代碼添加到 `loop` 函數中，放在最後的 `delay` 之後：
-
-    ```cpp
-    digitalWrite(PIN_WIRE_SCL, HIGH);
-    delay(500);
-    digitalWrite(PIN_WIRE_SCL, LOW);
-    ```
-
-    此代碼向連接繼電器的引腳寫入高信號以打開繼電器，等待 500 毫秒（半秒），然後寫入低信號以關閉繼電器。
-
-1. 編譯並上傳代碼到 Wio Terminal。
-
-1. 上傳完成後，繼電器將每 10 秒打開和關閉一次，打開和關閉之間有半秒的延遲。您會聽到繼電器點擊聲，LED 在繼電器打開時亮起，關閉時熄滅。
-
-    ![繼電器打開和關閉](../../../../../images/relay-turn-on-off.gif)
-
-## 根據土壤濕度控制繼電器
-
-現在繼電器已正常工作，可以根據土壤濕度讀數進行控制。
-
-### 任務
-
-控制繼電器。
-
-1. 刪除您添加的用於測試繼電器的 3 行代碼。用以下代碼替換：
-
-    ```cpp
-    if (soil_moisture > 450)
-    {
-        Serial.println("Soil Moisture is too low, turning relay on.");
-        digitalWrite(PIN_WIRE_SCL, HIGH);
-    }
-    else
-    {
-        Serial.println("Soil Moisture is ok, turning relay off.");
-        digitalWrite(PIN_WIRE_SCL, LOW);
-    }
-    ```
-
-    此代碼檢查來自土壤濕度傳感器的土壤濕度水平。如果濕度值高於 450，則打開繼電器；如果低於 450，則關閉繼電器。
-
-    > 💁 記住，電容式土壤濕度傳感器的讀數越低，土壤中的濕度越高，反之亦然。
-
-1. 編譯並上傳代碼到 Wio Terminal。
-
-1. 通過串行監視器監控設備。您將看到繼電器根據土壤濕度水平打開或關閉。嘗試在乾燥的土壤中測試，然後添加水。
-
-    ```output
-    Soil Moisture: 638
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 452
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 347
-    Soil Moisture is ok, turning relay off.
-    ```
-
-> 💁 您可以在 [code-relay/wio-terminal](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/wio-terminal) 文件夾中找到此代碼。
-
-😀 恭喜！您的土壤濕度傳感器成功控制了繼電器！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
deleted file mode 100644
index ad7d857c0..000000000
--- a/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
+++ /dev/null
@@ -1,451 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4d8e7a066d75b625e7a979c14157041d",
-  "translation_date": "2025-08-26T14:46:55+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
-  "language_code": "hk"
-}
--->
-# 將你的植物遷移到雲端
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [IoT for Beginners Project 2 - Digital Agriculture 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分。
-
-[![使用 Azure IoT Hub 將設備連接到雲端](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
-
-## 簡介
-
-在上一課中，你學會了如何將植物連接到 MQTT broker，並通過本地運行的伺服器代碼控制繼電器。這構成了從家中單株植物到商業農場所使用的互聯網自動灌溉系統的核心。
-
-IoT 設備通過公共 MQTT broker 進行通信，這是一種展示原理的方法，但並不是最可靠或安全的方式。在本課中，你將學習雲端以及公共雲服務提供的 IoT 功能，並學習如何將你的植物從公共 MQTT broker 遷移到這些雲服務之一。
-
-在本課中，我們將涵蓋：
-
-* [什麼是雲端？](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [創建雲端訂閱](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [雲端 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [在雲端創建 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [與 IoT Hub 通信](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [將設備連接到 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-
-## 什麼是雲端？
-
-在雲端出現之前，當公司想為員工（例如數據庫或文件存儲）或公眾（例如網站）提供服務時，他們需要建立並運營一個數據中心。這可能是一個裝有少量電腦的房間，也可能是一棟裝有大量電腦的大樓。公司需要管理所有事情，包括：
-
-* 購買電腦
-* 硬件維護
-* 電力和冷卻
-* 網絡連接
-* 安全性，包括建築物的安全和電腦軟件的安全
-* 軟件安裝和更新
-
-這樣做成本非常高，還需要各種專業技能的員工，並且在需要變更時速度非常慢。例如，如果一家在線商店需要為繁忙的假期季節做準備，他們需要提前幾個月計劃購買更多硬件，進行配置，安裝軟件以運行銷售流程。假期結束後，銷售量下降，他們就會留下閒置的電腦，直到下一個繁忙季節。
-
-✅ 你認為這樣的方式能讓公司快速應對變化嗎？如果一家在線服裝零售商因為某位名人穿著他們的衣服而突然走紅，他們能否快速增加計算能力以支持突然湧入的訂單？
-
-### 別人的電腦
-
-雲端經常被戲稱為「別人的電腦」。最初的想法很簡單——與其購買電腦，不如租用別人的電腦。雲計算提供商會管理大型數據中心，負責購買和安裝硬件，管理電力和冷卻、網絡連接、建築安全、硬件和軟件更新等所有事情。作為客戶，你只需租用所需的電腦，需求增加時租用更多，需求減少時減少租用數量。這些雲端數據中心遍布全球。
-
-![一個 Microsoft 雲端數據中心](../../../../../translated_images/zh-HK/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png)
-![一個 Microsoft 雲端數據中心的擴建計劃](../../../../../translated_images/zh-HK/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png)
-
-這些數據中心的面積可以達到數平方公里。上圖是幾年前拍攝的 Microsoft 雲端數據中心，展示了初始規模以及擴建計劃。擴建所清理的區域超過 5 平方公里。
-
-> 💁 這些數據中心需要消耗大量電力，因此有些數據中心甚至擁有自己的發電站。由於其規模和雲提供商的投資，這些數據中心通常非常環保。它們比大量小型數據中心更高效，主要使用可再生能源運行，雲提供商還致力於減少浪費、降低用水量，並重新種植森林以補償為建設數據中心而砍伐的樹木。你可以在 [Azure 可持續性網站](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn) 上了解更多關於雲提供商如何推動可持續發展的信息。
-
-✅ 做一些研究：查閱主要的雲服務提供商，例如 [Microsoft 的 Azure](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) 或 [Google 的 GCP](https://cloud.google.com)。他們有多少個數據中心？這些數據中心分佈在哪些地方？
-
-使用雲端可以幫助公司降低成本，讓他們專注於自己的核心業務，將雲計算的專業知識交給提供商。公司不再需要租用或購買數據中心空間，向不同的供應商支付連接和電力費用，或僱用專家。相反，他們只需向雲提供商支付一張月費賬單，所有事情都由雲提供商處理。
-
-雲提供商則可以利用規模經濟降低成本，例如批量購買電腦以獲得更低價格，投資工具以減少維護工作量，甚至設計和製造自己的硬件以改進雲服務。
-
-### Microsoft Azure
-
-Azure 是 Microsoft 的開發者雲端，這是你在本課中將使用的雲端。以下視頻簡要介紹了 Azure：
-
-[![Azure 概覽視頻](../../../../../translated_images/zh-HK/what-is-azure-video-thumbnail.20174db09e03bbb8.webp)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
-
-## 創建雲端訂閱
-
-要使用雲端服務，你需要向雲提供商註冊一個訂閱。在本課中，你將註冊一個 Microsoft Azure 訂閱。如果你已經有 Azure 訂閱，可以跳過此任務。以下描述的訂閱詳情在撰寫本文時是準確的，但可能會有所變更。
-
-> 💁 如果你是通過學校學習本課程，你可能已經擁有一個 Azure 訂閱。請向你的老師確認。
-
-Azure 提供兩種類型的免費訂閱：
-
-* **Azure for Students** - 這是為 18 歲以上學生設計的訂閱。註冊時不需要信用卡，你可以使用學校的電子郵件地址驗證你的學生身份。註冊後，你將獲得 100 美元的雲資源使用額，以及包括 IoT 服務免費版本在內的免費服務。此訂閱有效期為 12 個月，每年可續訂一次，只要你仍是學生。
-
-* **Azure 免費訂閱** - 這是為非學生設計的訂閱。註冊時需要提供信用卡，但不會扣款，僅用於驗證你是真人而非機器人。你將獲得 200 美元的信用額度，可在前 30 天內用於任何服務，此外還有 Azure 服務的免費層級。一旦信用額度用完，除非你轉為按需付費訂閱，否則不會向你的信用卡收費。
-
-> 💁 Microsoft 還為 18 歲以下學生提供 Azure for Students Starter 訂閱，但在撰寫本文時，該訂閱不支持任何 IoT 服務。
-
-### 任務 - 註冊免費雲端訂閱
-
-如果你是 18 歲以上的學生，可以註冊 Azure for Students 訂閱。你需要使用學校的電子郵件地址進行驗證。你可以通過以下兩種方式之一完成：
-
-* 在 [education.github.com/pack](https://education.github.com/pack) 註冊 GitHub 學生開發者包。這將為你提供一系列工具和優惠，包括 GitHub 和 Microsoft Azure。註冊開發者包後，你可以啟用 Azure for Students 優惠。
-
-* 直接在 [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn) 註冊 Azure for Students 帳戶。
-
-> ⚠️ 如果你的學校電子郵件地址未被識別，請在 [此 repo 提交問題](https://github.com/Microsoft/IoT-For-Beginners/issues)，我們將查看是否可以將其添加到 Azure for Students 的允許列表中。
-
-如果你不是學生，或者沒有有效的學校電子郵件地址，可以註冊 Azure 免費訂閱。
-
-* 在 [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn) 註冊 Azure 免費訂閱。
-
-## 雲端 IoT 服務
-
-你之前使用的公共測試 MQTT broker 是一個很好的學習工具，但作為商業用途的工具存在一些缺點：
-
-* 可靠性 - 它是一個免費服務，沒有任何保證，隨時可能關閉
-* 安全性 - 它是公共的，因此任何人都可以監聽你的數據或發送命令控制你的硬件
-* 性能 - 它設計用於少量測試消息，無法處理大量消息的傳輸
-* 發現性 - 無法知道有哪些設備已連接
-
-雲端 IoT 服務解決了這些問題。這些服務由大型雲提供商維護，他們在可靠性方面投入巨大，並隨時解決可能出現的問題。這些服務內建安全性，防止黑客讀取你的數據或發送惡意命令。它們還具有高性能，能夠每天處理數百萬條消息，並利用雲端按需擴展。
-
-> 💁 雖然這些優勢需要每月支付費用，但大多數雲提供商提供免費版本的 IoT 服務，限制每日消息數量或可連接的設備數量。這些免費版本通常足夠開發者學習使用。在本課中，你將使用免費版本。
-
-IoT 設備可以通過設備 SDK（提供與服務功能交互的代碼庫）或直接使用通信協議（如 MQTT 或 HTTP）連接到雲服務。設備 SDK 通常是最簡單的路徑，因為它處理了所有細節，例如知道要發布或訂閱的主題，以及如何處理安全性。
-
-![設備通過設備 SDK 連接到服務。伺服器代碼也通過 SDK 連接到服務](../../../../../translated_images/zh-HK/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png)
-
-你的設備然後通過該服務與應用程序的其他部分通信——類似於你之前通過 MQTT 發送遙測數據和接收命令的方式。這通常使用服務 SDK 或類似的庫。消息從設備發送到服務，應用程序的其他組件可以讀取這些消息，並將消息發送回設備。
-
-![沒有有效密鑰的設備無法連接到 IoT 服務](../../../../../translated_images/zh-HK/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png)
-
-這些服務通過了解所有可以連接並發送數據的設備來實現安全性，這可以通過預先註冊設備或為設備提供密鑰或證書來完成，設備在首次連接時使用這些密鑰或證書進行註冊。未知設備無法連接，如果嘗試連接，服務會拒絕並忽略其發送的消息。
-
-✅ 做一些研究：開放式 IoT 服務允許任何設備或代碼連接會有哪些缺點？你能找到黑客利用這種情況的具體例子嗎？
-
-應用程序的其他組件可以連接到 IoT 服務，了解所有已連接或已註冊的設備，並直接與它們進行單個或批量通信。
-💁 物聯網服務亦提供額外功能，雲端供應商亦有額外的服務和應用程式可以連接到該服務。例如，如果你想將所有設備發送的遙測訊息存儲到資料庫中，通常只需在雲端供應商的配置工具中點擊幾下，就可以將服務連接到資料庫並將數據流入。
-## 在雲端建立 IoT 服務
-
-現在你已擁有 Azure 訂閱，可以註冊一個 IoT 服務。Microsoft 的 IoT 服務叫做 Azure IoT Hub。
-
-![Azure IoT Hub 標誌](../../../../../translated_images/zh-HK/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png)
-
-以下影片簡要介紹了 Azure IoT Hub：
-
-[![Azure IoT Hub 概述影片](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
-
-> 🎥 點擊上方圖片觀看影片
-
-✅ 花點時間進行研究，閱讀 [Microsoft IoT Hub 文件](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn) 中的 IoT Hub 概述。
-
-Azure 提供的雲端服務可以透過網頁式入口網站或命令列介面 (CLI) 進行配置。這次任務中，你將使用 CLI。
-
-### 任務 - 安裝 Azure CLI
-
-要使用 Azure CLI，首先需要在你的 PC 或 Mac 上安裝它。
-
-1. 按照 [Azure CLI 文件](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn) 中的指示安裝 CLI。
-
-1. Azure CLI 支援多種擴展功能，這些功能可用於管理各種 Azure 服務。透過命令列或終端執行以下指令來安裝 IoT 擴展功能：
-
-    ```sh
-    az extension add --name azure-iot
-    ```
-
-1. 從命令列或終端執行以下指令，使用 Azure CLI 登錄你的 Azure 訂閱。
-
-    ```sh
-    az login
-    ```
-
-    預設瀏覽器將開啟一個網頁。使用你註冊 Azure 訂閱的帳戶登錄。登錄完成後，可以關閉瀏覽器標籤。
-
-1. 如果你有多個 Azure 訂閱，例如學校提供的訂閱和自己的 Azure for Students 訂閱，你需要選擇要使用的訂閱。執行以下指令列出你有權訪問的所有訂閱：
-
-    ```sh
-    az account list --output table
-    ```
-
-    在輸出中，你將看到每個訂閱的名稱及其 `SubscriptionId`。
-
-    ```output
-    ➜  ~ az account list --output table
-    Name                    CloudName    SubscriptionId                        State    IsDefault
-    ----------------------  -----------  ------------------------------------  -------  -----------
-    School-subscription     AzureCloud   cb30cde9-814a-42f0-a111-754cb788e4e1  Enabled  True
-    Azure for Students      AzureCloud   fa51c31b-162c-4599-add6-781def2e1fbf  Enabled  False
-    ```
-
-    使用以下指令選擇你要使用的訂閱：
-
-    ```sh
-    az account set --subscription <SubscriptionId>
-    ```
-
-    將 `<SubscriptionId>` 替換為你想使用的訂閱 ID。執行此指令後，重新執行列出帳戶的指令。你會看到 `IsDefault` 列被標記為 `True`，表示你剛剛設置的訂閱。
-
-### 任務 - 建立資源群組
-
-Azure 服務，例如 IoT Hub 實例、虛擬機器、資料庫或 AI 服務，被稱為 **資源**。每個資源都必須屬於一個 **資源群組**，資源群組是一個或多個資源的邏輯分組。
-
-> 💁 使用資源群組可以一次管理多個服務。例如，完成此專案的所有課程後，你可以刪除資源群組，所有資源將自動刪除。
-
-1. Azure 在全球有多個數據中心，分布於不同的地區。當你建立 Azure 資源或資源群組時，必須指定其建立位置。執行以下指令以獲取位置列表：
-
-    ```sh
-    az account list-locations --output table
-    ```
-
-    你將看到一個位置列表。這個列表會很長。
-
-    > 💁 截至撰寫本文時，你可以部署到 65 個位置。
-
-    ```output
-        ➜  ~ az account list-locations --output table
-    DisplayName               Name                 RegionalDisplayName
-    ------------------------  -------------------  -------------------------------------
-    East US                   eastus               (US) East US
-    East US 2                 eastus2              (US) East US 2
-    South Central US          southcentralus       (US) South Central US
-    ...
-    ```
-
-    記下距離你最近的地區的 `Name` 列值。你可以在 [Azure 地理位置頁面](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn) 上找到地區的地圖。
-
-1. 執行以下指令建立名為 `soil-moisture-sensor` 的資源群組。資源群組名稱在你的訂閱中必須是唯一的。
-
-    ```sh
-    az group create --name soil-moisture-sensor \
-                    --location <location>
-    ```
-
-    將 `<location>` 替換為你在上一步選擇的位置。
-
-### 任務 - 建立 IoT Hub
-
-現在你可以在資源群組中建立 IoT Hub 資源。
-
-1. 使用以下指令建立你的 IoT Hub 資源：
-
-    ```sh
-    az iot hub create --resource-group soil-moisture-sensor \
-                      --sku F1 \
-                      --partition-count 2 \
-                      --name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你的 Hub 名稱。此名稱必須是全球唯一的——即任何人建立的 IoT Hub 都不能有相同的名稱。此名稱將用於指向 Hub 的 URL，因此需要唯一。使用類似 `soil-moisture-sensor-` 的名稱，並在末尾添加唯一標識符，例如隨機字或你的名字。
-
-    `--sku F1` 選項表示使用免費層。免費層每天支援 8,000 條消息，並提供大部分付費層的功能。
-
-    > 🎓 Azure 服務的不同定價級別被稱為層。每個層都有不同的成本，並提供不同的功能或數據量。
-
-    > 💁 如果你想了解更多定價資訊，可以查看 [Azure IoT Hub 定價指南](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn)。
-
-    `--partition-count 2` 選項定義 IoT Hub 支援的數據流數量。更多分區可以減少多個設備讀寫 IoT Hub 時的數據阻塞。分區超出了這些課程的範疇，但此值需要設置以建立免費層 IoT Hub。
-
-    > 💁 每個訂閱只能有一個免費層 IoT Hub。
-
-IoT Hub 將被建立。這可能需要一分鐘左右完成。
-
-## 與 IoT Hub 通訊
-
-在上一課中，你使用 MQTT 並在不同的主題上來回發送消息，每個主題有不同的用途。與其通過不同的主題發送消息，IoT Hub 提供了多種定義的方式供設備與 Hub 通訊，或 Hub 與設備通訊。
-
-> 💁 在底層，IoT Hub 與設備之間的通訊可以使用 MQTT、HTTPS 或 AMQP。
-
-* 設備到雲端 (D2C) 消息 - 這些是從設備發送到 IoT Hub 的消息，例如遙測數據。應用程式代碼可以從 IoT Hub 讀取這些消息。
-
-    > 🎓 在底層，IoT Hub 使用一個 Azure 服務叫做 [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn)。當你編寫代碼來讀取發送到 Hub 的消息時，這些通常被稱為事件。
-
-* 雲端到設備 (C2D) 消息 - 這些是從應用程式代碼通過 IoT Hub 發送到 IoT 設備的消息。
-
-* 直接方法請求 - 這些是從應用程式代碼通過 IoT Hub 發送到 IoT 設備的消息，用於請求設備執行某些操作，例如控制執行器。這些消息需要回應，以便應用程式代碼知道是否成功處理。
-
-* 設備雙胞胎 - 這些是 JSON 文件，保持設備與 IoT Hub 之間的同步，用於存儲設備報告的設置或其他屬性，或 IoT Hub 希望在設備上設置的屬性（稱為期望值）。
-
-IoT Hub 可以存儲消息和直接方法請求一段可配置的時間（默認為一天），因此如果設備或應用程式代碼失去連接，重新連接後仍然可以檢索離線期間發送的消息。設備雙胞胎永久保存在 IoT Hub 中，因此設備可以隨時重新連接並獲取最新的設備雙胞胎。
-
-✅ 進行研究：閱讀 IoT Hub 文件中的 [設備到雲端通訊指南](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn) 和 [雲端到設備通訊指南](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn)。
-
-## 連接你的設備到 IoT 服務
-
-Hub 建立後，你的 IoT 設備可以連接到它。只有註冊的設備才能連接到服務，因此你需要先註冊設備。註冊後，你可以獲得一個連接字串，設備可以使用它來連接。此連接字串是設備專屬的，包含 IoT Hub、設備和允許設備連接的密鑰資訊。
-
-> 🎓 連接字串是一個通用術語，指包含連接詳細資訊的一段文字。它們在連接 IoT Hub、資料庫和許多其他服務時使用。通常包括服務的識別符，例如 URL，以及安全資訊如密鑰。這些字串會傳遞給 SDK 用於連接服務。
-
-> ⚠️ 連接字串應保持安全！安全性將在未來課程中詳細介紹。
-
-### 任務 - 註冊你的 IoT 設備
-
-可以使用 Azure CLI 將 IoT 設備註冊到你的 IoT Hub。
-
-1. 執行以下指令註冊設備：
-
-    ```sh
-    az iot hub device-identity create --device-id soil-moisture-sensor \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於 IoT Hub 的名稱。
-
-    這將建立一個 ID 為 `soil-moisture-sensor` 的設備。
-
-1. 當你的 IoT 設備使用 SDK 連接到 IoT Hub 時，需要使用一個連接字串，該字串提供 Hub 的 URL 和密鑰。執行以下指令以獲取連接字串：
-
-    ```sh
-    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
-                                                      --output table \
-                                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於 IoT Hub 的名稱。
-
-1. 保存輸出中顯示的連接字串，稍後你將需要它。
-
-### 任務 - 將你的 IoT 設備連接到雲端
-
-按照相關指南將你的 IoT 設備連接到雲端：
-
-* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-connect-hub.md)
-
-### 任務 - 監控事件
-
-目前，你不需要更新伺服器代碼。你可以使用 Azure CLI 監控來自 IoT 設備的事件。
-
-1. 確保你的 IoT 設備正在運行並發送土壤濕度遙測值。
-
-1. 在命令提示符或終端中執行以下指令以監控發送到 IoT Hub 的消息：
-
-    ```sh
-    az iot hub monitor-events --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於 IoT Hub 的名稱。
-
-    你將在控制台輸出中看到消息，這些消息是由你的 IoT 設備發送的。
-
-    ```output
-    Starting event monitor, use ctrl-c to stop...
-    {
-        "event": {
-            "origin": "soil-moisture-sensor",
-            "module": "",
-            "interface": "",
-            "component": "",
-            "payload": "{\"soil_moisture\": 376}"
-        }
-    },
-    {
-        "event": {
-            "origin": "soil-moisture-sensor",
-            "module": "",
-            "interface": "",
-            "component": "",
-            "payload": "{\"soil_moisture\": 381}"
-        }
-    }
-    ```
-
-    `payload` 的內容將與你的 IoT 設備發送的消息相匹配。
-
-    > 截至撰寫本文時，`az iot` 擴展在 Apple Silicon 上尚未完全運作。如果你使用 Apple Silicon 設備，則需要使用其他方式監控消息，例如 [Visual Studio Code 的 Azure IoT 工具](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging)。
-
-1. 這些消息自動附加了一些屬性，例如發送的時間戳。這些屬性被稱為 *註解*。要查看所有消息註解，使用以下指令：
-
-    ```sh
-    az iot hub monitor-events --properties anno --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於 IoT Hub 的名稱。
-
-    你將在控制台輸出中看到消息，這些消息是由你的 IoT 設備發送的。
-
-    ```output
-    Starting event monitor, use ctrl-c to stop...
-    {
-        "event": {
-            "origin": "soil-moisture-sensor",
-            "module": "",
-            "interface": "",
-            "component": "",
-            "properties": {},
-            "annotations": {
-                "iothub-connection-device-id": "soil-moisture-sensor",
-                "iothub-connection-auth-method": "{\"scope\":\"device\",\"type\":\"sas\",\"issuer\":\"iothub\",\"acceptingIpFilterRule\":null}",
-                "iothub-connection-auth-generation-id": "637553997165220462",
-                "iothub-enqueuedtime": 1619976150288,
-                "iothub-message-source": "Telemetry",
-                "x-opt-sequence-number": 1379,
-                "x-opt-offset": "550576",
-                "x-opt-enqueued-time": 1619976150277
-            },
-            "payload": "{\"soil_moisture\": 381}"
-        }
-    }
-    ```
-
-    註解中的時間值是 [UNIX 時間](https://wikipedia.org/wiki/Unix_time)，表示自 1970 年 1 月 1 日午夜以來的秒數。
-
-    完成後退出事件監控。
-
-### 任務 - 控制你的 IoT 設備
-
-你也可以使用 Azure CLI 對你的 IoT 設備調用直接方法。
-
-1. 在命令提示符或終端中執行以下指令以調用 IoT 設備上的 `relay_on` 方法：
-
-    ```sh
-    az iot hub invoke-device-method --device-id soil-moisture-sensor \
-                                    --method-name relay_on \
-                                    --method-payload '{}' \
-                                    --hub-name <hub_name>
-    ```
-
-    將 `
-<hub_name>
-` 使用你為 IoT Hub 設定的名稱。
-
-這會發送一個直接方法請求，請求的方法由 `method-name` 指定。直接方法可以包含方法所需的數據作為負載，這些數據可以在 `method-payload` 參數中以 JSON 格式指定。
-
-你會看到繼電器打開，並且你的 IoT 裝置會顯示相應的輸出：
-
-```output
-    Direct method received -  relay_on
-    ```
-
-1. 重複上述步驟，但將 `--method-name` 設定為 `relay_off`。你會看到繼電器關閉，並且 IoT 裝置會顯示相應的輸出。
-
----
-
-## 🚀 挑戰
-
-IoT Hub 的免費層每天允許 8,000 條消息。你所編寫的程式每 10 秒發送一次遙測消息。每天每 10 秒發送一條消息會產生多少條消息？
-
-思考一下土壤濕度測量應該多頻繁發送？如何修改你的程式以保持在免費層的限制內，同時能夠按需檢查但不過於頻繁？如果你想添加第二個裝置又該怎麼辦？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
-
-## 回顧與自學
-
-IoT Hub SDK 是開源的，適用於 Arduino 和 Python。在 GitHub 的程式碼倉庫中，有許多範例展示如何使用不同的 IoT Hub 功能。
-
-* 如果你使用的是 Wio Terminal，請查看 [GitHub 上的 Arduino 範例](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples)
-* 如果你使用的是 Raspberry Pi 或虛擬裝置，請查看 [GitHub 上的 Python 範例](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples)
-
-## 作業
-
-[了解雲端服務](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
deleted file mode 100644
index 6370c9610..000000000
--- a/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
+++ /dev/null
@@ -1,33 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "bfd35499bd68d7d740242bfea784bbeb",
-  "translation_date": "2025-08-26T14:50:16+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
-  "language_code": "hk"
-}
--->
-# 認識雲端服務
-
-## 指引
-
-雲端服務，例如 Microsoft 的 Azure，不僅僅是提供租用的計算資源。主要的雲端服務類型包括：
-
-* 基礎設施即服務 (IaaS)
-* 平台即服務 (PaaS)
-* 無伺服器架構
-* 軟件即服務 (SaaS)
-
-了解這些不同類型的服務，並解釋它們是什麼以及它們之間的差異。說明哪些服務與物聯網 (IoT) 開發者相關。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 解釋不同的雲端服務 | 清楚解釋了所有 4 種服務類型 | 能夠解釋 3 種服務類型 | 只能解釋 1 或 2 種服務類型 |
-| 解釋哪些服務與物聯網相關 | 描述了哪些服務與物聯網開發者相關並解釋了原因 | 描述了哪些服務與物聯網開發者相關但未解釋原因 | 無法描述哪些服務與物聯網開發者相關 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
deleted file mode 100644
index feb763991..000000000
--- a/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
+++ /dev/null
@@ -1,130 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3ac42e284a7222c0e83d2d43231a364f",
-  "translation_date": "2025-08-26T14:50:32+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
-  "language_code": "hk"
-}
--->
-# 將您的 IoT 裝置連接到雲端 - 虛擬 IoT 硬件和 Raspberry Pi
-
-在本課程的這部分，您將把虛擬 IoT 裝置或 Raspberry Pi 連接到您的 IoT Hub，以傳送遙測數據並接收指令。
-
-## 將您的裝置連接到 IoT Hub
-
-下一步是將您的裝置連接到 IoT Hub。
-
-### 任務 - 連接到 IoT Hub
-
-1. 在 VS Code 中打開 `soil-moisture-sensor` 資料夾。如果您使用的是虛擬 IoT 裝置，請確保虛擬環境已在終端中運行。
-
-1. 安裝一些額外的 Pip 套件：
-
-    ```sh
-    pip3 install azure-iot-device
-    ```
-
-    `azure-iot-device` 是一個用於與 IoT Hub 通訊的庫。
-
-1. 在 `app.py` 文件的頂部，現有的導入語句下方添加以下導入：
-
-    ```python
-    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
-    ```
-
-    此代碼導入了與 IoT Hub 通訊的 SDK。
-
-1. 刪除 `import paho.mqtt.client as mqtt` 這行代碼，因為不再需要此庫。刪除所有 MQTT 相關代碼，包括主題名稱、所有使用 `mqtt_client` 的代碼以及 `handle_command`。保留 `while True:` 循環，只需刪除此循環中的 `mqtt_client.publish` 行。
-
-1. 在導入語句下方添加以下代碼：
-
-    ```python
-    connection_string = "<connection string>"
-    ```
-
-    將 `<connection string>` 替換為您在本課程早些時候為裝置檢索的連接字串。
-
-    > 💁 這並不是最佳做法。連接字串不應存儲在源代碼中，因為它可能被檢入源代碼控制並被任何人發現。我們在這裡這樣做是為了簡化操作。理想情況下，您應該使用類似環境變數的方式以及像 [`python-dotenv`](https://pypi.org/project/python-dotenv/) 這樣的工具。您將在即將到來的課程中學到更多相關內容。
-
-1. 在此代碼下方添加以下代碼，以創建一個可以與 IoT Hub 通訊的裝置客戶端對象並連接它：
-
-    ```python
-    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
-
-    print('Connecting')
-    device_client.connect()
-    print('Connected')
-    ```
-
-1. 運行此代碼。您將看到您的裝置已連接。
-
-    ```output
-    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
-    Connecting
-    Connected
-    Soil moisture: 379
-    ```
-
-## 傳送遙測數據
-
-現在您的裝置已連接，您可以將遙測數據傳送到 IoT Hub，而不是 MQTT broker。
-
-### 任務 - 傳送遙測數據
-
-1. 在 `while True` 循環內，睡眠之前添加以下代碼：
-
-    ```python
-    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
-    device_client.send_message(message)
-    ```
-
-    此代碼創建了一個包含土壤濕度讀數的 JSON 字串的 IoT Hub `Message`，然後將其作為裝置到雲端的消息傳送到 IoT Hub。
-
-## 處理指令
-
-您的裝置需要處理來自伺服器代碼的指令，以控制繼電器。這是通過直接方法請求發送的。
-
-## 任務 - 處理直接方法請求
-
-1. 在 `while True` 循環之前添加以下代碼：
-
-    ```python
-    def handle_method_request(request):
-        print("Direct method received - ", request.name)
-    
-        if request.name == "relay_on":
-            relay.on()
-        elif request.name == "relay_off":
-            relay.off()    
-    ```
-
-    此代碼定義了一個方法 `handle_method_request`，當 IoT Hub 調用直接方法時會被調用。每個直接方法都有一個名稱，此代碼期望名為 `relay_on` 的方法用於打開繼電器，以及名為 `relay_off` 的方法用於關閉繼電器。
-
-    > 💁 這也可以通過單一的直接方法請求來實現，將繼電器的期望狀態作為有效負載傳遞，該有效負載可以通過方法請求傳遞並從 `request` 對象中獲取。
-
-1. 直接方法需要一個響應來告訴調用代碼它們已被處理。在 `handle_method_request` 函數的末尾添加以下代碼，以創建對請求的響應：
-
-    ```python
-    method_response = MethodResponse.create_from_method_request(request, 200)
-    device_client.send_method_response(method_response)
-    ```
-
-    此代碼向直接方法請求發送一個 HTTP 狀態碼為 200 的響應，並將其返回到 IoT Hub。
-
-1. 在此函數定義下方添加以下代碼：
-
-    ```python
-    device_client.on_method_request_received = handle_method_request
-    ```
-
-    此代碼告訴 IoT Hub 客戶端在調用直接方法時調用 `handle_method_request` 函數。
-
-> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) 或 [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device) 資料夾中找到此代碼。
-
-😀 您的土壤濕度感測器程式已連接到您的 IoT Hub！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言版本的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
deleted file mode 100644
index 2b2a5b99f..000000000
--- a/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
+++ /dev/null
@@ -1,306 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "28320305a35ea3bc59c41fe146a2e6ed",
-  "translation_date": "2025-08-26T14:51:15+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
-  "language_code": "hk"
-}
--->
-# 將您的 IoT 裝置連接到雲端 - Wio Terminal
-
-在這部分課程中，您將把 Wio Terminal 連接到 IoT Hub，以傳送遙測數據並接收指令。
-
-## 將裝置連接到 IoT Hub
-
-下一步是將您的裝置連接到 IoT Hub。
-
-### 任務 - 連接到 IoT Hub
-
-1. 在 VS Code 中打開 `soil-moisture-sensor` 專案。
-
-1. 打開 `platformio.ini` 檔案。移除 `knolleary/PubSubClient` 函式庫的依賴。這個函式庫是用來連接到公共 MQTT broker 的，但連接到 IoT Hub 時不需要。
-
-1. 添加以下函式庫依賴：
-
-    ```ini
-    seeed-studio/Seeed Arduino RTC @ 2.0.0
-    arduino-libraries/AzureIoTHub @ 1.6.0
-    azure/AzureIoTUtility @ 1.6.1
-    azure/AzureIoTProtocol_MQTT @ 1.6.0
-    azure/AzureIoTProtocol_HTTP @ 1.6.0
-    azure/AzureIoTSocket_WiFi @ 1.0.2
-    ```
-
-    `Seeed Arduino RTC` 函式庫提供與 Wio Terminal 的實時時鐘互動的程式碼，用於追蹤時間。其餘的函式庫則讓您的 IoT 裝置能夠連接到 IoT Hub。
-
-1. 在 `platformio.ini` 檔案的底部添加以下內容：
-
-    ```ini
-    build_flags =
-        -DDONT_USE_UPLOADTOBLOB
-    ```
-
-    這會設置一個編譯器標誌，在編譯 Arduino IoT Hub 程式碼時需要用到。
-
-1. 打開 `config.h` 標頭檔案。移除所有 MQTT 設定，並添加以下裝置連接字串的常數：
-
-    ```cpp
-    // IoT Hub settings
-    const char *CONNECTION_STRING = "<connection string>";
-    ```
-
-    將 `<connection string>` 替換為您之前複製的裝置連接字串。
-
-1. 連接到 IoT Hub 使用的是基於時間的權杖。這意味著 IoT 裝置需要知道當前時間。與 Windows、macOS 或 Linux 等操作系統不同，微控制器不會自動通過網際網路同步當前時間。因此，您需要添加程式碼從 [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) 伺服器獲取當前時間。一旦獲取時間，它可以存儲在 Wio Terminal 的實時時鐘中，這樣即使裝置未斷電，也能在稍後請求正確的時間。新增一個名為 `ntp.h` 的檔案，並添加以下程式碼：
-
-    ```cpp
-    #pragma once
-    
-    #include "DateTime.h"
-    #include <time.h>
-    #include "samd/NTPClientAz.h"
-    #include <sys/time.h>
-
-    static void initTime()
-    {
-        WiFiUDP _udp;
-        time_t epochTime = (time_t)-1;
-        NTPClientAz ntpClient;
-
-        ntpClient.begin();
-
-        while (true)
-        {
-            epochTime = ntpClient.getEpochTime("0.pool.ntp.org");
-
-            if (epochTime == (time_t)-1)
-            {
-                Serial.println("Fetching NTP epoch time failed! Waiting 2 seconds to retry.");
-                delay(2000);
-            }
-            else
-            {
-                Serial.print("Fetched NTP epoch time is: ");
-
-                char buff[32];
-                sprintf(buff, "%.f", difftime(epochTime, (time_t)0));
-                Serial.println(buff);
-                break;
-            }
-        }
-
-        ntpClient.end();
-
-        struct timeval tv;
-        tv.tv_sec = epochTime;
-        tv.tv_usec = 0;
-
-        settimeofday(&tv, NULL);
-    }
-    ```
-
-    這段程式碼的細節超出了本課程的範圍。它定義了一個名為 `initTime` 的函式，用於從 NTP 伺服器獲取當前時間，並用它來設置 Wio Terminal 的時鐘。
-
-1. 打開 `main.cpp` 檔案，移除所有 MQTT 程式碼，包括 `PubSubClient.h` 標頭檔案、`PubSubClient` 變數的宣告、`reconnectMQTTClient` 和 `createMQTTClient` 方法，以及對這些變數和方法的任何調用。這個檔案應該只包含連接 WiFi、獲取土壤濕度並用它創建 JSON 文件的程式碼。
-
-1. 在 `main.cpp` 檔案的頂部添加以下 `#include` 指令，以包含 IoT Hub 函式庫和設置時間的標頭檔案：
-
-    ```cpp
-    #include <AzureIoTHub.h>
-    #include <AzureIoTProtocol_MQTT.h>
-    #include <iothubtransportmqtt.h>
-    #include "ntp.h"
-    ```
-
-1. 在 `setup` 函式的末尾添加以下調用來設置當前時間：
-
-    ```cpp
-    initTime();
-    ```
-
-1. 在檔案頂部的 `#include` 指令下方添加以下變數宣告：
-
-    ```cpp
-    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
-    ```
-
-    這宣告了一個 `IOTHUB_DEVICE_CLIENT_LL_HANDLE`，即 IoT Hub 連接的句柄。
-
-1. 在這之下添加以下程式碼：
-
-    ```cpp
-    static void connectionStatusCallback(IOTHUB_CLIENT_CONNECTION_STATUS result, IOTHUB_CLIENT_CONNECTION_STATUS_REASON reason, void *user_context)
-    {
-        if (result == IOTHUB_CLIENT_CONNECTION_AUTHENTICATED)
-        {
-            Serial.println("The device client is connected to iothub");
-        }
-        else
-        {
-            Serial.println("The device client has been disconnected");
-        }
-    }
-    ```
-
-    這定義了一個回調函式，當連接到 IoT Hub 的狀態發生變化（例如連接或斷開）時會被調用。狀態會被發送到序列埠。
-
-1. 在這之下添加一個函式來連接到 IoT Hub：
-
-    ```cpp
-    void connectIoTHub()
-    {
-        IoTHub_Init();
-    
-        _device_ll_handle = IoTHubDeviceClient_LL_CreateFromConnectionString(CONNECTION_STRING, MQTT_Protocol);
-        
-        if (_device_ll_handle == NULL)
-        {
-            Serial.println("Failure creating Iothub device. Hint: Check your connection string.");
-            return;
-        }
-    
-        IoTHubDeviceClient_LL_SetConnectionStatusCallback(_device_ll_handle, connectionStatusCallback, NULL);
-    }
-    ```
-
-    這段程式碼初始化 IoT Hub 函式庫程式碼，然後使用 `config.h` 標頭檔案中的連接字串創建連接。這個連接基於 MQTT。如果連接失敗，錯誤會被發送到序列埠——如果您在輸出中看到這個錯誤，請檢查連接字串。最後，設置連接狀態回調。
-
-1. 在 `setup` 函式中，在調用 `initTime` 的下方調用這個函式：
-
-    ```cpp
-    connectIoTHub();
-    ```
-
-1. 與 MQTT 客戶端一樣，這段程式碼運行在單線程上，因此需要時間來處理由 Hub 發送和接收的消息。在 `loop` 函式的頂部添加以下內容來實現：
-
-    ```cpp
-    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
-    ```
-
-1. 編譯並上傳這段程式碼。您會在序列監視器中看到連接：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Fetched NTP epoch time is: 1619983687
-    Sending telemetry {"soil_moisture":391}
-    The device client is connected to iothub
-    ```
-
-    在輸出中，您可以看到 NTP 時間被獲取，然後裝置客戶端連接。連接可能需要幾秒鐘，因此在裝置連接時，您可能會在輸出中看到土壤濕度。
-
-    > 💁 您可以使用像 [unixtimestamp.com](https://www.unixtimestamp.com) 這樣的網站將 NTP 的 UNIX 時間轉換為更易讀的格式。
-
-## 傳送遙測數據
-
-現在您的裝置已連接，您可以將遙測數據傳送到 IoT Hub，而不是 MQTT broker。
-
-### 任務 - 傳送遙測數據
-
-1. 在 `setup` 函式上方添加以下函式：
-
-    ```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);
-    }
-    ```
-
-    這段程式碼從作為參數傳遞的字串創建一個 IoT Hub 消息，將其發送到 Hub，然後清理消息物件。
-
-1. 在 `loop` 函式中，在將遙測數據發送到序列埠的那一行之後調用這段程式碼：
-
-    ```cpp
-    sendTelemetry(telemetry.c_str());
-    ```
-
-## 處理指令
-
-您的裝置需要處理來自伺服器程式碼的指令，以控制繼電器。這是通過直接方法請求發送的。
-
-### 任務 - 處理直接方法請求
-
-1. 在 `connectIoTHub` 函式之前添加以下程式碼：
-
-    ```cpp
-    int directMethodCallback(const char *method_name, const unsigned char *payload, size_t size, unsigned char **response, size_t *response_size, void *userContextCallback)
-    {
-        Serial.printf("Direct method received %s\r\n", method_name);
-    
-        if (strcmp(method_name, "relay_on") == 0)
-        {
-            digitalWrite(PIN_WIRE_SCL, HIGH);
-        }
-        else if (strcmp(method_name, "relay_off") == 0)
-        {
-            digitalWrite(PIN_WIRE_SCL, LOW);
-        }
-    }
-    ```
-
-    這段程式碼定義了一個回調方法，當 IoT Hub 函式庫收到直接方法請求時會調用。請求的方法名稱會通過 `method_name` 參數傳遞。這個函式會將調用的方法名稱打印到序列埠，然後根據方法名稱打開或關閉繼電器。
-
-    > 💁 這也可以通過單一的直接方法請求來實現，將繼電器的期望狀態作為有效負載傳遞，該有效負載可以通過 `payload` 參數獲取。
-
-1. 在 `directMethodCallback` 函式的末尾添加以下程式碼：
-
-    ```cpp
-    char resultBuff[16];
-    sprintf(resultBuff, "{\"Result\":\"\"}");
-    *response_size = strlen(resultBuff);
-    *response = (unsigned char *)malloc(*response_size);
-    memcpy(*response, resultBuff, *response_size);
-
-    return IOTHUB_CLIENT_OK;
-    ```
-
-    直接方法請求需要一個回應，回應分為兩部分——作為文字的回應和返回碼。這段程式碼會創建以下 JSON 文件作為結果：
-
-    ```JSON
-    {
-        "Result": ""
-    }
-    ```
-
-    然後將其複製到 `response` 參數中，並在 `response_size` 參數中設置這個回應的大小。這段程式碼最後返回 `IOTHUB_CLIENT_OK`，表示方法已正確處理。
-
-1. 在 `connectIoTHub` 函式的末尾添加以下程式碼來連接回調：
-
-    ```cpp
-    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
-    ```
-
-1. `loop` 函式會調用 `IoTHubDeviceClient_LL_DoWork` 函式來處理 IoT Hub 發送的事件。由於 `delay` 的原因，這個函式每 10 秒才會被調用一次，這意味著直接方法每 10 秒才會被處理一次。為了提高效率，可以將 10 秒的延遲分解為多個較短的延遲，每次調用 `IoTHubDeviceClient_LL_DoWork`。為此，在 `loop` 函式之前添加以下程式碼：
-
-    ```cpp
-    void work_delay(int delay_time)
-    {
-        int current = 0;
-        do
-        {
-            IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
-            delay(100);
-            current += 100;
-        } while (current < delay_time);
-    }
-    ```
-
-    這段程式碼會重複循環，調用 `IoTHubDeviceClient_LL_DoWork`，每次延遲 100 毫秒。它會根據 `delay_time` 參數的值執行多次，這意味著裝置最多等待 100 毫秒來處理直接方法請求。
-
-1. 在 `loop` 函式中，移除對 `IoTHubDeviceClient_LL_DoWork` 的調用，並將 `delay(10000)` 替換為以下程式碼來調用這個新函式：
-
-    ```cpp
-    work_delay(10000);
-    ```
-
-> 💁 您可以在 [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 您的土壤濕度感測器程式已成功連接到 IoT Hub！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/hk/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
deleted file mode 100644
index e0a2b7e05..000000000
--- a/translations/hk/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
+++ /dev/null
@@ -1,656 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
-  "translation_date": "2025-08-26T14:37:08+00:00",
-  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
-  "language_code": "hk"
-}
--->
-# 將應用程式邏輯遷移到雲端
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [IoT for Beginners Project 2 - Digital Agriculture 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。
-
-[![使用無伺服器代碼控制您的 IoT 裝置](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
-
-## 簡介
-
-在上一課中，您學會了如何將植物土壤濕度監測和繼電器控制連接到基於雲端的 IoT 服務。下一步是將控制繼電器定時的伺服器代碼遷移到雲端。在本課中，您將學習如何使用無伺服器函數來完成這一過程。
-
-本課將涵蓋以下內容：
-
-* [什麼是無伺服器？](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [建立無伺服器應用程式](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [建立 IoT Hub 事件觸發器](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [從無伺服器代碼發送直接方法請求](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [將無伺服器代碼部署到雲端](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-
-## 什麼是無伺服器？
-
-無伺服器（或無伺服器計算）是指創建小型代碼塊，這些代碼塊會在雲端中根據不同類型的事件執行。當事件發生時，您的代碼會被執行，並接收有關該事件的數據。這些事件可以來自多種來源，包括網頁請求、放入佇列的消息、數據庫中數據的更改，或者 IoT 裝置發送到 IoT 服務的消息。
-
-![事件從 IoT 服務發送到無伺服器服務，所有事件同時由多個函數處理](../../../../../translated_images/zh-HK/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png)
-
-> 💁 如果您之前使用過數據庫觸發器，可以將其視為類似的概念，即代碼因事件（如插入一行）而觸發。
-
-![當許多事件同時發生時，無伺服器服務會擴展以同時處理所有事件](../../../../../translated_images/zh-HK/serverless-scaling.f8c769adf0413fd1.webp)
-
-您的代碼僅在事件發生時執行，其他時間並不會保持活躍。事件發生時，您的代碼會被加載並執行。這使得無伺服器具有很高的可擴展性——如果許多事件同時發生，雲端提供商可以根據需要同時運行多個函數，利用其可用的伺服器資源。這種模式的缺點是，如果需要在事件之間共享信息，則需要將其存儲在數據庫等地方，而不是存儲在記憶體中。
-
-您的代碼以函數的形式編寫，並將事件的詳細信息作為參數傳遞。您可以使用多種程式語言來編寫這些無伺服器函數。
-
-> 🎓 無伺服器也被稱為「函數即服務」（Functions as a Service，FaaS），因為每個事件觸發器都以代碼中的函數形式實現。
-
-儘管名稱是「無伺服器」，但實際上仍然使用伺服器。這個名稱的由來是因為作為開發者，您不需要關心運行代碼所需的伺服器，您只需關心代碼是否能響應事件執行。雲端提供商有一個無伺服器*運行時*，負責管理伺服器分配、網絡、存儲、CPU、記憶體以及運行代碼所需的一切。這種模式意味著您無法按伺服器付費，因為並不存在具體的伺服器。相反，您按代碼運行的時間和使用的記憶體量付費。
-
-> 💰 無伺服器是運行雲端代碼最便宜的方式之一。例如，在撰寫本文時，一家雲端提供商允許所有無伺服器函數每月執行總計 1,000,000 次之前免費，超過後每 1,000,000 次執行收費 0.20 美元。當您的代碼未運行時，您不需要支付任何費用。
-
-作為 IoT 開發者，無伺服器模型非常理想。您可以編寫一個函數，當任何連接到雲端 IoT 服務的 IoT 裝置發送消息時，該函數會被調用。您的代碼將處理所有發送的消息，但僅在需要時運行。
-
-✅ 回顧您之前編寫的伺服器代碼，該代碼通過 MQTT 接收消息。這段代碼如何在雲端使用無伺服器運行？您認為需要對代碼進行哪些更改以支持無伺服器計算？
-
-> 💁 無伺服器模型正在擴展到其他雲端服務，不僅僅是運行代碼。例如，雲端中還有無伺服器數據庫，這些數據庫使用無伺服器定價模型，按對數據庫的請求次數（如查詢或插入）付費，通常基於完成請求所需的工作量定價。例如，根據主鍵選擇一行的操作成本低於執行多表聯接並返回數千行的複雜操作。
-
-## 建立無伺服器應用程式
-
-Microsoft 的無伺服器計算服務稱為 Azure Functions。
-
-![Azure Functions 標誌](../../../../../translated_images/zh-HK/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png)
-
-以下的短視頻提供了 Azure Functions 的概覽：
-
-[![Azure Functions 概覽視頻](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
-
-> 🎥 點擊上方圖片觀看視頻
-
-✅ 花點時間進行一些研究，閱讀 [Microsoft Azure Functions 文檔](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn) 中的 Azure Functions 概覽。
-
-要編寫 Azure Functions，您需要從選擇的程式語言開始創建 Azure Functions 應用程式。Azure Functions 原生支持 Python、JavaScript、TypeScript、C#、F#、Java 和 Powershell。在本課中，您將學習如何使用 Python 編寫 Azure Functions 應用程式。
-
-> 💁 Azure Functions 還支持自定義處理程序，因此您可以使用任何支持 HTTP 請求的語言編寫函數，包括像 COBOL 這樣的舊語言。
-
-Functions 應用程式由一個或多個*觸發器*組成——這些觸發器是響應事件的函數。您可以在一個應用程式中包含多個觸發器，並共享通用配置。例如，您的 Functions 應用程式的配置文件中可以包含 IoT Hub 的連接詳細信息，應用程式中的所有函數都可以使用這些信息來連接並監聽事件。
-
-### 任務 - 安裝 Azure Functions 工具
-
-> 在撰寫本文時，Azure Functions 的代碼工具在 Apple Silicon 上對 Python 項目尚未完全支持。您需要使用基於 Intel 的 Mac、Windows PC 或 Linux PC。
-
-Azure Functions 的一大特點是您可以在本地運行它們。與雲端中使用的運行時相同的運行時可以在您的電腦上運行，這使您能夠編寫響應 IoT 消息的代碼並在本地運行。您甚至可以在處理事件時調試代碼。一旦您對代碼感到滿意，就可以將其部署到雲端。
-
-Azure Functions 工具可作為 CLI 使用，稱為 Azure Functions Core Tools。
-
-1. 按照 [Azure Functions Core Tools 文檔](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn) 中的說明安裝 Azure Functions Core Tools。
-
-1. 安裝 VS Code 的 Azure Functions 擴展。此擴展提供創建、調試和部署 Azure Functions 的支持。請參考 [Azure Functions 擴展文檔](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions) 了解如何在 VS Code 中安裝此擴展。
-
-當您將 Azure Functions 應用程式部署到雲端時，它需要使用少量雲端存儲來存儲應用程式文件和日誌文件等內容。當您在本地運行 Functions 應用程式時，仍然需要連接到雲端存儲，但可以使用名為 [Azurite](https://github.com/Azure/Azurite) 的存儲模擬器。這個模擬器在本地運行，但表現得像雲端存儲。
-
-> 🎓 在 Azure 中，Azure Functions 使用的存儲是 Azure Storage Account。這些帳戶可以存儲文件、Blob、表中的數據或佇列中的數據。您可以在多個應用程式之間共享一個存儲帳戶，例如 Functions 應用程式和 Web 應用程式。
-
-1. Azurite 是一個 Node.js 應用程式，因此您需要安裝 Node.js。您可以在 [Node.js 官網](https://nodejs.org/) 上找到下載和安裝說明。如果您使用的是 Mac，也可以通過 [Homebrew](https://formulae.brew.sh/formula/node) 安裝。
-
-1. 使用以下命令安裝 Azurite（`npm` 是安裝 Node.js 時附帶的工具）：
-
-    ```sh
-    npm install -g azurite
-    ```
-
-1. 創建一個名為 `azurite` 的資料夾，供 Azurite 用於存儲數據：
-
-    ```sh
-    mkdir azurite
-    ```
-
-1. 運行 Azurite，並將此新資料夾作為參數傳遞：
-
-    ```sh
-    azurite --location azurite
-    ```
-
-    Azurite 存儲模擬器將啟動，並準備好供本地 Functions 運行時連接。
-
-    ```output
-    ➜  ~ azurite --location azurite  
-    Azurite Blob service is starting at http://127.0.0.1:10000
-    Azurite Blob service is successfully listening at http://127.0.0.1:10000
-    Azurite Queue service is starting at http://127.0.0.1:10001
-    Azurite Queue service is successfully listening at http://127.0.0.1:10001
-    Azurite Table service is starting at http://127.0.0.1:10002
-    Azurite Table service is successfully listening at http://127.0.0.1:10002
-    ```
-
-### 任務 - 創建 Azure Functions 項目
-
-Azure Functions CLI 可用於創建新的 Functions 應用程式。
-
-1. 為您的 Functions 應用程式創建一個資料夾並進入該資料夾。將其命名為 `soil-moisture-trigger`：
-
-    ```sh
-    mkdir soil-moisture-trigger
-    cd soil-moisture-trigger
-    ```
-
-1. 在此資料夾中創建一個 Python 虛擬環境：
-
-    ```sh
-    python3 -m venv .venv
-    ```
-
-1. 啟用虛擬環境：
-
-    * 在 Windows 上：
-        * 如果您使用的是命令提示符或 Windows Terminal 中的命令提示符，運行：
-
-            ```cmd
-            .venv\Scripts\activate.bat
-            ```
-
-        * 如果您使用的是 PowerShell，運行：
-
-            ```powershell
-            .\.venv\Scripts\Activate.ps1
-            ```
-
-    * 在 macOS 或 Linux 上，運行：
-
-        ```cmd
-        source ./.venv/bin/activate
-        ```
-
-    > 💁 這些命令應從您創建虛擬環境的相同位置運行。您永遠不需要進入 `.venv` 資料夾，應始終從創建虛擬環境時所在的資料夾運行啟用命令以及任何安裝包或運行代碼的命令。
-
-1. 運行以下命令以在此資料夾中創建 Functions 應用程式：
-
-    ```sh
-    func init --worker-runtime python soil-moisture-trigger
-    ```
-
-    這將在當前資料夾中創建三個文件：
-
-    * `host.json` - 此 JSON 文件包含您的 Functions 應用程式的設置。您無需修改這些設置。
-    * `local.settings.json` - 此 JSON 文件包含應用程式在本地運行時使用的設置，例如 IoT Hub 的連接字符串。這些設置僅限於本地使用，不應添加到源代碼控制中。當應用程式部署到雲端時，這些設置不會被部署，而是從應用程式設置中加載。這將在本課稍後介紹。
-    * `requirements.txt` - 這是一個 [Pip requirements 文件](https://pip.pypa.io/en/stable/user_guide/#requirements-files)，其中包含運行 Functions 應用程式所需的 Pip 包。
-
-1. `local.settings.json` 文件中有一個設置是 Functions 應用程式將使用的存儲帳戶。默認為空設置，因此需要設置為以下值以連接到 Azurite 本地存儲模擬器：
-
-    ```json
-    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
-    ```
-
-1. 使用 requirements 文件安裝必要的 Pip 包：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-    > 💁 必需的 Pip 包需要在此文件中，以便當 Functions 應用程式部署到雲端時，運行時可以確保安裝正確的包。
-
-1. 為測試一切是否正常運行，您可以啟動 Functions 運行時。運行以下命令啟動：
-
-    ```sh
-    func start
-    ```
-
-    您將看到運行時啟動並報告未找到任何作業函數（觸發器）。
-
-    ```output
-    (.venv) ➜  soil-moisture-trigger func start
-    Found Python version 3.9.1 (python3).
-    
-    Azure Functions Core Tools
-    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
-    Function Runtime Version: 3.0.15417.0
-    
-    [2021-05-05T01:24:46.795Z] No job functions found.
-    ```
-> ⚠️ 如果收到防火牆通知，請授予訪問權限，因為 `func` 應用程式需要能夠讀寫您的網絡。
-> ⚠️ 如果你正在使用 macOS，輸出可能會出現警告：
->
-> ```output
-    > (.venv) ➜  soil-moisture-trigger func start
-    > Found Python version 3.9.1 (python3).
-    >
-    > Azure Functions Core Tools
-    > Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
-    > Function Runtime Version: 3.0.15417.0
-    >
-    > [2021-06-16T08:18:28.315Z] Cannot create directory for shared memory usage: /dev/shm/AzureFunctions
-    > [2021-06-16T08:18:28.316Z] System.IO.FileSystem: Access to the path '/dev/shm/AzureFunctions' is denied. Operation not permitted.
-    > [2021-06-16T08:18:30.361Z] No job functions found.
-    > ```
->
-> 只要 Functions 應用程式能正確啟動並列出正在運行的函數，你可以忽略這些警告。如 [Microsoft Docs Q&A 上的這個問題](https://docs.microsoft.com/answers/questions/396617/azure-functions-core-tools-error-osx-devshmazurefu.html?WT.mc_id=academic-17441-jabenn) 所述，這些警告可以忽略。
-
-1. 按下 `ctrl+c` 停止 Functions 應用程式。
-
-1. 在 VS Code 中打開當前資料夾，可以直接打開 VS Code 然後選擇此資料夾，或者執行以下命令：
-
-    ```sh
-    code .
-    ```
-
-    VS Code 會檢測到你的 Functions 專案並顯示一個通知：
-
-    ```output
-    Detected an Azure Functions Project in folder "soil-moisture-trigger" that may have been created outside of
-    VS Code. Initialize for optimal use with VS Code?
-    ```
-
-    ![通知](../../../../../translated_images/zh-HK/vscode-azure-functions-init-notification.bd19b49229963edb.webp)
-
-    在通知中選擇 **Yes**。
-
-1. 確保 Python 虛擬環境在 VS Code 的終端中正在運行。如果需要，終止並重新啟動它。
-
-## 建立 IoT Hub 事件觸發器
-
-Functions 應用程式是你的無伺服器代碼的外殼。為了響應 IoT Hub 的事件，你可以在此應用程式中新增一個 IoT Hub 觸發器。此觸發器需要連接到發送到 IoT Hub 的消息流並對其作出響應。要獲取這些消息流，你的觸發器需要連接到 IoT Hub 的 *事件中心兼容端點*。
-
-IoT Hub 是基於另一個 Azure 服務 Azure Event Hubs 的。Event Hubs 是一個允許發送和接收消息的服務，而 IoT Hub 擴展了它以增加 IoT 設備的功能。連接到 IoT Hub 以讀取消息的方式與使用 Event Hubs 是相同的。
-
-✅ 做一些研究：閱讀 [Azure Event Hubs 文件](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn) 中的概述。基本功能與 IoT Hub 有何不同？
-
-要讓 IoT 設備連接到 IoT Hub，它必須使用一個密鑰來確保只有允許的設備可以連接。同樣，當連接以讀取消息時，你的代碼需要一個包含密鑰的連接字串以及 IoT Hub 的詳細信息。
-
-> 💁 預設的連接字串具有 **iothubowner** 權限，這使得任何使用它的代碼都擁有 IoT Hub 的全部權限。理想情況下，你應該使用最低必要權限進行連接。這將在下一課中介紹。
-
-一旦你的觸發器已連接，函數中的代碼將會在每次消息發送到 IoT Hub 時被調用，無論是哪個設備發送的。觸發器會將消息作為參數傳遞。
-
-### 任務 - 獲取事件中心兼容端點的連接字串
-
-1. 從 VS Code 的終端執行以下命令以獲取 IoT Hub 的事件中心兼容端點的連接字串：
-
-    ```sh
-    az iot hub connection-string show --default-eventhub \
-                                      --output table \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於 IoT Hub 的名稱。
-
-1. 在 VS Code 中打開 `local.settings.json` 文件。在 `Values` 部分內新增以下值：
-
-    ```json
-    "IOT_HUB_CONNECTION_STRING": "<connection string>"
-    ```
-
-    將 `<connection string>` 替換為上一步中的值。你需要在上一行後添加逗號以使其成為有效的 JSON。
-
-### 任務 - 建立事件觸發器
-
-現在你可以建立事件觸發器了。
-
-1. 從 VS Code 的終端，在 `soil-moisture-trigger` 資料夾內執行以下命令：
-
-    ```sh
-    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
-    ```
-
-    這將建立一個名為 `iot-hub-trigger` 的新函數。觸發器將連接到 IoT Hub 的事件中心兼容端點，因此你可以使用事件中心觸發器。沒有特定的 IoT Hub 觸發器。
-
-這將在 `soil-moisture-trigger` 資料夾內建立一個名為 `iot-hub-trigger` 的資料夾，其中包含此函數。此資料夾內將包含以下文件：
-
-* `__init__.py` - 這是包含觸發器的 Python 代碼文件，使用標準的 Python 文件命名規則將此資料夾轉換為 Python 模組。
-
-    此文件將包含以下代碼：
-
-    ```python
-    import logging
-
-    import azure.functions as func
-
-
-    def main(event: func.EventHubEvent):
-        logging.info('Python EventHub trigger processed an event: %s',
-                    event.get_body().decode('utf-8'))
-    ```
-
-    觸發器的核心是 `main` 函數。每次 IoT Hub 發送消息時，該函數都會被調用，並將消息作為 `event` 傳遞，還有一些屬性與你在上一課中看到的註解相同。
-
-    此函數的核心是記錄事件。
-
-* `function.json` - 此文件包含觸發器的配置。主要配置在名為 `bindings` 的部分中。綁定是 Azure Functions 與其他 Azure 服務之間的連接術語。此函數有一個輸入綁定到事件中心 - 它連接到事件中心並接收數據。
-
-    > 💁 你也可以有輸出綁定，函數的輸出可以發送到另一個服務。例如，你可以新增一個輸出綁定到資料庫，並將 IoT Hub 的事件從函數返回，這樣它就會自動插入到資料庫中。
-
-    ✅ 做一些研究：閱讀 [Azure Functions 觸發器和綁定概念文件](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python) 中的綁定相關內容。
-
-    `bindings` 部分包括綁定的配置。以下是一些重要的值：
-
-  * `"type": "eventHubTrigger"` - 指定函數需要監聽來自事件中心的事件
-  * `"name": "events"` - 事件中心事件的參數名稱。這與 Python 代碼中 `main` 函數的參數名稱一致。
-  * `"direction": "in"` - 這是一個輸入綁定，事件中心的數據進入函數
-  * `"connection": ""` - 定義要從設置中讀取連接字串的名稱。在本地運行時，這將從 `local.settings.json` 文件中讀取此設置。
-
-    > 💁 連接字串不能存儲在 `function.json` 文件中，必須從設置中讀取。這是為了防止意外暴露你的連接字串。
-
-1. 由於 [Azure Functions 模板中的一個錯誤](https://github.com/Azure/azure-functions-templates/issues/1250)，`function.json` 中的 `cardinality` 字段值不正確。將此字段的值從 `many` 更新為 `one`：
-
-    ```json
-    "cardinality": "one",
-    ```
-
-1. 更新 `function.json` 文件中 `"connection"` 的值，使其指向你在 `local.settings.json` 文件中新增的值：
-
-    ```json
-    "connection": "IOT_HUB_CONNECTION_STRING",
-    ```
-
-    > 💁 記住 - 這需要指向設置，而不是包含實際的連接字串。
-
-1. 連接字串包含 `eventHubName` 值，因此 `function.json` 文件中的此值需要清空。將此值更新為空字串：
-
-    ```json
-    "eventHubName": "",
-    ```
-
-### 任務 - 運行事件觸發器
-
-1. 確保你沒有運行 IoT Hub 事件監視器。如果此監視器與 Functions 應用程式同時運行，Functions 應用程式將無法連接並消耗事件。
-
-    > 💁 多個應用程式可以使用不同的 *消費者組* 連接到 IoT Hub 的端點。這些內容將在後續課程中介紹。
-
-1. 要運行 Functions 應用程式，從 VS Code 的終端執行以下命令：
-
-    ```sh
-    func start
-    ```
-
-    Functions 應用程式將啟動，並發現 `iot-hub-trigger` 函數。它將處理過去一天內已發送到 IoT Hub 的任何事件。
-
-    ```output
-    (.venv) ➜  soil-moisture-trigger func start
-    Found Python version 3.9.1 (python3).
-    
-    Azure Functions Core Tools
-    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
-    Function Runtime Version: 3.0.15417.0
-    
-    Functions:
-    
-            iot-hub-trigger: eventHubTrigger
-    
-    For detailed output, run func with --verbose flag.
-    [2021-05-05T02:44:07.517Z] Worker process started and initialized.
-    [2021-05-05T02:44:09.202Z] Executing 'Functions.iot-hub-trigger' (Reason='(null)', Id=802803a5-eae9-4401-a1f4-176631456ce4)
-    [2021-05-05T02:44:09.205Z] Trigger Details: PartitionId: 0, Offset: 1011240-1011632, EnqueueTimeUtc: 2021-05-04T19:04:04.2030000Z-2021-05-04T19:04:04.3900000Z, SequenceNumber: 2546-2547, Count: 2
-    [2021-05-05T02:44:09.352Z] Python EventHub trigger processed an event: {"soil_moisture":628}
-    [2021-05-05T02:44:09.354Z] Python EventHub trigger processed an event: {"soil_moisture":624}
-    [2021-05-05T02:44:09.395Z] Executed 'Functions.iot-hub-trigger' (Succeeded, Id=802803a5-eae9-4401-a1f4-176631456ce4, Duration=245ms)
-    ```
-
-    每次函數調用的輸出都會被 `Executing 'Functions.iot-hub-trigger'`/`Executed 'Functions.iot-hub-trigger'` 塊包圍，因此你可以看到每次函數調用處理了多少消息。
-
-1. 確保你的 IoT 設備正在運行，你將看到新的土壤濕度消息出現在 Functions 應用程式中。
-
-1. 停止並重新啟動 Functions 應用程式。你會看到它不會再次處理之前的消息，只會處理新的消息。
-
-> 💁 VS Code 也支持調試你的 Functions。你可以通過點擊代碼行開始處的邊框設置斷點，或者將光標放在代碼行上並選擇 *Run -> Toggle breakpoint*，或者按下 `F9`。你可以通過選擇 *Run -> Start debugging*，按下 `F5`，或者選擇 *Run and debug* 面板並點擊 **Start debugging** 按鈕啟動調試器。通過這樣做，你可以查看正在處理的事件的詳細信息。
-
-#### 疑難排解
-
-* 如果出現以下錯誤：
-
-    ```output
-    The listener for function 'Functions.iot-hub-trigger' was unable to start. Microsoft.WindowsAzure.Storage: Connection refused. System.Net.Http: Connection refused. System.Private.CoreLib: Connection refused.
-    ```
-
-    檢查 Azurite 是否正在運行，並且你已在 `local.settings.json` 文件中將 `AzureWebJobsStorage` 設置為 `UseDevelopmentStorage=true`。
-
-* 如果出現以下錯誤：
-
-    ```output
-    System.Private.CoreLib: Exception while executing function: Functions.iot-hub-trigger. System.Private.CoreLib: Result: Failure Exception: AttributeError: 'list' object has no attribute 'get_body'
-    ```
-
-    檢查你是否已將 `function.json` 文件中的 `cardinality` 設置為 `one`。
-
-* 如果出現以下錯誤：
-
-    ```output
-    Azure.Messaging.EventHubs: The path to an Event Hub may be specified as part of the connection string or as a separate value, but not both.  Please verify that your connection string does not have the `EntityPath` token if you are passing an explicit Event Hub name. (Parameter 'connectionString').
-    ```
-
-    檢查你是否已將 `function.json` 文件中的 `eventHubName` 設置為空字串。
-
-## 從無伺服器代碼發送直接方法請求
-
-到目前為止，你的 Functions 應用程式正在使用事件中心兼容端點監聽來自 IoT Hub 的消息。現在你需要向 IoT 設備發送命令。這是通過使用 *Registry Manager* 連接到 IoT Hub 來完成的。Registry Manager 是一個工具，允許你查看哪些設備已註冊到 IoT Hub，並通過發送雲到設備消息、直接方法請求或更新設備雙向通信。你也可以使用它來註冊、更新或刪除 IoT Hub 中的設備。
-
-要連接到 Registry Manager，你需要一個連接字串。
-
-### 任務 - 獲取 Registry Manager 連接字串
-
-1. 要獲取連接字串，執行以下命令：
-
-    ```sh
-    az iot hub connection-string show --policy-name service \
-                                      --output table \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於 IoT Hub 的名稱。
-
-    連接字串是為 *ServiceConnect* 策略請求的，使用 `--policy-name service` 參數。當你請求連接字串時，可以指定該連接字串允許的權限。ServiceConnect 策略允許你的代碼連接並向 IoT 設備發送消息。
-
-    ✅ 做一些研究：閱讀 [IoT Hub 權限文件](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn) 中的不同策略。
-
-1. 在 VS Code 中打開 `local.settings.json` 文件。在 `Values` 部分內新增以下值：
-
-    ```json
-    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
-    ```
-
-    將 `<connection string>` 替換為上一步中的值。你需要在上一行後添加逗號以使其成為有效的 JSON。
-
-### 任務 - 向設備發送直接方法請求
-
-1. Registry Manager 的 SDK 可通過 Pip 套件獲得。在 `requirements.txt` 文件中新增以下行以添加此套件的依賴：
-
-    ```sh
-    azure-iot-hub
-    ```
-
-1. 確保 VS Code 終端已激活虛擬環境，並執行以下命令以安裝 Pip 套件：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-1. 在 `__init__.py` 文件中新增以下導入：
-
-    ```python
-    import json
-    import os
-    from azure.iot.hub import IoTHubRegistryManager
-    from azure.iot.hub.models import CloudToDeviceMethod
-    ```
-
-    這導入了一些系統庫，以及與 Registry Manager 交互並發送直接方法請求的庫。
-
-1. 移除 `main` 方法內的代碼，但保留該方法本身。
-
-1. 在 `main` 方法內新增以下代碼：
-
-    ```python
-    body = json.loads(event.get_body().decode('utf-8'))
-    device_id = event.iothub_metadata['connection-device-id']
-
-    logging.info(f'Received message: {body} from {device_id}')
-    ```
-
-    此代碼提取事件的主體，其中包含 IoT 設備發送的 JSON 消息。
-
-    然後從消息的註解中獲取設備 ID。事件的主體包含作為遙測發送的消息，`iothub_metadata` 字典包含 IoT Hub 設置的屬性，例如發送者的設備 ID 和消息發送的時間。
-
-    此信息隨後被記錄。當你在本地運行 Functions 應用程式時，你會在終端中看到這些日誌。
-
-1. 在此代碼下方新增以下代碼：
-
-    ```python
-    soil_moisture = body['soil_moisture']
-
-    if soil_moisture > 450:
-        direct_method = CloudToDeviceMethod(method_name='relay_on', payload='{}')
-    else:
-        direct_method = CloudToDeviceMethod(method_name='relay_off', payload='{}')
-    ```
-
-    此代碼從消息中獲取土壤濕度。然後檢查土壤濕度，根據其值，為 `relay_on` 或 `relay_off` 直接方法創建一個輔助類。方法請求不需要有效載荷，因此發送一個空的 JSON 文檔。
-
-1. 在此代碼下方新增以下代碼：
-
-    ```python
-    logging.info(f'Sending direct method request for {direct_method.method_name} for device {device_id}')
-
-    registry_manager_connection_string = os.environ['REGISTRY_MANAGER_CONNECTION_STRING']
-    registry_manager = IoTHubRegistryManager(registry_manager_connection_string)
-    ```
-此程式碼從 `local.settings.json` 檔案中載入 `REGISTRY_MANAGER_CONNECTION_STRING`。該檔案中的值會作為環境變數提供，並可透過 `os.environ` 函數讀取，該函數會返回所有環境變數的字典。
-
-> 💁 當此程式碼部署到雲端時，`local.settings.json` 檔案中的值將被設置為 *應用程式設定*，並可從環境變數中讀取。
-
-接著，程式碼使用連接字串建立一個 Registry Manager 輔助類別的實例。
-
-1. 在下方新增以下程式碼：
-
-    ```python
-    registry_manager.invoke_device_method(device_id, direct_method)
-
-    logging.info('Direct method request sent!')
-    ```
-
-    此程式碼指示 Registry Manager 將直接方法請求發送到傳送遙測數據的裝置。
-
-    > 💁 在您之前使用 MQTT 創建的應用程式版本中，繼電器控制命令是發送給所有裝置的。程式碼假設您只有一個裝置。此版本的程式碼將方法請求發送給單一裝置，因此即使您有多個濕度感測器和繼電器的設置，也能將正確的直接方法請求發送到正確的裝置。
-
-1. 執行 Functions 應用程式，並確保您的 IoT 裝置正在傳送數據。您將看到訊息被處理，並且直接方法請求被發送。將土壤濕度感測器插入或移出土壤，觀察數值變化以及繼電器的開啟與關閉。
-
-> 💁 您可以在 [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions) 資料夾中找到此程式碼。
-
-## 將無伺服器程式碼部署到雲端
-
-您的程式碼現在已在本地運行，下一步是將 Functions 應用程式部署到雲端。
-
-### 任務 - 建立雲端資源
-
-您的 Functions 應用程式需要部署到 Azure 中的 Functions App 資源，該資源位於您為 IoT Hub 創建的資源群組內。您還需要在 Azure 中建立一個儲存帳戶，以取代您本地運行的模擬儲存。
-
-1. 執行以下命令以建立儲存帳戶：
-
-    ```sh
-    az storage account create --resource-group soil-moisture-sensor \
-                              --sku Standard_LRS \
-                              --name <storage_name> 
-    ```
-
-    將 `<storage_name>` 替換為您的儲存帳戶名稱。此名稱需要在全球範圍內唯一，因為它是用於訪問儲存帳戶的 URL 的一部分。名稱只能使用小寫字母和數字，不能包含其他字符，且限制為 24 個字符。可以使用類似 `sms` 的名稱，並在末尾添加唯一標識符，例如隨機單詞或您的名字。
-
-    `--sku Standard_LRS` 選擇定價層，選擇最低成本的通用帳戶。儲存沒有免費層，您需要為使用的部分付費。成本相對較低，最昂貴的儲存每月每 GB 不到 0.05 美元。
-
-    ✅ 在 [Azure 儲存帳戶定價頁面](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn) 上了解定價。
-
-1. 執行以下命令以建立 Functions App：
-
-    ```sh
-    az functionapp create --resource-group soil-moisture-sensor \
-                          --runtime python \
-                          --functions-version 3 \
-                          --os-type Linux \
-                          --consumption-plan-location <location> \
-                          --storage-account <storage_name> \
-                          --name <functions_app_name>
-    ```
-
-    將 `<location>` 替換為您在上一課程中創建資源群組時使用的位置。
-
-    將 `<storage_name>` 替換為您在上一步中創建的儲存帳戶名稱。
-
-    將 `<functions_app_name>` 替換為您的 Functions App 的唯一名稱。此名稱需要在全球範圍內唯一，因為它是用於訪問 Functions App 的 URL 的一部分。可以使用類似 `soil-moisture-sensor-` 的名稱，並在末尾添加唯一標識符，例如隨機單詞或您的名字。
-
-    `--functions-version 3` 選項設置要使用的 Azure Functions 版本。版本 3 是最新版本。
-
-    `--os-type Linux` 告訴 Functions 執行時使用 Linux 作為操作系統來託管這些功能。Functions 可以根據使用的程式語言託管在 Linux 或 Windows 上。Python 應用程式僅支援 Linux。
-
-### 任務 - 上傳您的應用程式設定
-
-在開發 Functions App 時，您將一些設定存儲在 `local.settings.json` 檔案中，用於 IoT Hub 的連接字串。這些設定需要寫入 Azure 中的 Functions App 的應用程式設定，以便程式碼可以使用。
-
-> 🎓 `local.settings.json` 檔案僅用於本地開發設定，這些設定不應提交到版本控制系統（如 GitHub）。當部署到雲端時，應用程式設定會被使用。應用程式設定是託管在雲端的鍵/值對，可以在程式碼中或執行時通過環境變數讀取。
-
-1. 執行以下命令以在 Functions App 的應用程式設定中設置 `IOT_HUB_CONNECTION_STRING`：
-
-    ```sh
-    az functionapp config appsettings set --resource-group soil-moisture-sensor \
-                                          --name <functions_app_name> \
-                                          --settings "IOT_HUB_CONNECTION_STRING=<connection string>"
-    ```
-
-    將 `<functions_app_name>` 替換為您為 Functions App 使用的名稱。
-
-    將 `<connection string>` 替換為 `local.settings.json` 檔案中 `IOT_HUB_CONNECTION_STRING` 的值。
-
-1. 重複上述步驟，但將 `REGISTRY_MANAGER_CONNECTION_STRING` 的值設置為 `local.settings.json` 檔案中對應的值。
-
-執行這些命令時，還會輸出 Functions App 的所有應用程式設定列表。您可以使用此列表檢查值是否正確設置。
-
-> 💁 您將看到一個已設置的 `AzureWebJobsStorage` 值。在您的 `local.settings.json` 檔案中，此值被設置為使用本地儲存模擬器。當您創建 Functions App 時，您將儲存帳戶作為參數傳遞，並且此值會自動設置。
-
-### 任務 - 將 Functions App 部署到雲端
-
-現在 Functions App 已準備好，您的程式碼可以部署。
-
-1. 從 VS Code 的終端執行以下命令以發佈 Functions App：
-
-    ```sh
-    func azure functionapp publish <functions_app_name>
-    ```
-
-    將 `<functions_app_name>` 替換為您為 Functions App 使用的名稱。
-
-程式碼將被打包並發送到 Functions App，然後部署並啟動。會有大量的控制台輸出，最後會確認部署完成並列出已部署的功能。在此情況下，列表中只會包含觸發器。
-
-```output
-Deployment successful.
-Remote build succeeded!
-Syncing triggers...
-Functions in soil-moisture-sensor:
-    iot-hub-trigger - [eventHubTrigger]
-```
-
-確保您的 IoT 裝置正在運行。通過調整土壤濕度或將感測器插入或移出土壤來改變濕度水平。您將看到繼電器隨著土壤濕度的變化而開啟和關閉。
-
----
-
-## 🚀 挑戰
-
-在上一課程中，您通過在繼電器開啟時取消訂閱 MQTT 訊息，以及在其關閉後短時間內取消訂閱，來管理繼電器的計時。在這裡，您無法使用此方法——您無法取消訂閱 IoT Hub 觸發器。
-
-思考在 Functions App 中處理此問題的不同方法。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
-
-## 回顧與自學
-
-* 在 [Wikipedia 的無伺服器計算頁面](https://wikipedia.org/wiki/Serverless_computing) 上閱讀有關無伺服器計算的內容。
-* 閱讀 [Azure 部落格文章](https://azure.microsoft.com/blog/go-serverless-for-your-iot-needs/?WT.mc_id=academic-17441-jabenn)，了解在 Azure 中使用無伺服器的更多範例。
-* 在 [Azure Functions YouTube 頻道](https://www.youtube.com/c/AzureFunctions) 上學習更多有關 Azure Functions 的知識。
-
-## 作業
-
-[新增手動繼電器控制](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/hk/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
deleted file mode 100644
index 03d9f2a19..000000000
--- a/translations/hk/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
+++ /dev/null
@@ -1,70 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
-  "translation_date": "2025-08-26T14:40:36+00:00",
-  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
-  "language_code": "hk"
-}
--->
-# 添加手動繼電器控制
-
-## 指示
-
-無伺服器代碼可以由多種方式觸發，包括 HTTP 請求。你可以使用 HTTP 觸發器為你的繼電器控制添加手動覆蓋功能，讓使用者可以通過網絡請求開啟或關閉繼電器。
-
-在這個任務中，你需要為你的 Functions App 添加兩個 HTTP 觸發器，用於開啟和關閉繼電器，並重用你在本課中學到的知識來向設備發送指令。
-
-一些提示：
-
-* 你可以使用以下命令為現有的 Functions App 添加 HTTP 觸發器：
-
-    ```sh
-    func new --name <trigger name> --template "HTTP trigger"
-    ```
-
-    將 `<trigger name>` 替換為你的 HTTP 觸發器的名稱。可以使用類似 `relay_on` 和 `relay_off` 的名稱。
-
-* HTTP 觸發器可以設置訪問控制。默認情況下，它們需要在 URL 中傳遞特定於函數的 API 密鑰才能運行。對於這個任務，你可以移除這個限制，讓任何人都可以運行該函數。為此，更新 HTTP 觸發器的 `function.json` 文件中的 `authLevel` 設置為以下內容：
-
-    ```json
-    "authLevel": "anonymous"
-    ```
-
-    > 💁 你可以在 [Function access keys documentation](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys) 中閱讀更多關於訪問控制的內容。
-
-* HTTP 觸發器默認支持 GET 和 POST 請求。這意味著你可以使用網絡瀏覽器調用它們——網絡瀏覽器會發送 GET 請求。
-
-    當你在本地運行你的 Functions App 時，你會看到觸發器的 URL：
-
-    ```output
-    Functions:
-
-        relay_off: [GET,POST] http://localhost:7071/api/relay_off
-
-        relay_on: [GET,POST] http://localhost:7071/api/relay_on
-
-        iot-hub-trigger: eventHubTrigger
-    ```
-
-    將 URL 粘貼到瀏覽器中並按 `return`，或者在 VS Code 的終端窗口中 `Ctrl+點擊`（macOS 上為 `Cmd+點擊`）鏈接以在默認瀏覽器中打開。這將運行觸發器。
-
-    > 💁 注意 URL 中包含 `/api`——HTTP 觸發器默認位於 `api` 子域中。
-
-* 當你部署 Functions App 時，HTTP 觸發器的 URL 將是：
-
-    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
-
-    其中 `<functions app name>` 是你的 Functions App 的名稱，`<trigger name>` 是你的觸發器的名稱。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | --------- | -------- | ----------------- |
-| 創建 HTTP 觸發器 | 創建了兩個觸發器來開啟和關閉繼電器，並使用了適當的名稱 | 創建了一個具有適當名稱的觸發器 | 未能創建任何觸發器 |
-| 從 HTTP 觸發器控制繼電器 | 能夠將兩個觸發器連接到 IoT Hub 並適當地控制繼電器 | 能夠將一個觸發器連接到 IoT Hub 並適當地控制繼電器 | 未能將觸發器連接到 IoT Hub |
-
----
-
-**免責聲明**：  
-此文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/hk/2-farm/lessons/6-keep-your-plant-secure/README.md
deleted file mode 100644
index b6e483e55..000000000
--- a/translations/hk/2-farm/lessons/6-keep-your-plant-secure/README.md
+++ /dev/null
@@ -1,245 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
-  "translation_date": "2025-08-26T14:52:25+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
-  "language_code": "hk"
-}
--->
-# 保護你的植物安全
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-HK/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大的版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
-
-## 簡介
-
-在過去幾節課中，你已經創建了一個土壤監測物聯網設備並將其連接到雲端。但如果競爭農民的黑客成功控制了你的物聯網設備會怎樣？如果他們發送高土壤濕度讀數，導致你的植物永遠得不到澆水，或者讓你的灌溉系統一直運行，導致植物因過度澆水而死亡，並讓你在水費上損失一大筆錢？
-
-在本課程中，你將學習如何保護物聯網設備的安全。作為本項目的最後一課，你還將學習如何清理雲端資源，以減少潛在的成本。
-
-本課程將涵蓋以下內容：
-
-* [為什麼需要保護物聯網設備的安全？](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-* [加密技術](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-* [保護你的物聯網設備](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-* [生成並使用 X.509 證書](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-
-> 🗑 這是本項目的最後一課，因此在完成本課程和作業後，別忘了清理你的雲端服務。你需要這些服務來完成作業，因此請確保先完成作業。
->
-> 如果需要，請參考[清理項目指南](../../../clean-up.md)以獲取相關指導。
-
-## 為什麼需要保護物聯網設備的安全？
-
-物聯網安全涉及確保只有預期的設備能夠連接到你的雲端物聯網服務並發送遙測數據，並且只有你的雲端服務能夠向你的設備發送指令。物聯網數據可能包含個人信息，包括醫療或隱私數據，因此整個應用程序需要考慮安全性，以防止這些數據洩漏。
-
-如果你的物聯網應用程序不安全，可能會面臨以下風險：
-
-* 假冒設備可能發送錯誤數據，導致你的應用程序做出錯誤反應。例如，它們可能發送持續的高土壤濕度讀數，導致你的灌溉系統永遠不啟動，植物因缺水而死亡。
-* 未授權的用戶可能會讀取物聯網設備的數據，包括個人或商業關鍵數據。
-* 黑客可能會發送指令以控制設備，可能會損壞設備或連接的硬件。
-* 通過連接到物聯網設備，黑客可能利用此途徑訪問其他網絡，進而進入私人系統。
-* 惡意用戶可能訪問個人數據並利用這些數據進行勒索。
-
-這些是真實世界中的情景，並且經常發生。一些例子在之前的課程中已經提到，但以下是更多例子：
-
-* 2018年，黑客利用魚缸溫控器上的開放WiFi接入點，成功侵入了一家賭場的網絡並竊取數據。[The Hacker News - Casino Gets Hacked Through Its Internet-Connected Fish Tank Thermometer](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
-* 2016年，Mirai Botnet發起了一次針對Dyn（互聯網服務提供商）的拒絕服務攻擊，導致大部分互聯網癱瘓。該Botnet使用惡意軟件連接到使用默認用戶名和密碼的物聯網設備（如DVR和攝像頭），並從那裡發起攻擊。[The Guardian - DDoS attack that disrupted internet was largest of its kind in history, experts say](https://www.theguardian.com/technology/2016/oct/26/ddos-attack-dyn-mirai-botnet)
-* Spiral Toys的CloudPets連接玩具用戶數據庫在互聯網上公開可用。[Troy Hunt - Data from connected CloudPets teddy bears leaked and ransomed, exposing kids' voice messages](https://www.troyhunt.com/data-from-connected-cloudpets-teddy-bears-leaked-and-ransomed-exposing-kids-voice-messages/).
-* Strava標記了你跑過的跑者並顯示了他們的路線，讓陌生人能有效地看到你住在哪裡。[Kim Komndo - Fitness app could lead a stranger right to your home — change this setting](https://www.komando.com/security-privacy/strava-fitness-app-privacy/755349/).
-
-✅ 做一些研究：搜索更多物聯網攻擊和數據洩漏的例子，特別是與個人物品（如互聯網連接的牙刷或體重秤）相關的案例。思考這些攻擊可能對受害者或客戶造成的影響。
-
-> 💁 安全是一個非常大的話題，本課程只會涉及一些基本內容，例如如何將設備連接到雲端。其他未涵蓋的主題包括監控數據在傳輸中的變化、直接攻擊設備或更改設備配置。物聯網攻擊是一個如此大的威脅，以至於像 [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn) 這樣的工具已被開發出來。這些工具類似於你電腦上的防病毒和安全工具，但專為小型、低功耗的物聯網設備設計。
-
-## 加密技術
-
-當設備連接到物聯網服務時，它會使用一個ID來識別自己。問題是這個ID可能會被克隆——黑客可以設置一個惡意設備，使用與真實設備相同的ID，但發送虛假數據。
-
-![有效設備和惡意設備可能使用相同的ID發送遙測數據](../../../../../translated_images/zh-HK/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png)
-
-解決方法是將發送的數據轉換為一種加密格式，使用設備和雲端都知道的一個值來加密數據。這個過程稱為*加密*，用於加密數據的值稱為*加密密鑰*。
-
-![如果使用加密，則只有加密的消息會被接受，其他消息會被拒絕](../../../../../translated_images/zh-HK/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png)
-
-雲端服務可以使用一個過程將數據轉換回可讀格式，這個過程稱為*解密*，使用相同的加密密鑰或一個*解密密鑰*。如果加密的消息無法通過密鑰解密，則表明設備已被攻擊，消息會被拒絕。
-
-進行加密和解密的技術稱為*密碼學*。
-
-### 早期的密碼學
-
-最早的密碼學類型是替換密碼，最早可追溯到3500年前。替換密碼涉及用一個字母替換另一個字母。例如，[凱撒密碼](https://wikipedia.org/wiki/Caesar_cipher)涉及按定義的數量移動字母表，只有加密消息的發送者和預期接收者知道要移動多少個字母。
-
-[維吉尼亞密碼](https://wikipedia.org/wiki/Vigenère_cipher)進一步發展，使用單詞來加密文本，使原始文本中的每個字母都按不同的數量移動，而不是始終按相同的字母數移動。
-
-密碼學被用於廣泛的用途，例如在古代美索不達米亞保護陶工的釉料配方、在印度寫秘密情書或在古埃及保密魔法咒語。
-
-### 現代密碼學
-
-現代密碼學更加先進，比早期方法更難破解。現代密碼學使用複雜的數學方法來加密數據，擁有太多可能的密鑰使得暴力破解攻擊幾乎不可能。
-
-密碼學在安全通信中有很多用途。如果你正在GitHub上閱讀此頁面，你可能會注意到網站地址以*HTTPS*開頭，這意味著你的瀏覽器和GitHub的網絡服務器之間的通信是加密的。如果有人能夠讀取你的瀏覽器和GitHub之間的互聯網流量，他們將無法讀取數據，因為數據是加密的。你的電腦甚至可能加密硬盤上的所有數據，因此如果有人偷走它，他們在沒有你的密碼的情況下無法讀取任何數據。
-
-> 🎓 HTTPS代表超文本傳輸協議**安全**
-
-不幸的是，並非所有事物都是安全的。有些設備沒有安全性，有些設備使用容易破解的密鑰，有些甚至所有同類型的設備都使用相同的密鑰。有報導稱一些非常個人的物聯網設備都使用相同的密碼來通過WiFi或藍牙連接。如果你能連接到自己的設備，你也能連接到別人的。一旦連接，你可能訪問一些非常私密的數據，或者控制他們的設備。
-
-> 💁 儘管現代密碼學的複雜性以及破解加密可能需要數十億年的說法，量子計算的興起使得在非常短的時間內破解所有已知加密成為可能！
-
-### 對稱密鑰和非對稱密鑰
-
-加密有兩種類型——對稱和非對稱。
-
-**對稱**加密使用相同的密鑰來加密和解密數據。發送者和接收者都需要知道相同的密鑰。這是最不安全的類型，因為密鑰需要以某種方式共享。為了讓發送者向接收者發送加密消息，發送者可能首先需要向接收者發送密鑰。
-
-![對稱密鑰加密使用相同的密鑰加密和解密消息](../../../../../translated_images/zh-HK/send-message-symmetric-key.a2e8ad0d495896ff.webp)
-
-如果密鑰在傳輸過程中被竊取，或者發送者或接收者被黑客攻擊並且密鑰被找到，加密就可能被破解。
-
-![對稱密鑰加密只有在黑客未獲得密鑰的情況下才安全——如果密鑰被竊取，他們可以攔截並解密消息](../../../../../translated_images/zh-HK/send-message-symmetric-key-hacker.e7cb53db1707adfb.webp)
-
-**非對稱**加密使用兩個密鑰——加密密鑰和解密密鑰，稱為公鑰/私鑰對。公鑰用於加密消息，但不能用於解密；私鑰用於解密消息，但不能用於加密。
-
-![非對稱加密使用不同的密鑰加密和解密。加密密鑰會發送給任何消息發送者，以便他們在向擁有密鑰的接收者發送消息之前加密消息](../../../../../translated_images/zh-HK/send-message-asymmetric.7abe327c62615b8c.webp)
-
-接收者分享他們的公鑰，發送者使用這個公鑰加密消息。一旦消息被發送，接收者使用他們的私鑰解密消息。非對稱加密更安全，因為私鑰由接收者保密，從不共享。任何人都可以擁有公鑰，因為它只能用於加密消息。
-
-對稱加密比非對稱加密更快，非對稱加密更安全。一些系統會同時使用兩者——使用非對稱加密來加密和共享對稱密鑰，然後使用對稱密鑰加密所有數據。這使得在發送者和接收者之間共享對稱密鑰更加安全，並且在加密和解密數據時更快。
-
-## 保護你的物聯網設備
-
-物聯網設備可以使用對稱或非對稱加密進行保護。對稱加密更簡單，但安全性較低。
-
-### 對稱密鑰
-
-當你設置物聯網設備與IoT Hub交互時，你使用了一個連接字符串。一個示例連接字符串如下：
-
-```output
-HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
-```
-
-這個連接字符串由三部分組成，使用分號分隔，每部分是一個鍵和值：
-
-| 鍵 | 值 | 描述 |
-| --- | ----- | ----------- |
-| HostName | `soil-moisture-sensor.azure-devices.net` | IoT Hub的URL |
-| DeviceId | `soil-moisture-sensor` | 設備的唯一ID |
-| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | 設備和IoT Hub都知道的對稱密鑰 |
-
-連接字符串的最後一部分`SharedAccessKey`是設備和IoT Hub都知道的對稱密鑰。這個密鑰不會從設備發送到雲端，也不會從雲端發送到設備。它用於加密發送或接收的數據。
-
-✅ 做一個實驗：如果你在連接物聯網設備時更改連接字符串中的`SharedAccessKey`部分，會發生什麼？試試看。
-
-當設備首次嘗試連接時，它會發送一個共享訪問簽名（SAS）令牌，該令牌由IoT Hub的URL、一個訪問簽名的到期時間戳（通常是當前時間起的一天）和一個簽名組成。這個簽名由URL和到期時間組成，並使用連接字符串中的共享訪問密鑰加密。
-
-IoT Hub使用共享訪問密鑰解密這個簽名，如果解密後的值與URL和到期時間匹配，設備就被允許連接。它還會驗證當前時間是否在到期時間之前，以防止惡意設備捕獲真實設備的SAS令牌並使用它。
-
-這是一種優雅的方式來驗證發送者是否是正確的設備。通過以解密和加密形式發送一些已知數據，服務器可以通過解密加密數據並確保結果與發送的解密版本匹配來驗證設備。如果匹配，則表明發送者和接收者擁有相同的對稱加密密鑰。
-> 💁 因為有過期時間，你的 IoT 裝置需要知道準確的時間，通常是從 [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) 伺服器讀取。如果時間不準確，連線將會失敗。
-連接後，所有從設備發送到 IoT Hub 或從 IoT Hub 發送到設備的數據都將使用共享訪問密鑰進行加密。
-
-✅ 你認為如果多個設備共享相同的連接字串會發生什麼？
-
-> 💁 將此密鑰存儲在代碼中是一個糟糕的安全做法。如果黑客獲得你的源代碼，他們就能獲得你的密鑰。此外，在發布代碼時也會更加困難，因為你需要為每個設備重新編譯以更新密鑰。更好的方法是從硬件安全模組（HSM）加載此密鑰——這是一個存儲加密值的 IoT 設備芯片，代碼可以讀取這些值。
->
-> 在學習 IoT 時，通常更容易將密鑰放入代碼中，就像你在之前的課程中所做的那樣，但你必須確保此密鑰未被提交到公共源代碼控制中。
-
-設備有兩個密鑰以及兩個對應的連接字串。這使你可以輪換密鑰——即如果第一個密鑰被泄露，可以切換到另一個密鑰並重新生成第一個密鑰。
-
-### X.509 證書
-
-當你使用公鑰/私鑰對進行非對稱加密時，你需要向任何想要向你發送數據的人提供你的公鑰。問題是，接收者如何確定這確實是你的公鑰，而不是其他人冒充你？與其直接提供密鑰，你可以將公鑰放入由可信第三方驗證的證書中，這被稱為 X.509 證書。
-
-X.509 證書是包含公鑰部分的數字文件。它們通常由一些被稱為[證書授權機構](https://wikipedia.org/wiki/Certificate_authority) (CAs) 的可信組織簽發，並由 CA 進行數字簽名以表明密鑰是有效的並且來自你。你信任證書以及公鑰的來源，因為你信任 CA，就像你信任護照或駕駛執照是由可信的國家簽發的一樣。證書需要付費，因此你也可以“自簽名”，即自己創建並簽署證書，用於測試目的。
-
-> 💁 你絕不應該在生產環境中使用自簽名證書。
-
-這些證書包含多個字段，包括公鑰的來源、簽發證書的 CA 的詳細信息、證書的有效期以及公鑰本身。在使用證書之前，最好通過檢查其是否由原始 CA 簽名來驗證它。
-
-✅ 你可以在 [Microsoft Understanding X.509 Public Key Certificates tutorial](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields) 中查看證書字段的完整列表。
-
-使用 X.509 證書時，發送方和接收方都會擁有自己的公鑰和私鑰，以及包含公鑰的 X.509 證書。然後他們以某種方式交換 X.509 證書，使用彼此的公鑰加密發送的數據，並使用自己的私鑰解密接收到的數據。
-
-![與其共享公鑰，你可以共享證書。證書的使用者可以通過檢查簽署證書的授權機構來驗證它是否來自你。](../../../../../translated_images/zh-HK/send-message-certificate.9cc576ac1e46b76e.webp)
-
-使用 X.509 證書的一大優勢是它們可以在設備之間共享。你可以創建一個證書，將其上傳到 IoT Hub，並將其用於所有設備。每個設備只需要知道私鑰即可解密從 IoT Hub 接收到的消息。
-
-設備用於加密發送到 IoT Hub 的消息的證書由 Microsoft 發布。這是許多 Azure 服務使用的相同證書，有時已內置於 SDK 中。
-
-> 💁 記住，公鑰就是公鑰。Azure 公鑰只能用於加密發送到 Azure 的數據，不能用於解密，因此可以隨處共享，包括在源代碼中。例如，你可以在 [Azure IoT C SDK 源代碼](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c) 中看到它。
-
-✅ X.509 證書有很多術語。你可以在 [The layman’s guide to X.509 certificate jargon](https://techcommunity.microsoft.com/t5/internet-of-things/the-layman-s-guide-to-x-509-certificate-jargon/ba-p/2203540?WT.mc_id=academic-17441-jabenn) 中閱讀一些可能遇到的術語的定義。
-
-## 生成並使用 X.509 證書
-
-生成 X.509 證書的步驟如下：
-
-1. 創建公鑰/私鑰對。最廣泛使用的生成公鑰/私鑰對的算法之一是 [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem))(RSA)。
-
-1. 提交公鑰及相關數據進行簽名，可以由 CA 簽名，也可以自簽名。
-
-Azure CLI 提供了命令來在 IoT Hub 中創建新的設備身份，並自動生成公鑰/私鑰對以及自簽名證書。
-
-> 💁 如果你想查看詳細步驟，而不是使用 Azure CLI，你可以在 [Microsoft IoT Hub 文檔中的使用 OpenSSL 創建自簽名證書教程](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn) 中找到。
-
-### 任務 - 使用 X.509 證書創建設備身份
-
-1. 運行以下命令以註冊新的設備身份，並自動生成密鑰和證書：
-
-    ```sh
-    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
-                                      --am x509_thumbprint \
-                                      --output-dir . \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於 IoT Hub 的名稱。
-
-    這將創建一個 ID 為 `soil-moisture-sensor-x509` 的設備，以區分你在上一課中創建的設備身份。此命令還會在當前目錄中創建兩個文件：
-
-    * `soil-moisture-sensor-x509-key.pem` - 此文件包含設備的私鑰。
-    * `soil-moisture-sensor-x509-cert.pem` - 此文件是設備的 X.509 證書。
-
-    請妥善保管這些文件！私鑰文件不應提交到公共源代碼控制中。
-
-### 任務 - 在設備代碼中使用 X.509 證書
-
-按照相關指南，使用 X.509 證書將你的 IoT 設備連接到雲端：
-
-* [Arduino - Wio Terminal](wio-terminal-x509.md)
-* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-x509.md)
-
----
-
-## 🚀 挑戰
-
-創建、管理和刪除 Azure 服務（如資源組和 IoT Hub）有多種方法。一種方法是使用 [Azure Portal](https://portal.azure.com?WT.mc_id=academic-17441-jabenn)——一個基於網頁的界面，提供 GUI 來管理你的 Azure 服務。
-
-前往 [portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) 並探索該入口。看看你是否能使用該入口創建一個 IoT Hub，然後將其刪除。
-
-**提示** - 通過入口創建服務時，你不需要提前創建資源組，可以在創建服務時創建資源組。完成後請確保刪除它！
-
-你可以在 [Azure portal documentation](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn) 中找到大量文檔、教程和指南。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
-
-## 回顧與自學
-
-* 在 [Wikipedia 的密碼學歷史頁面](https://wikipedia.org/wiki/History_of_cryptography) 上閱讀密碼學的歷史。
-* 在 [Wikipedia 的 X.509 頁面](https://wikipedia.org/wiki/X.509) 上閱讀 X.509 證書的相關內容。
-
-## 作業
-
-[構建一個新的 IoT 設備](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/hk/2-farm/lessons/6-keep-your-plant-secure/assignment.md
deleted file mode 100644
index 13fca96a9..000000000
--- a/translations/hk/2-farm/lessons/6-keep-your-plant-secure/assignment.md
+++ /dev/null
@@ -1,29 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
-  "translation_date": "2025-08-26T14:54:44+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
-  "language_code": "hk"
-}
--->
-# 建立一個新的物聯網裝置
-
-## 指引
-
-在過去的六堂課中，你已經學習了數位農業的相關知識，以及如何使用物聯網裝置收集數據來預測植物生長，並根據土壤濕度讀數自動灌溉。
-
-運用你所學到的知識，使用一個感測器和一個致動器來建立一個新的物聯網裝置。將遙測數據傳送到 IoT Hub，並使用無伺服器程式碼來控制致動器。你可以使用在本課程或之前的專案中已經使用過的感測器和致動器，或者如果你有其他硬體，可以嘗試一些新的組合。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 為物聯網裝置編寫程式以使用感測器和致動器 | 成功編寫了一個能與感測器和致動器配合運作的物聯網裝置 | 成功編寫了一個能與感測器或致動器配合運作的物聯網裝置 | 未能編寫一個能使用感測器或致動器的物聯網裝置 |
-| 將物聯網裝置連接到 IoT Hub | 成功部署了一個 IoT Hub，並能傳送遙測數據到 IoT Hub，且能接收來自 IoT Hub 的指令 | 成功部署了一個 IoT Hub，並能傳送遙測數據或接收指令 | 未能部署 IoT Hub，或無法與物聯網裝置進行通訊 |
-| 使用無伺服器程式碼控制致動器 | 成功部署了一個 Azure Function，並能根據遙測事件觸發來控制裝置 | 成功部署了一個 Azure Function，能根據遙測事件觸發，但無法控制致動器 | 未能部署 Azure Function |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業的人類翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/hk/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
deleted file mode 100644
index 972d664ea..000000000
--- a/translations/hk/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
+++ /dev/null
@@ -1,71 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9aea84bcc7520222b0e1c50469d62d6a",
-  "translation_date": "2025-08-26T14:55:02+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
-  "language_code": "hk"
-}
--->
-# 在您的設備代碼中使用 X.509 憑證 - 虛擬 IoT 硬件和 Raspberry Pi
-
-在本課程的這部分，您將使用 X.509 憑證將虛擬 IoT 設備或 Raspberry Pi 連接到您的 IoT Hub。
-
-## 將設備連接到 IoT Hub
-
-下一步是使用 X.509 憑證將您的設備連接到 IoT Hub。
-
-### 任務 - 連接到 IoT Hub
-
-1. 將密鑰和憑證文件複製到包含您 IoT 設備代碼的文件夾中。如果您通過 VS Code Remote SSH 使用 Raspberry Pi，並且在您的 PC 或 Mac 上創建了密鑰，您可以將文件拖放到 VS Code 的資源管理器中以完成複製。
-
-1. 打開 `app.py` 文件
-
-1. 要使用 X.509 憑證進行連接，您需要 IoT Hub 的主機名稱和 X.509 憑證。首先，在創建設備客戶端之前，添加以下代碼來創建一個包含主機名稱的變量：
-
-    ```python
-    host_name = "<host_name>"
-    ```
-
-    將 `<host_name>` 替換為您的 IoT Hub 的主機名稱。您可以從 `connection_string` 的 `HostName` 部分獲取此名稱。它將是您的 IoT Hub 的名稱，並以 `.azure-devices.net` 結尾。
-
-1. 在此代碼下方，聲明一個包含設備 ID 的變量：
-
-    ```python
-    device_id = "soil-moisture-sensor-x509"
-    ```
-
-1. 您需要一個包含 X.509 文件的 `X509` 類實例。將 `X509` 添加到從 `azure.iot.device` 模組導入的類列表中：
-
-    ```python
-    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
-    ```
-
-1. 使用您的憑證和密鑰文件創建一個 `X509` 類實例，將以下代碼添加到 `host_name` 聲明的下方：
-
-    ```python
-    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
-    ```
-
-    這將使用之前創建的 `soil-moisture-sensor-x509-cert.pem` 和 `soil-moisture-sensor-x509-key.pem` 文件來創建 `X509` 類。
-
-1. 用以下代碼替換從連接字串創建 `device_client` 的那一行代碼：
-
-    ```python
-    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
-    ```
-
-    這將使用 X.509 憑證而不是連接字串進行連接。
-
-1. 刪除包含 `connection_string` 變量的那一行代碼。
-
-1. 運行您的代碼。監控發送到 IoT Hub 的消息，並像之前一樣發送直接方法請求。您將看到設備連接並發送土壤濕度讀數，同時接收直接方法請求。
-
-> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) 或 [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device) 文件夾中找到此代碼。
-
-😀 您的土壤濕度傳感器程序已使用 X.509 憑證成功連接到您的 IoT Hub！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文檔的母語版本作為權威來源。對於關鍵資訊，建議尋求專業的人類翻譯服務。我們對因使用此翻譯而引起的任何誤解或錯誤詮釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/hk/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
deleted file mode 100644
index 04ee079ff..000000000
--- a/translations/hk/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
+++ /dev/null
@@ -1,17 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8a74f789f3c1bf41a13c007190360c19",
-  "translation_date": "2025-08-26T14:55:30+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
-  "language_code": "hk"
-}
--->
-# 在您的設備代碼中使用 X.509 證書 - Wio Terminal
-
-截至撰寫本文時，Azure Arduino SDK 尚未支援 X.509 證書。如果您想嘗試使用 X.509 證書，可以參考[使用 Python SDK 的虛擬 IoT 設備指引](single-board-computer-x509.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/README.md b/translations/hk/3-transport/README.md
deleted file mode 100644
index 8f26a45c6..000000000
--- a/translations/hk/3-transport/README.md
+++ /dev/null
@@ -1,38 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e978534a245b000725ed2a048f943213",
-  "translation_date": "2025-08-26T15:42:31+00:00",
-  "source_file": "3-transport/README.md",
-  "language_code": "hk"
-}
--->
-# 從農場到工廠的運輸 - 使用物聯網追蹤食品運送
-
-許多農民種植作物是為了銷售——他們可能是商業農民，出售他們種植的所有作物，或者是自給農民，出售多餘的農產品來購買生活必需品。不管怎樣，食品必須從農場運送到消費者手中，這通常依賴於從農場到集散中心或加工廠，再到商店的大宗運輸。例如，一位種植番茄的農民會收割番茄，將它們裝箱，然後將箱子裝上卡車，運送到加工廠。番茄會在那裡被分類，然後以加工食品、零售銷售或餐廳消費的形式送到消費者手中。
-
-物聯網可以通過追蹤運輸中的食品來幫助這個供應鏈——確保司機按照規定的路線行駛，監控車輛位置，並在車輛到達時發出警報，讓食品可以盡快卸貨並準備加工。
-
-> 🎓 *供應鏈* 是指製造和交付某物品的一系列活動。例如，在番茄種植中，它涵蓋了種子、土壤、肥料和水的供應，種植番茄，將番茄運送到集散中心，運輸到超市的本地中心，再運送到個別超市，陳列出售，然後被消費者購買並帶回家食用。每一步就像鏈條中的一個環節。
-
-> 🎓 供應鏈中的運輸部分被稱為 *物流*。
-
-在這四節課中，你將學習如何應用物聯網來改善供應鏈，通過監控食品被裝載到（虛擬）卡車上，並追蹤其移動到目的地的過程。你將學習GPS追蹤、如何存儲和可視化GPS數據，以及如何在卡車到達目的地時接收警報。
-
-> 💁 這些課程將使用一些雲端資源。如果你未完成此專案中的所有課程，請確保[清理你的專案](../clean-up.md)。
-
-## 主題
-
-1. [位置追蹤](lessons/1-location-tracking/README.md)
-1. [存儲位置數據](lessons/2-store-location-data/README.md)
-1. [可視化位置數據](lessons/3-visualize-location-data/README.md)
-1. [地理圍欄](lessons/4-geofences/README.md)
-
-## 鳴謝
-
-所有課程由 [Jen Looper](https://github.com/jlooper) 和 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/1-location-tracking/README.md b/translations/hk/3-transport/lessons/1-location-tracking/README.md
deleted file mode 100644
index f0bbeb76b..000000000
--- a/translations/hk/3-transport/lessons/1-location-tracking/README.md
+++ /dev/null
@@ -1,216 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
-  "translation_date": "2025-08-26T15:46:57+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/README.md",
-  "language_code": "hk"
-}
--->
-# 位置追蹤
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
-
-## 簡介
-
-將食物從農場送到消費者手中的主要過程包括將農產品裝箱後，運輸到卡車、船隻、飛機或其他商業運輸工具上，然後將食物送到某個地方——可能是直接送到客戶手中，或者送到一個中央樞紐或倉庫進行處理。從農場到消費者的整個端到端過程被稱為*供應鏈*。以下是亞利桑那州立大學 W. P. Carey 商學院的一段影片，詳細介紹了供應鏈的概念及其管理方式。
-
-[![什麼是供應鏈管理？來自亞利桑那州立大學 W. P. Carey 商學院的影片](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
-
-> 🎥 點擊上方圖片觀看影片
-
-添加物聯網（IoT）設備可以大幅改善供應鏈管理，讓您能更好地掌握物品的位置，規劃運輸和貨物處理，並更快速地應對問題。
-
-當管理一隊車輛（如卡車）時，知道每輛車在某一時間的位置是非常有幫助的。車輛可以安裝 GPS 感應器，將其位置發送到物聯網系統，讓車主能精確定位車輛的位置，查看其行駛路線，並知道它們何時會到達目的地。大多數車輛在 WiFi 覆蓋範圍之外運行，因此它們使用行動網絡來傳送這類數據。有時，GPS 感應器內建於更複雜的物聯網設備中，例如電子日誌。這些設備可以追蹤卡車的行駛時間，以確保駕駛員遵守當地的工作時數法律。
-
-在本課程中，您將學習如何使用全球定位系統（GPS）感應器追蹤車輛的位置。
-
-本課程將涵蓋以下內容：
-
-* [連接車輛](../../../../../3-transport/lessons/1-location-tracking)
-* [地理空間座標](../../../../../3-transport/lessons/1-location-tracking)
-* [全球定位系統（GPS）](../../../../../3-transport/lessons/1-location-tracking)
-* [讀取 GPS 感應器數據](../../../../../3-transport/lessons/1-location-tracking)
-* [NMEA GPS 數據](../../../../../3-transport/lessons/1-location-tracking)
-* [解碼 GPS 感應器數據](../../../../../3-transport/lessons/1-location-tracking)
-
-## 連接車輛
-
-物聯網正在改變貨物運輸的方式，通過創建一隊*連接車輛*。這些車輛與中央 IT 系統相連，報告其位置和其他感應器數據。擁有一隊連接車輛有多種好處：
-
-* 位置追蹤 - 您可以隨時精確定位車輛的位置，這樣可以：
-
-  * 當車輛即將到達目的地時收到警報，為卸貨工作做好準備
-  * 定位被盜車輛
-  * 將位置和路線數據與交通問題結合，讓您在行程中重新規劃車輛路線
-  * 符合法律規定。例如，一些國家會根據車輛在公共道路上行駛的里程數徵稅（如[紐西蘭的道路使用費](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/)），因此知道車輛何時在公共道路上行駛 vs 私人道路上行駛，可以更容易計算應繳稅款。
-  * 在車輛故障時知道派遣維修人員的位置
-
-* 駕駛員數據 - 確保駕駛員遵守速度限制、以適當的速度轉彎、提前且有效地剎車，並安全駕駛。連接車輛還可以配備攝像頭記錄事故。這可以與保險掛鉤，為良好駕駛員提供更低的保費。
-
-* 駕駛時數合規 - 確保駕駛員僅在法律允許的時數內駕駛，根據他們啟動和關閉引擎的時間進行追蹤。
-
-這些好處可以結合使用——例如，將駕駛時數合規與位置追蹤結合，重新規劃駕駛員的路線，如果他們無法在允許的駕駛時數內到達目的地。這些還可以與其他車輛特定的數據結合，例如冷藏卡車的溫度數據，讓車輛在當前路線無法保持貨物溫度時重新規劃路線。
-
-> 🎓 物流是將貨物從一個地方運送到另一個地方的過程，例如從農場經過一個或多個倉庫運送到超市。一位農夫將西紅柿裝箱，裝上卡車，運送到中央倉庫，然後裝上另一輛可能載有不同類型農產品的卡車，最終送到超市。
-
-車輛追蹤的核心組件是 GPS——能夠在地球上任何地方精確定位的感應器。在本課程中，您將學習如何使用 GPS 感應器，首先從學習如何定義地球上的位置開始。
-
-## 地理空間座標
-
-地理空間座標用於定義地球表面上的點，類似於如何使用座標在電腦螢幕上繪製像素或在十字繡中定位針腳。對於單個點，您需要一對座標。例如，美國華盛頓州雷德蒙市的微軟總部位於 47.6423109, -122.1390293。
-
-### 緯度和經度
-
-地球是一個球體——一個三維的圓。因此，點的位置是通過將其分為 360 度來定義的，這與圓的幾何學相同。緯度測量從北到南的度數，經度測量從東到西的度數。
-
-> 💁 沒有人真正知道為什麼圓被分為 360 度。[維基百科上的角度頁面](https://wikipedia.org/wiki/Degree_(angle))介紹了一些可能的原因。
-
-![緯度線從北極的 90°，到赤道的 0°，再到南極的 -90°](../../../../../translated_images/zh-HK/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png)
-
-緯度是通過圍繞地球並與赤道平行的線來測量的，將北半球和南半球分為各 90°。赤道為 0°，北極為 90°，也稱為北緯 90°，南極為 -90°，或南緯 90°。
-
-經度是測量東西方向的度數。經度的 0° 起點稱為*本初子午線*，於 1884 年被定義為一條從北極到南極的線，通過[英國格林威治皇家天文台](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich)。
-
-![經度線從本初子午線以西的 -180°，到本初子午線的 0°，再到以東的 180°](../../../../../translated_images/zh-HK/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png)
-
-> 🎓 子午線是一條從北極到南極的假想直線，形成一個半圓。
-
-要測量某一點的經度，您需要測量從本初子午線到通過該點的子午線沿赤道的度數。經度範圍從 -180°（即西經 180°），經過本初子午線的 0°，到 180°（即東經 180°）。180° 和 -180° 指的是同一點，即對蹠子午線或第 180 條子午線。這是一條位於地球另一側的子午線，與本初子午線相對。
-
-> 💁 對蹠子午線不要與國際日期變更線混淆，雖然它們大致位於相同位置，但國際日期變更線並不是一條直線，會根據地緣政治邊界進行調整。
-
-✅ 做一些研究：試著找出您目前位置的緯度和經度。
-
-### 度、分和秒 vs 十進制度數
-
-傳統上，緯度和經度的度數測量使用六十進制（sexagesimal）數字系統，這是一種由古巴比倫人使用的數字系統，他們最早測量並記錄了時間和距離。您可能每天都在使用六十進制而不自知——例如將小時分為 60 分鐘，將分鐘分為 60 秒。
-
-緯度和經度以度、分和秒為單位測量，其中 1 分為 1/60 度，1 秒為 1/60 分。
-
-例如，在赤道上：
-
-* 1° 緯度約為 **111.3 公里**
-* 1 分緯度為 111.3/60 = **1.855 公里**
-* 1 秒緯度為 1.855/60 = **0.031 公里**
-
-分的符號為單引號，秒的符號為雙引號。例如，2 度 17 分 43 秒可以寫作 2°17'43"。秒的小數部分以小數表示，例如半秒為 0°0'0.5"。
-
-電腦不使用六十進制，因此在大多數電腦系統中，這些座標以十進制度數表示。例如，2°17'43" 為 2.295277。通常省略度數符號。
-
-一個點的座標總是以 `緯度, 經度` 的格式給出，因此前面提到的微軟總部 47.6423109,-122.117198 的座標為：
-
-* 緯度為 47.6423109（赤道以北 47.6423109 度）
-* 經度為 -122.1390293（本初子午線以西 122.1390293 度）。
-
-![微軟總部位於 47.6423109,-122.117198](../../../../../translated_images/zh-HK/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png)
-
-## 全球定位系統（GPS）
-
-GPS 系統使用多顆環繞地球運行的衛星來定位您的位置。您可能在不知不覺中使用過 GPS 系統——例如在手機上的地圖應用（如 Apple 地圖或 Google 地圖）中查看您的位置，或者在叫車應用（如 Uber 或 Lyft）中查看您的車輛位置，或者在車內使用衛星導航（sat-nav）。
-
-> 🎓 衛星導航中的“衛星”指的就是 GPS 衛星！
-
-GPS 系統的工作原理是多顆衛星發送信號，包含每顆衛星的當前位置和精確的時間戳。這些信號通過無線電波傳送，並由 GPS 感應器中的天線接收。GPS 感應器檢測到這些信號後，使用當前時間測量信號從衛星到達感應器所需的時間。由於無線電波的速度是恆定的，GPS 感應器可以使用發送的時間戳計算感應器與衛星的距離。通過結合至少 3 顆衛星的數據和發送的位置，GPS 感應器可以精確定位其在地球上的位置。
-
-> 💁 GPS 感應器需要天線來檢測無線電波。內建於卡車和汽車的 GPS 天線通常安裝在擋風玻璃或車頂，以獲得良好的信號。如果您使用的是單獨的 GPS 系統，例如智能手機或物聯網設備，則需要確保內建於 GPS 系統或手機中的天線能夠清晰地看到天空，例如安裝在擋風玻璃上。
-
-![通過知道感應器與多顆衛星的距離，可以計算出位置](../../../../../translated_images/zh-HK/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png)
-
-GPS 衛星環繞地球運行，並非固定在感應器上方，因此位置數據包括海拔高度（相對於海平面）以及緯度和經度。
-
-過去，GPS 的精確度受到美國軍方的限制，精度約為 5 米。這一限制於 2000 年被取消，現在的精度可達 30 厘米。但由於信號干擾，並非總能達到這一精度。
-
-✅ 如果您有智能手機，打開地圖應用，看看您的位置有多精確。可能需要一段時間讓手機檢測到多顆衛星以獲得更精確的位置。
-💁 衛星內部配備了極其精準的原子鐘，但由於愛因斯坦的特殊相對論和廣義相對論所預測的速度增加導致時間減慢的現象，衛星每天相比地球上的原子鐘會漂移38微秒（0.0000038秒）。這是因為衛星的運行速度比地球自轉速度更快。這種漂移現象已被用來證明特殊相對論和廣義相對論的預測，並且在設計GPS系統時必須進行調整。從字面上看，GPS衛星上的時間運行得更慢。
-GPS 系統已由多個國家和政治聯盟開發並部署，包括美國、俄羅斯、日本、印度、歐盟和中國。現代 GPS 感應器可以連接到大多數這些系統，以獲得更快速和更準確的定位。
-
-> 🎓 每個部署中的衛星群組被稱為星座（constellations）。
-
-## 讀取 GPS 感應器數據
-
-大多數 GPS 感應器通過 UART 傳輸 GPS 數據。
-
-> ⚠️ UART 已在 [項目 2，第 2 課](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart) 中介紹。如有需要，請回顧該課程。
-
-您可以在 IoT 設備上使用 GPS 感應器來獲取 GPS 數據。
-
-### 任務 - 連接 GPS 感應器並讀取 GPS 數據
-
-按照相關指南，使用您的 IoT 設備讀取 GPS 數據：
-
-* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
-* [單板電腦 - Raspberry Pi](pi-gps-sensor.md)
-* [單板電腦 - 虛擬設備](virtual-device-gps-sensor.md)
-
-## NMEA GPS 數據
-
-當您運行代碼時，可能會在輸出中看到一些看似亂碼的內容。這其實是標準的 GPS 數據，每一部分都有其意義。
-
-GPS 感應器使用 NMEA 消息輸出數據，遵循 NMEA 0183 標準。NMEA 是 [National Marine Electronics Association](https://www.nmea.org)（美國國家海洋電子協會）的縮寫，這是一個美國的貿易組織，負責制定海洋電子設備之間的通信標準。
-
-> 💁 該標準是專有的，售價至少為 2,000 美元，但由於有足夠的信息已進入公共領域，大部分標準已被逆向工程，可用於開源和其他非商業代碼。
-
-這些消息是基於文本的。每條消息由一個以 `$` 字符開頭的 *句子* 組成，接著是兩個字符表示消息來源（例如，GP 表示美國 GPS 系統，GN 表示 GLONASS，俄羅斯的 GPS 系統），以及三個字符表示消息類型。消息的其餘部分是用逗號分隔的字段，最後以換行符結束。
-
-一些可以接收到的消息類型包括：
-
-| 類型 | 描述 |
-| ---- | ----------- |
-| GGA | GPS 定位數據，包括 GPS 感應器的緯度、經度和海拔，以及用於計算該定位的可見衛星數量。 |
-| ZDA | 當前日期和時間，包括本地時區。 |
-| GSV | 可見衛星的詳細信息 - 定義為 GPS 感應器可以檢測到信號的衛星。 |
-
-> 💁 GPS 數據包括時間戳，因此您的 IoT 設備可以從 GPS 感應器獲取時間，而無需依賴 NTP 服務器或內部實時時鐘。
-
-GGA 消息包括當前位置，使用 `(dd)dmm.mmmm` 格式，並附帶一個單字符表示方向。格式中的 `d` 表示度數，`m` 表示分，秒則以分的小數表示。例如，2°17'43" 會表示為 217.716666667 - 即 2 度，17.716666667 分。
-
-方向字符可以是 `N` 或 `S` 表示緯度的北或南，`E` 或 `W` 表示經度的東或西。例如，緯度 2°17'43" 的方向字符為 `N`，而 -2°17'43" 的方向字符為 `S`。
-
-例如 - NMEA 句子 `$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
-
-* 緯度部分是 `4738.538654,N`，轉換為十進制度數為 47.6423109。`4738.538654` 是 47.6423109，方向為 `N`（北），因此是正緯度。
-
-* 經度部分是 `12208.341758,W`，轉換為十進制度數為 -122.1390293。`12208.341758` 是 122.1390293°，方向為 `W`（西），因此是負經度。
-
-## 解碼 GPS 感應器數據
-
-與其使用原始的 NMEA 數據，不如將其解碼為更有用的格式。您可以使用多個開源庫來幫助從原始 NMEA 消息中提取有用的數據。
-
-### 任務 - 解碼 GPS 感應器數據
-
-按照相關指南，使用您的 IoT 設備解碼 GPS 感應器數據：
-
-* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-gps-decode.md)
-
----
-
-## 🚀 挑戰
-
-編寫您自己的 NMEA 解碼器！與其依賴第三方庫來解碼 NMEA 句子，您能否編寫自己的解碼器來從 NMEA 句子中提取緯度和經度？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
-
-## 回顧與自學
-
-* 在 [維基百科的地理坐標系統頁面](https://wikipedia.org/wiki/Geographic_coordinate_system) 閱讀更多關於地理坐標的信息。
-* 在 [維基百科的本初子午線頁面](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies) 閱讀地球以外其他天體的本初子午線。
-* 研究來自歐盟、日本、俄羅斯、印度和美國等不同國家和政治聯盟的各種 GPS 系統。
-
-## 作業
-
-[調查其他 GPS 數據](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/1-location-tracking/assignment.md b/translations/hk/3-transport/lessons/1-location-tracking/assignment.md
deleted file mode 100644
index 0bb15a6d7..000000000
--- a/translations/hk/3-transport/lessons/1-location-tracking/assignment.md
+++ /dev/null
@@ -1,29 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
-  "translation_date": "2025-08-26T15:49:08+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
-  "language_code": "hk"
-}
--->
-# 探索其他 GPS 數據
-
-## 指引
-
-從您的 GPS 感測器接收到的 NMEA 訊息除了位置資訊外，還包含其他數據。探索這些額外的數據，並在您的 IoT 裝置中加以利用。
-
-例如 - 您能否獲取當前的日期和時間？如果您使用的是微控制器，能否像在上一個項目中使用 NTP 信號設置時鐘一樣，使用 GPS 數據來設置時鐘？您能否獲取海拔高度（您距離海平面的高度）或當前速度？
-
-如果您使用的是虛擬 IoT 裝置，則可以通過使用工具 [nmeagen.org](https://www.nmeagen.org) 生成的 NMEA 訊息來獲取部分數據。
-
-## 評分標準
-
-| 評分標準 | 卓越 | 合格 | 需要改進 |
-| -------- | ----- | ---- | -------- |
-| 獲取更多 GPS 數據 | 能夠獲取並使用更多 GPS 數據，作為遙測數據或用於設置 IoT 裝置 | 能夠獲取更多 GPS 數據，但無法使用它 | 無法獲取更多 GPS 數據 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業的人工作翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/hk/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
deleted file mode 100644
index 29c237f87..000000000
--- a/translations/hk/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
+++ /dev/null
@@ -1,193 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
-  "translation_date": "2025-08-26T15:49:42+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
-  "language_code": "hk"
-}
--->
-# 讀取 GPS 數據 - Raspberry Pi
-
-在這部分課程中，你將為 Raspberry Pi 添加一個 GPS 感測器，並從中讀取數據。
-
-## 硬件
-
-Raspberry Pi 需要一個 GPS 感測器。
-
-你將使用的感測器是 [Grove GPS Air530 感測器](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)。這款感測器可以連接多個 GPS 系統，提供快速且準確的定位。感測器由兩部分組成——感測器的核心電子元件，以及通過細線連接的外部天線，用於接收衛星的電波。
-
-這是一個 UART 感測器，因此它通過 UART 傳輸 GPS 數據。
-
-## 連接 GPS 感測器
-
-Grove GPS 感測器可以連接到 Raspberry Pi。
-
-### 任務 - 連接 GPS 感測器
-
-連接 GPS 感測器。
-
-![Grove GPS 感測器](../../../../../translated_images/zh-HK/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png)
-
-1. 將 Grove 電纜的一端插入 GPS 感測器上的插座。它只能以一種方向插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上的 Grove Base Hat 的 UART 插座，該插座標記為 **UART**。此插座位於中間排，靠近 SD 卡插槽的一側，遠離 USB 端口和以太網插座。
-
-    ![Grove GPS 感測器連接到 UART 插座](../../../../../translated_images/zh-HK/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png)
-
-1. 將 GPS 感測器放置在天線能夠看到天空的位置——理想情況下靠近窗戶或室外。天線周圍沒有障礙物時，信號會更清晰。
-
-## 編程 GPS 感測器
-
-現在可以編程 Raspberry Pi 以使用連接的 GPS 感測器。
-
-### 任務 - 編程 GPS 感測器
-
-編程設備。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. GPS 感測器有兩個 LED——藍色 LED 在傳輸數據時閃爍，綠色 LED 在接收衛星數據時每秒閃爍一次。啟動 Raspberry Pi 時，確保藍色 LED 閃爍。幾分鐘後，綠色 LED 會開始閃爍——如果沒有，可能需要重新調整天線的位置。
-
-1. 啟動 VS Code，可以直接在 Raspberry Pi 上啟動，也可以通過 Remote SSH 擴展連接。
-
-    > ⚠️ 如果需要，可以參考 [課程 1 中設置和啟動 VS Code 的指導](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
-
-1. 對於支持藍牙的新版本 Raspberry Pi，藍牙使用的串口與 Grove UART 端口使用的串口存在衝突。為了解決這個問題，請執行以下操作：
-
-    1. 在 VS Code 的終端中，使用以下命令通過 `nano` 編輯 `/boot/config.txt` 文件，`nano` 是內置的終端文本編輯器：
-
-        ```sh
-        sudo nano /boot/config.txt
-        ```
-
-        > 由於需要使用 `sudo` 權限（提升的權限）來編輯此文件，因此無法直接通過 VS Code 編輯。
-
-    1. 使用光標鍵移動到文件末尾，然後將以下代碼複製並粘貼到文件末尾：
-
-        ```ini
-        dtoverlay=pi3-miniuart-bt
-        dtoverlay=pi3-disable-bt
-        enable_uart=1
-        ```
-
-        你可以使用設備的常規鍵盤快捷鍵粘貼（Windows、Linux 或 Raspberry Pi OS 上使用 `Ctrl+v`，macOS 上使用 `Cmd+v`）。
-
-    1. 按 `Ctrl+x` 保存文件並退出 nano。當被詢問是否保存修改的緩衝區時，按 `y`，然後按 `Enter` 確認覆蓋 `/boot/config.txt`。
-
-        > 如果出現錯誤，可以選擇不保存退出，然後重複這些步驟。
-
-    1. 使用以下命令在 nano 中編輯 `/boot/cmdline.txt` 文件：
-
-        ```sh
-        sudo nano /boot/cmdline.txt
-        ```
-
-    1. 此文件包含多個用空格分隔的鍵值對。刪除任何鍵為 `console` 的鍵值對。它們可能看起來像這樣：
-
-        ```output
-        console=serial0,115200 console=tty1 
-        ```
-
-        你可以使用光標鍵移動到這些條目，然後使用常規的 `del` 或 `backspace` 鍵刪除。
-
-        例如，如果原始文件如下所示：
-
-        ```output
-        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
-        ```
-
-        新版本將如下所示：
-
-        ```output
-        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
-        ```
-
-    1. 按上述步驟保存文件並退出 nano。
-
-    1. 重啟 Raspberry Pi，然後在 Pi 重啟後重新連接到 VS Code。
-
-1. 在終端中，為 `pi` 用戶的主目錄創建一個名為 `gps-sensor` 的新文件夾。在此文件夾中創建一個名為 `app.py` 的文件。
-
-1. 在 VS Code 中打開此文件夾。
-
-1. GPS 模塊通過串口傳輸 UART 數據。安裝 `pyserial` Pip 包以便從 Python 代碼與串口通信：
-
-    ```sh
-    pip3 install pyserial
-    ```
-
-1. 將以下代碼添加到你的 `app.py` 文件中：
-
-    ```python
-    import time
-    import serial
-    
-    serial = serial.Serial('/dev/ttyAMA0', 9600, timeout=1)
-    serial.reset_input_buffer()
-    serial.flush()
-    
-    def print_gps_data(line):
-        print(line.rstrip())
-    
-    while True:
-        line = serial.readline().decode('utf-8')
-    
-        while len(line) > 0:
-            print_gps_data(line)
-            line = serial.readline().decode('utf-8')
-    
-        time.sleep(1)
-    ```
-
-    此代碼從 `pyserial` Pip 包中導入 `serial` 模塊。然後它連接到 `/dev/ttyAMA0` 串口——這是 Grove Pi Base Hat 使用的 UART 端口的地址。接著，它清除此串口連接中的任何現有數據。
-
-    接下來定義了一個名為 `print_gps_data` 的函數，用於將傳入的行打印到控制台。
-
-    然後代碼進行無限循環，每次循環從串口讀取多行文本。它對每行調用 `print_gps_data` 函數。
-
-    在所有數據讀取完成後，循環會休眠 1 秒，然後再次嘗試。
-
-1. 運行此代碼。你將看到來自 GPS 感測器的原始輸出，類似如下：
-
-    ```output
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
-    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
-    $GPGSV,1,1,00*79
-    $BDGSV,1,1,00*68
-    ```
-
-    > 如果在停止並重新啟動代碼時遇到以下錯誤之一，請在你的 while 循環中添加 `try - except` 塊。
-
-      ```output
-      UnicodeDecodeError: 'utf-8' codec can't decode byte 0x93 in position 0: invalid start byte
-      UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 0: invalid continuation byte
-      ```
-
-    ```python
-    while True:
-        try:
-            line = serial.readline().decode('utf-8')
-              
-            while len(line) > 0:
-                print_gps_data()
-                line = serial.readline().decode('utf-8')
-      
-        # There's a random chance the first byte being read is part way through a character.
-        # Read another full line and continue.
-
-        except UnicodeDecodeError:
-            line = serial.readline().decode('utf-8')
-
-    time.sleep(1)
-    ```
-
-> 💁 你可以在 [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi) 文件夾中找到此代碼。
-
-😀 恭喜！你的 GPS 感測器程式成功運行！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/hk/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
deleted file mode 100644
index 0a5ba14e8..000000000
--- a/translations/hk/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
+++ /dev/null
@@ -1,75 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "cbb8c285bc64c5192fae3368fb5077d2",
-  "translation_date": "2025-08-26T15:49:24+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
-  "language_code": "hk"
-}
--->
-# 解碼 GPS 數據 - 虛擬 IoT 硬件及 Raspberry Pi
-
-在本課程中，你將解碼由 Raspberry Pi 或虛擬 IoT 設備從 GPS 感測器讀取的 NMEA 訊息，並提取緯度和經度。
-
-## 解碼 GPS 數據
-
-當從串口讀取到原始 NMEA 數據後，可以使用開源 NMEA 庫進行解碼。
-
-### 任務 - 解碼 GPS 數據
-
-編寫設備程式以解碼 GPS 數據。
-
-1. 如果尚未開啟 `gps-sensor` 應用程式專案，請開啟它。
-
-1. 安裝 `pynmea2` Pip 套件。此套件包含解碼 NMEA 訊息的程式碼。
-
-    ```sh
-    pip3 install pynmea2
-    ```
-
-1. 在 `app.py` 文件的導入部分新增以下程式碼以導入 `pynmea2` 模組：
-
-    ```python
-    import pynmea2
-    ```
-
-1. 用以下內容替換 `print_gps_data` 函數的內容：
-
-    ```python
-    msg = pynmea2.parse(line)
-    if msg.sentence_type == 'GGA':
-        lat = pynmea2.dm_to_sd(msg.lat)
-        lon = pynmea2.dm_to_sd(msg.lon)
-
-        if msg.lat_dir == 'S':
-            lat = lat * -1
-
-        if msg.lon_dir == 'W':
-            lon = lon * -1
-
-        print(f'{lat},{lon} - from {msg.num_sats} satellites')
-    ```
-
-    此程式碼將使用 `pynmea2` 庫解析從 UART 串口讀取的行。
-
-    如果訊息的句子類型是 `GGA`，則這是一條位置固定訊息，並進行處理。緯度和經度值將從訊息中讀取，並從 NMEA `(d)ddmm.mmmm` 格式轉換為十進制度數。`dm_to_sd` 函數負責進行此轉換。
-
-    接著檢查緯度的方向，如果緯度是南方，則將其值轉換為負數。同樣地，如果經度是西方，也將其轉換為負數。
-
-    最後，座標將與用於定位的衛星數量一起打印到控制台。
-
-1. 執行程式碼。如果你使用的是虛擬 IoT 設備，請確保 CounterFit 應用程式正在運行並且 GPS 數據正在發送。
-
-    ```output
-    pi@raspberrypi:~/gps-sensor $ python3 app.py 
-    47.6423109,-122.1390293 - from 3 satellites
-    ```
-
-> 💁 你可以在 [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device) 資料夾或 [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi) 資料夾中找到此程式碼。
-
-😀 你的 GPS 感測器程式成功解碼數據！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/hk/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
deleted file mode 100644
index d6e558603..000000000
--- a/translations/hk/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
+++ /dev/null
@@ -1,144 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
-  "translation_date": "2025-08-26T15:46:18+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
-  "language_code": "hk"
-}
--->
-# 讀取 GPS 數據 - 虛擬物聯網硬件
-
-在本課程中，你將為虛擬物聯網設備添加一個 GPS 感測器，並從中讀取數據。
-
-## 虛擬硬件
-
-虛擬物聯網設備將使用一個模擬的 GPS 感測器，該感測器可通過 UART 串口訪問。
-
-實體的 GPS 感測器會有一個天線，用來接收來自 GPS 衛星的電波，並將 GPS 信號轉換為 GPS 數據。虛擬版本則模擬這一過程，允許你設置緯度和經度、發送原始 NMEA 句子，或者上傳包含多個位置的 GPX 文件，這些位置可以依次返回。
-
-> 🎓 NMEA 句子將在本課程後續部分進行講解
-
-### 在 CounterFit 中添加感測器
-
-要使用虛擬 GPS 感測器，你需要在 CounterFit 應用中添加一個。
-
-#### 任務 - 在 CounterFit 中添加感測器
-
-在 CounterFit 應用中添加 GPS 感測器。
-
-1. 在你的電腦上創建一個名為 `gps-sensor` 的新 Python 應用，並在其中建立一個名為 `app.py` 的文件和一個 Python 虛擬環境，然後添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，你可以參考[第 1 課中創建和設置 CounterFit Python 項目的指導](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 安裝額外的 Pip 套件，以便安裝一個 CounterFit shim，該 shim 可以通過串口與基於 UART 的感測器通信。確保你是在啟動了虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install counterfit-shims-serial
-    ```
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建一個 GPS 感測器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *UART GPS*。
-
-    1. 保持 *Port* 設置為 */dev/ttyAMA0*。
-
-    1. 點擊 **Add** 按鈕，在 `/dev/ttyAMA0` 端口上創建 GPS 感測器。
-
-    ![GPS 感測器設置](../../../../../translated_images/zh-HK/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png)
-
-    GPS 感測器將被創建並顯示在感測器列表中。
-
-    ![已創建的 GPS 感測器](../../../../../translated_images/zh-HK/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png)
-
-## 編程 GPS 感測器
-
-現在可以為虛擬物聯網設備編程以使用虛擬 GPS 感測器。
-
-### 任務 - 編程 GPS 感測器
-
-編程 GPS 感測器應用。
-
-1. 確保 `gps-sensor` 應用已在 VS Code 中打開。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下代碼，以連接應用到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在其下方添加以下代碼以導入一些需要的庫，包括 CounterFit 串口庫：
-
-    ```python
-    import time
-    import counterfit_shims_serial
-    
-    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
-    ```
-
-    此代碼從 `counterfit_shims_serial` Pip 套件中導入 `serial` 模塊。然後連接到 `/dev/ttyAMA0` 串口——這是虛擬 GPS 感測器用於其 UART 端口的地址。
-
-1. 在其下方添加以下代碼以從串口讀取數據並將值打印到控制台：
-
-    ```python
-    def print_gps_data(line):
-        print(line.rstrip())
-    
-    while True:
-        line = serial.readline().decode('utf-8')
-    
-        while len(line) > 0:
-            print_gps_data(line)
-            line = serial.readline().decode('utf-8')
-    
-        time.sleep(1)
-    ```
-
-    定義了一個名為 `print_gps_data` 的函數，用於將傳入的行打印到控制台。
-
-    接著代碼進行無限循環，在每次循環中從串口讀取多行文本。它會為每行調用 `print_gps_data` 函數。
-
-    在所有數據讀取完成後，循環會休眠 1 秒，然後再次嘗試。
-
-1. 運行此代碼，確保使用與 CounterFit 應用運行的終端不同的終端，以便 CounterFit 應用保持運行。
-
-1. 從 CounterFit 應用中更改 GPS 感測器的值。你可以通過以下方式之一進行操作：
-
-    * 將 **Source** 設置為 `Lat/Lon`，並設置明確的緯度、經度以及用於獲取 GPS 定位的衛星數量。此值僅會發送一次，因此勾選 **Repeat** 框以使數據每秒重複發送。
-
-      ![選擇緯度和經度的 GPS 感測器](../../../../../translated_images/zh-HK/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png)
-
-    * 將 **Source** 設置為 `NMEA`，並在文本框中添加一些 NMEA 句子。所有這些值都會被發送，每個新的 GGA（位置修正）句子可以在 1 秒延遲後被讀取。
-
-      ![設置 NMEA 句子的 GPS 感測器](../../../../../translated_images/zh-HK/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png)
-
-      你可以使用像 [nmeagen.org](https://www.nmeagen.org) 這樣的工具通過在地圖上繪製來生成這些句子。這些值僅會發送一次，因此勾選 **Repeat** 框以使數據在全部發送後每秒重複一次。
-
-    * 將 **Source** 設置為 GPX 文件，並上傳一個包含軌跡位置的 GPX 文件。你可以從一些流行的地圖和徒步網站（如 [AllTrails](https://www.alltrails.com/)）下載 GPX 文件。這些文件包含多個 GPS 位置作為軌跡，GPS 感測器將以 1 秒間隔返回每個新位置。
-
-      ![設置 GPX 文件的 GPS 感測器](../../../../../translated_images/zh-HK/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png)
-
-      這些值僅會發送一次，因此勾選 **Repeat** 框以使數據在全部發送後每秒重複一次。
-
-    配置好 GPS 設置後，選擇 **Set** 按鈕以將這些值提交到感測器。
-
-1. 你將看到來自 GPS 感測器的原始輸出，類似以下內容：
-
-    ```output
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    ```
-
-> 💁 你可以在 [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device) 文件夾中找到此代碼。
-
-😀 你的 GPS 感測器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/hk/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
deleted file mode 100644
index cae8825c2..000000000
--- a/translations/hk/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
+++ /dev/null
@@ -1,83 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
-  "translation_date": "2025-08-26T15:50:21+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
-  "language_code": "hk"
-}
--->
-# 解碼 GPS 數據 - Wio Terminal
-
-在這部分課程中，你將解碼從 Wio Terminal 的 GPS 感測器讀取的 NMEA 訊息，並提取緯度和經度。
-
-## 解碼 GPS 數據
-
-一旦從序列埠讀取到原始的 NMEA 數據，就可以使用開源的 NMEA 函式庫進行解碼。
-
-### 任務 - 解碼 GPS 數據
-
-編寫程式讓裝置解碼 GPS 數據。
-
-1. 如果尚未開啟，請打開 `gps-sensor` 應用程式專案。
-
-1. 在專案的 `platformio.ini` 檔案中，新增 [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) 函式庫的依賴項目。這個函式庫包含解碼 NMEA 數據的程式碼。
-
-    ```ini
-    lib_deps =
-        mikalhart/TinyGPSPlus @ 1.0.2
-    ```
-
-1. 在 `main.cpp` 中，新增一行包含 TinyGPSPlus 函式庫的指令：
-
-    ```cpp
-    #include <TinyGPS++.h>
-    ```
-
-1. 在 `Serial3` 宣告的下方，宣告一個 TinyGPSPlus 物件來處理 NMEA 訊息：
-
-    ```cpp
-    TinyGPSPlus gps;
-    ```
-
-1. 將 `printGPSData` 函式的內容更改為以下內容：
-
-    ```cpp
-    if (gps.encode(Serial3.read()))
-    {
-        if (gps.location.isValid())
-        {
-            Serial.print(gps.location.lat(), 6);
-            Serial.print(F(","));
-            Serial.print(gps.location.lng(), 6);
-            Serial.print(" - from ");
-            Serial.print(gps.satellites.value());
-            Serial.println(" satellites");
-        }
-    }
-    ```
-
-    這段程式碼會從 UART 序列埠讀取下一個字元並傳入 `gps` NMEA 解碼器。每讀取一個字元後，它會檢查解碼器是否已讀取到有效的訊息，然後檢查是否已讀取到有效的位置。如果位置有效，它會將位置資料和參與定位的衛星數量一起傳送到序列監控器。
-
-1. 編譯並上傳程式碼到 Wio Terminal。
-
-1. 上傳完成後，你可以使用序列監控器來監控 GPS 位置數據。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    47.6423109,-122.1390293 - from 3 satellites
-    ```
-
-> 💁 你可以在 [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 你的 GPS 感測器程式成功解碼數據了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/hk/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
deleted file mode 100644
index fb5978fd9..000000000
--- a/translations/hk/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
+++ /dev/null
@@ -1,154 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
-  "translation_date": "2025-08-26T15:45:45+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
-  "language_code": "hk"
-}
--->
-# 讀取 GPS 數據 - Wio Terminal
-
-在本課程中，你將為 Wio Terminal 添加一個 GPS 感測器，並從中讀取數據。
-
-## 硬件
-
-Wio Terminal 需要一個 GPS 感測器。
-
-你將使用的感測器是 [Grove GPS Air530 感測器](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)。這個感測器可以連接多個 GPS 系統，提供快速且準確的定位。感測器由兩部分組成——感測器的核心電子元件，以及通過細線連接的外部天線，用於接收來自衛星的無線電波。
-
-這是一個 UART 感測器，因此它通過 UART 傳輸 GPS 數據。
-
-### 連接 GPS 感測器
-
-Grove GPS 感測器可以連接到 Wio Terminal。
-
-#### 任務 - 連接 GPS 感測器
-
-連接 GPS 感測器。
-
-![Grove GPS 感測器](../../../../../translated_images/zh-HK/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png)
-
-1. 將 Grove 線纜的一端插入 GPS 感測器的插槽。它只能以一種方式插入。
-
-1. 確保 Wio Terminal 未連接到電腦或其他電源，然後將 Grove 線纜的另一端連接到 Wio Terminal 左側的 Grove 插槽（面向螢幕時）。這是靠近電源按鈕的插槽。
-
-    ![Grove GPS 感測器連接到左側插槽](../../../../../translated_images/zh-HK/wio-gps-sensor.19fd52b81ce58095.webp)
-
-1. 將 GPS 感測器放置在天線可以看到天空的位置——理想情況下靠近窗戶或在室外。天線周圍沒有障礙物時，信號會更清晰。
-
-1. 現在可以將 Wio Terminal 連接到電腦。
-
-1. GPS 感測器有兩個 LED 指示燈——藍色 LED 在傳輸數據時閃爍，綠色 LED 在接收到衛星數據時每秒閃爍一次。啟動 Wio Terminal 時，確保藍色 LED 正在閃爍。幾分鐘後，綠色 LED 會開始閃爍——如果沒有，可能需要重新調整天線的位置。
-
-## 編程 GPS 感測器
-
-現在可以為 Wio Terminal 編程以使用連接的 GPS 感測器。
-
-### 任務 - 編程 GPS 感測器
-
-為設備編程。
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案，命名為 `gps-sensor`。在 `setup` 函數中添加代碼以配置串口。
-
-1. 在 `main.cpp` 文件的頂部添加以下 include 指令。這將包含一個用於配置左側 Grove 插槽為 UART 的標頭文件。
-
-    ```cpp
-    #include <wiring_private.h>
-    ```
-
-1. 在此之下，添加以下代碼行以聲明一個與 UART 插槽連接的串口：
-
-    ```cpp
-    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
-    ```
-
-1. 需要添加一些代碼將內部信號處理程序重定向到此串口。在 `Serial3` 聲明之後添加以下代碼：
-
-    ```cpp
-    void SERCOM3_0_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    
-    void SERCOM3_1_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    
-    void SERCOM3_2_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    
-    void SERCOM3_3_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    ```
-
-1. 在 `setup` 函數中，配置 `Serial` 串口之後，使用以下代碼配置 UART 串口：
-
-    ```cpp
-    Serial3.begin(9600);
-
-    while (!Serial3)
-        ; // Wait for Serial3 to be ready
-
-    delay(1000);
-    ```
-
-1. 在 `setup` 函數中的此代碼下方，添加以下代碼以將 Grove 插槽連接到串口：
-
-    ```cpp
-    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
-    ```
-
-1. 在 `loop` 函數之前，添加以下函數以將 GPS 數據發送到串口監視器：
-
-    ```cpp
-    void printGPSData()
-    {
-        Serial.println(Serial3.readStringUntil('\n'));
-    }
-    ```
-
-1. 在 `loop` 函數中，添加以下代碼以從 UART 串口讀取數據並將輸出打印到串口監視器：
-
-    ```cpp
-    while (Serial3.available() > 0)
-    {
-        printGPSData();
-    }
-    
-    delay(1000);
-    ```
-
-    此代碼從 UART 串口讀取數據。`readStringUntil` 函數會讀取直到終止符（在此情況下為換行符）的內容。這將讀取整個 NMEA 語句（NMEA 語句以換行符結尾）。只要可以從 UART 串口讀取數據，數據就會被讀取並通過 `printGPSData` 函數發送到串口監視器。一旦無法再讀取數據，`loop` 會延遲 1 秒（1,000 毫秒）。
-
-1. 編譯並上傳代碼到 Wio Terminal。
-
-1. 上傳完成後，可以使用串口監視器查看 GPS 數據。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
-    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
-    $GPGSV,1,1,00*79
-    $BDGSV,1,1,00*68
-    ```
-
-> 💁 你可以在 [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal) 資料夾中找到此代碼。
-
-😀 恭喜！你的 GPS 感測器程式成功運行！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/2-store-location-data/README.md b/translations/hk/3-transport/lessons/2-store-location-data/README.md
deleted file mode 100644
index 69dbb647a..000000000
--- a/translations/hk/3-transport/lessons/2-store-location-data/README.md
+++ /dev/null
@@ -1,477 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e345843ccfeb7261d81500d19c64d476",
-  "translation_date": "2025-08-26T15:53:37+00:00",
-  "source_file": "3-transport/lessons/2-store-location-data/README.md",
-  "language_code": "hk"
-}
--->
-# 儲存位置數據
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-HK/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
-
-## 簡介
-
-在上一課中，你學習了如何使用 GPS 感應器來捕捉位置數據。要將這些數據用於可視化一輛載滿食物的卡車的位置及其行程，需要將數據發送到雲端的 IoT 服務，並存儲在某個地方。
-
-在本課中，你將學習存儲 IoT 數據的不同方法，並學習如何使用無伺服器代碼來存儲來自 IoT 服務的數據。
-
-本課將涵蓋以下內容：
-
-* [結構化數據與非結構化數據](../../../../../3-transport/lessons/2-store-location-data)
-* [將 GPS 數據發送到 IoT Hub](../../../../../3-transport/lessons/2-store-location-data)
-* [熱路徑、暖路徑和冷路徑](../../../../../3-transport/lessons/2-store-location-data)
-* [使用無伺服器代碼處理 GPS 事件](../../../../../3-transport/lessons/2-store-location-data)
-* [Azure 儲存帳戶](../../../../../3-transport/lessons/2-store-location-data)
-* [將無伺服器代碼連接到儲存](../../../../../3-transport/lessons/2-store-location-data)
-
-## 結構化數據與非結構化數據
-
-計算機系統處理數據，而這些數據的形狀和大小各不相同。它可以是單一的數字、大量的文本、視頻和圖片，或者 IoT 數據。數據通常可以分為兩類——*結構化數據* 和 *非結構化數據*。
-
-* **結構化數據** 是具有明確定義、固定結構的數據，通常映射到具有關聯的數據表。例如，一個人的詳細信息，包括姓名、出生日期和地址。
-
-* **非結構化數據** 是沒有明確定義、固定結構的數據，包括結構可能頻繁變化的數據。例如，文檔如書面文件或電子表格。
-
-✅ 做些研究：你能想到其他結構化和非結構化數據的例子嗎？
-
-> 💁 還有一種半結構化數據，它具有結構但不符合固定的數據表。
-
-IoT 數據通常被認為是非結構化數據。
-
-想像一下，你正在為一家大型商業農場的車隊添加 IoT 設備。你可能希望為不同類型的車輛使用不同的設備。例如：
-
-* 對於農場車輛如拖拉機，你需要 GPS 數據以確保它們在正確的田地工作
-* 對於運送食物到倉庫的送貨卡車，你需要 GPS 數據以及速度和加速度數據，以確保司機安全駕駛，還需要駕駛身份和啟動/停止數據以確保司機遵守當地法律的工作時間規定
-* 對於冷藏卡車，你還需要溫度數據以確保食物在運輸過程中不會過熱或過冷而變質
-
-這些數據可能會不斷變化。例如，如果 IoT 設備位於卡車駕駛室中，那麼它發送的數據可能會隨著拖車的更換而改變，例如只有在使用冷藏拖車時才發送溫度數據。
-
-✅ 還有什麼其他 IoT 數據可能被捕捉到？想想卡車可能運載的貨物類型，以及維護數據。
-
-這些數據因車輛而異，但它們都被發送到同一個 IoT 服務進行處理。IoT 服務需要能夠處理這些非結構化數據，並以一種既能搜索或分析又能適應不同數據結構的方式存儲它。
-
-### SQL 與 NoSQL 儲存
-
-數據庫是允許存儲和查詢數據的服務。數據庫分為兩種類型——SQL 和 NoSQL。
-
-#### SQL 數據庫
-
-最早的數據庫是關係型數據庫管理系統 (RDBMS)，或稱為關係型數據庫。它們也被稱為 SQL 數據庫，因為它們使用結構化查詢語言 (SQL) 與數據庫交互以添加、刪除、更新或查詢數據。這些數據庫由一個模式組成——一組明確定義的數據表，類似於電子表格。每個表有多個命名列。插入數據時，你向表中添加一行，並將值放入每個列中。這使得數據保持非常固定的結構——儘管你可以留空列，但如果你想添加新列，必須在數據庫中進行操作，並為現有行填充值。這些數據庫是關係型的——即一個表可以與另一個表有關聯。
-
-![一個關係型數據庫，其中用戶表的 ID 與購買表的用戶 ID 列相關，產品表的 ID 與購買表的產品 ID 列相關](../../../../../translated_images/zh-HK/sql-database.be160f12bfccefd3.webp)
-
-例如，如果你在一個表中存儲用戶的個人詳細信息，你會為每個用戶設置某種內部唯一 ID，該 ID 用於存儲用戶的姓名和地址。如果你想在另一個表中存儲該用戶的其他詳細信息，例如購買記錄，你會在新表中設置一列來存儲該用戶的 ID。當你查詢用戶時，可以使用其 ID 從一個表中獲取個人詳細信息，並從另一個表中獲取購買記錄。
-
-SQL 數據庫非常適合存儲結構化數據，並且可以確保數據符合你的模式。
-
-✅ 如果你之前沒有使用過 SQL，請花點時間閱讀 [Wikipedia 上的 SQL 頁面](https://wikipedia.org/wiki/SQL)。
-
-一些知名的 SQL 數據庫包括 Microsoft SQL Server、MySQL 和 PostgreSQL。
-
-✅ 做些研究：閱讀一些這些 SQL 數據庫及其功能。
-
-#### NoSQL 數據庫
-
-NoSQL 數據庫之所以被稱為 NoSQL，是因為它們沒有 SQL 數據庫的固定結構。它們也被稱為文檔數據庫，因為它們可以存儲非結構化數據，例如文檔。
-
-> 💁 儘管名稱如此，一些 NoSQL 數據庫允許使用 SQL 查詢數據。
-
-![NoSQL 數據庫中的文件夾中的文檔](../../../../../translated_images/zh-HK/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png)
-
-NoSQL 數據庫沒有預定義的模式來限制數據存儲方式，你可以插入任何非結構化數據，通常使用 JSON 文檔。這些文檔可以像電腦上的文件一樣組織到文件夾中。每個文檔可以與其他文檔有不同的字段——例如，如果你存儲農場車輛的 IoT 數據，有些可能有加速度計和速度數據字段，其他可能有拖車內部溫度字段。如果你添加了一種新型卡車，例如內置秤來跟蹤運載的農產品重量，那麼你的 IoT 設備可以添加這個新字段，並且可以在不更改數據庫的情況下存儲。
-
-一些知名的 NoSQL 數據庫包括 Azure CosmosDB、MongoDB 和 CouchDB。
-
-✅ 做些研究：閱讀一些這些 NoSQL 數據庫及其功能。
-
-在本課中，你將使用 NoSQL 儲存來存儲 IoT 數據。
-
-## 將 GPS 數據發送到 IoT Hub
-
-在上一課中，你從連接到 IoT 設備的 GPS 感應器捕捉了 GPS 數據。要在雲端存儲這些 IoT 數據，你需要將其發送到 IoT 服務。你將再次使用 Azure IoT Hub，這是你在上一個項目中使用的同一個 IoT 雲服務。
-
-![將 GPS 遙測數據從 IoT 設備發送到 IoT Hub](../../../../../translated_images/zh-HK/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png)
-
-### 任務 - 將 GPS 數據發送到 IoT Hub
-
-1. 使用免費層創建一個新的 IoT Hub。
-
-    > ⚠️ 如果需要，可以參考 [項目 2，第 4 課中創建 IoT Hub 的指導](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud)。
-
-    記得創建一個新的資源組。將新的資源組命名為 `gps-sensor`，並為新的 IoT Hub 命名一個基於 `gps-sensor` 的唯一名稱，例如 `gps-sensor-<你的名字>`。
-
-    > 💁 如果你仍然保留上一個項目的 IoT Hub，可以重複使用它。創建其他服務時，記得使用該 IoT Hub 的名稱及其所在的資源組。
-
-1. 在 IoT Hub 中添加一個新設備。將此設備命名為 `gps-sensor`。獲取該設備的連接字符串。
-
-1. 更新你的設備代碼，使用上一步中的設備連接字符串將 GPS 數據發送到新的 IoT Hub。
-
-    > ⚠️ 如果需要，可以參考 [項目 2，第 4 課中將設備連接到 IoT 的指導](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service)。
-
-1. 發送 GPS 數據時，請使用以下 JSON 格式：
-
-    ```json
-    {
-        "gps" :
-        {
-            "lat" : <latitude>,
-            "lon" : <longitude>
-        }
-    }
-    ```
-
-1. 每分鐘發送一次 GPS 數據，以免超過每日消息配額。
-
-如果你使用 Wio Terminal，記得添加所有必要的庫，並使用 NTP 伺服器設置時間。你的代碼還需要確保在發送 GPS 位置之前已從串口讀取所有數據，使用上一課的現有代碼。使用以下代碼構建 JSON 文檔：
-
-```cpp
-DynamicJsonDocument doc(1024);
-doc["gps"]["lat"] = gps.location.lat();
-doc["gps"]["lon"] = gps.location.lng();
-```
-
-如果你使用虛擬 IoT 設備，記得使用虛擬環境安裝所有需要的庫。
-
-對於 Raspberry Pi 和虛擬 IoT 設備，使用上一課的現有代碼獲取緯度和經度值，然後使用以下代碼以正確的 JSON 格式發送它們：
-
-```python
-message_json = { "gps" : { "lat":lat, "lon":lon } }
-print("Sending telemetry", message_json)
-message = Message(json.dumps(message_json))
-```
-
-> 💁 你可以在 [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal)、[code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) 或 [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device) 文件夾中找到這些代碼。
-
-運行你的設備代碼，並使用 `az iot hub monitor-events` CLI 命令確保消息流入 IoT Hub。
-
-## 熱路徑、暖路徑和冷路徑
-
-從 IoT 設備流向雲端的數據並不總是實時處理。有些數據需要實時處理，其他數據可以稍後處理，還有一些數據可以更晚處理。數據流向不同服務以在不同時間處理的方式被稱為熱路徑、暖路徑和冷路徑。
-
-### 熱路徑
-
-熱路徑指需要實時或接近實時處理的數據。你可以使用熱路徑數據進行警報，例如接收到車輛接近倉庫的警報，或者冷藏卡車內溫度過高的警報。
-
-要使用熱路徑數據，你的代碼需要在雲服務接收到事件時立即做出響應。
-
-### 暖路徑
-
-暖路徑指可以在接收到數據後稍作處理的數據，例如報告或短期分析。你可以使用暖路徑數據生成每日車輛里程報告，使用前一天收集的數據。
-
-暖路徑數據在雲服務接收到後存儲在某種可以快速訪問的儲存中。
-
-### 冷路徑
-
-冷路徑指歷史數據，存儲長期數據以便隨時處理。例如，你可以使用冷路徑生成年度車輛里程報告，或者對路線進行分析以找到最優路線以降低燃料成本。
-
-冷路徑數據存儲在數據倉庫中——設計用於存儲大量不會更改且可以快速輕鬆查詢的數據的數據庫。通常，你的雲應用程序會定期運行任務，每天、每週或每月定期將數據從暖路徑儲存移動到數據倉庫。
-
-✅ 思考一下你在這些課程中捕捉到的數據。它是熱路徑、暖路徑還是冷路徑數據？
-
-## 使用無伺服器代碼處理 GPS 事件
-
-一旦數據流入你的 IoT Hub，你可以編寫一些無伺服器代碼來監聽發佈到 Event-Hub 兼容端點的事件。這是暖路徑——這些數據將被存儲並在下一課中用於報告行程。
-
-![將 GPS 遙測數據從 IoT 設備發送到 IoT Hub，然後通過事件中心觸發器發送到 Azure Functions](../../../../../translated_images/zh-HK/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png)
-
-### 任務 - 使用無伺服器代碼處理 GPS 事件
-
-1. 使用 Azure Functions CLI 創建一個 Azure Functions 應用。使用 Python 運行時，並在名為 `gps-trigger` 的文件夾中創建它，並使用相同的名稱作為 Functions App 項目名稱。確保創建一個虛擬環境來使用它。
-> ⚠️ 你可以參考[如何從第2部分，第5課建立 Azure Functions 專案的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application)（如有需要）。
-1. 添加一個 IoT Hub 事件觸發器，使用 IoT Hub 的 Event Hub 兼容端點。
-
-    > ⚠️ 如果需要，可以參考[項目 2，第 5 課中創建 IoT Hub 事件觸發器的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger)。
-
-1. 在 `local.settings.json` 文件中設置 Event Hub 兼容端點的連接字串，並在 `function.json` 文件中使用該條目的鍵。
-
-1. 使用 Azurite 應用作為本地存儲模擬器。
-
-1. 運行你的 Functions 應用，確保它能接收來自 GPS 設備的事件。確保你的 IoT 設備也在運行並發送 GPS 數據。
-
-    ```output
-    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
-    ```
-
-## Azure 存儲帳戶
-
-![Azure Storage 標誌](../../../../../translated_images/zh-HK/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png)
-
-Azure 存儲帳戶是一種通用存儲服務，可以以多種方式存儲數據。你可以存儲數據為 Blob、隊列、表或文件，並且可以同時使用這些方式。
-
-### Blob 存儲
-
-*Blob* 的意思是二進制大型對象，但已成為任何非結構化數據的術語。你可以在 Blob 存儲中存儲任何數據，從包含 IoT 數據的 JSON 文檔到圖片和影片文件。Blob 存儲有 *容器* 的概念，容器是命名的存儲桶，用於存儲數據，類似於關係型數據庫中的表。這些容器可以包含一個或多個文件夾來存儲 Blob，每個文件夾可以包含其他文件夾，類似於電腦硬碟上的文件存儲方式。
-
-在本課中，你將使用 Blob 存儲來存儲 IoT 數據。
-
-✅ 做一些研究：閱讀 [Azure Blob Storage](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn)
-
-### 表存儲
-
-表存儲允許你存儲半結構化數據。表存儲實際上是一個 NoSQL 數據庫，因此不需要事先定義表，但它設計用於在一個或多個表中存儲數據，每行都有唯一鍵。
-
-✅ 做一些研究：閱讀 [Azure Table Storage](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn)
-
-### 隊列存儲
-
-隊列存儲允許你在隊列中存儲最多 64KB 的消息。你可以將消息添加到隊列的末尾，並從隊列的前端讀取。隊列會長期存儲消息，只要還有存儲空間，因此允許消息長期存儲，然後在需要時讀取。例如，如果你想每月運行一次作業來處理 GPS 數據，你可以每天將數據添加到隊列中，然後在月底處理所有消息。
-
-✅ 做一些研究：閱讀 [Azure Queue Storage](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn)
-
-### 文件存儲
-
-文件存儲是雲端的文件存儲，任何應用或設備都可以使用行業標準協議進行連接。你可以將文件寫入文件存儲，然後將其掛載為 PC 或 Mac 上的驅動器。
-
-✅ 做一些研究：閱讀 [Azure File Storage](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn)
-
-## 將無伺服器代碼連接到存儲
-
-你的 Functions 應用現在需要連接到 Blob 存儲，以存儲來自 IoT Hub 的消息。有兩種方法可以做到：
-
-* 在函數代碼內，使用 Blob 存儲的 Python SDK 連接到 Blob 存儲並將數據寫入 Blob。
-* 使用輸出函數綁定，將函數的返回值綁定到 Blob 存儲，並自動保存 Blob。
-
-在本課中，你將使用 Python SDK 來了解如何與 Blob 存儲交互。
-
-![將 GPS 遙測數據從 IoT 設備發送到 IoT Hub，然後通過事件觸發器發送到 Azure Functions，最後保存到 Blob 存儲](../../../../../translated_images/zh-HK/save-telemetry-to-storage-from-functions.ed3b1820980097f1.webp)
-
-數據將保存為以下格式的 JSON Blob：
-
-```json
-{
-    "device_id": <device_id>,
-    "timestamp" : <time>,
-    "gps" :
-    {
-        "lat" : <latitude>,
-        "lon" : <longitude>
-    }
-}
-```
-
-### 任務 - 將無伺服器代碼連接到存儲
-
-1. 創建一個 Azure 存儲帳戶。命名為類似 `gps<你的名字>`。
-
-    > ⚠️ 如果需要，可以參考[項目 2，第 5 課中創建存儲帳戶的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources)。
-
-    如果你在之前的項目中已經有存儲帳戶，可以重複使用。
-
-    > 💁 你可以在本課稍後部署 Azure Functions 應用時使用相同的存儲帳戶。
-
-1. 運行以下命令以獲取存儲帳戶的連接字串：
-
-    ```sh
-    az storage account show-connection-string --output table \
-                                              --name <storage_name>
-    ```
-
-    將 `<storage_name>` 替換為你在上一步中創建的存儲帳戶名稱。
-
-1. 在 `local.settings.json` 文件中為存儲帳戶連接字串添加一個新條目，使用上一步的值。命名為 `STORAGE_CONNECTION_STRING`。
-
-1. 在 `requirements.txt` 文件中添加以下內容，以安裝 Azure 存儲的 Pip 套件：
-
-    ```sh
-    azure-storage-blob
-    ```
-
-    在你的虛擬環境中安裝此文件中的套件。
-
-    > 如果出現錯誤，請使用以下命令將虛擬環境中的 Pip 版本升級到最新版本，然後重試：
-    >
-    > ```sh
-    > pip install --upgrade pip
-    > ```
-
-1. 在 `iot-hub-trigger` 的 `__init__.py` 文件中，添加以下導入語句：
-
-    ```python
-    import json
-    import os
-    import uuid
-    from azure.storage.blob import BlobServiceClient, PublicAccess
-    ```
-
-    `json` 系統模組將用於讀寫 JSON，`os` 系統模組將用於讀取連接字串，`uuid` 系統模組將用於生成 GPS 讀數的唯一 ID。
-
-    `azure.storage.blob` 套件包含與 Blob 存儲交互的 Python SDK。
-
-1. 在 `main` 方法之前，添加以下輔助函數：
-
-    ```python
-    def get_or_create_container(name):
-        connection_str = os.environ['STORAGE_CONNECTION_STRING']
-        blob_service_client = BlobServiceClient.from_connection_string(connection_str)
-    
-        for container in blob_service_client.list_containers():
-            if container.name == name:
-                return blob_service_client.get_container_client(container.name)
-        
-        return blob_service_client.create_container(name, public_access=PublicAccess.Container)
-    ```
-
-    Python Blob SDK 沒有輔助方法來創建不存在的容器。此代碼將從 `local.settings.json` 文件（或部署到雲端後的應用設置）中加載連接字串，然後從中創建一個 `BlobServiceClient` 類以與 Blob 存儲帳戶交互。接著，它會遍歷 Blob 存儲帳戶的所有容器，尋找具有提供名稱的容器——如果找到，則返回一個可以與容器交互以創建 Blob 的 `ContainerClient` 類。如果未找到，則創建容器並返回新容器的客戶端。
-
-    當新容器被創建時，授予公共訪問權限以查詢容器中的 Blob。這將在下一課中用於在地圖上可視化 GPS 數據。
-
-1. 與土壤濕度不同，這段代碼需要存儲每個事件，因此在 `main` 函數中的 `for event in events:` 循環內，`logging` 語句下方添加以下代碼：
-
-    ```python
-    device_id = event.iothub_metadata['connection-device-id']
-    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
-    ```
-
-    此代碼從事件元數據中獲取設備 ID，然後使用它創建 Blob 名稱。Blob 可以存儲在文件夾中，設備 ID 將用作文件夾名稱，因此每個設備的所有 GPS 事件都將存儲在一個文件夾中。Blob 名稱是該文件夾，後跟文檔名稱，用正斜杠分隔，類似於 Linux 和 macOS 路徑（也類似於 Windows，但 Windows 使用反斜杠）。文檔名稱是使用 Python `uuid` 模組生成的唯一 ID，文件類型為 `json`。
-
-    例如，對於 `gps-sensor` 設備 ID，Blob 名稱可能是 `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json`。
-
-1. 在此代碼下方添加以下內容：
-
-    ```python
-    container_client = get_or_create_container('gps-data')
-    blob = container_client.get_blob_client(blob_name)
-    ```
-
-    此代碼使用 `get_or_create_container` 輔助類獲取容器客戶端，然後使用 Blob 名稱獲取 Blob 客戶端對象。這些 Blob 客戶端可以引用現有 Blob，也可以像此處一樣引用新 Blob。
-
-1. 在此代碼後添加以下內容：
-
-    ```python
-    event_body = json.loads(event.get_body().decode('utf-8'))
-    blob_body = {
-        'device_id' : device_id,
-        'timestamp' : event.iothub_metadata['enqueuedtime'],
-        'gps': event_body['gps']
-    }
-    ```
-
-    此代碼構建將寫入 Blob 存儲的 Blob 主體。它是一個 JSON 文檔，包含設備 ID、消息發送到 IoT Hub 的時間以及遙測中的 GPS 坐標。
-
-    > 💁 使用消息的入隊時間而不是當前時間來獲取消息發送的時間非常重要。如果 Functions 應用未運行，消息可能會在 Hub 上停留一段時間。
-
-1. 在此代碼下方添加以下內容：
-
-    ```python
-    logging.info(f'Writing blob to {blob_name} - {blob_body}')
-    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
-    ```
-
-    此代碼記錄即將寫入的 Blob 及其詳細信息，然後將 Blob 主體上傳為新 Blob 的內容。
-
-1. 運行 Functions 應用。你將看到所有 GPS 事件的 Blob 被寫入輸出：
-
-    ```output
-    [2021-05-21T01:31:14.325Z] Python EventHub trigger processed an event: {"gps": {"lat": 47.73092, "lon": -122.26206}}
-    ...
-    [2021-05-21T01:31:14.351Z] Writing blob to gps-sensor/4b6089fe-ba8d-11eb-bc7b-1e00621e3648.json - {'device_id': 'gps-sensor', 'timestamp': '2021-05-21T00:57:53.878Z', 'gps': {'lat': 47.73092, 'lon': -122.26206}}
-    ```
-
-    > 💁 確保你未同時運行 IoT Hub 事件監視器。
-
-> 💁 你可以在 [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions) 文件夾中找到此代碼。
-
-### 任務 - 驗證上傳的 Blob
-
-1. 要查看創建的 Blob，你可以使用 [Azure Storage Explorer](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn)，這是一個免費工具，允許你查看和管理存儲帳戶，或者使用 CLI。
-
-    1. 要使用 CLI，首先需要一個帳戶密鑰。運行以下命令以獲取此密鑰：
-
-        ```sh
-        az storage account keys list --output table \
-                                     --account-name <storage_name>
-        ```
-
-        將 `<storage_name>` 替換為存儲帳戶的名稱。
-
-        複製 `key1` 的值。
-
-    1. 運行以下命令以列出容器中的 Blob：
-
-        ```sh
-        az storage blob list --container-name gps-data \
-                             --output table \
-                             --account-name <storage_name> \
-                             --account-key <key1>
-        ```
-
-        將 `<storage_name>` 替換為存儲帳戶的名稱，並將 `<key1>` 替換為你在上一步中複製的 `key1` 值。
-
-        這將列出容器中的所有 Blob：
-
-        ```output
-        Name                                                  Blob Type    Blob Tier    Length    Content Type              Last Modified              Snapshot
-        ----------------------------------------------------  -----------  -----------  --------  ------------------------  -------------------------  ----------
-        gps-sensor/1810d55e-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:27+00:00
-        gps-sensor/18293e46-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
-        gps-sensor/1844549c-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
-        gps-sensor/1894d714-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
-        ```
-
-    1. 使用以下命令下載其中一個 Blob：
-
-        ```sh
-        az storage blob download --container-name gps-data \
-                                 --account-name <storage_name> \
-                                 --account-key <key1> \
-                                 --name <blob_name> \
-                                 --file <file_name>
-        ```
-
-        將 `<storage_name>` 替換為存儲帳戶的名稱，並將 `<key1>` 替換為你之前步驟中複製的 `key1` 值。
-
-        將 `<blob_name>` 替換為上一步輸出中 `Name` 列的完整名稱，包括文件夾名稱。將 `<file_name>` 替換為保存 Blob 的本地文件名。
-
-    一旦下載完成，你可以在 VS Code 中打開 JSON 文件，並看到包含 GPS 位置詳細信息的 Blob：
-
-    ```json
-    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
-    ```
-
-### 任務 - 將 Functions 應用部署到雲端
-
-現在你的 Functions 應用已正常運行，可以將其部署到雲端。
-
-1. 創建一個新的 Azure Functions 應用，使用你之前創建的存儲帳戶。命名為類似 `gps-sensor-`，並在末尾添加一個唯一標識符，例如一些隨機單詞或你的名字。
-
-    > ⚠️ 如果需要，可以參考[項目 2，第 5 課中創建 Functions 應用的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources)。
-
-1. 將 `IOT_HUB_CONNECTION_STRING` 和 `STORAGE_CONNECTION_STRING` 值上傳到應用設置。
-
-    > ⚠️ 如果需要，可以參考[項目 2，第 5 課中上傳應用設置的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings)。
-
-1. 將本地 Functions 應用部署到雲端。
-> ⚠️ 你可以參考[第2個項目，第5課中有關部署 Functions 應用程式的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud)，如有需要。
-## 🚀 挑戰
-
-GPS 數據並非完全準確，檢測到的位置可能會有幾米甚至更多的誤差，特別是在隧道和高樓林立的地區。
-
-想一想衛星導航如何克服這個問題？你的衛星導航擁有什麼數據可以幫助它更準確地預測你的位置？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
-
-## 回顧與自學
-
-* 閱讀 [維基百科上的數據模型頁面](https://wikipedia.org/wiki/Data_model) 了解結構化數據
-* 閱讀 [維基百科上的半結構化數據頁面](https://wikipedia.org/wiki/Semi-structured_data) 了解半結構化數據
-* 閱讀 [維基百科上的非結構化數據頁面](https://wikipedia.org/wiki/Unstructured_data) 了解非結構化數據
-* 閱讀 [Azure 儲存體文件](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn) 了解 Azure 儲存體及其不同的儲存類型
-
-## 作業
-
-[研究函數綁定](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/2-store-location-data/assignment.md b/translations/hk/3-transport/lessons/2-store-location-data/assignment.md
deleted file mode 100644
index 9882488bd..000000000
--- a/translations/hk/3-transport/lessons/2-store-location-data/assignment.md
+++ /dev/null
@@ -1,33 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
-  "translation_date": "2025-08-26T15:56:19+00:00",
-  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
-  "language_code": "hk"
-}
--->
-# 調查函數綁定
-
-## 指引
-
-函數綁定允許你的程式碼透過從 `main` 函數返回來將 blob 儲存到 blob 儲存體。Azure 儲存帳戶、集合及其他細節是在 `function.json` 文件中配置的。
-
-在使用 Azure 或其他 Microsoft 技術時，最好的資訊來源是 [Microsoft 的官方文件 docs.com](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn)。在這個作業中，你需要閱讀 Azure Functions 綁定的相關文件，以了解如何設置輸出綁定。
-
-以下是一些可以幫助你入門的頁面：
-
-* [Azure Functions 觸發器和綁定概念](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
-* [Azure Functions 的 Azure Blob 儲存綁定概述](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
-* [Azure Functions 的 Azure Blob 儲存輸出綁定](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 配置 blob 儲存輸出綁定 | 能夠成功配置輸出綁定，返回 blob 並成功儲存到 blob 儲存體 | 能夠配置輸出綁定或返回 blob，但無法成功儲存到 blob 儲存體 | 無法配置輸出綁定 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/3-visualize-location-data/README.md b/translations/hk/3-transport/lessons/3-visualize-location-data/README.md
deleted file mode 100644
index c1d8dc465..000000000
--- a/translations/hk/3-transport/lessons/3-visualize-location-data/README.md
+++ /dev/null
@@ -1,359 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
-  "translation_date": "2025-08-26T15:50:42+00:00",
-  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
-  "language_code": "hk"
-}
--->
-# 可視化位置數據
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-HK/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure Maps 與 IoT 的應用，這是本課程將涵蓋的內容。
-
-[![Azure Maps - 微軟 Azure 企業位置平台](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
-
-## 簡介
-
-在上一課中，你學習了如何從感測器獲取 GPS 數據並使用無伺服器代碼將其保存到雲端的存儲容器中。現在，你將探索如何在 Azure 地圖上可視化這些數據點。你將學習如何在網頁上創建地圖，了解 GeoJSON 數據格式，以及如何使用它在地圖上繪製所有捕獲的 GPS 點。
-
-在本課程中，我們將涵蓋：
-
-* [什麼是數據可視化](../../../../../3-transport/lessons/3-visualize-location-data)
-* [地圖服務](../../../../../3-transport/lessons/3-visualize-location-data)
-* [創建 Azure Maps 資源](../../../../../3-transport/lessons/3-visualize-location-data)
-* [在網頁上顯示地圖](../../../../../3-transport/lessons/3-visualize-location-data)
-* [GeoJSON 格式](../../../../../3-transport/lessons/3-visualize-location-data)
-* [使用 GeoJSON 在地圖上繪製 GPS 數據](../../../../../3-transport/lessons/3-visualize-location-data)
-
-> 💁 本課程將涉及少量 HTML 和 JavaScript。如果你想了解更多關於使用 HTML 和 JavaScript 進行網頁開發的內容，可以查看 [Web development for beginners](https://github.com/microsoft/Web-Dev-For-Beginners)。
-
-## 什麼是數據可視化
-
-數據可視化，顧名思義，是以更容易讓人類理解的方式來展示數據。它通常與圖表和圖形相關，但任何以圖像形式呈現數據的方式都可以幫助人類更好地理解數據，並幫助他們做出決策。
-
-舉個簡單的例子——在農場項目中，你捕獲了土壤濕度的數據。以下是 2021 年 6 月 1 日每小時捕獲的土壤濕度數據表：
-
-| 日期             | 讀數   |
-| ---------------- | ------: |
-| 01/06/2021 00:00 |     257 |
-| 01/06/2021 01:00 |     268 |
-| 01/06/2021 02:00 |     295 |
-| 01/06/2021 03:00 |     305 |
-| 01/06/2021 04:00 |     325 |
-| 01/06/2021 05:00 |     359 |
-| 01/06/2021 06:00 |     398 |
-| 01/06/2021 07:00 |     410 |
-| 01/06/2021 08:00 |     429 |
-| 01/06/2021 09:00 |     451 |
-| 01/06/2021 10:00 |     460 |
-| 01/06/2021 11:00 |     452 |
-| 01/06/2021 12:00 |     420 |
-| 01/06/2021 13:00 |     408 |
-| 01/06/2021 14:00 |     431 |
-| 01/06/2021 15:00 |     462 |
-| 01/06/2021 16:00 |     432 |
-| 01/06/2021 17:00 |     402 |
-| 01/06/2021 18:00 |     387 |
-| 01/06/2021 19:00 |     360 |
-| 01/06/2021 20:00 |     358 |
-| 01/06/2021 21:00 |     354 |
-| 01/06/2021 22:00 |     356 |
-| 01/06/2021 23:00 |     362 |
-
-對人類來說，理解這些數據可能很困難。這是一堆沒有意義的數字。作為可視化這些數據的第一步，可以將其繪製成折線圖：
-
-![上述數據的折線圖](../../../../../translated_images/zh-HK/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png)
-
-這可以進一步改進，添加一條線來指示自動灌溉系統在土壤濕度讀數達到 450 時啟動的情況：
-
-![土壤濕度折線圖，顯示 450 的啟動線](../../../../../translated_images/zh-HK/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png)
-
-這張圖表可以非常快速地顯示土壤濕度水平以及灌溉系統啟動的時間點。
-
-圖表並不是唯一的數據可視化工具。追蹤天氣的 IoT 設備可以通過網頁應用或移動應用使用符號來可視化天氣條件，例如用雲朵符號表示多雲天氣，用雨雲符號表示下雨天氣等等。可視化數據的方法有很多種，有些是嚴肅的，有些是有趣的。
-
-✅ 想一想你見過的數據可視化方式。哪些方法最清晰，能讓你最快做出決策？
-
-最好的可視化方式能讓人類快速做出決策。例如，展示工業機械所有讀數的儀表牆可能很難處理，但當某些事情出錯時，閃爍的紅燈能讓人快速做出反應。有時候，最好的可視化方式就是一盞閃爍的燈！
-
-在處理 GPS 數據時，最清晰的可視化方式是將數據繪製在地圖上。例如，一張顯示送貨卡車的地圖可以幫助加工廠的工人了解卡車何時到達。如果這張地圖不僅顯示卡車的當前位置，還提供卡車的內容信息，那麼加工廠的工人就可以提前計劃——如果他們看到一輛冷藏卡車接近，他們就知道需要準備冷藏空間。
-
-## 地圖服務
-
-使用地圖是一項有趣的練習，有很多選擇，例如 Bing Maps、Leaflet、Open Street Maps 和 Google Maps。在本課程中，你將學習 [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) 以及如何使用它來顯示你的 GPS 數據。
-
-![Azure Maps 標誌](../../../../../translated_images/zh-HK/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png)
-
-Azure Maps 是“一系列地理空間服務和 SDK，使用最新的地圖數據為網頁和移動應用提供地理背景。”開發者可以使用這些工具創建美觀、互動的地圖，並實現例如推薦交通路線、提供交通事故信息、室內導航、搜索功能、海拔信息、天氣服務等功能。
-
-✅ 試試一些 [地圖代碼範例](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps)
-
-你可以將地圖顯示為空白畫布、瓦片、衛星圖像、疊加道路的衛星圖像、各種灰度地圖、顯示海拔的陰影地圖、夜景地圖以及高對比度地圖。通過與 [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn) 集成，你可以在地圖上獲得實時更新。你可以啟用各種控制來讓地圖響應事件，例如捏合、拖動和點擊，從而控制地圖的行為和外觀。為了控制地圖的外觀，你可以添加包括氣泡、線條、多邊形、熱圖等的圖層。你選擇的 SDK 決定了你實現的地圖樣式。
-
-你可以通過使用 [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) 或者（如果你正在構建移動應用）[Android SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-android-map-control-library?WT.mc_id=academic-17441-jabenn&pivots=programming-language-java-android) 來訪問 Azure Maps API。
-
-在本課程中，你將使用 Web SDK 繪製地圖並顯示感測器的 GPS 位置路徑。
-
-## 創建 Azure Maps 資源
-
-第一步是創建一個 Azure Maps 帳戶。
-
-### 任務 - 創建 Azure Maps 資源
-
-1. 從終端或命令提示符運行以下命令，在你的 `gps-sensor` 資源組中創建一個 Azure Maps 資源：
-
-    ```sh
-    az maps account create --name gps-sensor \
-                           --resource-group gps-sensor \
-                           --accept-tos \
-                           --sku S1
-    ```
-
-    這將創建一個名為 `gps-sensor` 的 Azure Maps 資源。使用的層級是 `S1`，這是一個付費層級，包含一系列功能，但提供了慷慨的免費調用次數。
-
-    > 💁 要查看使用 Azure Maps 的成本，請查看 [Azure Maps 價格頁面](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn)。
-
-1. 你需要獲取地圖資源的 API 密鑰。使用以下命令獲取此密鑰：
-
-    ```sh
-    az maps account keys list --name gps-sensor \
-                              --resource-group gps-sensor \
-                              --output table
-    ```
-
-    複製 `PrimaryKey` 的值。
-
-## 在網頁上顯示地圖
-
-現在，你可以進行下一步，將地圖顯示在網頁上。我們將僅使用一個 `html` 文件來構建你的小型網頁應用；請記住，在生產或團隊環境中，你的網頁應用可能會有更多的組件！
-
-### 任務 - 在網頁上顯示地圖
-
-1. 在本地電腦的某個文件夾中創建一個名為 index.html 的文件。添加 HTML 標記以容納地圖：
-
-    ```html
-    <html>
-    <head>
-        <style>
-            #myMap {
-                width:100%;
-                height:100%;
-            }
-        </style>
-    </head>
-    
-    <body onload="init()">
-        <div id="myMap"></div>
-    </body>
-    </html>
-    ```
-
-    地圖將加載到 `myMap` 的 `div` 中。一些樣式允許它跨越頁面的寬度和高度。
-
-    > 🎓 `div` 是網頁的一個部分，可以命名和設置樣式。
-
-1. 在開頭的 `<head>` 標籤下，添加一個外部樣式表來控制地圖顯示，以及一個來自 Web SDK 的外部腳本來管理其行為：
-
-    ```html
-    <link rel="stylesheet" href="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.css" type="text/css" />
-    <script src="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.js"></script>
-    ```
-
-    此樣式表包含地圖外觀的設置，而腳本文件包含加載地圖的代碼。添加此代碼類似於包含 C++ 的頭文件或導入 Python 模塊。
-
-1. 在該腳本下方，添加一個腳本塊以啟動地圖。
-
-    ```javascript
-    <script type='text/javascript'>
-        function init() {
-            var map = new atlas.Map('myMap', {
-                center: [-122.26473, 47.73444],
-                zoom: 12,
-                authOptions: {
-                    authType: "subscriptionKey",
-                    subscriptionKey: "<subscription_key>",
-
-                }
-            });
-        }
-    </script>
-    ```
-
-    將 `<subscription_key>` 替換為你的 Azure Maps 帳戶的 API 密鑰。
-
-    如果你在網頁瀏覽器中打開你的 `index.html` 文件，你應該會看到一張地圖加載並聚焦在西雅圖地區。
-
-    ![顯示西雅圖（美國華盛頓州的一個城市）的地圖](../../../../../translated_images/zh-HK/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png)
-
-    ✅ 嘗試調整縮放和中心參數以更改地圖顯示。你可以添加對應於數據緯度和經度的不同坐標來重新定位地圖。
-
-> 💁 在本地工作網頁應用的更好方式是安裝 [http-server](https://www.npmjs.com/package/http-server)。你需要先安裝 [node.js](https://nodejs.org/) 和 [npm](https://www.npmjs.com/) 才能使用此工具。安裝這些工具後，你可以導航到 `index.html` 文件所在的位置並輸入 `http-server`。網頁應用將在本地網頁伺服器上打開 [http://127.0.0.1:8080/](http://127.0.0.1:8080/)。
-
-## GeoJSON 格式
-
-現在你已經設置了顯示地圖的網頁應用，接下來需要從存儲帳戶中提取 GPS 數據，並在地圖上添加一層標記來顯示這些數據。在此之前，我們先來了解 [GeoJSON](https://wikipedia.org/wiki/GeoJSON) 格式，這是 Azure Maps 所需的格式。
-
-[GeoJSON](https://geojson.org/) 是一種開放標準的 JSON 規範，具有專門設計用於處理地理相關數據的特殊格式。你可以通過測試示例數據來了解它，使用 [geojson.io](https://geojson.io) 也是一個調試 GeoJSON 文件的有用工具。
-
-示例 GeoJSON 數據如下所示：
-
-```json
-{
-  "type": "FeatureCollection",
-  "features": [
-    {
-      "type": "Feature",
-      "geometry": {
-        "type": "Point",
-        "coordinates": [
-          -2.10237979888916,
-          57.164918677004714
-        ]
-      }
-    }
-  ]
-}
-```
-
-特別需要注意的是數據如何嵌套在 `FeatureCollection` 中的 `Feature` 中。在該對象中可以找到 `geometry`，其中的 `coordinates` 指示緯度和經度。
-
-✅ 在構建你的 GeoJSON 時，請注意對象中 `latitude` 和 `longitude` 的順序，否則你的點將不會出現在正確的位置！GeoJSON 期望點的數據順序為 `lon,lat`，而不是 `lat,lon`。
-
-`Geometry` 可以有不同的類型，例如單個點或多邊形。在此示例中，它是一個點，指定了兩個坐標：經度和緯度。
-✅ Azure Maps 支援標準的 GeoJSON，並且還包括一些[增強功能](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn)，例如繪製圓形和其他幾何圖形的能力。
-
-## 使用 GeoJSON 在地圖上繪製 GPS 數據
-
-現在，您已準備好使用上一課中建立的儲存體中的數據。提醒一下，這些數據以多個檔案的形式存儲在 Blob 儲存體中，因此您需要檢索這些檔案並解析它們，以便 Azure Maps 可以使用這些數據。
-
-### 任務 - 配置儲存體以供網頁訪問
-
-如果您嘗試從儲存體中調用數據，可能會發現瀏覽器控制台中出現錯誤。這是因為您需要為該儲存體設置 [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) 權限，以允許外部網頁應用程式讀取其數據。
-
-> 🎓 CORS 的全稱是 "跨來源資源共享"（Cross-Origin Resource Sharing），通常需要在 Azure 中明確設置以確保安全性。這可以防止未經授權的網站訪問您的數據。
-
-1. 執行以下命令以啟用 CORS：
-
-    ```sh
-    az storage cors add --methods GET \
-                        --origins "*" \
-                        --services b \
-                        --account-name <storage_name> \
-                        --account-key <key1>
-    ```
-
-    將 `<storage_name>` 替換為您的儲存帳戶名稱。將 `<key1>` 替換為您的儲存帳戶的帳戶金鑰。
-
-    此命令允許任何網站（通配符 `*` 表示任何網站）對您的儲存帳戶發出 *GET* 請求，即獲取數據。`--services b` 表示僅對 Blob 應用此設置。
-
-### 任務 - 從儲存體加載 GPS 數據
-
-1. 用以下代碼替換 `init` 函數的全部內容：
-
-    ```javascript
-    fetch("https://<storage_name>.blob.core.windows.net/gps-data/?restype=container&comp=list")
-        .then(response => response.text())
-        .then(str => new window.DOMParser().parseFromString(str, "text/xml"))
-        .then(xml => {
-            let blobList = Array.from(xml.querySelectorAll("Url"));
-                blobList.forEach(async blobUrl => {
-                    loadJSON(blobUrl.innerHTML)                
-        });
-    })
-    .then( response => {
-        map = new atlas.Map('myMap', {
-            center: [-122.26473, 47.73444],
-            zoom: 14,
-            authOptions: {
-                authType: "subscriptionKey",
-                subscriptionKey: "<subscription_key>",
-    
-            }
-        });
-        map.events.add('ready', function () {
-            var source = new atlas.source.DataSource();
-            map.sources.add(source);
-            map.layers.add(new atlas.layer.BubbleLayer(source));
-            source.add(features);
-        })
-    })
-    ```
-
-    將 `<storage_name>` 替換為您的儲存帳戶名稱。將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 金鑰。
-
-    這段代碼執行了幾個操作。首先，代碼使用基於儲存帳戶名稱構建的 URL 端點從 Blob 容器中獲取您的 GPS 數據。該 URL 從 `gps-data` 中檢索數據，表明資源類型是容器（`restype=container`），並列出所有 Blob 的信息。這個列表不會返回 Blob 本身，但會返回每個 Blob 的 URL，這些 URL 可用於加載 Blob 數據。
-
-    > 💁 您可以將此 URL 輸入瀏覽器中查看容器中所有 Blob 的詳細信息。每個項目都會有一個 `Url` 屬性，您也可以將其加載到瀏覽器中查看 Blob 的內容。
-
-    然後，這段代碼加載每個 Blob，調用 `loadJSON` 函數（稍後會創建）。接著，它創建地圖控制項，並添加代碼到 `ready` 事件中。該事件在地圖顯示於網頁上時觸發。
-
-    `ready` 事件創建了一個 Azure Maps 數據源——一個包含 GeoJSON 數據的容器，稍後會填充數據。該數據源隨後被用於創建一個氣泡圖層——即地圖上的一組圓形，圓心位於 GeoJSON 中的每個點。
-
-1. 在 `init` 函數下方的腳本區塊中添加 `loadJSON` 函數：
-
-    ```javascript
-    var map, features;
-
-    function loadJSON(file) {
-        var xhr = new XMLHttpRequest();
-        features = [];
-        xhr.onreadystatechange = function () {
-            if (xhr.readyState === XMLHttpRequest.DONE) {
-                if (xhr.status === 200) {
-                    gps = JSON.parse(xhr.responseText)
-                    features.push(
-                        new atlas.data.Feature(new atlas.data.Point([parseFloat(gps.gps.lon), parseFloat(gps.gps.lat)]))
-                    )
-                }
-            }
-        };
-        xhr.open("GET", file, true);
-        xhr.send();
-    }    
-    ```
-
-    該函數由 fetch 程序調用，用於解析 JSON 數據並將其轉換為經緯度座標以作為 GeoJSON 讀取。
-    解析完成後，數據被設置為 GeoJSON 的 `Feature`。地圖將被初始化，並在數據繪製的路徑周圍顯示小氣泡：
-
-1. 在瀏覽器中加載 HTML 頁面。地圖將加載，然後從儲存體中加載所有 GPS 數據並將其繪製在地圖上。
-
-    ![一張顯示西雅圖附近 Saint Edward 州立公園地圖的圖片，地圖邊緣顯示了一條路徑上的圓形標記](../../../../../translated_images/zh-HK/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png)
-
-> 💁 您可以在 [code](../../../../../3-transport/lessons/3-visualize-location-data/code) 文件夾中找到這段代碼。
-
----
-
-## 🚀 挑戰
-
-能夠在地圖上以標記的形式顯示靜態數據很不錯。您能否增強這個網頁應用程式，添加動畫功能，並使用帶有時間戳的 JSON 文件顯示標記的路徑？這裡有一些[範例](https://azuremapscodesamples.azurewebsites.net/)展示如何在地圖中使用動畫。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
-
-## 回顧與自學
-
-Azure Maps 對於處理 IoT 設備特別有用。
-
-* 在 [Microsoft Docs 的 Azure Maps 文件](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn) 中研究一些應用場景。
-* 通過 [Microsoft Learn 上的 Azure Maps 自學模組](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn) 深入了解地圖製作和路徑規劃。
-
-## 作業
-
-[部署您的應用程式](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/hk/3-transport/lessons/3-visualize-location-data/assignment.md
deleted file mode 100644
index 349f13a76..000000000
--- a/translations/hk/3-transport/lessons/3-visualize-location-data/assignment.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
-  "translation_date": "2025-08-26T15:53:22+00:00",
-  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
-  "language_code": "hk"
-}
--->
-# 部署你的應用程式
-
-## 指引
-
-有多種方法可以部署你的應用程式，讓全世界都能使用，包括使用 GitHub Pages 或眾多服務供應商中的其中一個。一個非常出色的方法是使用 Azure 靜態網頁應用程式。在這個任務中，按照[這些指引](https://github.com/Azure/static-web-apps-cli)或觀看[這些影片](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3)，建立你的網頁應用程式並將其部署到雲端。  
-使用 Azure 靜態網頁應用程式的一個好處是，你可以在入口網站中隱藏任何 API 金鑰，因此趁此機會將你的 subscriptionKey 重構為變數，並將其儲存在雲端中。
-
-## 評分標準
-
-| 評分標準 | 優異                                                                                                                                    | 合格                                                                                                                | 需要改進                                         |
-| -------- | ---------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------ |
-|          | 在一個有記錄的 GitHub 儲存庫中展示了一個可運行的網頁應用程式，且其 subscriptionKey 已儲存在雲端並通過變數調用                              | 在一個有記錄的 GitHub 儲存庫中展示了一個可運行的網頁應用程式，但其 subscriptionKey 未儲存在雲端                       | 網頁應用程式包含錯誤或無法正常運行               |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/4-geofences/README.md b/translations/hk/3-transport/lessons/4-geofences/README.md
deleted file mode 100644
index 081c6d440..000000000
--- a/translations/hk/3-transport/lessons/4-geofences/README.md
+++ /dev/null
@@ -1,488 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
-  "translation_date": "2025-08-26T15:42:55+00:00",
-  "source_file": "3-transport/lessons/4-geofences/README.md",
-  "language_code": "hk"
-}
--->
-# 地理圍欄
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-HK/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了地理圍欄及如何在 Azure Maps 中使用它們，這些是本課程將涵蓋的主題：
-
-[![Microsoft Developer IoT 節目中的 Azure Maps 地理圍欄](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
-
-## 簡介
-
-在過去的三節課中，你已經使用物聯網技術定位從農場運送到加工中心的卡車。你捕捉了 GPS 數據，將其發送到雲端存儲，並在地圖上進行可視化。提高供應鏈效率的下一步是當卡車即將到達加工中心時收到警報，這樣卸貨所需的工作人員就可以準備好叉車和其他設備，確保車輛一到就能快速卸貨。這樣可以減少卡車和司機的等待時間。
-
-在本課程中，你將學習地理圍欄——定義的地理空間區域，例如加工中心周圍 2 公里車程範圍內的區域，以及如何測試 GPS 坐標是否在地理圍欄內或外，以便判斷你的 GPS 傳感器是否已到達或離開某個區域。
-
-本課程將涵蓋以下內容：
-
-* [什麼是地理圍欄](../../../../../3-transport/lessons/4-geofences)
-* [定義地理圍欄](../../../../../3-transport/lessons/4-geofences)
-* [測試點是否在地理圍欄內](../../../../../3-transport/lessons/4-geofences)
-* [從無伺服器代碼中使用地理圍欄](../../../../../3-transport/lessons/4-geofences)
-
-> 🗑 這是本項目的最後一課，因此完成本課程和作業後，別忘了清理你的雲端服務。你需要這些服務來完成作業，因此請確保先完成作業。
->
-> 如有需要，請參考[清理項目指南](../../../clean-up.md)以獲取相關指示。
-
-## 什麼是地理圍欄
-
-地理圍欄是一個虛擬的邊界，用於真實世界的地理區域。地理圍欄可以是圓形的，定義為一個點和半徑（例如建築物周圍 100 米的圓形），或者是覆蓋某個區域的多邊形，例如學校區域、城市邊界或大學或辦公園區。
-
-![一些地理圍欄示例，顯示 Microsoft 公司商店周圍的圓形地理圍欄，以及 Microsoft 西園區周圍的多邊形地理圍欄](../../../../../translated_images/zh-HK/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png)
-
-> 💁 你可能已經在不知情的情況下使用過地理圍欄。如果你曾使用 iOS 提醒應用或 Google Keep 根據位置設置提醒，那麼你就使用過地理圍欄。這些應用會根據提供的位置設置地理圍欄，並在你的手機進入地理圍欄時提醒你。
-
-以下是一些需要知道車輛是否在地理圍欄內或外的原因：
-
-* **卸貨準備** - 收到車輛到達現場的通知可以讓工作人員準備卸貨，減少車輛等待時間。這樣可以讓司機在一天內完成更多次的交付，減少等待時間。
-* **稅務合規** - 某些國家（例如新西蘭）根據車輛重量對柴油車輛在公共道路上的行駛徵收道路稅。使用地理圍欄可以追蹤車輛在公共道路上的行駛里程，而不是在農場或伐木區等私人道路上的行駛里程。
-* **盜竊監控** - 如果車輛應該只停留在某個區域（例如農場），但離開了地理圍欄，可能表明車輛被盜。
-* **位置合規** - 工作場地、農場或工廠的某些區域可能禁止某些車輛進入，例如防止運送人工肥料和農藥的車輛進入種植有機農產品的田地。如果進入地理圍欄，則車輛處於不合規狀態，司機可以收到通知。
-
-✅ 你能想到其他地理圍欄的用途嗎？
-
-Azure Maps（你在上一課中用來可視化 GPS 數據的服務）允許你定義地理圍欄，然後測試某個點是否在地理圍欄內或外。
-
-## 定義地理圍欄
-
-地理圍欄使用 GeoJSON 定義，與上一課中添加到地圖上的點相同。在這種情況下，它不是包含 `Point` 值的 `FeatureCollection`，而是包含 `Polygon` 的 `FeatureCollection`。
-
-```json
-{
-   "type": "FeatureCollection",
-   "features": [
-     {
-       "type": "Feature",
-       "geometry": {
-         "type": "Polygon",
-         "coordinates": [
-           [
-             [
-               -122.13393688201903,
-               47.63829579223815
-             ],
-             [
-               -122.13389128446579,
-               47.63782047131512
-             ],
-             [
-               -122.13240802288054,
-               47.63783312249837
-             ],
-             [
-               -122.13238388299942,
-               47.63829037035086
-             ],
-             [
-               -122.13393688201903,
-               47.63829579223815
-             ]
-           ]
-         ]
-       },
-       "properties": {
-         "geometryId": "1"
-       }
-     }
-   ]
-}
-```
-
-多邊形的每個點都定義為一個經度和緯度的數組，這些點存儲在作為 `coordinates` 的數組中。在上一課的 `Point` 中，`coordinates` 是包含兩個值（緯度和經度）的數組，而在 `Polygon` 中，它是一個包含兩個值（經度和緯度）的數組的數組。
-
-> 💁 請記住，GeoJSON 使用 `經度, 緯度` 定義點，而不是 `緯度, 經度`
-
-多邊形的坐標數組總是比多邊形的點數多一個，最後一個條目與第一個條目相同，用於閉合多邊形。例如，對於矩形，會有 5 個點。
-
-![一個矩形及其坐標](../../../../../translated_images/zh-HK/polygon-points.302193da381cb415.webp)
-
-在上圖中，有一個矩形。多邊形坐標從左上角的 47,-122 開始，然後向右移動到 47,-121，再向下移動到 46,-121，然後向左移動到 46,-122，最後回到起始點 47,-122。這樣多邊形就有 5 個點——左上角、右上角、右下角、左下角，然後是左上角以閉合多邊形。
-
-✅ 嘗試使用 [GeoJSON.io](https://geojson.io/) 等工具創建一個圍繞你家或學校的 GeoJSON 多邊形。
-
-### 任務 - 定義地理圍欄
-
-要在 Azure Maps 中使用地理圍欄，首先需要將其上傳到你的 Azure Maps 帳戶。一旦上傳，你將獲得一個唯一的 ID，可以用來測試某個點是否在地理圍欄內。要將地理圍欄上傳到 Azure Maps，你需要使用地圖 Web API。你可以使用名為 [curl](https://curl.se) 的工具調用 Azure Maps Web API。
-
-> 🎓 Curl 是一個命令行工具，用於向 Web 端點發送請求
-
-1. 如果你使用的是 Linux、macOS 或 Windows 10 的最新版本，你可能已經安裝了 curl。從終端或命令行運行以下命令進行檢查：
-
-    ```sh
-    curl --version
-    ```
-
-    如果沒有看到 curl 的版本信息，你需要從 [curl 下載頁面](https://curl.se/download.html) 安裝它。
-
-    > 💁 如果你熟悉 Postman，也可以選擇使用它。
-
-1. 創建一個包含多邊形的 GeoJSON 文件。你將使用你的 GPS 傳感器測試它，因此請在你的當前位置周圍創建一個多邊形。你可以手動編輯上面提供的 GeoJSON 示例，或者使用 [GeoJSON.io](https://geojson.io/) 等工具。
-
-    GeoJSON 需要包含一個 `FeatureCollection`，其中包含一個 `geometry` 類型為 `Polygon` 的 `Feature`。
-
-    你**必須**在 `geometry` 元素的同一層級添加一個 `properties` 元素，並且該元素必須包含一個 `geometryId`：
-
-    ```json
-    "properties": {
-        "geometryId": "1"
-    }
-    ```
-
-    如果你使用 [GeoJSON.io](https://geojson.io/)，則需要手動將此項添加到空的 `properties` 元素中，可以在下載 JSON 文件後或應用中的 JSON 編輯器中進行。
-
-    此 `geometryId` 必須在此文件中唯一。你可以在同一 GeoJSON 文件中的 `FeatureCollection` 中上傳多個地理圍欄作為多個 `Feature`，只要每個地理圍欄有不同的 `geometryId`。如果從不同的文件在不同的時間上傳，多邊形可以有相同的 `geometryId`。
-
-1. 將此文件保存為 `geofence.json`，並在終端或控制台中導航到保存位置。
-
-1. 運行以下 curl 命令以創建地理圍欄：
-
-    ```sh
-    curl --request POST 'https://atlas.microsoft.com/mapData/upload?api-version=1.0&dataFormat=geojson&subscription-key=<subscription_key>' \
-         --header 'Content-Type: application/json' \
-         --include \
-         --data @geofence.json
-    ```
-
-    將 URL 中的 `<subscription_key>` 替換為你的 Azure Maps 帳戶的 API 密鑰。
-
-    URL 用於通過 `https://atlas.microsoft.com/mapData/upload` API 上傳地圖數據。調用包括一個 `api-version` 參數，用於指定使用哪個 Azure Maps API，這是為了允許 API 隨時間變化但保持向後兼容。上傳的數據格式設置為 `geojson`。
-
-    此命令將運行 POST 請求到上傳 API，並返回一系列響應標頭，其中包括名為 `location` 的標頭。
-
-    ```output
-    content-type: application/json
-    location: https://us.atlas.microsoft.com/mapData/operations/1560ced6-3a80-46f2-84b2-5b1531820eab?api-version=1.0
-    x-ms-azuremaps-region: West US 2
-    x-content-type-options: nosniff
-    strict-transport-security: max-age=31536000; includeSubDomains
-    x-cache: CONFIG_NOCACHE
-    date: Sat, 22 May 2021 21:34:57 GMT
-    content-length: 0
-    ```
-
-    > 🎓 在調用 Web 端點時，可以通過添加 `?` 後跟 `key=value` 的鍵值對來傳遞參數，鍵值對之間用 `&` 分隔。
-
-1. Azure Maps 不會立即處理此請求，因此你需要使用 `location` 標頭中提供的 URL 檢查上傳請求是否已完成。通過向此位置發送 GET 請求來查看狀態。你需要在 `location` URL 的末尾添加你的訂閱密鑰，方法是添加 `&subscription-key=<subscription_key>`，將 `<subscription_key>` 替換為你的 Azure Maps 帳戶的 API 密鑰。運行以下命令：
-
-    ```sh
-    curl --request GET '<location>&subscription-key=<subscription_key>'
-    ```
-
-    將 `<location>` 替換為 `location` 標頭的值，並將 `<subscription_key>` 替換為你的 Azure Maps 帳戶的 API 密鑰。
-
-1. 檢查響應中的 `status` 值。如果不是 `Succeeded`，請等待一分鐘後再嘗試。
-
-1. 一旦狀態返回為 `Succeeded`，查看響應中的 `resourceLocation`。這包含 GeoJSON 對象的唯一 ID（稱為 UDID）的詳細信息。UDID 是 `metadata/` 之後的值，不包括 `api-version`。例如，如果 `resourceLocation` 是：
-
-    ```json
-    {
-      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
-    }
-    ```
-
-    那麼 UDID 將是 `7c3776eb-da87-4c52-ae83-caadf980323a`。
-
-    保存此 UDID，因為你將需要它來測試地理圍欄。
-
-## 測試點是否在地理圍欄內
-
-一旦多邊形上傳到 Azure Maps，你可以測試某個點是否在地理圍欄內或外。你可以通過發送 Web API 請求，傳遞地理圍欄的 UDID，以及要測試的點的緯度和經度來完成此操作。
-
-在發送此請求時，你還可以傳遞一個名為 `searchBuffer` 的值。這告訴 Maps API 返回結果時的精確度。原因是 GPS 並不完全準確，有時位置可能會偏差幾米甚至更多。默認的搜索緩衝區為 50 米，但你可以設置 0 米到 500 米之間的值。
-
-當 API 調用返回結果時，結果的一部分是測量到地理圍欄邊緣最近點的 `distance`，如果點在地理圍欄外則為正值，若在地理圍欄內則為負值。如果此距離小於搜索緩衝區，則返回實際距離（以米為單位），否則值為 999 或 -999。999 表示點距地理圍欄超過搜索緩衝區，-999 表示點距地理圍欄內超過搜索緩衝區。
-
-![地理圍欄及其周圍 50 米的搜索緩衝區](../../../../../translated_images/zh-HK/search-buffer-and-distance.e6a79af3898183c7.webp)
-
-在上圖中，地理圍欄有一個 50 米的搜索緩衝區。
-
-* 地理圍欄中心的點，遠遠在搜索緩衝區內，距離為 **-999**
-* 遠遠在搜索緩衝區外的點，距離為 **999**
-* 地理圍欄內且在搜索緩衝區內的點，距地理圍欄 6 米，距離為 **6 米**
-* 地理圍欄外且在搜索緩衝區內的點，距地理圍欄 39 米，距離為 **39 米**
-
-了解到地理圍欄邊緣的距離非常重要，並結合其他信息（例如其他 GPS 讀數、速度和道路數據）來基於車輛位置做出決策。
-
-例如，假設 GPS 讀數顯示車輛沿著一條道路行駛，該道路最終與地理圍欄相鄰。如果單個 GPS 值不準確，將車輛定位在地理圍欄內，儘管沒有車輛通行的可能性，那麼可以忽略該值。
-
-![GPS 路徑顯示車輛沿著 520 公路經過 Microsoft 園區，GPS 讀數沿著道路分佈，除了其中一個在園區內，位於地理圍欄內](../../../../../translated_images/zh-HK/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png)
-在上圖中，微軟園區的一部分設置了地理圍欄。紅線顯示卡車沿著520行駛，圓圈表示GPS讀數。大部分讀數是準確的並沿著520，但有一個不準確的讀數位於地理圍欄內。這個讀數不可能是正確的——卡車不可能突然從520轉入園區，然後再回到520。檢查地理圍欄的程式碼需要在執行地理圍欄測試結果之前考慮之前的讀數。
-
-✅ 你需要哪些額外的數據來檢查GPS讀數是否可以被認為是正確的？
-
-### 任務 - 測試點是否在地理圍欄內
-
-1. 首先建立用於Web API查詢的URL。格式如下：
-
-    ```output
-    https://atlas.microsoft.com/spatial/geofence/json?api-version=1.0&deviceId=gps-sensor&subscription-key=<subscription-key>&udid=<UDID>&lat=<lat>&lon=<lon>
-    ```
-
-    將 `<subscription_key>` 替換為你的Azure Maps帳戶的API密鑰。
-
-    將 `<UDID>` 替換為上一個任務中地理圍欄的UDID。
-
-    將 `<lat>` 和 `<lon>` 替換為你想要測試的緯度和經度。
-
-    此URL使用 `https://atlas.microsoft.com/spatial/geofence/json` API來查詢使用GeoJSON定義的地理圍欄。它針對 `1.0` API版本。`deviceId` 參數是必需的，應該是緯度和經度來源設備的名稱。
-
-    預設的搜索緩衝區是50米，你可以通過傳遞額外的參數 `searchBuffer=<distance>` 來更改此值，將 `<distance>` 設置為搜索緩衝區距離（以米為單位），範圍為0到500。
-
-1. 使用curl向此URL發送GET請求：
-
-    ```sh
-    curl --request GET '<URL>'
-    ```
-
-    > 💁 如果你收到 `BadRequest` 的響應代碼，並伴隨以下錯誤：
-    >
-    > ```output
-    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
-    > ```
-    >
-    > 那麼你的GeoJSON缺少 `properties` 部分中的 `geometryId`。你需要修復你的GeoJSON，然後重複上述步驟重新上傳並獲取新的UDID。
-
-1. 響應將包含一個 `geometries` 列表，每個幾何形狀對應於用於創建地理圍欄的GeoJSON中定義的多邊形。每個幾何形狀有三個重要字段：`distance`、`nearestLat` 和 `nearestLon`。
-
-    ```output
-    {
-        "geometries": [
-            {
-                "deviceId": "gps-sensor",
-                "udId": "7c3776eb-da87-4c52-ae83-caadf980323a",
-                "geometryId": "1",
-                "distance": 999.0,
-                "nearestLat": 47.645875,
-                "nearestLon": -122.142713
-            }
-        ],
-        "expiredGeofenceGeometryId": [],
-        "invalidPeriodGeofenceGeometryId": []
-    }
-    ```
-
-    * `nearestLat` 和 `nearestLon` 是距離被測試位置最近的地理圍欄邊緣點的緯度和經度。
-
-    * `distance` 是被測試位置到地理圍欄邊緣最近點的距離。負數表示在地理圍欄內，正數表示在地理圍欄外。此值將小於50（預設搜索緩衝區），或999。
-
-1. 使用地理圍欄內外的多個位置重複此操作。
-
-## 從無伺服器代碼中使用地理圍欄
-
-現在你可以為你的Functions應用程式添加一個新觸發器，以測試IoT Hub GPS事件數據是否在地理圍欄內。
-
-### 消費者群組
-
-如你在之前的課程中所記得，IoT Hub允許你重播已接收到但未處理的事件。但如果多個觸發器連接會發生什麼？它如何知道哪個觸發器處理了哪些事件？
-
-答案是它無法知道！相反，你可以定義多個獨立的連接來讀取事件，每個連接都可以管理未讀消息的重播。這些被稱為*消費者群組*。當你連接到端點時，你可以指定你想要連接的消費者群組。應用程式的每個組件將連接到不同的消費者群組。
-
-![一個IoT Hub有3個消費者群組，將相同的消息分發到3個不同的Functions應用程式](../../../../../translated_images/zh-HK/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png)
-
-理論上，每個消費者群組最多可以連接5個應用程式，並且它們都會在消息到達時接收消息。最佳實踐是每個消費者群組僅由一個應用程式訪問，以避免重複消息處理，並確保在重新啟動時所有排隊消息都能正確處理。例如，如果你在本地啟動了Functions應用程式並且在雲端運行，它們都會處理消息，導致存儲帳戶中存儲的Blob重複。
-
-如果你查看之前課程中創建的IoT Hub觸發器的 `function.json` 文件，你會看到事件中心觸發器綁定部分中的消費者群組：
-
-```json
-"consumerGroup": "$Default"
-```
-
-當你創建IoT Hub時，系統會默認創建 `$Default` 消費者群組。如果你想添加額外的觸發器，可以使用新的消費者群組。
-
-> 💁 在本課程中，你將使用不同的函數來測試地理圍欄，而不是用於存儲GPS數據的函數。這是為了展示如何使用消費者群組並分離代碼，使其更易於閱讀和理解。在生產應用程式中，你可能會有多種架構方式——將兩者放在一個函數中，使用存儲帳戶上的觸發器運行函數來檢查地理圍欄，或使用多個函數。沒有“正確的方式”，這取決於你的應用程式的其他部分和需求。
-
-### 任務 - 創建新的消費者群組
-
-1. 運行以下命令為你的IoT Hub創建名為 `geofence` 的新消費者群組：
-
-    ```sh
-    az iot hub consumer-group create --name geofence \
-                                     --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於IoT Hub的名稱。
-
-1. 如果你想查看IoT Hub的所有消費者群組，運行以下命令：
-
-    ```sh
-    az iot hub consumer-group list --output table \
-                                   --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於IoT Hub的名稱。這將列出所有消費者群組。
-
-    ```output
-    Name      ResourceGroup
-    --------  ---------------
-    $Default  gps-sensor
-    geofence  gps-sensor
-    ```
-
-> 💁 當你在之前的課程中運行IoT Hub事件監視器時，它連接到了 `$Default` 消費者群組。這就是為什麼你不能同時運行事件監視器和事件觸發器。如果你想同時運行兩者，那麼你可以為所有Functions應用程式使用其他消費者群組，並保留 `$Default` 用於事件監視器。
-
-### 任務 - 創建新的IoT Hub觸發器
-
-1. 為你在之前課程中創建的 `gps-trigger` Functions應用程式添加新的IoT Hub事件觸發器。將此函數命名為 `geofence-trigger`。
-
-    > ⚠️ 如果需要，你可以參考[項目2，課程5中創建IoT Hub事件觸發器的指導](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger)。
-
-1. 在 `function.json` 文件中配置IoT Hub連接字符串。`local.settings.json` 在Functions應用程式中的所有觸發器之間共享。
-
-1. 更新 `function.json` 文件中 `consumerGroup` 的值以引用新的 `geofence` 消費者群組：
-
-    ```json
-    "consumerGroup": "geofence"
-    ```
-
-1. 你需要在此觸發器中使用Azure Maps帳戶的訂閱密鑰，因此在 `local.settings.json` 文件中添加名為 `MAPS_KEY` 的新條目。
-
-1. 運行Functions應用程式以確保它正在連接並處理消息。之前課程中的 `iot-hub-trigger` 也會運行並將Blob上傳到存儲。
-
-    > 為避免存儲帳戶中的Blob重複GPS讀數，你可以停止在雲端運行的Functions應用程式。要執行此操作，使用以下命令：
-    >
-    > ```sh
-    > az functionapp stop --resource-group gps-sensor \
-    >                     --name <functions_app_name>
-    > ```
-    >
-    > 將 `<functions_app_name>` 替換為你用於Functions應用程式的名稱。
-    >
-    > 你可以稍後使用以下命令重新啟動它：
-    >
-    > ```sh
-    > az functionapp start --resource-group gps-sensor \
-    >                     --name <functions_app_name>
-    > ```
-    >
-    > 將 `<functions_app_name>` 替換為你用於Functions應用程式的名稱。
-
-### 任務 - 從觸發器測試地理圍欄
-
-在本課程的早些時候，你使用curl查詢地理圍欄以查看某個點是否位於內部或外部。你可以從觸發器內部進行類似的Web請求。
-
-1. 要查詢地理圍欄，你需要其UDID。在 `local.settings.json` 文件中添加名為 `GEOFENCE_UDID` 的新條目，並填入此值。
-
-1. 打開新觸發器 `geofence-trigger` 的 `__init__.py` 文件。
-
-1. 在文件頂部添加以下導入：
-
-    ```python
-    import json
-    import os
-    import requests
-    ```
-
-    `requests` 套件允許你進行Web API調用。Azure Maps沒有Python SDK，你需要通過Web API調用來從Python代碼中使用它。
-
-1. 在 `main` 方法的開頭添加以下兩行以獲取Maps訂閱密鑰：
-
-    ```python
-    maps_key = os.environ['MAPS_KEY']
-    geofence_udid = os.environ['GEOFENCE_UDID']    
-    ```
-
-1. 在 `for event in events` 循環內，添加以下代碼以從每個事件中獲取緯度和經度：
-
-    ```python
-    event_body = json.loads(event.get_body().decode('utf-8'))
-    lat = event_body['gps']['lat']
-    lon = event_body['gps']['lon']
-    ```
-
-    此代碼將事件正文中的JSON轉換為字典，然後從 `gps` 字段中提取 `lat` 和 `lon`。
-
-1. 使用 `requests` 時，與使用curl建立長URL不同，你可以僅使用URL部分並將參數作為字典傳遞。添加以下代碼以定義要調用的URL並配置參數：
-
-    ```python
-    url = 'https://atlas.microsoft.com/spatial/geofence/json'
-
-    params = {
-        'api-version': 1.0,
-        'deviceId': 'gps-sensor',
-        'subscription-key': maps_key,
-        'udid' : geofence_udid,
-        'lat' : lat,
-        'lon' : lon
-    }
-    ```
-
-    `params` 字典中的項目將與你通過curl調用Web API時使用的鍵值對匹配。
-
-1. 添加以下代碼行以調用Web API：
-
-    ```python
-    response = requests.get(url, params=params)
-    response_body = json.loads(response.text)
-    ```
-
-    此代碼調用URL並傳遞參數，並返回一個響應對象。
-
-1. 在此代碼下方添加以下代碼：
-
-    ```python
-    distance = response_body['geometries'][0]['distance']
-
-    if distance == 999:
-        logging.info('Point is outside geofence')
-    elif distance > 0:
-        logging.info(f'Point is just outside geofence by a distance of {distance}m')
-    elif distance == -999:
-        logging.info(f'Point is inside geofence')
-    else:
-        logging.info(f'Point is just inside geofence by a distance of {distance}m')
-    ```
-
-    此代碼假設只有一個幾何形狀，並從該幾何形狀中提取距離。然後根據距離記錄不同的消息。
-
-1. 運行此代碼。你將在日誌輸出中看到GPS坐標是否在地理圍欄內或外，並且如果點在50米內，會顯示距離。使用基於GPS傳感器位置的不同地理圍欄嘗試此代碼，嘗試移動傳感器（例如通過手機WiFi連接，或使用虛擬IoT設備上的不同坐標）以查看此變化。
-
-1. 當你準備好時，將此代碼部署到雲端的Functions應用程式中。不要忘記部署新的應用程式設置。
-
-    > ⚠️ 如果需要，你可以參考[項目2，課程5中上傳應用程式設置的指導](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings)。
-
-    > ⚠️ 如果需要，你可以參考[項目2，課程5中部署Functions應用程式的指導](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud)。
-
-> 💁 你可以在 [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions) 文件夾中找到此代碼。
-
----
-
-## 🚀 挑戰
-
-在本課程中，你使用具有單個多邊形的GeoJSON文件添加了一個地理圍欄。你可以同時上傳多個多邊形，只要它們在 `properties` 部分中具有不同的 `geometryId` 值。
-
-嘗試上傳具有多個多邊形的GeoJSON文件，並調整你的代碼以找到GPS坐標最接近或位於哪個多邊形內。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
-
-## 回顧與自學
-
-* 在[維基百科的地理圍欄頁面](https://en.wikipedia.org/wiki/Geo-fence)上閱讀更多關於地理圍欄及其一些使用案例。
-* 在[Microsoft Azure Maps Spatial - Get Geofence文檔](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn)上閱讀更多關於Azure Maps地理圍欄API。
-* 在[Microsoft文檔的Azure Event Hubs功能和術語 - 事件消費者文檔](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers)上閱讀更多關於消費者群組。
-
-## 作業
-
-[使用Twilio發送通知](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/3-transport/lessons/4-geofences/assignment.md b/translations/hk/3-transport/lessons/4-geofences/assignment.md
deleted file mode 100644
index ef5dd646d..000000000
--- a/translations/hk/3-transport/lessons/4-geofences/assignment.md
+++ /dev/null
@@ -1,32 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
-  "translation_date": "2025-08-26T15:45:26+00:00",
-  "source_file": "3-transport/lessons/4-geofences/assignment.md",
-  "language_code": "hk"
-}
--->
-# 使用 Twilio 發送通知
-
-## 指引
-
-在你的程式碼中，目前只記錄了進入地理圍欄的距離。在這次作業中，你需要新增通知功能，當 GPS 座標進入地理圍欄時，發送一則簡訊或電子郵件。
-
-Azure Functions 提供多種綁定選項，包括與第三方服務的整合，例如 Twilio，一個通訊平台。
-
-* 在 [Twilio.com](https://www.twilio.com) 註冊一個免費帳戶
-* 閱讀 [Microsoft 文件 Twilio 綁定 Azure Functions 頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python) 上的 Twilio SMS 綁定文件
-* 閱讀 [Microsoft 文件 Azure Functions SendGrid 綁定頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python) 上的 SendGrid 發送電子郵件綁定文件
-* 將綁定新增到你的 Functions 應用程式中，當 GPS 座標進入或離開地理圍欄時收到通知——但不能同時處理兩種情況。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 配置 Functions 綁定並接收電子郵件或簡訊 | 成功配置 Functions 綁定，並在進入或離開地理圍欄時接收到電子郵件或簡訊，但不能同時處理兩種情況 | 成功配置綁定，但無法發送電子郵件或簡訊，或僅能在座標同時進入和離開地理圍欄時發送 | 無法配置綁定並發送電子郵件或簡訊 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/README.md b/translations/hk/4-manufacturing/README.md
deleted file mode 100644
index dafd66f24..000000000
--- a/translations/hk/4-manufacturing/README.md
+++ /dev/null
@@ -1,38 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3764e089adf2d5801272bc0895f8498b",
-  "translation_date": "2025-08-26T14:06:32+00:00",
-  "source_file": "4-manufacturing/README.md",
-  "language_code": "hk"
-}
--->
-# 製造與加工 - 使用物聯網改善食品加工
-
-當食品抵達中央樞紐或加工廠時，並不總是直接運送到超市。很多時候，食品需要經過多個加工步驟，例如按品質分類。這是一個過去需要手動完成的過程——從田間開始，採摘工人只會挑選成熟的水果，然後在工廠裡，水果會通過傳送帶，員工手動挑出任何有瘀傷或腐爛的水果。我自己在學校暑假期間曾經做過挑選和分類草莓的工作，可以證明這並不是一份有趣的工作。
-
-更現代的系統依賴物聯網進行分類。一些早期的設備，例如 [Weco](https://wecotek.com) 的分選機，使用光學傳感器來檢測農產品的品質，例如拒絕青色的番茄。這些設備可以部署在農場的收割機上，也可以部署在加工廠內。
-
-隨著人工智能（AI）和機器學習（ML）的進步，這些機器可以變得更加先進，使用經過訓練的機器學習模型來區分水果和異物，例如石頭、泥土或昆蟲。這些模型還可以被訓練來檢測水果的品質，不僅僅是挑出有瘀傷的水果，還能及早發現疾病或其他作物問題。
-
-> 🎓 *ML 模型* 這個術語指的是在一組數據上訓練機器學習軟件後的輸出結果。例如，你可以訓練一個 ML 模型來區分成熟和未成熟的番茄，然後使用該模型對新圖片進行判斷，看看番茄是否成熟。
-
-在這四節課中，你將學習如何訓練基於圖像的 AI 模型來檢測水果品質，如何在物聯網設備上使用這些模型，以及如何在邊緣運行這些模型——也就是在物聯網設備上運行，而不是在雲端。
-
-> 💁 這些課程將使用一些雲端資源。如果你未完成此專案中的所有課程，請確保你已[清理你的專案](../clean-up.md)。
-
-## 主題
-
-1. [訓練水果品質檢測器](./lessons/1-train-fruit-detector/README.md)
-1. [從物聯網設備檢查水果品質](./lessons/2-check-fruit-from-device/README.md)
-1. [在邊緣運行你的水果檢測器](./lessons/3-run-fruit-detector-edge/README.md)
-1. [從傳感器觸發水果品質檢測](./lessons/4-trigger-fruit-detector/README.md)
-
-## 鳴謝
-
-所有課程由 [Jen Fox](https://github.com/jenfoxbot) 和 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/hk/4-manufacturing/lessons/1-train-fruit-detector/README.md
deleted file mode 100644
index babdaff13..000000000
--- a/translations/hk/4-manufacturing/lessons/1-train-fruit-detector/README.md
+++ /dev/null
@@ -1,244 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
-  "translation_date": "2025-08-26T14:06:57+00:00",
-  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
-  "language_code": "hk"
-}
--->
-# 訓練水果品質檢測器
-
-![本課程概述的手繪筆記](../../../../../translated_images/zh-HK/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure Custom Vision 服務，這是本課程將涵蓋的內容。
-
-[![Custom Vision – 機器學習變得簡單 | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
-
-## 簡介
-
-人工智能 (AI) 和機器學習 (ML) 的快速發展為現今的開發者提供了廣泛的能力。ML 模型可以被訓練來識別圖像中的不同事物，包括未成熟的水果，這可以用於物聯網設備來幫助在收割或工廠或倉庫的加工過程中進行分類。
-
-在本課程中，您將學習圖像分類——使用 ML 模型來區分不同事物的圖像。您將學習如何訓練圖像分類器來區分品質良好的水果和品質不佳的水果，例如未成熟、過熟、碰傷或腐爛的水果。
-
-本課程將涵蓋以下內容：
-
-* [使用 AI 和 ML 來分類食品](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [通過機器學習進行圖像分類](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [訓練圖像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [測試您的圖像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [重新訓練您的圖像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-
-## 使用 AI 和 ML 來分類食品
-
-養活全球人口是一項艱難的任務，尤其是在確保食品價格對所有人都負擔得起的情況下。勞動力成本是其中最大的支出之一，因此農民越來越多地轉向自動化和物聯網等工具來降低勞動力成本。手工收割勞動強度大（且通常是非常辛苦的工作），在富裕國家正逐漸被機械取代。儘管使用機械收割降低了成本，但也有一個缺點——無法在收割時對食品進行分類。
-
-並非所有作物都能均勻成熟。例如，番茄在大多數果實準備收割時，藤上可能仍有一些未成熟的綠色果實。雖然提前收割這些果實是一種浪費，但農民使用機械收割所有果實並在後期處理未成熟的果實會更便宜、更方便。
-
-✅ 看看您附近農場或花園中正在生長的不同水果或蔬菜，或者商店中的水果或蔬菜。它們是否都成熟一致，還是您能看到成熟度的差異？
-
-自動化收割的興起將食品分類從收割階段移到了工廠。食品會在長長的輸送帶上運輸，人工團隊挑選出不符合品質標準的食品。儘管使用機械收割降低了成本，但人工分類食品仍然需要一定的費用。
-
-![如果檢測到紅色番茄，它會繼續不受干擾地前進。如果檢測到綠色番茄，則會被槓桿彈入廢料箱](../../../../../translated_images/zh-HK/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png)
-
-下一步的演進是使用機器進行分類，這些機器可以內置於收割機中或安裝在加工廠中。第一代這些機器使用光學傳感器檢測顏色，並控制執行器將綠色番茄推入廢料箱，使用槓桿或氣流，讓紅色番茄繼續在輸送帶網絡上前進。
-
-在這段影片中，當番茄從一條輸送帶掉到另一條輸送帶時，綠色番茄被檢測到並用槓桿彈入廢料箱。
-
-✅ 在工廠或田地中，光學傳感器需要什麼條件才能正常工作？
-
-最新一代的分類機器利用 AI 和 ML，使用訓練過的模型來區分品質良好的食品和品質不佳的食品，不僅僅是通過明顯的顏色差異（例如綠色番茄與紅色番茄），還包括外觀上的微妙差異，例如疾病或碰傷。
-
-## 通過機器學習進行圖像分類
-
-傳統編程是將數據輸入，應用算法，然後獲得輸出。例如，在上一個項目中，您輸入了 GPS 坐標和地理圍欄，應用了 Azure Maps 提供的算法，並獲得了該點是否在地理圍欄內或外的結果。輸入更多數據，您就能獲得更多輸出。
-
-![傳統開發是輸入數據和算法，然後獲得輸出。機器學習則是使用輸入和輸出數據來訓練模型，該模型可以使用新輸入數據生成新輸出](../../../../../translated_images/zh-HK/traditional-vs-ml.5c20c169621fa539.webp)
-
-機器學習則顛覆了這一過程——您從數據和已知輸出開始，機器學習算法從數據中學習。然後，您可以使用這個訓練過的算法（稱為 *機器學習模型* 或 *模型*），輸入新數據並獲得新輸出。
-
-> 🎓 機器學習算法從數據中學習的過程稱為 *訓練*。輸入和已知輸出稱為 *訓練數據*。
-
-例如，您可以提供數百萬張未成熟香蕉的圖片作為輸入訓練數據，並將訓練輸出設為 `未成熟`，再提供數百萬張成熟香蕉的圖片作為訓練數據，輸出設為 `成熟`。ML 算法會根據這些數據創建一個模型。然後，您可以將這個模型輸入一張新的香蕉圖片，它會預測該香蕉是成熟還是未成熟。
-
-> 🎓 ML 模型的結果稱為 *預測*
-
-![兩根香蕉，一根成熟的香蕉預測為 99.7% 成熟，0.3% 未成熟；另一根未成熟的香蕉預測為 1.4% 成熟，98.6% 未成熟](../../../../../translated_images/zh-HK/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png)
-
-ML 模型不會給出二元答案，而是提供概率。例如，模型可能會給出一張香蕉的圖片，預測 `成熟` 為 99.7%，`未成熟` 為 0.3%。您的代碼會選擇最佳預測並判斷該香蕉是成熟的。
-
-用於檢測此類圖像的 ML 模型稱為 *圖像分類器*——它接收標記的圖像，並根據這些標記分類新圖像。
-
-> 💁 這是一種簡化的解釋，還有許多其他訓練模型的方法，不一定需要標記的輸出，例如無監督學習。如果您想了解更多有關 ML 的知識，可以查看 [ML 初學者課程，一個包含 24 節課的機器學習課程](https://aka.ms/ML-beginners)。
-
-## 訓練圖像分類器
-
-要成功訓練圖像分類器，您需要數百萬張圖片。然而，事實證明，一旦您擁有一個基於數百萬或數十億張各種圖片訓練的圖像分類器，您可以重用它並使用少量圖片重新訓練它，並通過一種稱為 *遷移學習* 的過程獲得良好的結果。
-
-> 🎓 遷移學習是指將現有 ML 模型的學習成果轉移到基於新數據的新模型中。
-
-一旦圖像分類器已經針對各種圖片進行了訓練，它的內部就能很好地識別形狀、顏色和模式。遷移學習允許模型利用它已經學會的識別圖像部分的能力，來識別新圖像。
-
-![一旦能識別形狀，它們可以被組合成不同的配置來形成船或貓](../../../../../translated_images/zh-HK/shapes-to-images.1a309f0ea88dd66f.webp)
-
-您可以將其想像成兒童的形狀書籍，一旦您能識別半圓形、矩形和三角形，您就能根據這些形狀的配置識別出帆船或貓——或者成熟的香蕉。
-
-有許多工具可以幫助您完成這項工作，包括基於雲的服務，這些服務可以幫助您訓練模型，然後通過 Web API 使用它。
-
-> 💁 訓練這些模型需要大量的計算能力，通常通過圖形處理單元 (GPU) 實現。使 Xbox 遊戲看起來令人驚嘆的同樣專用硬件也可以用來訓練機器學習模型。通過使用雲端，您可以租用強大計算機的 GPU 訓練這些模型，只需支付您需要的時間。
-
-## Custom Vision
-
-Custom Vision 是一個基於雲的工具，用於訓練圖像分類器。它允許您僅使用少量圖片訓練分類器。您可以通過 Web 入口、Web API 或 SDK 上傳圖片，並為每張圖片提供一個 *標籤*，該標籤表示該圖片的分類。然後，您可以訓練模型並測試其性能。一旦您對模型感到滿意，您可以發布版本，通過 Web API 或 SDK 訪問。
-
-![Azure Custom Vision 標誌](../../../../../translated_images/zh-HK/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png)
-
-> 💁 您可以使用每個分類僅 5 張圖片訓練 Custom Vision 模型，但更多圖片效果更好。至少 30 張圖片可以獲得更好的結果。
-
-Custom Vision 是 Microsoft 提供的一系列 AI 工具的一部分，稱為 Cognitive Services。這些 AI 工具可以在不需要任何訓練或僅需少量訓練的情況下使用，包括語音識別和翻譯、語言理解和圖像分析。這些工具在 Azure 中提供免費層。
-
-> 💁 免費層足以創建模型、訓練模型，然後用於開發工作。您可以在 [Microsoft Docs 上的 Custom Vision 限制和配額頁面](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn) 閱讀免費層的限制。
-
-### 任務 - 創建 Cognitive Services 資源
-
-要使用 Custom Vision，您需要使用 Azure CLI 在 Azure 中創建兩個 Cognitive Services 資源，一個用於 Custom Vision 訓練，另一個用於 Custom Vision 預測。
-
-1. 為此項目創建一個名為 `fruit-quality-detector` 的資源組。
-
-1. 使用以下命令創建一個免費的 Custom Vision 訓練資源：
-
-    ```sh
-    az cognitiveservices account create --name fruit-quality-detector-training \
-                                        --resource-group fruit-quality-detector \
-                                        --kind CustomVision.Training \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為您創建資源組時使用的位置。
-
-    這將在您的資源組中創建一個 Custom Vision 訓練資源。它將被命名為 `fruit-quality-detector-training`，並使用 `F0` sku，即免費層。`--yes` 選項表示您同意 Cognitive Services 的條款和條件。
-
-> 💁 如果您已經使用任何 Cognitive Services 創建了免費帳戶，請使用 `S0` sku。
-
-1. 使用以下命令創建一個免費的 Custom Vision 預測資源：
-
-    ```sh
-    az cognitiveservices account create --name fruit-quality-detector-prediction \
-                                        --resource-group fruit-quality-detector \
-                                        --kind CustomVision.Prediction \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為您創建資源組時使用的位置。
-
-    這將在您的資源組中創建一個 Custom Vision 預測資源。它將被命名為 `fruit-quality-detector-prediction`，並使用 `F0` sku，即免費層。`--yes` 選項表示您同意 Cognitive Services 的條款和條件。
-
-### 任務 - 創建圖像分類器項目
-
-1. 打開 [CustomVision.ai](https://customvision.ai) 的 Custom Vision 入口，並使用您 Azure 帳戶的 Microsoft 帳戶登錄。
-
-1. 按照 [Microsoft Docs 上的快速入門指南中“創建新項目”部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#create-a-new-project) 創建新的 Custom Vision 項目。UI 可能會有所變化，這些文檔始終是最新的參考。
-
-    將您的項目命名為 `fruit-quality-detector`。
-
-    創建項目時，請確保使用您之前創建的 `fruit-quality-detector-training` 資源。使用 *分類* 項目類型、*多類* 分類類型和 *食品* 領域。
-
-    ![Custom Vision 項目的設置，名稱設為 fruit-quality-detector，無描述，資源設為 fruit-quality-detector-training，項目類型設為分類，分類類型設為多類，領域設為食品](../../../../../translated_images/zh-HK/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png)
-
-✅ 花些時間探索您的圖像分類器的 Custom Vision UI。
-
-### 任務 - 訓練您的圖像分類器項目
-
-要訓練圖像分類器，您需要多張水果的圖片，包括品質良好和品質不佳的水果，並標記為良好和不良，例如成熟和過熟的香蕉。
-💁 這些分類器可以分類任何圖像，因此如果你手邊沒有不同品質的水果，你可以使用兩種不同類型的水果，或者貓和狗！
-理想情況下，每張圖片應該只包含水果，背景要保持一致或有多種背景選擇。確保背景中沒有任何與成熟或未成熟水果相關的特定元素。
-
-> 💁 背景或與標籤分類無關的特定物品不應出現在圖片中，否則分類器可能會根據背景進行分類。有一個皮膚癌分類器曾經用正常和癌症痣的圖片進行訓練，而癌症痣的圖片中都有尺子用來測量大小。結果分類器幾乎100%準確地識別了圖片中的尺子，而不是癌症痣。
-
-圖片分類器的運行分辨率非常低。例如，Custom Vision可以接受最大10240x10240的訓練和預測圖片，但模型實際訓練和運行的圖片分辨率為227x227。較大的圖片會被縮小到這個尺寸，因此確保您要分類的物品在圖片中占據較大部分，否則在分類器使用的小圖片中可能會太小。
-
-1. 收集分類器所需的圖片。每個標籤至少需要5張圖片來訓練分類器，但越多越好。您還需要一些額外的圖片來測試分類器。這些圖片應該是同一物品的不同圖片。例如：
-
-    * 使用2根成熟的香蕉，從不同角度拍攝每根香蕉的幾張圖片，至少拍攝7張（5張用於訓練，2張用於測試），但理想情況下更多。
-
-        ![2根不同香蕉的照片](../../../../../translated_images/zh-HK/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png)
-
-    * 使用2根未成熟的香蕉重複相同的過程。
-
-    您應該至少有10張訓練圖片，其中至少5張成熟，5張未成熟，還有4張測試圖片，2張成熟，2張未成熟。您的圖片應該是png或jpeg格式，大小小於6MB。如果您使用iPhone拍攝，它們可能是高分辨率的HEIC圖片，因此需要進行格式轉換並可能縮小尺寸。圖片越多越好，並且成熟和未成熟的數量應該相近。
-
-    如果您沒有成熟和未成熟的水果，可以使用不同的水果，或者任何您手頭上的兩種物品。您也可以在[images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images)文件夾中找到一些成熟和未成熟香蕉的示例圖片供您使用。
-
-1. 按照[Microsoft文檔中建立分類器快速入門的上傳和標記圖片部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images)的指引上傳您的訓練圖片。將成熟的水果標記為`ripe`，未成熟的水果標記為`unripe`。
-
-    ![上傳成熟和未成熟香蕉圖片的對話框](../../../../../translated_images/zh-HK/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png)
-
-1. 按照[Microsoft文檔中建立分類器快速入門的訓練分類器部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier)的指引，使用您上傳的圖片訓練圖片分類器。
-
-    您將會看到訓練類型的選擇。選擇**快速訓練**。
-
-分類器將開始訓練。訓練完成需要幾分鐘。
-
-> 🍌 如果您在分類器訓練期間決定吃掉您的水果，請確保您有足夠的圖片進行測試！
-
-## 測試您的圖片分類器
-
-分類器訓練完成後，您可以通過提供新的圖片進行分類測試。
-
-### 任務 - 測試您的圖片分類器
-
-1. 按照[Microsoft文檔中測試模型的指引](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model)測試您的圖片分類器。使用您之前創建的測試圖片，而不是任何用於訓練的圖片。
-
-    ![一根未成熟香蕉被預測為未成熟，概率為98.9%，成熟概率為1.1%](../../../../../translated_images/zh-HK/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png)
-
-1. 嘗試使用您所有的測試圖片並觀察概率。
-
-## 重新訓練您的圖片分類器
-
-當您測試分類器時，它可能不會給出您期望的結果。圖片分類器使用機器學習根據圖片中的特定特徵來預測它是否匹配某個標籤。它並不理解圖片中的內容——它不知道什麼是香蕉，也不理解什麼使香蕉成為香蕉而不是船。您可以通過使用分類器錯誤的圖片重新訓練來改進分類器。
-
-每次使用快速測試選項進行預測時，圖片和結果都會被存儲。您可以使用這些圖片重新訓練您的模型。
-
-### 任務 - 重新訓練您的圖片分類器
-
-1. 按照[Microsoft文檔中使用預測圖片進行訓練的指引](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)重新訓練您的模型，為每張圖片使用正確的標籤。
-
-1. 模型重新訓練完成後，使用新的圖片進行測試。
-
----
-
-## 🚀 挑戰
-
-如果您使用一張草莓的圖片測試一個訓練了香蕉的模型，或者使用一張充氣香蕉的圖片、一個穿香蕉服的人、甚至一個黃色卡通角色（例如《辛普森一家》中的角色），您認為會發生什麼？
-
-試試看，看看預測結果是什麼。您可以使用[Bing圖片搜索](https://www.bing.com/images/trending)找到圖片進行測試。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
-
-## 回顧與自學
-
-* 當您訓練分類器時，您會看到*Precision*、*Recall*和*AP*的值，這些值用於評估所創建的模型。通過[Microsoft文檔中建立分類器快速入門的評估分類器部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#evaluate-the-classifier)了解這些值的含義。
-* 通過[Microsoft文檔中如何改進您的Custom Vision模型](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn)了解如何改進您的分類器。
-
-## 作業
-
-[為多種水果和蔬菜訓練您的分類器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言版本的文件應被視為具權威性的來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/hk/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
deleted file mode 100644
index 135cee74e..000000000
--- a/translations/hk/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
+++ /dev/null
@@ -1,30 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
-  "translation_date": "2025-08-26T14:08:58+00:00",
-  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
-  "language_code": "hk"
-}
--->
-# 訓練您的分類器以識別多種水果和蔬菜
-
-## 指引
-
-在這節課中，您已經訓練了一個圖像分類器來區分成熟和未成熟的水果，但僅限於一種水果。分類器也可以被訓練來識別多種水果，成功率會因水果的種類以及成熟與未成熟之間的差異而有所不同。
-
-例如，對於那些成熟時會改變顏色的水果，圖像分類器可能不如顏色感應器有效，因為圖像分類器通常基於灰階圖像而非全彩圖像進行工作。
-
-嘗試用其他水果訓練您的分類器，看看效果如何，特別是當水果外觀相似時。例如，蘋果和番茄。
-
-## 評分標準
-
-| 評估標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 訓練分類器以識別多種水果 | 能夠成功訓練分類器識別多種水果 | 能夠成功訓練分類器識別一種額外的水果 | 無法訓練分類器識別更多水果 |
-| 評估分類器的效果 | 能夠正確評論分類器在不同水果上的效果 | 能夠觀察並提出分類器效果的建議 | 無法評論分類器的效果 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/README.md
deleted file mode 100644
index d1a5e511e..000000000
--- a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/README.md
+++ /dev/null
@@ -1,172 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
-  "translation_date": "2025-08-26T14:09:15+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
-  "language_code": "hk"
-}
--->
-# 從 IoT 裝置檢查水果品質
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片以查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
-
-## 簡介
-
-在上一課中，你學習了關於影像分類器的知識，以及如何訓練它們來檢測優質和劣質水果。要在 IoT 應用中使用這個影像分類器，你需要能夠使用某種攝影機捕捉影像，並將該影像發送到雲端進行分類。
-
-在本課中，你將學習攝影機感測器的相關知識，以及如何將它們與 IoT 裝置結合使用來捕捉影像。此外，你還會學習如何從 IoT 裝置呼叫影像分類器。
-
-本課內容包括：
-
-* [攝影機感測器](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [使用 IoT 裝置捕捉影像](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [發佈你的影像分類器](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [從 IoT 裝置分類影像](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [改進模型](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-
-## 攝影機感測器
-
-顧名思義，攝影機感測器是可以連接到 IoT 裝置的攝影機。它們可以拍攝靜態影像或錄製串流影片。有些會返回原始影像數據，而另一些則會將影像數據壓縮成 JPEG 或 PNG 等影像檔案。通常，與 IoT 裝置配合使用的攝影機比你習慣使用的攝影機要小得多，解析度也較低，但你也可以找到解析度高到可以媲美高端手機的攝影機。你還可以選擇各種可更換鏡頭、多攝影機配置、紅外線熱成像攝影機或紫外線攝影機。
-
-![場景中的光線通過鏡頭並聚焦在 CMOS 感測器上](../../../../../translated_images/zh-HK/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png)
-
-大多數攝影機感測器使用影像感測器，其中每個像素都是一個光電二極管。鏡頭將影像聚焦到影像感測器上，數千或數百萬個光電二極管檢測落在每個二極管上的光線，並將其記錄為像素數據。
-
-> 💁 鏡頭會將影像倒置，攝影機感測器會將影像翻轉回正確方向。這與你的眼睛相同——你看到的影像在眼睛後部是倒置的，而你的大腦會將其校正。
-
-> 🎓 影像感測器被稱為主動像素感測器（Active-Pixel Sensor, APS），最常見的 APS 類型是互補金屬氧化物半導體感測器（CMOS）。你可能聽說過 CMOS 感測器這個術語。
-
-攝影機感測器是數位感測器，通常借助提供通訊的函式庫以數位數據的形式傳輸影像數據。攝影機使用像 SPI 這樣的協議進行連接，以便傳輸大量數據——影像的數據量遠大於溫度感測器等感測器的單一數值。
-
-✅ IoT 裝置在影像大小方面有哪些限制？請考慮特別是微控制器硬體的限制。
-
-## 使用 IoT 裝置捕捉影像
-
-你可以使用 IoT 裝置捕捉影像進行分類。
-
-### 任務 - 使用 IoT 裝置捕捉影像
-
-按照相關指南，使用你的 IoT 裝置捕捉影像：
-
-* [Arduino - Wio Terminal](wio-terminal-camera.md)
-* [單板電腦 - Raspberry Pi](pi-camera.md)
-* [單板電腦 - 虛擬裝置](virtual-device-camera.md)
-
-## 發佈你的影像分類器
-
-你在上一課中訓練了你的影像分類器。在你能從 IoT 裝置使用它之前，你需要先發佈該模型。
-
-### 模型迭代
-
-當你在上一課中訓練模型時，你可能注意到 **Performance** 標籤的側邊顯示了迭代次數。當你第一次訓練模型時，你會看到訓練中的 *Iteration 1*。當你使用預測影像改進模型時，你會看到訓練中的 *Iteration 2*。
-
-每次訓練模型時，你都會得到一個新的迭代版本。這是一種記錄基於不同數據集訓練的模型不同版本的方法。當你進行 **Quick Test** 時，可以使用下拉選單選擇迭代版本，從而比較多個迭代版本的結果。
-
-當你對某個迭代版本感到滿意時，可以將其發佈，使其能夠被外部應用使用。這樣，你可以有一個已發佈的版本供裝置使用，然後在多次迭代中改進新版本，並在滿意後發佈。
-
-### 任務 - 發佈一個迭代版本
-
-迭代版本可以從 Custom Vision 入口網站發佈。
-
-1. 開啟 [CustomVision.ai](https://customvision.ai) 入口網站並登入（如果尚未開啟）。然後打開你的 `fruit-quality-detector` 專案。
-
-1. 從頂部選項中選擇 **Performance** 標籤。
-
-1. 從側邊的 *Iterations* 列表中選擇最新的迭代版本。
-
-1. 選擇該迭代版本的 **Publish** 按鈕。
-
-    ![發佈按鈕](../../../../../translated_images/zh-HK/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png)
-
-1. 在 *Publish Model* 對話框中，將 *Prediction resource* 設置為你在上一課中創建的 `fruit-quality-detector-prediction` 資源。將名稱保留為 `Iteration2`，然後選擇 **Publish** 按鈕。
-
-1. 發佈後，選擇 **Prediction URL** 按鈕。這將顯示預測 API 的詳細資訊，你需要這些資訊來從 IoT 裝置呼叫模型。下方部分標記為 *If you have an image file*，這是你需要的詳細資訊。複製顯示的 URL，該 URL 可能類似於：
-
-    ```output
-    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
-    ```
-
-    其中 `<location>` 是你創建 Custom Vision 資源時使用的位置，而 `<id>` 是由字母和數字組成的長 ID。
-
-    同時複製 *Prediction-Key* 值。這是一個安全密鑰，當你呼叫模型時必須傳遞該密鑰。只有傳遞此密鑰的應用程式才能使用該模型，其他應用程式將被拒絕。
-
-    ![預測 API 對話框顯示 URL 和密鑰](../../../../../translated_images/zh-HK/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png)
-
-✅ 當發佈一個新迭代版本時，它會有一個不同的名稱。你認為應該如何更改 IoT 裝置使用的迭代版本？
-
-## 從 IoT 裝置分類影像
-
-現在你可以使用這些連接詳細資訊從 IoT 裝置呼叫影像分類器。
-
-### 任務 - 從 IoT 裝置分類影像
-
-按照相關指南，使用你的 IoT 裝置分類影像：
-
-* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 裝置](single-board-computer-classify-image.md)
-
-## 改進模型
-
-你可能會發現，使用連接到 IoT 裝置的攝影機時獲得的結果與你預期的不符。預測結果並不總是像從電腦上傳的影像那樣準確。這是因為模型的訓練數據與用於預測的數據不同。
-
-為了讓影像分類器獲得最佳結果，你需要使用與預測影像盡可能相似的影像來訓練模型。例如，如果你使用手機攝影機捕捉影像進行訓練，那麼影像的質量、清晰度和顏色將與連接到 IoT 裝置的攝影機不同。
-
-![兩張香蕉圖片，一張是 IoT 裝置拍攝的低解析度影像，另一張是手機拍攝的高解析度影像](../../../../../translated_images/zh-HK/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png)
-
-在上圖中，左側的香蕉圖片是使用 Raspberry Pi 攝影機拍攝的，右側的圖片是使用 iPhone 在相同位置拍攝的同一根香蕉。兩者的質量有明顯差異——iPhone 的圖片更清晰，顏色更鮮豔，對比度更高。
-
-✅ 還有哪些因素可能導致 IoT 裝置捕捉的影像預測不準確？請考慮 IoT 裝置可能使用的環境，哪些因素會影響捕捉的影像？
-
-為了改進模型，你可以使用 IoT 裝置捕捉的影像重新訓練模型。
-
-### 任務 - 改進模型
-
-1. 使用你的 IoT 裝置分類多張成熟和未成熟水果的影像。
-
-1. 在 Custom Vision 入口網站中，使用 *Predictions* 標籤上的影像重新訓練模型。
-
-    > ⚠️ 如果需要，可以參考[第一課中重新訓練分類器的指導](../1-train-fruit-detector/README.md#retrain-your-image-classifier)。
-
-1. 如果你的影像與最初用於訓練的影像差異很大，可以通過在 *Training Images* 標籤中選擇影像並點擊 **Delete** 按鈕刪除所有原始影像。將游標移到影像上會出現一個勾選框，點擊該框即可選擇或取消選擇影像。
-
-1. 訓練模型的新迭代版本，並按照上述步驟發佈。
-
-1. 更新程式碼中的端點 URL，並重新運行應用程式。
-
-1. 重複這些步驟，直到你對預測結果感到滿意。
-
----
-
-## 🚀 挑戰
-
-影像解析度或光線對預測有多大影響？
-
-嘗試在裝置程式碼中更改影像的解析度，看看是否對影像質量產生影響。同時嘗試更改光線條件。
-
-如果你要製作一個銷售給農場或工廠的生產裝置，你會如何確保它始終提供一致的結果？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
-
-## 回顧與自學
-
-你使用入口網站訓練了自訂視覺模型。這依賴於擁有可用的影像——而在現實世界中，你可能無法獲得與裝置攝影機捕捉的影像相匹配的訓練數據。你可以通過使用訓練 API 直接從裝置進行訓練來解決這個問題，從而使用 IoT 裝置捕捉的影像訓練模型。
-
-* 閱讀 [使用 Custom Vision SDK 快速入門](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/image-classification?WT.mc_id=academic-17441-jabenn&tabs=visual-studio&pivots=programming-language-python) 中的訓練 API 相關內容。
-
-## 作業
-
-[回應分類結果](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
deleted file mode 100644
index b3e9311d0..000000000
--- a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
+++ /dev/null
@@ -1,27 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "022e21f8629b721424c1de25195fff67",
-  "translation_date": "2025-08-26T14:10:37+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
-  "language_code": "hk"
-}
--->
-# 回應分類結果
-
-## 指引
-
-您的裝置已對圖片進行分類，並獲得了預測的數值。您的裝置可以利用這些資訊執行某些操作，例如將數據發送到 IoT Hub 供其他系統處理，或者控制一個執行器，例如當水果未成熟時點亮 LED 燈。
-
-在您的裝置中新增程式碼，以您選擇的方式作出回應——可以是將數據發送到 IoT Hub，控制執行器，或者結合兩者，將數據發送到 IoT Hub，並使用無伺服器程式碼來判斷水果是否成熟，然後發送指令來控制執行器。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 回應預測結果 | 能夠實現對預測結果的回應，並且對相同數值的預測結果能夠一致地運作。 | 能夠實現一個與預測結果無關的回應，例如僅將原始數據發送到 IoT Hub。 | 無法編程讓裝置對預測結果作出回應。 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
deleted file mode 100644
index e133f0742..000000000
--- a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
+++ /dev/null
@@ -1,155 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c677667095f6133eee418c7e53615d05",
-  "translation_date": "2025-08-26T14:10:53+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
-  "language_code": "hk"
-}
--->
-# 捕捉影像 - Raspberry Pi
-
-在這部分課程中，你將為 Raspberry Pi 添加一個相機感測器，並從中讀取影像。
-
-## 硬件
-
-Raspberry Pi 需要一個相機。
-
-你將使用的相機是 [Raspberry Pi Camera Module](https://www.raspberrypi.org/products/camera-module-v2/)。這款相機專為 Raspberry Pi 設計，通過 Pi 上的專用連接器進行連接。
-
-> 💁 這款相機使用 [Camera Serial Interface，一種由移動產業處理器接口聯盟制定的協議](https://wikipedia.org/wiki/Camera_Serial_Interface)，簡稱 MIPI-CSI。這是一種專用的影像傳輸協議。
-
-## 連接相機
-
-相機可以通過一條扁平排線連接到 Raspberry Pi。
-
-### 任務 - 連接相機
-
-![Raspberry Pi 相機](../../../../../translated_images/zh-HK/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png)
-
-1. 關閉 Raspberry Pi 的電源。
-
-1. 將相機附帶的扁平排線連接到相機上。方法是輕輕拉動插座上的黑色塑料夾，使其稍微向外拉出，然後將排線滑入插座，藍色面朝遠離鏡頭的一側，金屬針條面朝向鏡頭。插入到位後，將黑色塑料夾推回原位。
-
-    你可以在 [Raspberry Pi 相機模組入門文檔](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2) 中找到如何打開夾子並插入排線的動畫。
-
-    ![扁平排線插入相機模組](../../../../../translated_images/zh-HK/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png)
-
-1. 從 Raspberry Pi 上移除 Grove Base Hat。
-
-1. 將扁平排線穿過 Grove Base Hat 上的相機插槽。確保排線的藍色面朝向標有 **A0**、**A1** 等的模擬端口。
-
-    ![扁平排線穿過 Grove Base Hat](../../../../../translated_images/zh-HK/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png)
-
-1. 將扁平排線插入 Raspberry Pi 上的相機端口。同樣，拉起黑色塑料夾，插入排線，然後推回夾子。排線的藍色面應朝向 USB 和以太網端口。
-
-    ![扁平排線連接到 Raspberry Pi 的相機插座](../../../../../translated_images/zh-HK/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png)
-
-1. 重新安裝 Grove Base Hat。
-
-## 編程相機
-
-現在可以使用 [PiCamera](https://pypi.org/project/picamera/) Python 庫來編程 Raspberry Pi 以使用相機。
-
-### 任務 - 啟用舊版相機模式
-
-不幸的是，隨著 Raspberry Pi OS Bullseye 的發布，操作系統附帶的相機軟件發生了變化，導致 PiCamera 默認無法使用。目前正在開發一個替代方案，名為 PiCamera2，但尚未準備好使用。
-
-目前，你可以將 Raspberry Pi 設置為舊版相機模式，以使 PiCamera 能夠正常工作。相機插座默認是禁用的，但啟用舊版相機軟件會自動啟用插座。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 啟動 VS Code，可以直接在 Raspberry Pi 上啟動，也可以通過 Remote SSH 擴展連接。
-
-1. 在終端中運行以下命令：
-
-    ```sh
-    sudo raspi-config nonint do_legacy 0
-    sudo reboot
-    ```
-
-    這將切換設置以啟用舊版相機軟件，然後重新啟動 Raspberry Pi 以使該設置生效。
-
-1. 等待 Raspberry Pi 重新啟動，然後重新啟動 VS Code。
-
-### 任務 - 編程相機
-
-編程設備。
-
-1. 在終端中，於 `pi` 用戶的主目錄中創建一個名為 `fruit-quality-detector` 的新文件夾。在此文件夾中創建一個名為 `app.py` 的文件。
-
-1. 在 VS Code 中打開此文件夾。
-
-1. 要與相機交互，可以使用 PiCamera Python 庫。使用以下命令安裝 Pip 套件：
-
-    ```sh
-    pip3 install picamera
-    ```
-
-1. 在 `app.py` 文件中添加以下代碼：
-
-    ```python
-    import io
-    import time
-    from picamera import PiCamera
-    ```
-
-    此代碼導入了一些需要的庫，包括 `PiCamera` 庫。
-
-1. 在此代碼下方添加以下代碼以初始化相機：
-
-    ```python
-    camera = PiCamera()
-    camera.resolution = (640, 480)
-    camera.rotation = 0
-    
-    time.sleep(2)
-    ```
-
-    此代碼創建了一個 PiCamera 對象，並將解析度設置為 640x480。雖然支持更高的解析度（最高可達 3280x2464），但影像分類器使用的影像尺寸要小得多（227x227），因此無需捕捉和傳輸更大的影像。
-
-    `camera.rotation = 0` 行設置影像的旋轉角度。扁平排線從相機底部進入，但如果你的相機旋轉過以便更容易指向你想要分類的物品，則可以將此行更改為旋轉的角度。
-
-    ![相機懸掛在飲料罐上方](../../../../../translated_images/zh-HK/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png)
-
-    例如，如果你將扁平排線懸掛在某物上，使其位於相機的頂部，則將旋轉設置為 180：
-
-    ```python
-    camera.rotation = 180
-    ```
-
-    相機啟動需要幾秒鐘，因此需要 `time.sleep(2)`。
-
-1. 在此代碼下方添加以下代碼以捕捉影像為二進制數據：
-
-    ```python
-    image = io.BytesIO()
-    camera.capture(image, 'jpeg')
-    image.seek(0)
-    ```
-
-    此代碼創建了一個 `BytesIO` 對象來存儲二進制數據。影像以 JPEG 文件的形式從相機讀取並存儲在此對象中。此對象有一個位置指示器，用於指示數據的當前位置，以便需要時可以向末尾寫入更多數據，因此 `image.seek(0)` 行將此位置移回起始位置，以便稍後可以讀取所有數據。
-
-1. 在此代碼下方添加以下代碼以將影像保存到文件：
-
-    ```python
-    with open('image.jpg', 'wb') as image_file:
-        image_file.write(image.read())
-    ```
-
-    此代碼打開一個名為 `image.jpg` 的文件進行寫入，然後從 `BytesIO` 對象中讀取所有數據並寫入該文件。
-
-    > 💁 你可以直接將影像捕捉到文件，而不是使用 `BytesIO` 對象，只需將文件名傳遞給 `camera.capture` 調用即可。使用 `BytesIO` 對象的原因是稍後在課程中你可以將影像發送到影像分類器。
-
-1. 將相機對準某物並運行此代碼。
-
-1. 一張影像將被捕捉並保存為當前文件夾中的 `image.jpg`。你可以在 VS Code 的資源管理器中看到此文件。選擇該文件以查看影像。如果需要旋轉，根據需要更新 `camera.rotation = 0` 行，然後再拍一張照片。
-
-> 💁 你可以在 [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi) 文件夾中找到此代碼。
-
-😀 你的相機程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
deleted file mode 100644
index 6127cb8fe..000000000
--- a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
+++ /dev/null
@@ -1,105 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e5896207b304ce1abaf065b8acc0cc79",
-  "translation_date": "2025-08-26T14:11:42+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
-  "language_code": "hk"
-}
--->
-# 分類圖片 - 虛擬 IoT 硬件及 Raspberry Pi
-
-在本課程的這部分，你將把相機捕捉的圖片發送到 Custom Vision 服務進行分類。
-
-## 發送圖片到 Custom Vision
-
-Custom Vision 服務提供了一個 Python SDK，可用於分類圖片。
-
-### 任務 - 發送圖片到 Custom Vision
-
-1. 在 VS Code 中打開 `fruit-quality-detector` 文件夾。如果你使用的是虛擬 IoT 設備，請確保虛擬環境已在終端中運行。
-
-1. 用於發送圖片到 Custom Vision 的 Python SDK 是一個 Pip 套件。使用以下命令安裝它：
-
-    ```sh
-    pip3 install azure-cognitiveservices-vision-customvision
-    ```
-
-1. 在 `app.py` 文件的頂部添加以下導入語句：
-
-    ```python
-    from msrest.authentication import ApiKeyCredentials
-    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
-    ```
-
-    這將引入一些 Custom Vision 庫中的模組，一個用於使用預測密鑰進行身份驗證，另一個提供可以調用 Custom Vision 的預測客戶端類。
-
-1. 在文件末尾添加以下代碼：
-
-    ```python
-    prediction_url = '<prediction_url>'
-    prediction_key = '<prediction key>'
-    ```
-
-    將 `<prediction_url>` 替換為你在本課程早些時候從 *Prediction URL* 對話框中複製的 URL。將 `<prediction key>` 替換為你從同一對話框中複製的預測密鑰。
-
-1. *Prediction URL* 對話框提供的預測 URL 是為直接調用 REST 端點而設計的。Python SDK 在不同的地方使用 URL 的部分。添加以下代碼以拆分此 URL，提取所需的部分：
-
-    ```python
-    parts = prediction_url.split('/')
-    endpoint = 'https://' + parts[2]
-    project_id = parts[6]
-    iteration_name = parts[9]
-    ```
-
-    這將拆分 URL，提取 `https://<location>.api.cognitive.microsoft.com` 的端點、項目 ID 和已發布迭代的名稱。
-
-1. 創建一個預測器對象以執行預測，使用以下代碼：
-
-    ```python
-    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
-    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
-    ```
-
-    `prediction_credentials` 將預測密鑰封裝起來。然後使用這些憑證創建一個指向端點的預測客戶端對象。
-
-1. 使用以下代碼將圖片發送到 Custom Vision：
-
-    ```python
-    image.seek(0)
-    results = predictor.classify_image(project_id, iteration_name, image)
-    ```
-
-    這會將圖片回卷到起始位置，然後將其發送到預測客戶端。
-
-1. 最後，使用以下代碼顯示結果：
-
-    ```python
-    for prediction in results.predictions:
-        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
-    ```
-
-    這將遍歷所有返回的預測並在終端上顯示它們。返回的概率是 0-1 的浮點數，其中 0 表示與標籤匹配的可能性為 0%，1 表示與標籤匹配的可能性為 100%。
-
-    > 💁 圖片分類器將返回所有使用過的標籤的百分比。每個標籤都會有一個圖片與該標籤匹配的概率。
-
-1. 運行你的代碼，讓相機對準一些水果，或者使用適當的圖片集，或者如果使用虛擬 IoT 硬件，讓水果在你的網絡攝像頭中可見。你將在控制台中看到輸出：
-
-    ```output
-    (.venv) ➜  fruit-quality-detector python app.py
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-    你將能看到拍攝的圖片，以及這些值在 Custom Vision 的 **Predictions** 標籤中。
-
-    ![一根香蕉在 Custom Vision 中被預測為成熟的概率為 56.8%，未成熟的概率為 43.1%](../../../../../translated_images/zh-HK/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png)
-
-> 💁 你可以在 [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) 或 [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device) 文件夾中找到這段代碼。
-
-😀 你的水果品質分類器程序成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
deleted file mode 100644
index 5eea527da..000000000
--- a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
+++ /dev/null
@@ -1,126 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3ba7150ffc4a6999f6c3cfb4906ec7df",
-  "translation_date": "2025-08-26T14:12:58+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
-  "language_code": "hk"
-}
--->
-# 捕捉影像 - 虛擬物聯網硬件
-
-在本課程中，你將為虛擬物聯網設備添加一個相機感應器，並從中讀取影像。
-
-## 硬件
-
-虛擬物聯網設備將使用模擬相機，該相機可以傳送文件中的影像或來自你的網絡攝像頭的影像。
-
-### 在 CounterFit 中添加相機
-
-要使用虛擬相機，你需要在 CounterFit 應用中添加一個相機。
-
-#### 任務 - 在 CounterFit 中添加相機
-
-在 CounterFit 應用中添加相機。
-
-1. 在你的電腦上創建一個名為 `fruit-quality-detector` 的文件夾，並在其中創建一個名為 `app.py` 的單一文件和一個 Python 虛擬環境，然後添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，你可以參考[課程 1 中創建和設置 CounterFit Python 項目的指導](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 安裝額外的 Pip 套件，以安裝一個 CounterFit shim，它可以通過模擬部分 [Picamera Pip 套件](https://pypi.org/project/picamera/) 與相機感應器通信。確保你是在啟動了虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install counterfit-shims-picamera
-    ```
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建一個相機：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，打開 *Sensor type* 下拉框並選擇 *Camera*。
-
-    1. 將 *Name* 設置為 `Picamera`。
-
-    1. 選擇 **Add** 按鈕以創建相機。
-
-    ![相機設置](../../../../../translated_images/zh-HK/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png)
-
-    相機將被創建並顯示在感應器列表中。
-
-    ![創建的相機](../../../../../translated_images/zh-HK/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png)
-
-## 編程相機
-
-現在可以為虛擬物聯網設備編程以使用虛擬相機。
-
-### 任務 - 編程相機
-
-為設備編程。
-
-1. 確保 `fruit-quality-detector` 應用已在 VS Code 中打開。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下代碼，以連接應用到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在你的 `app.py` 文件中添加以下代碼：
-
-    ```python
-    import io
-    from counterfit_shims_picamera import PiCamera
-    ```
-
-    此代碼導入了一些需要的庫，包括來自 counterfit_shims_picamera 庫的 `PiCamera` 類。
-
-1. 在此代碼下方添加以下代碼以初始化相機：
-
-    ```python
-    camera = PiCamera()
-    camera.resolution = (640, 480)
-    camera.rotation = 0
-    ```
-
-    此代碼創建了一個 PiCamera 對象，並將分辨率設置為 640x480。雖然支持更高的分辨率，但影像分類器僅處理更小的影像（227x227），因此無需捕捉和傳送更大的影像。
-
-    `camera.rotation = 0` 行設置影像的旋轉角度（以度為單位）。如果需要旋轉來自網絡攝像頭或文件的影像，請根據需要設置。例如，如果你想將網絡攝像頭中橫向模式的香蕉影像更改為縱向模式，請設置 `camera.rotation = 90`。
-
-1. 在此代碼下方添加以下代碼以捕捉影像為二進制數據：
-
-    ```python
-    image = io.BytesIO()
-    camera.capture(image, 'jpeg')
-    image.seek(0)
-    ```
-
-    此代碼創建了一個 `BytesIO` 對象來存儲二進制數據。影像以 JPEG 文件的形式從相機中讀取並存儲在此對象中。此對象有一個位置指示器，用於指示當前數據的位置，以便後續可以在末尾寫入更多數據，因此 `image.seek(0)` 行將位置移回起始位置，以便稍後可以讀取所有數據。
-
-1. 在此代碼下方添加以下代碼以將影像保存到文件：
-
-    ```python
-    with open('image.jpg', 'wb') as image_file:
-        image_file.write(image.read())
-    ```
-
-    此代碼打開一個名為 `image.jpg` 的文件進行寫入，然後從 `BytesIO` 對象中讀取所有數據並寫入該文件。
-
-    > 💁 你可以直接將影像捕捉到文件，而不是使用 `BytesIO` 對象，只需將文件名傳遞給 `camera.capture` 調用即可。使用 `BytesIO` 對象的原因是稍後在本課程中，你可以將影像發送到你的影像分類器。
-
-1. 配置 CounterFit 中相機將捕捉的影像。你可以將 *Source* 設置為 *File*，然後上傳一個影像文件，或者將 *Source* 設置為 *WebCam*，影像將從你的網絡攝像頭捕捉。確保在選擇圖片或網絡攝像頭後選擇 **Set** 按鈕。
-
-    ![CounterFit 中設置文件為影像來源，以及網絡攝像頭顯示一個人拿著香蕉的預覽](../../../../../translated_images/zh-HK/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png)
-
-1. 一個影像將被捕捉並保存為 `image.jpg`，位於當前文件夾中。你將在 VS Code 的資源管理器中看到此文件。選擇該文件以查看影像。如果需要旋轉，根據需要更新 `camera.rotation = 0` 行並重新拍攝影像。
-
-> 💁 你可以在 [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device) 文件夾中找到此代碼。
-
-😀 你的相機程序成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業的人類翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
deleted file mode 100644
index 530587a0a..000000000
--- a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
+++ /dev/null
@@ -1,475 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "160be8c0f558687f6686dca64f10f739",
-  "translation_date": "2025-08-26T14:13:47+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
-  "language_code": "hk"
-}
--->
-# 捕捉影像 - Wio Terminal
-
-在這部分課程中，你將為 Wio Terminal 添加一個相機，並從中捕捉影像。
-
-## 硬件
-
-Wio Terminal 需要一個相機。
-
-你將使用的相機是 [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)。這是一個基於 OV2640 圖像傳感器的 2 百萬像素相機。它通過 SPI 接口進行通信以捕捉影像，並使用 I²C 配置傳感器。
-
-## 連接相機
-
-ArduCam 沒有 Grove 插槽，而是通過 Wio Terminal 的 GPIO 引腳連接到 SPI 和 I²C 線路。
-
-### 任務 - 連接相機
-
-連接相機。
-
-![ArduCam 傳感器](../../../../../translated_images/zh-HK/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png)
-
-1. ArduCam 底部的引腳需要連接到 Wio Terminal 的 GPIO 引腳。為了更容易找到正確的引腳，將隨 Wio Terminal 附帶的 GPIO 引腳貼紙貼在引腳周圍：
-
-    ![帶有 GPIO 引腳貼紙的 Wio Terminal](../../../../../translated_images/zh-HK/wio-terminal-pin-sticker.b90b1535937b84bd.webp)
-
-1. 使用跳線進行以下連接：
-
-    | ArduCAM 引腳 | Wio Terminal 引腳 | 描述                                     |
-    | ------------ | ----------------- | ---------------------------------------- |
-    | CS           | 24 (SPI_CS)       | SPI 芯片選擇                             |
-    | MOSI         | 19 (SPI_MOSI)     | SPI 控制器輸出，外設輸入                 |
-    | MISO         | 21 (SPI_MISO)     | SPI 控制器輸入，外設輸出                 |
-    | SCK          | 23 (SPI_SCLK)     | SPI 串行時鐘                             |
-    | GND          | 6 (GND)           | 地線 - 0V                                |
-    | VCC          | 4 (5V)            | 5V 電源供應                              |
-    | SDA          | 3 (I2C1_SDA)      | I²C 串行數據                             |
-    | SCL          | 5 (I2C1_SCL)      | I²C 串行時鐘                             |
-
-    ![用跳線連接到 ArduCam 的 Wio Terminal](../../../../../translated_images/zh-HK/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png)
-
-    GND 和 VCC 連接為 ArduCam 提供 5V 電源。它以 5V 運行，不同於以 3V 運行的 Grove 傳感器。這個電源直接來自為設備供電的 USB-C 連接。
-
-    > 💁 對於 SPI 連接，ArduCam 上的引腳標籤和 Wio Terminal 中代碼使用的引腳名稱仍然使用舊的命名約定。本課程中的說明將使用新的命名約定，除非代碼中使用了引腳名稱。
-
-1. 現在可以將 Wio Terminal 連接到你的電腦。
-
-## 編程設備以連接相機
-
-現在可以為 Wio Terminal 編程以使用連接的 ArduCAM 相機。
-
-### 任務 - 編程設備以連接相機
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 項目。將此項目命名為 `fruit-quality-detector`。在 `setup` 函數中添加代碼以配置串行端口。
-
-1. 添加代碼以連接 WiFi，將你的 WiFi 憑據放在名為 `config.h` 的文件中。不要忘記將所需的庫添加到 `platformio.ini` 文件中。
-
-1. ArduCam 庫無法作為 Arduino 庫從 `platformio.ini` 文件中安裝。相反，需要從其 GitHub 頁面安裝源代碼。你可以通過以下方式獲取：
-
-    * 從 [https://github.com/ArduCAM/Arduino.git](https://github.com/ArduCAM/Arduino.git) 克隆倉庫
-    * 前往 GitHub 上的倉庫 [github.com/ArduCAM/Arduino](https://github.com/ArduCAM/Arduino) 並從 **Code** 按鈕下載壓縮包
-
-1. 你只需要代碼中的 `ArduCAM` 文件夾。將整個文件夾複製到項目的 `lib` 文件夾中。
-
-    > ⚠️ 必須複製整個文件夾，因此代碼位於 `lib/ArduCam` 中。不要僅將 `ArduCam` 文件夾的內容複製到 `lib` 文件夾中，而是將整個文件夾複製過去。
-
-1. ArduCam 庫代碼適用於多種類型的相機。你想要使用的相機類型是通過編譯器標誌配置的——這樣可以通過刪除未使用相機的代碼來使構建的庫盡可能小。要將庫配置為 OV2640 相機，請在 `platformio.ini` 文件末尾添加以下內容：
-
-    ```ini
-    build_flags =
-        -DARDUCAM_SHIELD_V2
-        -DOV2640_CAM
-    ```
-
-    這設置了兩個編譯器標誌：
-
-      * `ARDUCAM_SHIELD_V2` 告訴庫相機位於 Arduino 板上，稱為 shield。
-      * `OV2640_CAM` 告訴庫僅包含 OV2640 相機的代碼。
-
-1. 在 `src` 文件夾中添加一個名為 `camera.h` 的頭文件。這將包含與相機通信的代碼。將以下代碼添加到此文件中：
-
-    ```cpp
-    #pragma once
-    
-    #include <ArduCAM.h>
-    #include <Wire.h>
-    
-    class Camera
-    {
-    public:
-        Camera(int format, int image_size) : _arducam(OV2640, PIN_SPI_SS)
-        {
-            _format = format;
-            _image_size = image_size;
-        }
-    
-        bool init()
-        {
-            // Reset the CPLD
-            _arducam.write_reg(0x07, 0x80);
-            delay(100);
-    
-            _arducam.write_reg(0x07, 0x00);
-            delay(100);
-    
-            // Check if the ArduCAM SPI bus is OK
-            _arducam.write_reg(ARDUCHIP_TEST1, 0x55);
-            if (_arducam.read_reg(ARDUCHIP_TEST1) != 0x55)
-            {
-                return false;
-            }
-                
-            // Change MCU mode
-            _arducam.set_mode(MCU2LCD_MODE);
-    
-            uint8_t vid, pid;
-    
-            // Check if the camera module type is OV2640
-            _arducam.wrSensorReg8_8(0xff, 0x01);
-            _arducam.rdSensorReg8_8(OV2640_CHIPID_HIGH, &vid);
-            _arducam.rdSensorReg8_8(OV2640_CHIPID_LOW, &pid);
-            if ((vid != 0x26) && ((pid != 0x41) || (pid != 0x42)))
-            {
-                return false;
-            }
-            
-            _arducam.set_format(_format);
-            _arducam.InitCAM();
-            _arducam.OV2640_set_JPEG_size(_image_size);
-            _arducam.OV2640_set_Light_Mode(Auto);
-            _arducam.OV2640_set_Special_effects(Normal);
-            delay(1000);
-    
-            return true;
-        }
-    
-        void startCapture()
-        {
-            _arducam.flush_fifo();
-            _arducam.clear_fifo_flag();
-            _arducam.start_capture();
-        }
-    
-        bool captureReady()
-        {
-            return _arducam.get_bit(ARDUCHIP_TRIG, CAP_DONE_MASK);
-        }
-    
-        bool readImageToBuffer(byte **buffer, uint32_t &buffer_length)
-        {
-            if (!captureReady()) return false;
-    
-            // Get the image file length
-            uint32_t length = _arducam.read_fifo_length();
-            buffer_length = length;
-    
-            if (length >= MAX_FIFO_SIZE)
-            {
-                return false;
-            }
-            if (length == 0)
-            {
-                return false;
-            }
-    
-            // create the buffer
-            byte *buf = new byte[length];
-    
-            uint8_t temp = 0, temp_last = 0;
-            int i = 0;
-            uint32_t buffer_pos = 0;
-            bool is_header = false;
-    
-            _arducam.CS_LOW();
-            _arducam.set_fifo_burst();
-            
-            while (length--)
-            {
-                temp_last = temp;
-                temp = SPI.transfer(0x00);
-                //Read JPEG data from FIFO
-                if ((temp == 0xD9) && (temp_last == 0xFF)) //If find the end ,break while,
-                {
-                    buf[buffer_pos] = temp;
-    
-                    buffer_pos++;
-                    i++;
-                    
-                    _arducam.CS_HIGH();
-                }
-                if (is_header == true)
-                {
-                    //Write image data to buffer if not full
-                    if (i < 256)
-                    {
-                        buf[buffer_pos] = temp;
-                        buffer_pos++;
-                        i++;
-                    }
-                    else
-                    {
-                        _arducam.CS_HIGH();
-    
-                        i = 0;
-                        buf[buffer_pos] = temp;
-    
-                        buffer_pos++;
-                        i++;
-    
-                        _arducam.CS_LOW();
-                        _arducam.set_fifo_burst();
-                    }
-                }
-                else if ((temp == 0xD8) & (temp_last == 0xFF))
-                {
-                    is_header = true;
-    
-                    buf[buffer_pos] = temp_last;
-                    buffer_pos++;
-                    i++;
-    
-                    buf[buffer_pos] = temp;
-                    buffer_pos++;
-                    i++;
-                }
-            }
-            
-            _arducam.clear_fifo_flag();
-    
-            _arducam.set_format(_format);
-            _arducam.InitCAM();
-            _arducam.OV2640_set_JPEG_size(_image_size);
-    
-            // return the buffer
-            *buffer = buf;
-        }
-    
-    private:
-        ArduCAM _arducam;
-        int _format;
-        int _image_size;
-    };
-    ```
-
-    這是使用 ArduCam 庫配置相機並在需要時通過 SPI 線路提取影像的底層代碼。這段代碼非常特定於 ArduCam，因此你目前不需要擔心它的工作原理。
-
-1. 在 `main.cpp` 中，在其他 `include` 語句下方添加以下代碼以包含此新文件並創建相機類的實例：
-
-    ```cpp
-    #include "camera.h"
-
-    Camera camera = Camera(JPEG, OV2640_640x480);
-    ```
-
-    這創建了一個 `Camera`，將影像保存為 640x480 分辨率的 JPEG。雖然支持更高的分辨率（最高 3280x2464），但影像分類器處理的影像尺寸要小得多（227x227），因此無需捕捉和傳輸更大的影像。
-
-1. 在此下方添加以下代碼以定義一個設置相機的函數：
-
-    ```cpp
-    void setupCamera()
-    {
-        pinMode(PIN_SPI_SS, OUTPUT);
-        digitalWrite(PIN_SPI_SS, HIGH);
-    
-        Wire.begin();
-        SPI.begin();
-    
-        if (!camera.init())
-        {
-            Serial.println("Error setting up the camera!");
-        }
-    }
-    ```
-
-    這個 `setupCamera` 函數首先將 SPI 芯片選擇引腳（`PIN_SPI_SS`）配置為高電平，使 Wio Terminal 成為 SPI 控制器。然後啟動 I²C 和 SPI 線路。最後，它初始化相機類，配置相機傳感器設置並確保所有連接正確。
-
-1. 在 `setup` 函數的末尾調用此函數：
-
-    ```cpp
-    setupCamera();
-    ```
-
-1. 構建並上傳此代碼，並檢查串行監視器的輸出。如果你看到 `Error setting up the camera!`，請檢查接線，確保所有電纜正確連接 ArduCam 的引腳和 Wio Terminal 的 GPIO 引腳，並且所有跳線都正確插入。
-
-## 捕捉影像
-
-現在可以為 Wio Terminal 編程以在按下按鈕時捕捉影像。
-
-### 任務 - 捕捉影像
-
-1. 微控制器會不斷運行你的代碼，因此如果不響應傳感器，觸發拍照並不容易。Wio Terminal 有按鈕，因此可以設置相機由其中一個按鈕觸發。將以下代碼添加到 `setup` 函數的末尾，以配置 C 按鈕（頂部的三個按鈕之一，最靠近電源開關的那個）。
-
-    ![最靠近電源開關的 C 按鈕](../../../../../translated_images/zh-HK/wio-terminal-c-button.73df3cb1c1445ea0.webp)
-
-    ```cpp
-    pinMode(WIO_KEY_C, INPUT_PULLUP);
-    ```
-
-    `INPUT_PULLUP` 模式本質上反轉了一個輸入。例如，通常按鈕在未按下時會發送低信號，按下時發送高信號。設置為 `INPUT_PULLUP` 時，未按下時發送高信號，按下時發送低信號。
-
-1. 在 `loop` 函數之前添加一個空函數以響應按鈕按下：
-
-    ```cpp
-    void buttonPressed()
-    {
-        
-    }
-    ```
-
-1. 在按鈕被按下時，在 `loop` 方法中調用此函數：
-
-    ```cpp
-    void loop()
-    {
-        if (digitalRead(WIO_KEY_C) == LOW)
-        {
-            buttonPressed();
-            delay(2000);
-        }
-    
-        delay(200);
-    }
-    ```
-
-    這段代碼檢查按鈕是否被按下。如果按下，則調用 `buttonPressed` 函數，並且循環延遲 2 秒。這是為了給按鈕釋放留出時間，以免長按被多次註冊。
-
-    > 💁 Wio Terminal 上的按鈕設置為 `INPUT_PULLUP`，因此未按下時發送高信號，按下時發送低信號。
-
-1. 將以下代碼添加到 `buttonPressed` 函數中：
-
-    ```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);
-    }
-    ```
-
-    這段代碼通過調用 `startCapture` 開始相機捕捉。相機硬件並不是在你請求數據時返回數據，而是你發送一個指令開始捕捉，相機會在後台工作以捕捉影像，將其轉換為 JPEG，並將其存儲在相機本地緩衝區中。然後，`captureReady` 調用檢查影像捕捉是否完成。
-
-    一旦捕捉完成，影像數據會通過 `readImageToBuffer` 調用從相機的緩衝區複製到本地緩衝區（字節數組）。緩衝區的長度隨後被發送到串行監視器。
-
-1. 構建並上傳此代碼，並檢查串行監視器的輸出。每次按下 C 按鈕時，將捕捉一張影像，並在串行監視器上看到影像大小。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 9224
-    Image captured
-    Image read to buffer with length 11272
-    ```
-
-    不同的影像會有不同的大小。它們被壓縮為 JPEG，JPEG 文件的大小取決於影像內容。
-
-> 💁 你可以在 [code-camera/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/wio-terminal) 文件夾中找到此代碼。
-
-😀 你已成功使用 Wio Terminal 捕捉影像。
-
-## 可選 - 使用 SD 卡驗證相機影像
-
-查看相機捕捉的影像最簡單的方法是將它們寫入 Wio Terminal 的 SD 卡，然後在電腦上查看。如果你有一張備用的 microSD 卡和電腦上的 microSD 卡插槽或適配器，可以完成此步驟。
-
-Wio Terminal 僅支持最大 16GB 的 microSD 卡。如果你的 SD 卡更大，則無法使用。
-
-### 任務 - 使用 SD 卡驗證相機影像
-
-1. 使用電腦上的相關應用程序（macOS 的磁碟工具、Windows 的文件資源管理器或 Linux 的命令行工具）將 microSD 卡格式化為 FAT32 或 exFAT。
-
-1. 將 microSD 卡插入電源開關下方的插槽。確保完全插入直到卡扣住並保持到位，你可能需要用指甲或細小工具推入。
-
-1. 在 `main.cpp` 文件頂部添加以下 include 語句：
-
-    ```cpp
-    #include "SD/Seeed_SD.h"
-    #include <Seeed_FS.h>
-    ```
-
-1. 在 `setup` 函數之前添加以下函數：
-
-    ```cpp
-    void setupSDCard()
-    {
-        while (!SD.begin(SDCARD_SS_PIN, SDCARD_SPI))
-        {
-            Serial.println("SD Card Error");
-        }
-    }
-    ```
-
-    這使用 SPI 線路配置 SD 卡。
-
-1. 從 `setup` 函數調用此函數：
-
-    ```cpp
-    setupSDCard();
-    ```
-
-1. 在 `buttonPressed` 函數上方添加以下代碼：
-
-    ```cpp
-    int fileNum = 1;
-
-    void saveToSDCard(byte *buffer, uint32_t length)
-    {
-        char buff[16];
-        sprintf(buff, "%d.jpg", fileNum);
-        fileNum++;
-    
-        File outFile = SD.open(buff, FILE_WRITE );
-        outFile.write(buffer, length);
-        outFile.close();
-
-        Serial.print("Image written to file ");
-        Serial.println(buff);
-    }
-    ```
-
-    這定義了一個用於文件計數的全局變量。這用於影像文件名，因此可以捕捉多個影像並使用遞增的文件名 - `1.jpg`、`2.jpg` 等。
-
-    然後定義了 `saveToSDCard` 函數，該函數接收一個字節數據緩衝區和緩衝區的長度。使用文件計數創建一個文件名，並遞增文件計數以準備下一個文件。然後將緩衝區中的二進制數據寫入文件。
-
-1. 在 `buttonPressed` 函數中調用 `saveToSDCard` 函數。調用應該在刪除緩衝區 **之前**：
-
-    ```cpp
-    Serial.print("Image read to buffer with length ");
-    Serial.println(length);
-
-    saveToSDCard(buffer, length);
-    
-    delete(buffer);
-    ```
-
-1. 構建並上傳此代碼，並檢查串行監視器的輸出。每次按下 C 按鈕時，將捕捉一張影像並保存到 SD 卡。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 16392
-    Image written to file 1.jpg
-    Image captured
-    Image read to buffer with length 14344
-    Image written to file 2.jpg
-    ```
-
-1. 關閉 microSD 卡電源，稍微推入並釋放以彈出卡片，你可能需要使用細小工具完成此操作。將 microSD 卡插入電腦以查看影像。
-
-    ![使用 ArduCam 捕捉的香蕉照片](../../../../../translated_images/zh-HK/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg)
-💁 相機的白平衡可能需要幾張圖片才能自我調整。您會根據拍攝的圖片顏色注意到這一點，前幾張可能顏色看起來不太對。您可以通過修改程式碼，在 `setup` 函數中拍攝幾張被忽略的圖片來解決這個問題。
-
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
deleted file mode 100644
index dfa90a8ea..000000000
--- a/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
+++ /dev/null
@@ -1,229 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "32a1f23e7834fbe7715da8c4ebb450b9",
-  "translation_date": "2025-08-26T14:12:09+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
-  "language_code": "hk"
-}
--->
-# 將影像分類 - Wio Terminal
-
-在這部分課程中，你將把相機捕捉的影像發送到 Custom Vision 服務進行分類。
-
-## 將影像分類
-
-Custom Vision 服務提供了一個 REST API，Wio Terminal 可以使用它來分類影像。這個 REST API 是通過 HTTPS 連線（安全的 HTTP 連線）訪問的。
-
-在與 HTTPS 端點互動時，客戶端程式碼需要向被訪問的伺服器請求公鑰憑證，並使用該憑證加密傳輸的資料。你的網頁瀏覽器會自動完成這個過程，但微控制器不會。因此，你需要手動請求這個憑證，並用它來建立與 REST API 的安全連線。這些憑證通常不會更改，因此一旦獲取憑證，就可以將其硬編碼到應用程式中。
-
-這些憑證包含公鑰，無需保密。你可以在原始碼中使用它們，並公開分享，例如在 GitHub 上。
-
-### 任務 - 設置 SSL 客戶端
-
-1. 如果尚未打開，請打開 `fruit-quality-detector` 應用程式專案。
-
-1. 打開 `config.h` 標頭檔案，並新增以下內容：
-
-    ```cpp
-    const char *CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
-        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
-        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
-        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
-        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
-        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
-        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
-        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
-        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
-        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
-        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
-        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
-        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
-        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
-        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
-        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
-        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
-        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
-        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
-        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
-        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
-        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
-        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
-        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
-        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
-        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
-        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
-        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
-        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
-        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
-        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
-        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-    這是 *Microsoft Azure DigiCert Global Root G2 憑證*，它是許多 Azure 服務全球使用的憑證之一。
-
-    > 💁 要確認這是需要使用的憑證，可以在 macOS 或 Linux 上執行以下命令。如果你使用的是 Windows，可以通過 [Windows Subsystem for Linux (WSL)](https://docs.microsoft.com/windows/wsl/?WT.mc_id=academic-17441-jabenn) 執行此命令：
-    >
-    > ```sh
-    > openssl s_client -showcerts -verify 5 -connect api.cognitive.microsoft.com:443
-    > ```
-    >
-    > 輸出結果將列出 DigiCert Global Root G2 憑證。
-
-1. 打開 `main.cpp`，新增以下 include 指令：
-
-    ```cpp
-    #include <WiFiClientSecure.h>
-    ```
-
-1. 在 include 指令下方，宣告一個 `WifiClientSecure` 的實例：
-
-    ```cpp
-    WiFiClientSecure client;
-    ```
-
-    這個類別包含用於通過 HTTPS 與網路端點通信的程式碼。
-
-1. 在 `connectWiFi` 方法中，將 WiFiClientSecure 設置為使用 DigiCert Global Root G2 憑證：
-
-    ```cpp
-    client.setCACert(CERTIFICATE);
-    ```
-
-### 任務 - 將影像分類
-
-1. 在 `platformio.ini` 檔案的 `lib_deps` 列表中新增以下內容作為額外一行：
-
-    ```ini
-    bblanchon/ArduinoJson @ 6.17.3
-    ```
-
-    這會匯入 [ArduinoJson](https://arduinojson.org)，一個 Arduino 的 JSON 函式庫，將用於解碼來自 REST API 的 JSON 回應。
-
-1. 在 `config.h` 中，新增 Custom Vision 服務的預測 URL 和金鑰的常數：
-
-    ```cpp
-    const char *PREDICTION_URL = "<PREDICTION_URL>";
-    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
-    ```
-
-    將 `<PREDICTION_URL>` 替換為 Custom Vision 的預測 URL，將 `<PREDICTION_KEY>` 替換為預測金鑰。
-
-1. 在 `main.cpp` 中，新增 ArduinoJson 函式庫的 include 指令：
-
-    ```cpp
-    #include <ArduinoJSON.h>
-    ```
-
-1. 在 `main.cpp` 中，將以下函數新增到 `buttonPressed` 函數上方：
-
-    ```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();
-    }
-    ```
-
-    這段程式碼首先宣告了一個 `HTTPClient`，這是一個包含與 REST API 互動方法的類別。接著，它使用之前設置的 Azure 公鑰，通過 `WiFiClientSecure` 實例連接到預測 URL。
-
-    連接後，它會發送標頭——這些是即將對 REST API 發出的請求的相關資訊。`Content-Type` 標頭表示 API 呼叫將發送原始二進位資料，`Prediction-Key` 標頭則傳遞 Custom Vision 的預測金鑰。
-
-    接著，對 HTTP 客戶端發出 POST 請求，上傳一個位元組陣列。這個陣列包含了從相機捕捉的 JPEG 影像。
-
-    > 💁 POST 請求用於發送資料並獲取回應。還有其他請求類型，例如 GET 請求，用於檢索資料。GET 請求通常由你的網頁瀏覽器用來加載網頁。
-
-    POST 請求會返回一個回應狀態碼。這些狀態碼是定義良好的值，其中 200 表示 **OK**——POST 請求成功。
-
-    > 💁 你可以在 [維基百科的 HTTP 狀態碼列表頁面](https://wikipedia.org/wiki/List_of_HTTP_status_codes) 中查看所有回應狀態碼。
-
-    如果返回 200，則從 HTTP 客戶端讀取結果。這是一個來自 REST API 的文字回應，包含預測結果的 JSON 文件。JSON 的格式如下：
-
-    ```jSON
-    {
-        "id":"45d614d3-7d6f-47e9-8fa2-04f237366a16",
-        "project":"135607e5-efac-4855-8afb-c93af3380531",
-        "iteration":"04f1c1fa-11ec-4e59-bb23-4c7aca353665",
-        "created":"2021-06-10T17:58:58.959Z",
-        "predictions":[
-            {
-                "probability":0.5582016,
-                "tagId":"05a432ea-9718-4098-b14f-5f0688149d64",
-                "tagName":"ripe"
-            },
-            {
-                "probability":0.44179836,
-                "tagId":"bb091037-16e5-418e-a9ea-31c6a2920f17",
-                "tagName":"unripe"
-            }
-        ]
-    }
-    ```
-
-    這裡重要的部分是 `predictions` 陣列。它包含了預測結果，每個標籤都有一個條目，包含標籤名稱和概率。返回的概率是 0-1 的浮點數，其中 0 表示與該標籤匹配的概率為 0%，1 表示 100%。
-
-    > 💁 圖像分類器會返回所有使用過的標籤的百分比。每個標籤都會有一個影像與該標籤匹配的概率。
-
-    JSON 被解碼後，每個標籤的概率會被發送到序列監視器。
-
-1. 在 `buttonPressed` 函數中，將保存到 SD 卡的程式碼替換為對 `classifyImage` 的呼叫，或者在影像寫入後但 **刪除緩衝區之前** 新增該呼叫：
-
-    ```cpp
-    classifyImage(buffer, length);
-    ```
-
-    > 💁 如果你替換了保存到 SD 卡的程式碼，可以清理程式碼，移除 `setupSDCard` 和 `saveToSDCard` 函數。
-
-1. 上傳並運行你的程式。將相機對準一些水果，按下 C 按鈕。你會在序列監視器中看到輸出：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 8200
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-    你將能夠看到拍攝的影像，並在 Custom Vision 的 **Predictions** 標籤中看到這些值。
-
-    ![Custom Vision 中的一根香蕉，預測為成熟的概率為 56.8%，未成熟的概率為 43.1%](../../../../../translated_images/zh-HK/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png)
-
-> 💁 你可以在 [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 你的水果品質分類器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
deleted file mode 100644
index 39ccddcb0..000000000
--- a/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
+++ /dev/null
@@ -1,626 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2625af24587465c5547ae33d6cc000a5",
-  "translation_date": "2025-08-26T14:15:32+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
-  "language_code": "hk"
-}
--->
-# 在邊緣設備上運行水果檢測器
-
-![本課程概述的手繪筆記](../../../../../translated_images/zh-HK/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段視頻概述了如何在物聯網設備上運行圖像分類器，這是本課程的主題。
-
-[![Azure IoT Edge上的自定義視覺AI](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
-
-## 簡介
-
-在上一課中，你使用了圖像分類器來區分成熟和未成熟的水果，並將物聯網設備上的相機捕捉的圖像通過互聯網發送到雲端服務。這些操作需要時間，花費金錢，而且根據你使用的圖像數據類型，可能會涉及隱私問題。
-
-在本課中，你將學習如何在邊緣設備上運行機器學習（ML）模型——即在運行於你自己網絡上的物聯網設備上，而不是在雲端。你將了解邊緣計算相較於雲計算的優勢和劣勢，如何將AI模型部署到邊緣設備，以及如何從物聯網設備訪問它。
-
-本課程將涵蓋以下內容：
-
-* [邊緣計算](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [註冊物聯網邊緣設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [設置物聯網邊緣設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [導出你的模型](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [準備容器以進行部署](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [部署你的容器](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [使用你的物聯網邊緣設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-
-## 邊緣計算
-
-邊緣計算指的是將處理物聯網數據的計算機儘可能靠近數據生成的地方。與其在雲端進行處理，邊緣計算將處理移至雲端的邊緣——你的內部網絡。
-
-![一個架構圖顯示雲端的互聯網服務和本地網絡上的物聯網設備](../../../../../translated_images/zh-HK/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png)
-
-在之前的課程中，你的設備收集數據並將數據發送到雲端進行分析，運行無伺服器函數或AI模型。
-
-![一個架構圖顯示本地網絡上的物聯網設備連接到邊緣設備，邊緣設備再連接到雲端](../../../../../translated_images/zh-HK/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png)
-
-邊緣計算將部分雲端服務移至與物聯網設備同一網絡上的計算機，僅在需要時與雲端通信。例如，你可以在邊緣設備上運行AI模型來分析水果的成熟度，僅將分析結果（如成熟水果與未成熟水果的數量）發送回雲端。
-
-✅ 思考一下你迄今為止構建的物聯網應用程序。哪些部分可以移至邊緣？
-
-### 優勢
-
-邊緣計算的優勢包括：
-
-1. **速度** - 邊緣計算非常適合時間敏感的數據，因為操作是在與設備同一網絡上完成的，而不是通過互聯網進行調用。這使得速度更快，因為內部網絡的運行速度通常比互聯網連接快得多，數據傳輸距離也更短。
-
-    > 💁 儘管互聯網連接使用光纖電纜使數據以光速傳輸，但數據在全球範圍內傳輸到雲端提供商仍需要時間。例如，如果你從歐洲向美國的雲端服務發送數據，僅跨越大西洋的光纖電纜就需要至少28毫秒，這還不包括數據到達跨大西洋電纜的時間、電信號轉換為光信號以及另一端的反向轉換時間，然後再從光纖電纜到雲端提供商。
-
-    邊緣計算還需要更少的網絡流量，降低了因互聯網連接有限帶寬的擁堵而導致數據減速的風險。
-
-1. **遠程可訪問性** - 邊緣計算在連接有限或無連接的情況下仍然有效，或者連接成本過高而無法持續使用。例如，在基礎設施有限的人道主義災區或發展中國家工作時。
-
-1. **成本更低** - 在邊緣設備上進行數據收集、存儲、分析和觸發操作可以減少雲端服務的使用，從而降低物聯網應用程序的總成本。最近出現了專為邊緣計算設計的設備，例如 [NVIDIA 的 Jetson Nano](https://developer.nvidia.com/embedded/jetson-nano-developer-kit)，這些設備可以使用GPU硬件運行AI工作負載，成本低於100美元。
-
-1. **隱私和安全性** - 使用邊緣計算，數據保留在你的網絡中，不會上傳到雲端。這對於敏感和個人身份信息尤為重要，尤其是因為數據在分析後不需要存儲，這大大降低了數據洩漏的風險。例如醫療數據和安全攝像頭錄像。
-
-1. **處理不安全設備** - 如果你有已知存在安全漏洞的設備，不希望直接連接到你的網絡或互聯網，你可以將它們連接到一個單獨的網絡，並通過一個網關物聯網邊緣設備進行管理。該邊緣設備可以連接到你的更廣泛的網絡或互聯網，並管理數據流的來回。
-
-1. **支持不兼容設備** - 如果你有無法直接連接到物聯網中心的設備，例如只能使用HTTP連接或僅有藍牙連接的設備，你可以使用物聯網邊緣設備作為網關設備，將消息轉發到物聯網中心。
-
-✅ 做一些研究：邊緣計算還有哪些其他優勢？
-
-### 劣勢
-
-邊緣計算也有劣勢，某些情況下雲端可能是更好的選擇：
-
-1. **規模和靈活性** - 雲計算可以通過添加或減少服務器和其他資源來實時調整網絡和數據需求。增加更多邊緣計算機需要手動添加更多設備。
-
-1. **可靠性和韌性** - 雲計算通常提供多個位置的多個服務器以實現冗餘和災難恢復。在邊緣上實現相同級別的冗餘需要大量投資和配置工作。
-
-1. **維護** - 雲服務提供商提供系統維護和更新。
-
-✅ 做一些研究：邊緣計算還有哪些其他劣勢？
-
-這些劣勢基本上是使用雲端的優勢的反面——你需要自己構建和管理這些設備，而不是依賴雲服務提供商的專業知識和規模。
-
-某些風險可以通過邊緣計算的特性來減輕。例如，如果你有一個邊緣設備在工廠中運行，收集機器的數據，你不需要考慮某些災難恢復場景。如果工廠停電，那麼你不需要備份邊緣設備，因為生成數據的機器也會停電。
-
-對於物聯網系統，你通常需要雲端和邊緣計算的混合使用，根據系統、客戶和維護者的需求來利用每種服務。
-
-## Azure IoT Edge
-
-![Azure IoT Edge標誌](../../../../../translated_images/zh-HK/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png)
-
-Azure IoT Edge 是一項服務，可以幫助你將工作負載從雲端移至邊緣。你可以將設備設置為邊緣設備，並從雲端向該邊緣設備部署代碼。這使得你可以混合使用雲端和邊緣的功能。
-
-> 🎓 *工作負載* 是指任何執行某種工作的服務，例如AI模型、應用程序或無伺服器函數。
-
-例如，你可以在雲端訓練一個圖像分類器，然後從雲端將其部署到邊緣設備。你的物聯網設備隨後將圖像發送到邊緣設備進行分類，而不是通過互聯網發送圖像。如果需要部署模型的新版本，你可以在雲端訓練它，並使用IoT Edge將新版本更新到邊緣設備。
-
-> 🎓 部署到IoT Edge的軟件被稱為 *模塊*。默認情況下，IoT Edge運行與IoT Hub通信的模塊，例如 `edgeAgent` 和 `edgeHub` 模塊。當你部署圖像分類器時，它會作為額外的模塊進行部署。
-
-IoT Edge 集成在 IoT Hub 中，因此你可以使用管理物聯網設備的同一服務來管理邊緣設備，並具有相同的安全級別。
-
-IoT Edge 從 *容器* 中運行代碼——容器是獨立運行的應用程序，與計算機上的其他應用程序隔離。當你運行容器時，它就像在你的計算機內部運行的獨立計算機，擁有自己的軟件、服務和應用程序。大多數情況下，容器無法訪問計算機上的任何內容，除非你選擇與容器共享某些內容，例如文件夾。容器通過開放端口暴露服務，你可以連接到該端口或將其暴露到網絡。
-
-![一個網頁請求被重定向到容器](../../../../../translated_images/zh-HK/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png)
-
-例如，你可以有一個容器在端口80上運行網站，這是默認的HTTP端口，然後你可以將其暴露在你的計算機上，也是在端口80。
-
-✅ 做一些研究：了解容器和Docker或Moby等服務。
-
-你可以使用Custom Vision下載圖像分類器並將其作為容器部署，直接運行在設備上或通過IoT Edge進行部署。一旦它們在容器中運行，你可以使用與雲端版本相同的REST API進行訪問，但端點指向運行容器的邊緣設備。
-
-## 註冊物聯網邊緣設備
-
-要使用物聯網邊緣設備，必須在IoT Hub中註冊。
-
-### 任務 - 註冊物聯網邊緣設備
-
-1. 在 `fruit-quality-detector` 資源組中創建一個IoT Hub。給它一個基於 `fruit-quality-detector` 的唯一名稱。
-
-1. 在你的IoT Hub中註冊一個名為 `fruit-quality-detector-edge` 的物聯網邊緣設備。執行此操作的命令與註冊非邊緣設備的命令類似，只需添加 `--edge-enabled` 標誌。
-
-    ```sh
-    az iot hub device-identity create --edge-enabled \
-                                      --device-id fruit-quality-detector-edge \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你的IoT Hub的名稱。
-
-1. 使用以下命令獲取設備的連接字符串：
-
-    ```sh
-    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
-                                                      --output table \
-                                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你的IoT Hub的名稱。
-
-    複製輸出中顯示的連接字符串。
-
-## 設置物聯網邊緣設備
-
-在你的IoT Hub中創建邊緣設備註冊後，你可以設置邊緣設備。
-
-### 任務 - 安裝並啟動IoT Edge運行時
-
-**IoT Edge運行時僅運行Linux容器。** 它可以在Linux上運行，也可以在Windows上通過Linux虛擬機運行。
-
-* 如果你使用Raspberry Pi作為物聯網設備，它運行支持的Linux版本，可以托管IoT Edge運行時。按照[Microsoft文檔上的Linux版Azure IoT Edge安裝指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn)安裝IoT Edge並設置連接字符串。
-
-    > 💁 請記住，Raspberry Pi OS是Debian Linux的一個變體。
-
-* 如果你沒有使用Raspberry Pi，但有一台Linux計算機，你可以運行IoT Edge運行時。按照[Microsoft文檔上的Linux版Azure IoT Edge安裝指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn)安裝IoT Edge並設置連接字符串。
-
-* 如果你使用Windows，你可以在Linux虛擬機中安裝IoT Edge運行時，按照[Microsoft文檔上的在Windows設備上部署首個IoT Edge模塊快速入門的安裝和啟動IoT Edge運行時部分](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime)。到達“部署模塊”部分時可以停止。
-
-* 如果你使用macOS，你可以在雲端創建一個虛擬機（VM）作為你的IoT Edge設備。這些是你可以在雲端創建並通過互聯網訪問的計算機。你可以創建一個安裝了IoT Edge的Linux VM。按照[運行IoT Edge的虛擬機指南](vm-iotedge.md)進行操作。
-
-## 導出你的模型
-
-要在邊緣運行分類器，需要從Custom Vision導出。Custom Vision可以生成兩種類型的模型——標準模型和緊湊型模型。緊湊型模型使用各種技術減小模型的大小，使其足夠小以便下載並部署到物聯網設備。
-
-當你創建圖像分類器時，你使用了 *Food* 域，這是一個針對食物圖像訓練的模型版本。在Custom Vision中，你可以更改項目的域，使用你的訓練數據訓練一個新域的模型。Custom Vision支持的所有域都可以作為標準和緊湊型版本。
-
-### 任務 - 使用Food（緊湊型）域訓練你的模型
-1. 開啟 [CustomVision.ai](https://customvision.ai) 的 Custom Vision 入口網站，並登入（如果尚未開啟）。然後打開你的 `fruit-quality-detector` 專案。
-
-1. 選擇 **設定** 按鈕（⚙ 圖示）。
-
-1. 在 *Domains* 清單中，選擇 *Food (compact)*。
-
-1. 在 *Export Capabilities* 下，確認已選擇 *Basic platforms (Tensorflow, CoreML, ONNX, ...)*。
-
-1. 在設定頁面底部，選擇 **儲存變更**。
-
-1. 使用 **訓練** 按鈕重新訓練模型，選擇 *快速訓練*。
-
-### 任務 - 匯出你的模型
-
-當模型訓練完成後，需要將其匯出為容器。
-
-1. 選擇 **效能** 分頁，找到使用 compact domain 訓練的最新迭代版本。
-
-1. 點擊頂部的 **匯出** 按鈕。
-
-1. 選擇 **DockerFile**，然後選擇與你的邊緣設備相符的版本：
-
-    * 如果你在 Linux 電腦、Windows 電腦或虛擬機器上運行 IoT Edge，選擇 *Linux* 版本。
-    * 如果你在 Raspberry Pi 上運行 IoT Edge，選擇 *ARM (Raspberry Pi 3)* 版本。
-
-> 🎓 Docker 是管理容器最受歡迎的工具之一，而 DockerFile 是一組設定容器的指令。
-
-1. 選擇 **匯出** 讓 Custom Vision 建立相關檔案，然後點擊 **下載** 以壓縮檔案形式下載。
-
-1. 將檔案儲存到你的電腦，然後解壓縮資料夾。
-
-## 為部署準備容器
-
-![容器被建置後推送到容器註冊表，然後從容器註冊表部署到邊緣設備](../../../../../translated_images/zh-HK/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png)
-
-下載模型後，需要將其建置為容器，然後推送到容器註冊表——一個可以儲存容器的線上位置。IoT Edge 可以從註冊表下載容器並推送到你的設備。
-
-![Azure 容器註冊表標誌](../../../../../translated_images/zh-HK/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png)
-
-本課程中使用的容器註冊表是 Azure 容器註冊表。這不是免費服務，因此完成後請務必[清理你的專案](../../../clean-up.md)以節省費用。
-
-> 💁 你可以在 [Azure 容器註冊表定價頁面](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn) 查看使用 Azure 容器註冊表的費用。
-
-### 任務 - 安裝 Docker
-
-要建置和部署分類器，你可能需要安裝 [Docker](https://www.docker.com/)。
-
-只有當你計劃從與安裝 IoT Edge 不同的設備建置容器時，才需要安裝 Docker——安裝 IoT Edge 時會自動安裝 Docker。
-
-1. 如果你在與 IoT Edge 設備不同的設備上建置 Docker 容器，請按照 [Docker 安裝頁面](https://www.docker.com/products/docker-desktop) 的指示安裝 Docker Desktop 或 Docker 引擎。安裝完成後，確保其正在運行。
-
-### 任務 - 建立容器註冊表資源
-
-1. 從終端機或命令提示字元執行以下指令來建立 Azure 容器註冊表資源：
-
-    ```sh
-    az acr create --resource-group fruit-quality-detector \
-                  --sku Basic \
-                  --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為容器註冊表的唯一名稱，只能使用字母和數字。可以基於 `fruitqualitydetector` 命名。此名稱將成為訪問容器註冊表的 URL 的一部分，因此需要全域唯一。
-
-1. 使用以下指令登入 Azure 容器註冊表：
-
-    ```sh
-    az acr login --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-1. 將容器註冊表設置為管理員模式，以便生成密碼，使用以下指令：
-
-    ```sh
-    az acr update --admin-enabled true \
-                 --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-1. 使用以下指令生成容器註冊表的密碼：
-
-    ```sh
-     az acr credential renew --password-name password \
-                             --output table \
-                             --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-    複製 `PASSWORD` 的值，稍後會用到。
-
-### 任務 - 建置你的容器
-
-從 Custom Vision 下載的內容是一個 DockerFile，包含如何建置容器的指令，以及在容器內運行的應用程式代碼，用於託管你的 Custom Vision 模型和 REST API。你可以使用 Docker 從 DockerFile 建置一個標籤容器，然後推送到你的容器註冊表。
-
-> 🎓 容器會被賦予一個標籤，定義其名稱和版本。當需要更新容器時，可以使用相同的標籤但較新的版本進行建置。
-
-1. 打開終端機或命令提示字元，導航到從 Custom Vision 下載並解壓縮的模型資料夾。
-
-1. 執行以下指令來建置並標籤映像檔：
-
-    ```sh
-    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
-    ```
-
-    將 `<platform>` 替換為容器將運行的平台。如果你在 Raspberry Pi 上運行 IoT Edge，設置為 `linux/armhf`，否則設置為 `linux/amd64`。
-
-    > 💁 如果你在運行 IoT Edge 的設備上執行此指令，例如在 Raspberry Pi 上運行，可以省略 `--platform <platform>` 部分，因為它默認為當前平台。
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-    > 💁 如果你在 Linux 或 Raspberry Pi OS 上運行，可能需要使用 `sudo` 執行此指令。
-
-    Docker 將建置映像檔，配置所需的所有軟體。映像檔將被標籤為 `classifier:v1`。
-
-    ```output
-    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker build --platform linux/amd64 -t  fruitqualitydetectorjimb.azurecr.io/classifier:v1 .
-    [+] Building 102.4s (11/11) FINISHED
-     => [internal] load build definition from Dockerfile
-     => => transferring dockerfile: 131B
-     => [internal] load .dockerignore
-     => => transferring context: 2B
-     => [internal] load metadata for docker.io/library/python:3.7-slim
-     => [internal] load build context
-     => => transferring context: 905B
-     => [1/6] FROM docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
-     => => resolve docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
-     => => sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda 27.15MB / 27.15MB
-     => => sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9 2.77MB / 2.77MB
-     => => sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8 10.06MB / 10.06MB
-     => => sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6 1.86kB / 1.86kB
-     => => sha256:44073386687709c437586676b572ff45128ff1f1570153c2f727140d4a9accad 1.37kB / 1.37kB
-     => => sha256:3d94f0f2ca798607808b771a7766f47ae62a26f820e871dd488baeccc69838d1 8.31kB / 8.31kB
-     => => sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41 233B / 233B
-     => => sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f 2.64MB / 2.64MB
-     => => extracting sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda
-     => => extracting sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9
-     => => extracting sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8
-     => => extracting sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41
-     => => extracting sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f
-     => [2/6] RUN pip install -U pip
-     => [3/6] RUN pip install --no-cache-dir numpy~=1.17.5 tensorflow~=2.0.2 flask~=1.1.2 pillow~=7.2.0
-     => [4/6] RUN pip install --no-cache-dir mscviplib==2.200731.16
-     => [5/6] COPY app /app
-     => [6/6] WORKDIR /app
-     => exporting to image
-     => => exporting layers
-     => => writing image sha256:1846b6f134431f78507ba7c079358ed66d944c0e185ab53428276bd822400386
-     => => naming to fruitqualitydetectorjimb.azurecr.io/classifier:v1
-    ```
-
-### 任務 - 推送你的容器到容器註冊表
-
-1. 使用以下指令將容器推送到容器註冊表：
-
-    ```sh
-    docker push <Container registry name>.azurecr.io/classifier:v1
-    ```
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-    > 💁 如果你在 Linux 上運行，可能需要使用 `sudo` 執行此指令。
-
-    容器將被推送到容器註冊表。
-
-    ```output
-    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker push fruitqualitydetectorjimb.azurecr.io/classifier:v1
-    The push refers to repository [fruitqualitydetectorjimb.azurecr.io/classifier]
-    5f70bf18a086: Pushed 
-    8a1ba9294a22: Pushed 
-    56cf27184a76: Pushed 
-    b32154f3f5dd: Pushed 
-    36103e9a3104: Pushed 
-    e2abb3cacca0: Pushed 
-    4213fd357bbe: Pushed 
-    7ea163ba4dce: Pushed 
-    537313a13d90: Pushed 
-    764055ebc9a7: Pushed 
-    v1: digest: sha256:ea7894652e610de83a5a9e429618e763b8904284253f4fa0c9f65f0df3a5ded8 size: 2423
-    ```
-
-1. 為了驗證推送，可以使用以下指令列出註冊表中的容器：
-
-    ```sh
-    az acr repository list --output table \
-                           --name <Container registry name> 
-    ```
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-    ```output
-    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
-    Result
-    ----------
-    classifier
-    ```
-
-    你將在輸出中看到你的分類器。
-
-## 部署你的容器
-
-現在可以將容器部署到你的 IoT Edge 設備。要部署，你需要定義一個部署清單——一個列出將部署到邊緣設備的模組的 JSON 文件。
-
-### 任務 - 建立部署清單
-
-1. 在電腦上某處建立一個名為 `deployment.json` 的新檔案。
-
-1. 在此檔案中新增以下內容：
-
-    ```json
-    {
-        "content": {
-            "modulesContent": {
-                "$edgeAgent": {
-                    "properties.desired": {
-                        "schemaVersion": "1.1",
-                        "runtime": {
-                            "type": "docker",
-                            "settings": {
-                                "minDockerVersion": "v1.25",
-                                "loggingOptions": "",
-                                "registryCredentials": {
-                                    "ClassifierRegistry": {
-                                        "username": "<Container registry name>",
-                                        "password": "<Container registry password>",
-                                        "address": "<Container registry name>.azurecr.io"
-                                      }
-                                }
-                            }
-                        },
-                        "systemModules": {
-                            "edgeAgent": {
-                                "type": "docker",
-                                "settings": {
-                                    "image": "mcr.microsoft.com/azureiotedge-agent:1.1",
-                                    "createOptions": "{}"
-                                }
-                            },
-                            "edgeHub": {
-                                "type": "docker",
-                                "status": "running",
-                                "restartPolicy": "always",
-                                "settings": {
-                                    "image": "mcr.microsoft.com/azureiotedge-hub:1.1",
-                                    "createOptions": "{\"HostConfig\":{\"PortBindings\":{\"5671/tcp\":[{\"HostPort\":\"5671\"}],\"8883/tcp\":[{\"HostPort\":\"8883\"}],\"443/tcp\":[{\"HostPort\":\"443\"}]}}}"
-                                }
-                            }
-                        },
-                        "modules": {
-                            "ImageClassifier": {
-                                "version": "1.0",
-                                "type": "docker",
-                                "status": "running",
-                                "restartPolicy": "always",
-                                "settings": {
-                                    "image": "<Container registry name>.azurecr.io/classifier:v1",
-                                    "createOptions": "{\"ExposedPorts\": {\"80/tcp\": {}},\"HostConfig\": {\"PortBindings\": {\"80/tcp\": [{\"HostPort\": \"80\"}]}}}"
-                                }
-                            }
-                        }
-                    }
-                },
-                "$edgeHub": {
-                    "properties.desired": {
-                        "schemaVersion": "1.1",
-                        "routes": {
-                            "upstream": "FROM /messages/* INTO $upstream"
-                        },
-                        "storeAndForwardConfiguration": {
-                            "timeToLiveSecs": 7200
-                        }
-                    }
-                }
-            }
-        }
-    }
-    ```
-
-    > 💁 你可以在 [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment) 資料夾中找到此檔案。
-
-    將三個 `<Container registry name>` 替換為你使用的容器註冊表名稱。一個在 `ImageClassifier` 模組部分，另外兩個在 `registryCredentials` 部分。
-
-    將 `registryCredentials` 部分中的 `<Container registry password>` 替換為你的容器註冊表密碼。
-
-1. 從包含部署清單的資料夾中，執行以下指令：
-
-    ```sh
-    az iot edge set-modules --device-id fruit-quality-detector-edge \
-                            --content deployment.json \
-                            --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你的 IoT Hub 名稱。
-
-    映像分類器模組將被部署到你的邊緣設備。
-
-### 任務 - 驗證分類器是否正在運行
-
-1. 連接到 IoT Edge 設備：
-
-    * 如果你使用 Raspberry Pi 運行 IoT Edge，從終端機使用 ssh 連接，或通過 VS Code 的遠端 SSH 會話連接。
-    * 如果你在 Windows 上的 Linux 容器中運行 IoT Edge，按照 [驗證成功配置指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge-on-windows?WT.mc_id=academic-17441-jabenn&view=iotedge-2018-06&tabs=powershell#verify-successful-configuration) 的步驟連接到 IoT Edge 設備。
-    * 如果你在虛擬機器上運行 IoT Edge，可以使用你在建立 VM 時設置的 `adminUsername` 和 `password`，以及 IP 地址或 DNS 名稱通過 SSH 連接到機器：
-
-        ```sh
-        ssh <adminUsername>@<IP address>
-        ```
-
-        或：
-
-        ```sh
-        ssh <adminUsername>@<DNS Name>
-        ```
-
-        當提示時輸入你的密碼。
-
-1. 連接後，執行以下指令以獲取 IoT Edge 模組列表：
-
-    ```sh
-    iotedge list
-    ```
-
-    > 💁 你可能需要使用 `sudo` 執行此指令。
-
-    你將看到正在運行的模組：
-
-    ```output
-    jim@fruit-quality-detector-jimb:~$ iotedge list
-    NAME             STATUS           DESCRIPTION      CONFIG
-    ImageClassifier  running          Up 42 minutes    fruitqualitydetectorjimb.azurecr.io/classifier:v1
-    edgeAgent        running          Up 42 minutes    mcr.microsoft.com/azureiotedge-agent:1.1
-    edgeHub          running          Up 42 minutes    mcr.microsoft.com/azureiotedge-hub:1.1
-    ```
-
-1. 使用以下指令檢查映像分類器模組的日誌：
-
-    ```sh
-    iotedge logs ImageClassifier
-    ```
-
-    > 💁 你可能需要使用 `sudo` 執行此指令。
-
-    ```output
-    jim@fruit-quality-detector-jimb:~$ iotedge logs ImageClassifier
-    2021-07-05 20:30:15.387144: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
-    2021-07-05 20:30:15.392185: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 2394450000 Hz
-    2021-07-05 20:30:15.392712: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x55ed9ac83470 executing computations on platform Host. Devices:
-    2021-07-05 20:30:15.392806: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): Host, Default Version
-    Loading model...Success!
-    Loading labels...2 found. Success!
-     * Serving Flask app "app" (lazy loading)
-     * Environment: production
-       WARNING: This is a development server. Do not use it in a production deployment.
-       Use a production WSGI server instead.
-     * Debug mode: off
-     * Running on http://0.0.0.0:80/ (Press CTRL+C to quit)
-    ```
-
-### 任務 - 測試映像分類器
-
-1. 你可以使用 CURL 測試映像分類器，通過運行 IoT Edge 代理的電腦的 IP 地址或主機名稱進行測試。找到 IP 地址：
-
-    * 如果你在運行 IoT Edge 的同一台機器上，可以使用 `localhost` 作為主機名稱。
-    * 如果你使用虛擬機器，可以使用 VM 的 IP 地址或 DNS 名稱。
-    * 否則，你可以獲取運行 IoT Edge 的機器的 IP 地址：
-      * 在 Windows 10 上，請參考 [查找你的 IP 地址指南](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn)。
-      * 在 macOS 上，請參考 [如何在 Mac 上找到你的 IP 地址指南](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac)。
-      * 在 Linux 上，請參考 [如何在 Linux 中找到你的 IP 地址指南](https://opensource.com/article/18/5/how-find-ip-address-linux) 中的查找私人 IP 地址部分。
-
-1. 你可以使用本地檔案測試容器，執行以下 curl 指令：
-
-    ```sh
-    curl --location \
-         --request POST 'http://<IP address or name>/image' \
-         --header 'Content-Type: image/png' \
-         --data-binary '@<file_Name>' 
-    ```
-
-    將 `<IP address or name>` 替換為運行 IoT Edge 的電腦的 IP 地址或主機名稱。將 `<file_Name>` 替換為要測試的檔案名稱。
-
-    你將在輸出中看到預測結果：
-
-    ```output
-    {
-        "created": "2021-07-05T21:44:39.573181",
-        "id": "",
-        "iteration": "",
-        "predictions": [
-            {
-                "boundingBox": null,
-                "probability": 0.9995615482330322,
-                "tagId": "",
-                "tagName": "ripe"
-            },
-            {
-                "boundingBox": null,
-                "probability": 0.0004384400090202689,
-                "tagId": "",
-                "tagName": "unripe"
-            }
-        ],
-        "project": ""
-    }
-    ```
-
-    > 💁 這裡不需要提供預測金鑰，因為這不是使用 Azure 資源。相反，安全性將基於內部網路的內部安全需求進行配置，而不是依賴公共端點和 API 金鑰。
-
-## 使用你的 IoT Edge 設備
-
-現在你的映像分類器已部署到 IoT Edge 設備，你可以從 IoT 設備使用它。
-
-### 任務 - 使用你的 IoT Edge 設備
-
-按照相關指南，使用 IoT Edge 分類器對映像進行分類：
-
-* [Arduino - Wio Terminal](wio-terminal.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer.md)
-
-### 模型重新訓練
-
-在 IoT Edge 上運行映像分類器的一個缺點是它們不會連接到你的 Custom Vision 專案。如果你查看 Custom Vision 的 **預測** 分頁，將看不到使用基於 Edge 的分類器分類的映像。
-
-這是預期的行為——映像不會被發送到雲端進行分類，因此它們不會在雲端可用。使用 IoT Edge 的一個優點是隱私，確保映像不會離開你的網路，另一個優點是可以離線工作，因此不依賴於設備無法連接網路時上傳映像。缺點是改進你的模型——你需要實現另一種方式來儲存映像，這些映像可以手動重新分類以改進和重新訓練映像分類器。
-
-✅ 思考如何上傳映像以重新訓練分類器。
-
----
-
-## 🚀 挑戰
-
-在邊緣設備上運行 AI 模型可能比在雲端更快——網路跳躍更短。但也可能更慢，因為運行模型的硬體可能不如雲端強大。
-
-進行一些計時，比較對邊緣設備的調用是否比對雲端的調用更快或更慢？思考解釋差異或無差異的原因。研究如何使用專用硬體在邊緣更快地運行 AI 模型。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
-
-## 複習與自學
-
-* 閱讀更多關於容器的資訊，請參考 [Wikipedia 上的作業系統層級虛擬化頁面](https://wikipedia.org/wiki/OS-level_virtualization)。
-* 閱讀更多有關邊緣計算的資訊，重點了解5G如何幫助擴展邊緣計算，請參考[NetworkWorld上的文章「什麼是邊緣計算及其重要性？」](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html)
-* 觀看[Microsoft Channel9上的Learn Live節目「學習如何在邊緣上使用Azure IoT Edge的預建AI服務進行語言檢測」](https://channel9.msdn.com/Shows/Learn-Live/Sharpen-Your-AI-Edge-Skills-Episode-4-Learn-How-to-Use-Azure-IoT-Edge-on-a-Pre-Built-AI-Service-on-t?WT.mc_id=academic-17441-jabenn)，了解更多在IoT Edge上運行AI服務的資訊
-
-## 作業
-
-[在邊緣上運行其他服務](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
deleted file mode 100644
index d8ef39679..000000000
--- a/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
+++ /dev/null
@@ -1,27 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
-  "translation_date": "2025-08-26T14:18:48+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
-  "language_code": "hk"
-}
--->
-# 在邊緣設備上運行其他服務
-
-## 指引
-
-不僅僅是影像分類器可以在邊緣設備上運行，任何可以打包成容器的應用都可以部署到 IoT Edge 設備上。無伺服器代碼（如 Azure Functions）也可以在容器中運行，因此可以在 IoT Edge 上執行，例如你在之前課程中創建的觸發器。
-
-選擇之前的其中一課，嘗試將 Azure Functions 應用運行在 IoT Edge 容器中。你可以在 [教程：將 Azure Functions 部署為 IoT Edge 模組 - Microsoft Docs](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11) 中找到使用不同 Functions 應用項目進行操作的指南。
-
-## 評分標準
-
-| 評分標準 | 卓越 | 合格 | 需要改進 |
-| -------- | --------- | -------- | ----------------- |
-| 將 Azure Functions 應用部署到 IoT Edge | 成功將 Azure Functions 應用部署到 IoT Edge，並能與 IoT 設備配合使用，從 IoT 數據觸發執行 | 成功將 Functions 應用部署到 IoT Edge，但無法成功觸發執行 | 無法將 Functions 應用部署到 IoT Edge |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
deleted file mode 100644
index 7c8ed6f94..000000000
--- a/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
+++ /dev/null
@@ -1,68 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "50151d9f9dce2801348a93880ef16d86",
-  "translation_date": "2025-08-26T14:20:36+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
-  "language_code": "hk"
-}
--->
-# 使用 IoT Edge 基於影像分類器對圖片進行分類 - 虛擬 IoT 硬件及 Raspberry Pi
-
-在這部分課程中，你將使用運行於 IoT Edge 設備上的影像分類器。
-
-## 使用 IoT Edge 分類器
-
-IoT 設備可以被重新定向以使用 IoT Edge 影像分類器。影像分類器的 URL 是 `http://<IP address or name>/image`，將 `<IP address or name>` 替換為運行 IoT Edge 的電腦的 IP 地址或主機名稱。
-
-Custom Vision 的 Python 庫僅適用於雲端託管的模型，而不適用於 IoT Edge 託管的模型。這意味著你需要使用 REST API 來調用分類器。
-
-### 任務 - 使用 IoT Edge 分類器
-
-1. 如果尚未打開，請在 VS Code 中打開 `fruit-quality-detector` 專案。如果你正在使用虛擬 IoT 設備，請確保虛擬環境已啟動。
-
-1. 打開 `app.py` 文件，刪除來自 `azure.cognitiveservices.vision.customvision.prediction` 和 `msrest.authentication` 的 import 語句。
-
-1. 在文件頂部添加以下 import 語句：
-
-    ```python
-    import requests
-    ```
-
-1. 刪除從 `image_file.write(image.read())` 到文件末尾的所有代碼。
-
-1. 在文件末尾添加以下代碼：
-
-    ```python
-    prediction_url = '<URL>'
-    headers = {
-        'Content-Type' : 'application/octet-stream'
-    }
-    image.seek(0)
-    response = requests.post(prediction_url, headers=headers, data=image)
-    results = response.json()
-    
-    for prediction in results['predictions']:
-        print(f'{prediction["tagName"]}:\t{prediction["probability"] * 100:.2f}%')
-    ```
-
-    將 `<URL>` 替換為你的分類器的 URL。
-
-    這段代碼會向分類器發送一個 REST POST 請求，將圖片作為請求的主體發送。結果以 JSON 格式返回，並被解碼以打印出概率。
-
-1. 運行你的代碼，將相機對準一些水果，或者使用適當的圖片集，或者如果使用虛擬 IoT 硬件，則讓水果在你的網絡攝像頭中可見。你會在控制台中看到輸出：
-
-    ```output
-    (.venv) ➜  fruit-quality-detector python app.py
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-> 💁 你可以在 [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) 或 [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device) 文件夾中找到這段代碼。
-
-😀 你的水果品質分類器程序運行成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
deleted file mode 100644
index 53b236761..000000000
--- a/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
+++ /dev/null
@@ -1,115 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "24dc783a600e20251211987b36370e93",
-  "translation_date": "2025-08-26T14:19:04+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
-  "language_code": "hk"
-}
--->
-# 建立運行 IoT Edge 的虛擬機器
-
-在 Azure 中，你可以建立一台虛擬機器——一台雲端中的電腦，你可以隨意配置並運行自己的軟件。
-
-> 💁 你可以在 [維基百科的虛擬機器頁面](https://wikipedia.org/wiki/Virtual_machine) 上了解更多關於虛擬機器的資訊。
-
-## 任務 - 設置 IoT Edge 虛擬機器
-
-1. 執行以下指令來建立一台已預先安裝 Azure IoT Edge 的虛擬機器：
-
-    ```sh
-    az deployment group create \
-                --resource-group fruit-quality-detector \
-                --template-uri https://raw.githubusercontent.com/Azure/iotedge-vm-deploy/1.2.0/edgeDeploy.json \
-                --parameters dnsLabelPrefix=<vm_name> \
-                --parameters adminUsername=<username> \
-                --parameters deviceConnectionString="<connection_string>" \
-                --parameters authenticationType=password \
-                --parameters adminPasswordOrKey="<password>"
-    ```
-
-    將 `<vm_name>` 替換為這台虛擬機器的名稱。這個名稱需要是全域唯一的，因此可以使用類似 `fruit-quality-detector-vm-` 加上你的名字或其他值作為結尾。
-
-    將 `<username>` 和 `<password>` 替換為用於登錄虛擬機器的用戶名和密碼。這些需要相對安全，因此不能使用 admin/password。
-
-    將 `<connection_string>` 替換為你的 `fruit-quality-detector-edge` IoT Edge 設備的連接字串。
-
-    這將建立一台配置為 `DS1 v2` 的虛擬機器。這些類別表示機器的性能，也因此影響其成本。這台虛擬機器有 1 個 CPU 和 3.5GB 的 RAM。
-
-    > 💰 你可以在 [Azure 虛擬機器定價指南](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn) 上查看這些虛擬機器的最新定價。
-
-    一旦虛擬機器建立完成，IoT Edge 執行環境將自動安裝，並配置為連接到你的 IoT Hub 作為 `fruit-quality-detector-edge` 設備。
-
-1. 你需要虛擬機器的 IP 地址或 DNS 名稱來從中調用圖像分類器。執行以下指令來獲取這些資訊：
-
-    ```sh
-    az vm list --resource-group fruit-quality-detector \
-               --output table \
-               --show-details
-    ```
-
-    複製 `PublicIps` 欄位或 `Fqdns` 欄位的值。
-
-1. 虛擬機器是需要花費金錢的。截至撰寫本文時，一台 DS1 虛擬機器的費用約為每小時 $0.06。為了降低成本，你應該在不使用時關閉虛擬機器，並在完成此專案後刪除它。
-
-    你可以配置虛擬機器每天在特定時間自動關機。這樣即使你忘記關機，也不會被收取超過自動關機時間的費用。使用以下指令來設置：
-
-    ```sh
-    az vm auto-shutdown --resource-group fruit-quality-detector \
-                        --name <vm_name> \
-                        --time <shutdown_time_utc>
-    ```
-
-    將 `<vm_name>` 替換為你的虛擬機器名稱。
-
-    將 `<shutdown_time_utc>` 替換為你希望虛擬機器關機的 UTC 時間，使用 4 位數字表示 HHMM。例如，如果你希望在 UTC 午夜關機，則設置為 `0000`。如果是美國西岸晚上 7:30，則設置為 `0230`（美國西岸晚上 7:30 是 UTC 凌晨 2:30）。
-
-1. 你的圖像分類器將在這台邊緣設備上運行，監聽 80 埠（標準 HTTP 埠）。默認情況下，虛擬機器的入站埠是被阻止的，因此你需要啟用 80 埠。埠是通過網路安全群組啟用的，因此首先你需要知道虛擬機器的網路安全群組名稱，可以通過以下指令找到：
-
-    ```sh
-    az network nsg list --resource-group fruit-quality-detector \
-                        --output table
-    ```
-
-    複製 `Name` 欄位的值。
-
-1. 執行以下指令，為網路安全群組添加一條規則以開啟 80 埠：
-
-    ```sh
-    az network nsg rule create \
-                        --resource-group fruit-quality-detector \
-                        --name Port_80 \
-                        --protocol tcp \
-                        --priority 1010 \
-                        --destination-port-range 80 \
-                        --nsg-name <nsg name>
-    ```
-
-    將 `<nsg name>` 替換為上一個步驟中獲取的網路安全群組名稱。
-
-### 任務 - 管理你的虛擬機器以降低成本
-
-1. 當你不使用虛擬機器時，應該將其關閉。使用以下指令關閉虛擬機器：
-
-    ```sh
-    az vm deallocate --resource-group fruit-quality-detector \
-                     --name <vm_name>
-    ```
-
-    將 `<vm_name>` 替換為你的虛擬機器名稱。
-
-    > 💁 有一個 `az vm stop` 指令可以停止虛擬機器，但它會保留電腦分配給你，因此你仍需支付與運行時相同的費用。
-
-1. 要重新啟動虛擬機器，使用以下指令：
-
-    ```sh
-    az vm start --resource-group fruit-quality-detector \
-                --name <vm_name>
-    ```
-
-    將 `<vm_name>` 替換為你的虛擬機器名稱。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
deleted file mode 100644
index 0a4a49885..000000000
--- a/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
+++ /dev/null
@@ -1,66 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
-  "translation_date": "2025-08-26T14:20:08+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
-  "language_code": "hk"
-}
--->
-# 使用基於 IoT Edge 的影像分類器進行影像分類 - Wio Terminal
-
-在本課程中，您將使用運行於 IoT Edge 裝置上的影像分類器。
-
-## 使用 IoT Edge 分類器
-
-IoT 裝置可以重新定向以使用 IoT Edge 影像分類器。影像分類器的 URL 是 `http://<IP address or name>/image`，將 `<IP address or name>` 替換為運行 IoT Edge 的電腦的 IP 地址或主機名稱。
-
-### 任務 - 使用 IoT Edge 分類器
-
-1. 如果尚未打開 `fruit-quality-detector` 應用程式專案，請將其打開。
-
-1. 影像分類器作為使用 HTTP 的 REST API 運行，而非 HTTPS，因此需要使用僅支援 HTTP 呼叫的 WiFi 客戶端。這意味著不需要憑證。刪除 `config.h` 文件中的 `CERTIFICATE`。
-
-1. 需要將 `config.h` 文件中的預測 URL 更新為新的 URL。您也可以刪除 `PREDICTION_KEY`，因為這不再需要。
-
-    ```cpp
-    const char *PREDICTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為您的分類器的 URL。
-
-1. 在 `main.cpp` 中，將 WiFi Client Secure 的 include 指令更改為導入標準的 HTTP 版本：
-
-    ```cpp
-    #include <WiFiClient.h>
-    ```
-
-1. 將 `WiFiClient` 的宣告更改為 HTTP 版本：
-
-    ```cpp
-    WiFiClient client;
-    ```
-
-1. 找到設置 WiFi 客戶端憑證的那一行。在 `connectWiFi` 函數中，移除 `client.setCACert(CERTIFICATE);` 這一行。
-
-1. 在 `classifyImage` 函數中，移除設置預測金鑰的這一行：`httpClient.addHeader("Prediction-Key", PREDICTION_KEY);`。
-
-1. 上傳並運行您的程式。將相機對準一些水果，然後按下 C 按鈕。您將在序列監視器中看到輸出：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 8200
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-> 💁 您可以在 [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的水果品質分類器程式成功了！
-
----
-
-**免責聲明**：  
-此文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議使用專業的人類翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
deleted file mode 100644
index 41b29dc81..000000000
--- a/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
+++ /dev/null
@@ -1,233 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
-  "translation_date": "2025-08-26T14:21:04+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
-  "language_code": "hk"
-}
--->
-# 從感應器觸發水果質量檢測
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
-
-## 簡介
-
-物聯網應用程式不僅僅是單一設備捕捉數據並將其發送到雲端，更多時候是多個設備協同工作，通過感應器從物理世界捕捉數據，根據這些數據做出決策，並通過執行器或可視化與物理世界進行交互。
-
-在本課中，您將學習如何設計更複雜的物聯網應用程式，結合多個感應器和雲端服務來分析和存儲數據，並通過執行器顯示響應。您將學習如何設計一個水果質量控制系統的原型，包括使用接近感應器觸發物聯網應用程式，以及該原型的架構。
-
-本課將涵蓋以下內容：
-
-* [設計複雜的物聯網應用程式](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [設計水果質量控制系統](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [從感應器觸發水果質量檢測](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [水果質量檢測器使用的數據](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [使用開發設備模擬多個物聯網設備](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [進入生產階段](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-
-> 🗑 這是本項目中的最後一課，因此在完成本課和作業後，別忘了清理您的雲端服務。您需要這些服務來完成作業，因此請確保先完成作業。
->
-> 如有需要，請參考[清理項目指南](../../../clean-up.md)以獲取相關指導。
-
-## 設計複雜的物聯網應用程式
-
-物聯網應用程式由許多組件組成，包括各種設備和互聯網服務。
-
-物聯網應用程式可以描述為*設備*（things）發送數據以生成*洞察*（insights）。這些*洞察*會驅動*行動*（actions），以改進業務或流程。例如，一個引擎（設備）發送溫度數據。這些數據用於評估引擎是否按預期運行（洞察）。洞察則用於主動優化引擎的維護計劃（行動）。
-
-* 不同的設備收集不同的數據。
-* 物聯網服務基於這些數據提供洞察，有時還會結合其他來源的數據。
-* 這些洞察驅動行動，包括控制設備中的執行器或可視化數據。
-
-### 參考物聯網架構
-
-![參考物聯網架構](../../../../../translated_images/zh-HK/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png)
-
-上圖展示了一個參考物聯網架構。
-
-> 🎓 *參考架構*是一個可以在設計新系統時用作參考的示例架構。在這種情況下，如果您正在構建一個新的物聯網系統，可以遵循參考架構，並根據需要替換為您自己的設備和服務。
-
-* **設備**是從感應器收集數據的裝置，可能與邊緣服務交互以解釋這些數據，例如用於解釋圖像數據的圖像分類器。設備的數據被發送到物聯網服務。
-* **洞察**來自無伺服器應用程式，或來自對存儲數據的分析。
-* **行動**可以是發送給設備的命令，或是數據的可視化，讓人類做出決策。
-
-![參考物聯網架構](../../../../../translated_images/zh-HK/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png)
-
-上圖展示了在這些課程中涵蓋的一些組件和服務，以及它們如何在參考物聯網架構中相互連接。
-
-* **設備** - 您已經編寫了設備代碼來從感應器捕捉數據，並使用 Custom Vision 在雲端和邊緣設備上分析圖像。這些數據被發送到 IoT Hub。
-* **洞察** - 您已經使用 Azure Functions 來響應發送到 IoT Hub 的消息，並將數據存儲在 Azure Storage 中以供後續分析。
-* **行動** - 您已經基於雲端的決策控制執行器，並通過命令發送給設備，還使用 Azure Maps 可視化數據。
-
-✅ 想一想您使用過的其他物聯網設備，例如智能家居設備。這些設備及其軟件中涉及的設備、洞察和行動是什麼？
-
-這種模式可以根據需要擴展到更大或更小的規模，添加更多設備和服務。
-
-### 數據與安全性
-
-在定義系統架構時，您需要不斷考慮數據和安全性。
-
-* 您的設備發送和接收哪些數據？
-* 這些數據應如何被保護和加密？
-* 如何控制對設備和雲端服務的訪問？
-
-✅ 想一想您擁有的任何物聯網設備的數據安全性。這些數據中有多少是個人數據，應在傳輸和存儲時保持私密？哪些數據不應被存儲？
-
-## 設計水果質量控制系統
-
-現在，讓我們將設備、洞察和行動的概念應用到我們的水果質量檢測器，設計一個更大的端到端應用程式。
-
-假設您被分配了一個任務，構建一個用於加工廠的水果質量檢測器。水果通過傳送帶系統運輸，目前員工需要手動檢查水果並移除未成熟的水果。為了降低成本，工廠老闆希望實現自動化系統。
-
-✅ 隨著物聯網（以及技術總體）的興起，許多手動工作正在被機器取代。進行一些研究：估計有多少工作會因物聯網而消失？又會創造多少新工作來構建物聯網設備？
-
-您需要構建一個系統，當水果到達傳送帶時進行檢測，然後拍照並使用在邊緣運行的 AI 模型進行檢查。結果將被發送到雲端存儲，如果水果未成熟，則發出通知以便移除未成熟的水果。
-
-|   |   |
-| - | - |
-| **設備** | 檢測水果到達傳送帶的感應器<br>拍照並分類水果的相機<br>運行分類器的邊緣設備<br>通知未成熟水果的設備 |
-| **洞察** | 決定檢查水果的成熟度<br>存儲成熟度分類的結果<br>確定是否需要對未成熟水果發出警報 |
-| **行動** | 發送命令給設備拍攝水果並使用圖像分類器檢查<br>發送命令給設備警告水果未成熟 |
-
-### 應用程式原型設計
-
-![水果質量檢測的參考物聯網架構](../../../../../translated_images/zh-HK/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png)
-
-上圖展示了該原型應用程式的參考架構。
-
-* 一個帶有接近感應器的物聯網設備檢測到水果的到來，並向雲端發送消息表示檢測到水果。
-* 雲端中的無伺服器應用程式向另一個設備發送命令，要求拍照並進行分類。
-* 一個帶有相機的物聯網設備拍攝照片並將其發送到運行在邊緣的圖像分類器。結果隨後被發送到雲端。
-* 雲端中的無伺服器應用程式存儲這些信息以供後續分析，查看未成熟水果的百分比。如果水果未成熟，則向另一個帶有 LED 的物聯網設備發送命令，通知工廠工人有未成熟水果。
-
-> 💁 整個物聯網應用程式可以作為單一設備實現，所有啟動圖像分類和控制 LED 的邏輯都內建其中。它可以僅使用 IoT Hub 來跟蹤檢測到的未成熟水果數量並配置設備。在本課中，該應用程式被擴展以展示大規模物聯網應用程式的概念。
-
-對於原型，您將在單一設備上實現所有這些功能。如果您使用的是微控制器，則需要使用單獨的邊緣設備來運行圖像分類器。您已經學習了構建這些所需的大部分內容。
-
-## 從感應器觸發水果質量檢測
-
-物聯網設備需要某種觸發器來指示水果何時準備好進行分類。一種觸發方式是通過測量傳送帶上水果與感應器的距離，確定水果是否處於正確位置。
-
-![接近感應器發送激光束到物體（如香蕉），並計算光束反射回來的時間](../../../../../translated_images/zh-HK/proximity-sensor.f5cd752c77fb62fe.webp)
-
-接近感應器可以用來測量感應器與物體之間的距離。它們通常發射一束電磁輻射（如激光束或紅外光），然後檢測反射回來的輻射。從激光束發射到信號反射回來的時間可以用來計算與感應器的距離。
-
-> 💁 您可能在不知不覺中使用過接近感應器。例如，大多數智能手機在您將其靠近耳朵時會關閉屏幕，以防止耳垂意外結束通話。這是通過接近感應器實現的，當檢測到屏幕附近有物體時，會在通話期間禁用觸控功能，直到手機與物體保持一定距離。
-
-### 任務 - 使用距離感應器觸發水果質量檢測
-
-按照相關指南，使用接近感應器檢測物體，並在您的物聯網設備上實現：
-
-* [Arduino - Wio Terminal](wio-terminal-proximity.md)
-* [單板電腦 - Raspberry Pi](pi-proximity.md)
-* [單板電腦 - 虛擬設備](virtual-device-proximity.md)
-
-## 水果質量檢測器使用的數據
-
-原型水果檢測器包含多個相互通信的組件。
-
-![各組件之間的通信](../../../../../translated_images/zh-HK/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png)
-
-* 一個接近感應器測量與水果的距離，並將數據發送到 IoT Hub
-* 控制相機的命令從 IoT Hub 發送到相機設備
-* 圖像分類的結果被發送到 IoT Hub
-* 控制 LED 發出未成熟水果警報的命令從 IoT Hub 發送到帶有 LED 的設備
-
-在構建應用程式之前，提前定義這些消息的結構是很有必要的。
-
-> 💁 幾乎每位有經驗的開發者都曾經因為發送的數據與預期不符而花費數小時、數天甚至數週來排查錯誤。
-
-例如 - 如果您正在發送溫度信息，如何定義 JSON？您可以使用一個名為 `temperature` 的字段，或者使用常見的縮寫 `temp`。
-
-```json
-{
-    "temperature": 20.7
-}
-```
-
-與：
-
-```json
-{
-    "temp": 20.7
-}
-```
-
-您還需要考慮單位 - 溫度是以 °C 還是 °F 表示？如果您使用的是消費者設備，並且他們更改了顯示單位，您需要確保發送到雲端的單位保持一致。
-
-✅ 進行一些研究：單位問題如何導致價值 1.25 億美元的火星氣候探測器（Mars Climate Orbiter）墜毀？
-
-思考水果質量檢測器發送的數據。您會如何定義每條消息？您會在哪裡分析數據並決定發送哪些數據？
-
-例如 - 使用接近感應器觸發圖像分類。物聯網設備測量距離，但決策在哪裡做出？設備是否決定水果足夠接近，並發送消息告訴 IoT Hub 觸發分類？還是它發送距離測量數據，讓 IoT Hub 做出決策？
-
-這類問題的答案是 - 視情況而定。每個使用案例都不同，因此作為物聯網開發者，您需要了解您正在構建的系統、它的使用方式以及檢測到的數據。
-
-* 如果決策由 IoT Hub 做出，您需要發送多個距離測量數據。
-* 如果發送過多消息，會增加 IoT Hub 的成本，以及物聯網設備所需的帶寬（特別是在有數百萬設備的工廠中）。這也可能會減慢設備的速度。
-* 如果在設備上做出決策，您需要提供一種方式來配置設備以微調機器。
-
-## 使用開發設備模擬多個物聯網設備
-
-為了構建您的原型，您需要讓您的物聯網開發套件模擬多個設備，發送遙測數據並響應命令。
-
-### 在 Raspberry Pi 或虛擬物聯網硬件上模擬多個物聯網設備
-
-當使用像 Raspberry Pi 這樣的單板電腦時，您可以同時運行多個應用程式。這意味著您可以通過創建多個應用程式（每個應用程式代表一個“物聯網設備”）來模擬多個物聯網設備。例如，您可以將每個設備實現為一個單獨的 Python 文件，並在不同的終端會話中運行它們。
-💁 請注意，某些硬件在同時被多個應用程式存取時可能無法正常運作。
-### 在微控制器上模擬多個設備
-
-在微控制器上模擬多個設備會比較複雜。與單板電腦不同，微控制器無法同時運行多個應用程式，必須將所有不同 IoT 設備的邏輯整合到一個應用程式中。
-
-以下是一些讓這個過程更簡單的建議：
-
-* 為每個 IoT 設備創建一個或多個類別，例如名為 `DistanceSensor`、`ClassifierCamera`、`LEDController` 的類別。每個類別可以有自己的 `setup` 和 `loop` 方法，這些方法由主 `setup` 和 `loop` 函數調用。
-* 在一個地方處理所有指令，並根據需要將指令分配到相關的設備類別。
-* 在主 `loop` 函數中，您需要考慮每個不同設備的時間安排。例如，如果有一個設備類別需要每 10 秒處理一次，另一個需要每 1 秒處理一次，那麼在主 `loop` 函數中可以使用 1 秒的延遲。每次 `loop` 調用都會觸發需要每秒處理的設備的相關代碼，並使用一個計數器來計算每次循環，當計數器達到 10 時處理另一個設備（然後重置計數器）。
-
-## 移向生產階段
-
-原型將成為最終生產系統的基礎。在移向生產階段時，可能會有以下一些不同之處：
-
-* 耐用的元件 - 使用能夠承受工廠中的噪音、熱量、振動和壓力的硬件。
-* 使用內部通信 - 一些元件會直接通信，避免跳轉到雲端，僅將數據發送到雲端進行存儲。具體如何實現取決於工廠的設置，可以是直接通信，也可以通過使用網關設備在邊緣運行部分 IoT 服務。
-* 配置選項 - 每個工廠和使用場景都不同，因此硬件需要可配置。例如，接近傳感器可能需要在不同距離檢測不同的水果。與其將觸發分類的距離硬編碼，不如通過雲端進行配置，例如使用設備雙胞胎。
-* 自動化水果移除 - 不再使用 LED 提示水果未成熟，而是使用自動化設備將其移除。
-
-✅ 做一些研究：生產設備與開發套件還有哪些其他不同之處？
-
----
-
-## 🚀 挑戰
-
-在本課中，您已經學習了一些設計 IoT 系統所需的概念。回想之前的項目，它們如何適應上述的參考架構？
-
-選擇一個之前的項目，思考如何設計一個更複雜的解決方案，將多種功能結合在一起，超越項目中涵蓋的內容。繪製架構圖，並考慮您需要的所有設備和服務。
-
-例如 - 一個結合 GPS 和傳感器的車輛追蹤設備，用於監控冷藏卡車內的溫度、引擎啟動和關閉時間，以及駕駛員的身份。涉及哪些設備、服務、傳輸的數據，以及安全和隱私的考量？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
-
-## 回顧與自學
-
-* 閱讀更多關於 IoT 架構的內容，請參考 [Microsoft Docs 上的 Azure IoT 參考架構文檔](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn)
-* 閱讀更多關於設備雙胞胎的內容，請參考 [Microsoft Docs 上的 IoT Hub 設備雙胞胎文檔](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn)
-* 閱讀關於 OPC-UA 的內容，這是一種用於工業自動化的機器對機器通信協議，請參考 [Wikipedia 上的 OPC-UA 頁面](https://wikipedia.org/wiki/OPC_Unified_Architecture)
-
-## 作業
-
-[建立一個水果品質檢測器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
deleted file mode 100644
index 2e1da41da..000000000
--- a/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
+++ /dev/null
@@ -1,32 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
-  "translation_date": "2025-08-26T14:23:11+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
-  "language_code": "hk"
-}
--->
-# 建立水果品質檢測器
-
-## 指引
-
-建立水果品質檢測器！
-
-運用你到目前為止所學到的一切，製作一個原型的水果品質檢測器。利用在邊緣運行的 AI 模型，根據距離觸發影像分類，將分類結果儲存到存儲空間，並根據水果的成熟度控制 LED。
-
-你應該能夠使用之前所有課程中撰寫的程式碼將這些功能組合起來。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 配置所有服務 | 能夠成功設置 IoT Hub、Azure Functions 應用程式和 Azure 存儲 | 能夠設置 IoT Hub，但無法設置 Azure Functions 應用程式或 Azure 存儲 | 無法設置任何網路 IoT 服務 |
-| 監測距離並在物體接近預定距離時將數據發送到 IoT Hub，並通過指令觸發相機 | 能夠測量距離，並在物體足夠接近時向 IoT Hub 發送訊息，並通過指令觸發相機 | 能夠測量距離並發送到 IoT Hub，但無法向相機發送指令 | 無法測量距離，也無法向 IoT Hub 發送訊息或觸發指令 |
-| 捕捉影像、進行分類並將結果發送到 IoT Hub | 能夠捕捉影像，使用邊緣設備進行分類，並將結果發送到 IoT Hub | 能夠進行影像分類，但未使用邊緣設備，或無法將結果發送到 IoT Hub | 無法進行影像分類 |
-| 根據分類結果，通過向設備發送指令控制 LED 的開關 | 能夠通過指令在水果未成熟時打開 LED | 能夠向設備發送指令，但無法控制 LED | 無法發送指令來控制 LED |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
deleted file mode 100644
index da79d202f..000000000
--- a/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
+++ /dev/null
@@ -1,118 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
-  "translation_date": "2025-08-26T14:23:32+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
-  "language_code": "hk"
-}
--->
-# 檢測接近距離 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個接近感應器，並從中讀取距離。
-
-## 硬件
-
-Raspberry Pi 需要一個接近感應器。
-
-您將使用的感應器是 [Grove 飛行時間距離感應器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)。此感應器使用激光測距模組來檢測距離。該感應器的範圍為 10mm 至 2000mm（1cm - 2m），並能相當準確地報告該範圍內的值，超過 1000mm 的距離將報告為 8109mm。
-
-激光測距儀位於感應器的背面，即 Grove 插座的對面。
-
-這是一個 I²C 感應器。
-
-### 連接飛行時間感應器
-
-Grove 飛行時間感應器可以連接到 Raspberry Pi。
-
-#### 任務 - 連接飛行時間感應器
-
-連接飛行時間感應器。
-
-![Grove 飛行時間感應器](../../../../../translated_images/zh-HK/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png)
-
-1. 將 Grove 電纜的一端插入飛行時間感應器上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Grove Base Hat 上標記為 **I²C** 的插座之一。這些插座位於底部排，靠近攝像頭電纜插槽，與 GPIO 引腳的另一端相對。
-
-![Grove 飛行時間感應器連接到 I²C 插座](../../../../../translated_images/zh-HK/pi-time-of-flight-sensor.58c8dc04eb3bfb57.webp)
-
-## 編程飛行時間感應器
-
-現在可以編程 Raspberry Pi 以使用連接的飛行時間感應器。
-
-### 任務 - 編程飛行時間感應器
-
-編程設備。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 在 VS Code 中打開 `fruit-quality-detector` 代碼，可以直接在 Raspberry Pi 上操作，也可以通過 Remote SSH 擴展連接。
-
-1. 安裝 rpi-vl53l0x Pip 套件，這是一個與 VL53L0X 飛行時間距離感應器交互的 Python 套件。使用以下 pip 命令安裝：
-
-    ```sh
-    pip install rpi-vl53l0x
-    ```
-
-1. 在此項目中創建一個名為 `distance-sensor.py` 的新文件。
-
-    > 💁 模擬多個 IoT 設備的一個簡單方法是將每個設備放在不同的 Python 文件中，然後同時運行它們。
-
-1. 在此文件中添加以下代碼：
-
-    ```python
-    import time
-    
-    from grove.i2c import Bus
-    from rpi_vl53l0x.vl53l0x import VL53L0X
-    ```
-
-    這段代碼導入了 Grove I²C 總線庫，以及 Grove 飛行時間感應器內置核心硬件的感應器庫。
-
-1. 在此代碼下方，添加以下代碼以訪問感應器：
-
-    ```python
-    distance_sensor = VL53L0X(bus = Bus().bus)
-    distance_sensor.begin()    
-    ```
-
-    此代碼使用 Grove I²C 總線聲明了一個距離感應器，然後啟動感應器。
-
-1. 最後，添加一個無限循環以讀取距離：
-
-    ```python
-    while True:
-        distance_sensor.wait_ready()
-        print(f'Distance = {distance_sensor.get_distance()} mm')
-        time.sleep(1)
-    ```
-
-    此代碼等待感應器準備好讀取值，然後將其打印到控制台。
-
-1. 運行此代碼。
-
-    > 💁 請記住此文件名為 `distance-sensor.py`！確保通過 Python 運行它，而不是 `app.py`。
-
-1. 您將在控制台中看到距離測量值。將物體放置在感應器附近，您將看到距離測量值：
-
-    ```output
-    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
-    Distance = 29 mm
-    Distance = 28 mm
-    Distance = 30 mm
-    Distance = 151 mm
-    ```
-
-    測距儀位於感應器的背面，因此在測量距離時請確保使用正確的一側。
-
-    ![飛行時間感應器背面的測距儀指向一根香蕉](../../../../../translated_images/zh-HK/time-of-flight-banana.079921ad8b1496e4.webp)
-
-> 💁 您可以在 [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi) 文件夾中找到此代碼。
-
-😀 您的接近感應器程序運行成功！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
deleted file mode 100644
index 1ca155cbd..000000000
--- a/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
+++ /dev/null
@@ -1,121 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
-  "translation_date": "2025-08-26T14:24:32+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
-  "language_code": "hk"
-}
--->
-# 檢測接近 - 虛擬物聯網硬件
-
-在本課程的這部分，你將為虛擬物聯網設備添加一個接近傳感器，並從中讀取距離。
-
-## 硬件
-
-虛擬物聯網設備將使用模擬的距離傳感器。
-
-在實體物聯網設備中，你會使用帶有激光測距模塊的傳感器來檢測距離。
-
-### 在 CounterFit 中添加距離傳感器
-
-要使用虛擬距離傳感器，你需要在 CounterFit 應用中添加一個。
-
-#### 任務 - 在 CounterFit 中添加距離傳感器
-
-在 CounterFit 應用中添加距離傳感器。
-
-1. 在 VS Code 中打開 `fruit-quality-detector` 代碼，並確保虛擬環境已啟動。
-
-1. 安裝額外的 Pip 套件，以安裝一個 CounterFit shim，它可以通過模擬 [rpi-vl53l0x Pip 套件](https://pypi.org/project/rpi-vl53l0x/) 與距離傳感器通信。這是一個與 [VL53L0X 飛行時間距離傳感器](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/) 交互的 Python 套件。確保你是在啟動虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install counterfit-shims-rpi-vl53l0x
-    ```
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建一個距離傳感器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，打開 *Sensor type* 下拉框並選擇 *Distance*。
-
-    1. 將 *Units* 保持為 `Millimeter`。
-
-    1. 此傳感器是一個 I²C 傳感器，因此將地址設置為 `0x29`。如果你使用的是實體 VL53L0X 傳感器，它的地址會被硬編碼為此。
-
-    1. 點擊 **Add** 按鈕以創建距離傳感器。
-
-    ![距離傳感器設置](../../../../../translated_images/zh-HK/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png)
-
-    距離傳感器將被創建並顯示在傳感器列表中。
-
-    ![已創建的距離傳感器](../../../../../translated_images/zh-HK/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png)
-
-## 編程距離傳感器
-
-虛擬物聯網設備現在可以編程以使用模擬的距離傳感器。
-
-### 任務 - 編程飛行時間傳感器
-
-1. 在 `fruit-quality-detector` 項目中創建一個名為 `distance-sensor.py` 的新文件。
-
-    > 💁 模擬多個物聯網設備的一個簡單方法是將每個設備的代碼放在不同的 Python 文件中，然後同時運行它們。
-
-1. 使用以下代碼啟動與 CounterFit 的連接：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在此代碼下方添加以下代碼：
-
-    ```python
-    import time
-    
-    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
-    ```
-
-    這會導入 VL53L0X 飛行時間傳感器的傳感器庫 shim。
-
-1. 在此代碼下方添加以下代碼以訪問傳感器：
-
-    ```python
-    distance_sensor = VL53L0X()
-    distance_sensor.begin()
-    ```
-
-    此代碼聲明了一個距離傳感器，然後啟動該傳感器。
-
-1. 最後，添加一個無限循環以讀取距離：
-
-    ```python
-    while True:
-        distance_sensor.wait_ready()
-        print(f'Distance = {distance_sensor.get_distance()} mm')
-        time.sleep(1)
-    ```
-
-    此代碼等待傳感器準備好讀取值，然後將其打印到控制台。
-
-1. 運行此代碼。
-
-    > 💁 別忘了這個文件名是 `distance-sensor.py`！確保通過 Python 運行它，而不是 `app.py`。
-
-1. 你會在控制台中看到距離測量值。更改 CounterFit 中的值以查看此值的變化，或者使用隨機值。
-
-    ```output
-    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
-    Distance = 37 mm
-    Distance = 42 mm
-    Distance = 29 mm
-    ```
-
-> 💁 你可以在 [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device) 文件夾中找到此代碼。
-
-😀 你的接近傳感器程序成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
deleted file mode 100644
index 7e400826b..000000000
--- a/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
+++ /dev/null
@@ -1,113 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
-  "translation_date": "2025-08-26T14:24:04+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
-  "language_code": "hk"
-}
--->
-# 偵測距離 - Wio Terminal
-
-在這部分課程中，你將為 Wio Terminal 添加一個距離感測器，並從中讀取距離數據。
-
-## 硬件
-
-Wio Terminal 需要一個距離感測器。
-
-你將使用的感測器是 [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)。這個感測器使用雷射測距模組來偵測距離。它的測量範圍是 10mm 到 2000mm（1cm - 2m），並能相當準確地報告該範圍內的距離，超過 1000mm 的距離會報告為 8109mm。
-
-雷射測距儀位於感測器的背面，也就是 Grove 插槽的對面。
-
-這是一個 I²C 感測器。
-
-### 連接飛行時間感測器
-
-Grove 飛行時間感測器可以連接到 Wio Terminal。
-
-#### 任務 - 連接飛行時間感測器
-
-連接飛行時間感測器。
-
-![一個 Grove 飛行時間感測器](../../../../../translated_images/zh-HK/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png)
-
-1. 將 Grove 線纜的一端插入飛行時間感測器上的插槽。它只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 線纜的另一端連接到 Wio Terminal 左側的 Grove 插槽（面向螢幕時）。這是靠近電源按鈕的插槽，這是一個數位和 I²C 的組合插槽。
-
-![Grove 飛行時間感測器連接到左側插槽](../../../../../translated_images/zh-HK/wio-time-of-flight-sensor.c4c182131d2ea73d.webp)
-
-1. 現在可以將 Wio Terminal 連接到你的電腦。
-
-## 為飛行時間感測器編程
-
-現在可以為 Wio Terminal 編寫程式來使用已連接的飛行時間感測器。
-
-### 任務 - 為飛行時間感測器編程
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `distance-sensor`。在 `setup` 函數中添加程式碼以配置序列埠。
-
-1. 在專案的 `platformio.ini` 文件中添加 Seeed Grove 飛行時間距離感測器庫的依賴項：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Grove Ranging sensor - VL53L0X @ ^1.1.1
-    ```
-
-1. 在 `main.cpp` 中，在現有的 include 指令下方添加以下內容，以宣告一個 `Seeed_vl53l0x` 類的實例來與飛行時間感測器互動：
-
-    ```cpp
-    #include "Seeed_vl53l0x.h"
-    
-    Seeed_vl53l0x VL53L0X;
-    ```
-
-1. 在 `setup` 函數的底部添加以下內容以初始化感測器：
-
-    ```cpp
-    VL53L0X.VL53L0X_common_init();
-    VL53L0X.VL53L0X_high_accuracy_ranging_init();
-    ```
-
-1. 在 `loop` 函數中，從感測器讀取一個值：
-
-    ```cpp
-    VL53L0X_RangingMeasurementData_t RangingMeasurementData;
-    memset(&RangingMeasurementData, 0, sizeof(VL53L0X_RangingMeasurementData_t));
-
-    VL53L0X.PerformSingleRangingMeasurement(&RangingMeasurementData);
-    ```
-
-    此程式碼初始化了一個數據結構以讀取數據，然後將其傳遞給 `PerformSingleRangingMeasurement` 方法，該方法會填充距離測量值。
-
-1. 在此之下，寫出距離測量值，然後延遲 1 秒：
-
-    ```cpp
-    Serial.print("Distance = ");
-    Serial.print(RangingMeasurementData.RangeMilliMeter);
-    Serial.println(" mm");
-
-    delay(1000);
-    ```
-
-1. 編譯、上傳並運行此程式碼。你將能夠通過序列監視器看到距離測量值。將物體放置在感測器附近，你將看到距離測量值：
-
-    ```output
-    Distance = 29 mm
-    Distance = 28 mm
-    Distance = 30 mm
-    Distance = 151 mm
-    ```
-
-    測距儀位於感測器的背面，因此在測量距離時請確保使用正確的一側。
-
-    ![飛行時間感測器背面的測距儀對準一根香蕉](../../../../../translated_images/zh-HK/time-of-flight-banana.079921ad8b1496e4.webp)
-
-> 💁 你可以在 [code-proximity/wio-terminal](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/wio-terminal) 資料夾中找到此程式碼。
-
-😀 你的距離感測器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/5-retail/README.md b/translations/hk/5-retail/README.md
deleted file mode 100644
index 091b7b25b..000000000
--- a/translations/hk/5-retail/README.md
+++ /dev/null
@@ -1,34 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
-  "translation_date": "2025-08-26T13:59:27+00:00",
-  "source_file": "5-retail/README.md",
-  "language_code": "hk"
-}
--->
-# 零售 - 使用物聯網管理庫存水平
-
-飼料到達消費者的最後階段是零售——市場、蔬果店、超市和商店，這些地方向消費者銷售產品。這些商店希望確保貨架上有足夠的產品供消費者看到和購買。
-
-在食品商店，尤其是大型超市中，最繁瑣且耗時的任務之一就是確保貨架上有足夠的庫存。需要檢查每個貨架，確保任何空缺都能從庫房補充產品。
-
-物聯網可以幫助解決這個問題，通過在物聯網設備上運行人工智能模型來計算庫存，使用不僅能分類圖像，還能檢測個別物品並進行計數的機器學習模型。
-
-在這兩節課中，你將學習如何訓練基於圖像的人工智能模型來計算庫存，並在物聯網設備上運行這些模型。
-
-> 💁 這些課程將使用一些雲端資源。如果你未完成此項目中的所有課程，請確保[清理你的項目](../clean-up.md)。
-
-## 主題
-
-1. [訓練庫存檢測器](./lessons/1-train-stock-detector/README.md)
-1. [從物聯網設備檢查庫存](./lessons/2-check-stock-device/README.md)
-
-## 致謝
-
-所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/5-retail/lessons/1-train-stock-detector/README.md b/translations/hk/5-retail/lessons/1-train-stock-detector/README.md
deleted file mode 100644
index 962a264ea..000000000
--- a/translations/hk/5-retail/lessons/1-train-stock-detector/README.md
+++ /dev/null
@@ -1,206 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8df310a42f902139a01417dacb1ffbef",
-  "translation_date": "2025-08-26T14:04:31+00:00",
-  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
-  "language_code": "hk"
-}
--->
-# 訓練一個庫存檢測器
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-HK/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure Custom Vision 服務中的物件檢測功能，這是本課程將涵蓋的內容。
-
-[![Custom Vision 2 - Object Detection Made Easy | The Xamarin Show](https://img.youtube.com/vi/wtTYSyBUpFc/0.jpg)](https://www.youtube.com/watch?v=wtTYSyBUpFc)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
-
-## 簡介
-
-在上一個項目中，你使用人工智能訓練了一個影像分類器——一個可以判斷影像中是否包含某些物品（例如成熟水果或未成熟水果）的模型。另一種可以用於影像的人工智能模型是物件檢測。這些模型不會通過標籤來分類影像，而是訓練來識別物件，並能在影像中找到它們，不僅能檢測影像中是否存在物件，還能檢測物件在影像中的位置。這使得你可以計算影像中的物件數量。
-
-在本課程中，你將學習物件檢測，包括它在零售中的應用方式。你還將學習如何在雲端訓練一個物件檢測器。
-
-本課程將涵蓋：
-
-* [物件檢測](../../../../../5-retail/lessons/1-train-stock-detector)
-* [在零售中使用物件檢測](../../../../../5-retail/lessons/1-train-stock-detector)
-* [訓練物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
-* [測試你的物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
-* [重新訓練你的物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
-
-## 物件檢測
-
-物件檢測是使用人工智能來檢測影像中的物件。與你在上一個項目中訓練的影像分類器不同，物件檢測不是用來預測整個影像的最佳標籤，而是用來在影像中找到一個或多個物件。
-
-### 物件檢測 vs 影像分類
-
-影像分類是針對整個影像進行分類——判斷整個影像符合每個標籤的概率。你會得到模型訓練時使用的每個標籤的概率。
-
-![腰果和番茄醬的影像分類](../../../../../translated_images/zh-HK/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png)
-
-在上面的例子中，兩張影像使用了一個訓練來分類腰果罐或番茄醬罐的模型進行分類。第一張影像是一罐腰果，影像分類器的結果如下：
-
-| 標籤            | 機率       |
-| -------------- | ----------: |
-| `腰果`         | 98.4%       |
-| `番茄醬`       | 1.6%        |
-
-第二張影像是一罐番茄醬，結果如下：
-
-| 標籤            | 機率       |
-| -------------- | ----------: |
-| `腰果`         | 0.7%        |
-| `番茄醬`       | 99.3%       |
-
-你可以使用這些數值和一個閾值百分比來預測影像中包含的物品。但如果影像中包含多罐番茄醬，或者同時包含腰果和番茄醬呢？結果可能不會給你想要的答案。這就是物件檢測的用武之地。
-
-物件檢測涉及訓練一個模型來識別物件。與其提供包含物件的影像並告訴它每張影像是某個標籤，不如突出影像中包含特定物件的部分，並標記它。你可以在影像中標記單個物件或多個物件。這樣模型就能學習物件本身的樣子，而不僅僅是包含物件的影像的樣子。
-
-當你用它來預測影像時，與返回標籤和百分比的列表不同，你會得到一個檢測到的物件列表，包括它們的邊界框以及該邊界框符合分配標籤的概率。
-
-> 🎓 *邊界框* 是物件周圍的框。
-
-![腰果和番茄醬的物件檢測](../../../../../translated_images/zh-HK/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png)
-
-上面的影像包含一罐腰果和三罐番茄醬。物件檢測器檢測到了腰果，返回了包含腰果的邊界框以及該邊界框包含物件的概率，在此例中為 97.6%。物件檢測器還檢測到了三罐番茄醬，並提供了三個單獨的邊界框，每個檢測到的罐子都有一個邊界框以及該邊界框包含番茄醬罐的概率。
-
-✅ 想一想你可能想用基於影像的人工智能模型來完成的不同場景。哪些需要分類，哪些需要物件檢測？
-
-### 物件檢測的工作原理
-
-物件檢測使用複雜的機器學習模型。這些模型通過將影像分成多個單元，然後檢查邊界框的中心是否是影像中符合模型訓練影像的中心。你可以將其想像成在影像的不同部分運行影像分類器以尋找匹配。
-
-> 💁 這是一個非常簡化的描述。物件檢測有許多技術，你可以在 [Wikipedia 的物件檢測頁面](https://wikipedia.org/wiki/Object_detection) 上了解更多。
-
-有許多不同的模型可以進行物件檢測。一個特別著名的模型是 [YOLO (You only look once)](https://pjreddie.com/darknet/yolo/)，它速度非常快，可以檢測 20 種不同類別的物件，例如人、狗、瓶子和汽車。
-
-✅ 閱讀 [pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/) 上的 YOLO 模型相關內容。
-
-物件檢測模型可以通過遷移學習重新訓練來檢測自定義物件。
-
-## 在零售中使用物件檢測
-
-物件檢測在零售中有多種用途。一些包括：
-
-* **庫存檢查和計數** - 識別貨架上的庫存是否不足。如果庫存過低，可以向員工或機器人發送通知以補充貨架。
-* **口罩檢測** - 在公共衛生事件期間有口罩政策的商店中，物件檢測可以識別佩戴口罩和未佩戴口罩的人。
-* **自動結算** - 在自動化商店中檢測從貨架上取下的物品並適當地向顧客收費。
-* **危險檢測** - 識別地板上的破損物品或溢出的液體，通知清潔人員。
-
-✅ 做一些研究：物件檢測在零售中還有哪些其他用途？
-
-## 訓練物件檢測器
-
-你可以使用 Custom Vision 訓練物件檢測器，方式與訓練影像分類器類似。
-
-### 任務 - 創建物件檢測器
-
-1. 為此項目創建一個名為 `stock-detector` 的資源群組。
-
-1. 在 `stock-detector` 資源群組中創建一個免費的 Custom Vision 訓練資源和一個免費的 Custom Vision 預測資源。分別命名為 `stock-detector-training` 和 `stock-detector-prediction`。
-
-    > 💁 你只能擁有一個免費的訓練和預測資源，因此請確保你已清理之前課程中的項目。
-
-    > ⚠️ 如果需要，可以參考 [項目 4，課程 1 中創建訓練和預測資源的指導](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource)。
-
-1. 打開 [CustomVision.ai](https://customvision.ai) 的 Custom Vision 入口網站，並使用你的 Azure 帳戶的 Microsoft 帳戶登錄。
-
-1. 按照 Microsoft Docs 上 [Build an object detector quickstart 的 Create a new Project 部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#create-a-new-project) 創建一個新的 Custom Vision 項目。UI 可能會改變，這些文檔始終是最新的參考。
-
-    將你的項目命名為 `stock-detector`。
-
-    創建項目時，請確保使用你之前創建的 `stock-detector-training` 資源。使用 *Object Detection* 項目類型和 *Products on Shelves* 域。
-
-    ![Custom Vision 項目設置，名稱設置為 fruit-quality-detector，無描述，資源設置為 fruit-quality-detector-training，項目類型設置為 classification，分類類型設置為 multi class，域設置為 food](../../../../../translated_images/zh-HK/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png)
-
-    ✅ *Products on Shelves* 域專門用於檢測貨架上的庫存。閱讀更多有關不同域的信息，請參考 [Microsoft Docs 上的 Select a domain 文檔](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection)。
-
-✅ 花些時間探索你的物件檢測器的 Custom Vision UI。
-
-### 任務 - 訓練你的物件檢測器
-
-要訓練你的模型，你需要一組包含你想檢測的物件的影像。
-
-1. 收集包含要檢測物件的影像。你需要至少 15 張包含每個物件的影像，角度和光線條件各異，但越多越好。此物件檢測器使用 *Products on Shelves* 域，因此嘗試將物件設置為像在商店貨架上一樣。你還需要一些影像來測試模型。如果你要檢測多個物件，你會希望一些測試影像包含所有物件。
-
-    > 💁 包含多個不同物件的影像計入影像最低要求的 15 張。
-
-    你的影像應該是 png 或 jpeg 格式，大小小於 6MB。如果你使用 iPhone 創建影像，它們可能是高分辨率的 HEIC 格式，因此需要轉換並可能縮小。影像越多越好，並且應該有相似數量的成熟和未成熟物件。
-
-    該模型專為貨架上的產品設計，因此嘗試在貨架上拍攝物件的照片。
-
-    你可以在 [images](../../../../../5-retail/lessons/1-train-stock-detector/images) 文件夾中找到一些腰果和番茄醬的示例影像供你使用。
-
-1. 按照 Microsoft Docs 上 [Build an object detector quickstart 的 Upload and tag images 部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) 上傳你的訓練影像。根據你想檢測的物件類型創建相關標籤。
-
-    ![上傳對話框顯示上傳成熟和未成熟香蕉的圖片](../../../../../translated_images/zh-HK/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png)
-
-    畫物件的邊界框時，保持框緊貼物件。標記所有影像可能需要一些時間，但工具會檢測它認為是邊界框的部分，從而加快速度。
-
-    ![標記一些番茄醬](../../../../../translated_images/zh-HK/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png)
-
-    > 💁 如果你有超過 15 張影像的每個物件，你可以在 15 張影像後進行訓練，然後使用 **Suggested tags** 功能。這將使用訓練的模型檢測未標記影像中的物件。你可以確認檢測到的物件，或者拒絕並重新畫邊界框。這可以節省大量時間。
-
-1. 按照 Microsoft Docs 上 [Build an object detector quickstart 的 Train the detector 部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector) 訓練你的物件檢測器。
-
-    你將被要求選擇訓練類型。選擇 **Quick Training**。
-
-物件檢測器將開始訓練。訓練完成需要幾分鐘。
-
-## 測試你的物件檢測器
-
-一旦你的物件檢測器訓練完成，你可以通過提供新的影像來測試它是否能檢測物件。
-
-### 任務 - 測試你的物件檢測器
-
-1. 使用 **Quick Test** 按鈕上傳測試影像並驗證物件是否被檢測到。使用你之前創建的測試影像，而不是任何用於訓練的影像。
-
-    ![檢測到 3 罐番茄醬，概率分別為 38%、35.5% 和 34.6%](../../../../../translated_images/zh-HK/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png)
-
-1. 嘗試所有你擁有的測試影像並觀察概率。
-
-## 重新訓練你的物件檢測器
-
-當你測試你的物件檢測器時，它可能不會給出你期望的結果，就像在上一個項目中的影像分類器一樣。你可以通過使用錯誤的影像重新訓練來改進你的物件檢測器。
-
-每次使用快速測試選項進行預測時，影像和結果都會被存儲。你可以使用這些影像重新訓練你的模型。
-
-1. 使用 **Predictions** 標籤找到你用於測試的影像。
-
-1. 確認任何準確的檢測，刪除錯誤的檢測並添加任何缺失的物件。
-
-1. 重新訓練並重新測試模型。
-
----
-
-## 🚀 挑戰
-
-如果你用物件檢測器檢測外觀相似的物品，例如同品牌的番茄醬罐和切碎番茄罐，會發生什麼？
-
-如果你有任何外觀相似的物品，嘗試將它們的影像添加到你的物件檢測器中進行測試。
-
-## 課後測驗
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
-
-## 回顧與自學
-
-* 當你訓練物件偵測器時，你應該會看到 *Precision*（精確度）、*Recall*（召回率）和 *mAP*（平均精度）等數值，這些數值用來評估所建立的模型。請參考 [Microsoft 文件中「建立物件偵測器快速入門」的「評估偵測器」部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector) 了解這些數值的含義。
-* 在 [維基百科的物件偵測頁面](https://wikipedia.org/wiki/Object_detection) 閱讀更多關於物件偵測的資訊。
-
-## 作業
-
-[比較領域](assignment.md)
-
----
-
-**免責聲明**：  
-此文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤詮釋概不負責。  
\ No newline at end of file
diff --git a/translations/hk/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/hk/5-retail/lessons/1-train-stock-detector/assignment.md
deleted file mode 100644
index ade382e4b..000000000
--- a/translations/hk/5-retail/lessons/1-train-stock-detector/assignment.md
+++ /dev/null
@@ -1,28 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
-  "translation_date": "2025-08-26T14:06:16+00:00",
-  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
-  "language_code": "hk"
-}
--->
-# 比較領域
-
-## 指示
-
-當你建立物件檢測器時，可以選擇多個領域。比較它們在你的股票檢測器中的表現，並描述哪一個效果更好。
-
-要更改領域，請選擇頂部菜單中的 **設定** 按鈕，選擇新的領域，然後選擇 **儲存更改** 按鈕，接著重新訓練模型。確保使用新領域訓練的新版本模型進行測試。
-
-## 評分標準
-
-| 標準 | 卓越 | 合格 | 需要改進 |
-| ---- | ---- | ---- | -------- |
-| 使用不同領域訓練模型 | 能夠更改領域並重新訓練模型 | 能夠更改領域並重新訓練模型 | 無法更改領域或重新訓練模型 |
-| 測試模型並比較結果 | 能夠使用不同領域測試模型，比較結果並描述哪個更好 | 能夠使用不同領域測試模型，但無法比較結果並描述哪個更好 | 無法使用不同領域測試模型 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/5-retail/lessons/2-check-stock-device/README.md b/translations/hk/5-retail/lessons/2-check-stock-device/README.md
deleted file mode 100644
index ce36884c9..000000000
--- a/translations/hk/5-retail/lessons/2-check-stock-device/README.md
+++ /dev/null
@@ -1,191 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
-  "translation_date": "2025-08-26T14:00:37+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
-  "language_code": "hk"
-}
--->
-# 從物聯網設備檢查庫存
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
-
-## 簡介
-
-在上一課中，你學習了物件偵測在零售中的不同應用，也學會了如何訓練一個物件偵測器來識別庫存。在本課中，你將學習如何從物聯網設備使用你的物件偵測器來計算庫存。
-
-本課將涵蓋以下內容：
-
-* [庫存計算](../../../../../5-retail/lessons/2-check-stock-device)
-* [從物聯網設備調用物件偵測器](../../../../../5-retail/lessons/2-check-stock-device)
-* [邊界框](../../../../../5-retail/lessons/2-check-stock-device)
-* [重新訓練模型](../../../../../5-retail/lessons/2-check-stock-device)
-* [計算庫存](../../../../../5-retail/lessons/2-check-stock-device)
-
-> 🗑 這是本專案的最後一課，因此在完成本課和作業後，別忘了清理你的雲端服務。你需要這些服務來完成作業，所以請確保先完成作業。
->
-> 如有需要，請參考[清理專案指南](../../../clean-up.md)以獲取相關指導。
-
-## 庫存計算
-
-物件偵測器可以用於檢查庫存，無論是計算庫存數量還是確保庫存位於正確位置。配備攝像頭的物聯網設備可以部署在商店的各個地方來監控庫存，尤其是那些需要頻繁補貨的熱點區域，例如存放少量高價值商品的地方。
-
-例如，如果一台攝像頭對準一組可以容納8罐番茄醬的貨架，而物件偵測器只偵測到7罐，那麼就缺少了一罐，需要補貨。
-
-![貨架上有7罐番茄醬，頂層4罐，下層3罐](../../../../../translated_images/zh-HK/stock-7-cans-tomato-paste.f86059cc573d7bec.webp)
-
-在上圖中，物件偵測器偵測到貨架上有7罐番茄醬，而該貨架可以容納8罐。不僅物聯網設備可以發送補貨通知，它甚至可以提供缺失物品的位置資訊，這對於使用機器人補貨的情況尤為重要。
-
-> 💁 根據商店和商品的受歡迎程度，如果只缺少一罐，可能不會立即補貨。你需要根據產品、顧客和其他標準建立一個補貨算法。
-
-✅ 你能想到其他哪些情境可以結合物件偵測和機器人使用？
-
-有時，貨架上可能會出現錯誤的庫存。這可能是補貨時的人為錯誤，或者是顧客改變購買決定後將商品放回第一個可用的位置。如果是非易腐商品（如罐頭食品），這只是個小麻煩；但如果是易腐商品（如冷凍或冷藏食品），這可能導致商品無法再出售，因為無法確定該商品離開冷凍區的時間。
-
-物件偵測可以用來偵測意外的物品，並通知人員或機器人盡快將物品歸位。
-
-![番茄醬貨架上的一罐玉米罐頭](../../../../../translated_images/zh-HK/stock-rogue-corn.be1f3ada8c457854.webp)
-
-在上圖中，一罐玉米罐頭被放在了番茄醬貨架上。物件偵測器偵測到了這一情況，使物聯網設備能夠通知人員或機器人將罐頭放回正確的位置。
-
-## 從物聯網設備調用物件偵測器
-
-你在上一課中訓練的物件偵測器可以從物聯網設備調用。
-
-### 任務 - 發佈物件偵測器的迭代版本
-
-可以從 Custom Vision 入口網站發佈迭代版本。
-
-1. 打開 [CustomVision.ai](https://customvision.ai) 並登入（如果尚未開啟）。然後打開你的 `stock-detector` 專案。
-
-1. 從頂部選項中選擇 **Performance** 標籤。
-
-1. 從側邊的 *Iterations* 列表中選擇最新的迭代版本。
-
-1. 為該迭代版本選擇 **Publish** 按鈕。
-
-    ![發佈按鈕](../../../../../translated_images/zh-HK/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png)
-
-1. 在 *Publish Model* 對話框中，將 *Prediction resource* 設置為你在上一課中創建的 `stock-detector-prediction` 資源。名稱保持為 `Iteration2`，然後選擇 **Publish** 按鈕。
-
-1. 發佈後，選擇 **Prediction URL** 按鈕。這將顯示預測 API 的詳細資訊，你需要這些資訊來從物聯網設備調用模型。下方標記為 *If you have an image file* 的部分是你需要的詳細資訊。複製顯示的 URL，該 URL 可能類似於：
-
-    ```output
-    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
-    ```
-
-    其中 `<location>` 是你創建 Custom Vision 資源時使用的位置，而 `<id>` 是由字母和數字組成的長 ID。
-
-    同時複製 *Prediction-Key* 值。這是一個安全密鑰，調用模型時必須傳遞該密鑰。只有傳遞該密鑰的應用程式才能使用模型，其他應用程式將被拒絕。
-
-    ![顯示 URL 和密鑰的預測 API 對話框](../../../../../translated_images/zh-HK/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png)
-
-✅ 當發佈新迭代版本時，它將有不同的名稱。你認為應該如何更改物聯網設備使用的迭代版本？
-
-### 任務 - 從物聯網設備調用物件偵測器
-
-按照以下相關指南，從物聯網設備使用物件偵測器：
-
-* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
-* [單板電腦 - Raspberry Pi/虛擬設備](single-board-computer-object-detector.md)
-
-## 邊界框
-
-使用物件偵測器時，你不僅會獲得被偵測物件的標籤和概率，還會獲得物件的邊界框。這些邊界框定義了物件偵測器以給定概率偵測到物件的位置。
-
-> 💁 邊界框是一個框，用於定義包含被偵測物件的區域，框的邊界即為物件的範圍。
-
-在 Custom Vision 的 **Predictions** 標籤中，預測結果會在發送進行預測的圖像上繪製邊界框。
-
-![貨架上4罐番茄醬的預測結果，分別為35.8%、33.5%、25.7% 和 16.6%](../../../../../translated_images/zh-HK/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png)
-
-在上圖中，偵測到4罐番茄醬。在結果中，每個被偵測物件的圖像上都疊加了一個紅色方框，表示該物件的邊界框。
-
-✅ 打開 Custom Vision 的預測結果，查看邊界框。
-
-邊界框由4個值定義——上邊距（top）、左邊距（left）、高度（height）和寬度（width）。這些值的範圍是0到1，表示相對於圖像大小的百分比位置。原點（0,0）是圖像的左上角，因此上邊距是從頂部的距離，而邊界框的底部是上邊距加上高度。
-
-![番茄醬罐頭周圍的邊界框](../../../../../translated_images/zh-HK/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png)
-
-上圖的寬度為600像素，高度為800像素。邊界框從320像素處開始，給出上邊距值為0.4（800 x 0.4 = 320）。從左側開始，邊界框從240像素處開始，給出左邊距值為0.4（600 x 0.4 = 240）。邊界框的高度為240像素，給出高度值為0.3（800 x 0.3 = 240）。邊界框的寬度為120像素，給出寬度值為0.2（600 x 0.2 = 120）。
-
-| 座標      | 值    |
-| --------- | ----: |
-| 上邊距    | 0.4   |
-| 左邊距    | 0.4   |
-| 高度      | 0.3   |
-| 寬度      | 0.2   |
-
-使用0到1的百分比值意味著無論圖像被縮放到什麼大小，邊界框都會從0.4的位置開始，並且高度為0.3，寬度為0.2。
-
-你可以結合邊界框和概率來評估偵測的準確性。例如，物件偵測器可能會偵測到多個重疊的物件，例如一個罐頭在另一個罐頭內。你的程式碼可以檢查邊界框，理解這是不可能的，並忽略任何與其他物件有顯著重疊的物件。
-
-![兩個重疊的邊界框圍繞一罐番茄醬](../../../../../translated_images/zh-HK/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png)
-
-在上圖中，一個邊界框顯示了一個78.3%概率的番茄醬罐頭預測。另一個邊界框稍小，位於第一個邊界框內，概率為64.3%。你的程式碼可以檢查邊界框，發現它們完全重疊，並忽略較低概率的預測，因為不可能一個罐頭在另一個罐頭內。
-
-✅ 你能想到哪些情況下偵測到一個物件在另一個物件內是合理的？
-
-## 重新訓練模型
-
-與圖像分類器類似，你可以使用物聯網設備捕獲的數據重新訓練模型。使用這些真實世界的數據可以確保模型在物聯網設備上運行良好。
-
-與圖像分類器不同，你不能僅僅標記一張圖像。相反，你需要檢查模型偵測到的每個邊界框。如果邊界框圍繞的是錯誤的物件，則需要刪除；如果位置不正確，則需要調整。
-
-### 任務 - 重新訓練模型
-
-1. 確保你已使用物聯網設備捕獲了一系列圖像。
-
-1. 在 **Predictions** 標籤中，選擇一張圖像。你會看到紅色方框，表示偵測到的物件的邊界框。
-
-1. 檢查每個邊界框。首先選擇它，你會看到一個彈出視窗顯示標籤。如果需要，使用邊界框角上的控制點調整大小。如果標籤錯誤，使用 **X** 按鈕刪除並添加正確的標籤。如果邊界框不包含物件，使用垃圾桶按鈕刪除它。
-
-1. 完成後關閉編輯器，圖像將從 **Predictions** 標籤移至 **Training Images** 標籤。對所有預測重複此過程。
-
-1. 使用 **Train** 按鈕重新訓練模型。訓練完成後，發佈迭代版本並更新物聯網設備以使用新迭代版本的 URL。
-
-1. 重新部署程式碼並測試物聯網設備。
-
-## 計算庫存
-
-結合偵測到的物件數量和邊界框，你可以計算貨架上的庫存。
-
-### 任務 - 計算庫存
-
-按照以下相關指南，使用物件偵測器的結果從物聯網設備計算庫存：
-
-* [Arduino - Wio Terminal](wio-terminal-count-stock.md)
-* [單板電腦 - Raspberry Pi/虛擬設備](single-board-computer-count-stock.md)
-
----
-
-## 🚀 挑戰
-
-你能偵測到錯誤的庫存嗎？訓練你的模型以識別多種物件，然後更新應用程式以在偵測到錯誤庫存時提醒你。
-
-甚至可以進一步嘗試，偵測同一貨架上的並排庫存，並通過定義邊界框的限制來查看是否有物品被放錯位置。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/40)
-
-## 回顧與自學
-
-* 了解更多關於如何設計端到端庫存偵測系統，請參考 [Microsoft Docs 上的邊緣缺貨偵測模式指南](https://docs.microsoft.com/hybrid/app-solutions/pattern-out-of-stock-at-edge?WT.mc_id=academic-17441-jabenn)。
-* 觀看 [Behind the scenes of a retail solution - Hands On!](https://www.youtube.com/watch?v=m3Pc300x2Mw) 的 YouTube 視頻，學習如何結合多種物聯網和雲服務構建端到端零售解決方案。
-
-## 作業
-
-[在邊緣使用你的物件偵測器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/5-retail/lessons/2-check-stock-device/assignment.md b/translations/hk/5-retail/lessons/2-check-stock-device/assignment.md
deleted file mode 100644
index 036fc0ce5..000000000
--- a/translations/hk/5-retail/lessons/2-check-stock-device/assignment.md
+++ /dev/null
@@ -1,25 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
-  "translation_date": "2025-08-26T14:02:07+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
-  "language_code": "hk"
-}
--->
-# 在邊緣設備上使用你的物件檢測器
-
-## 指引
-
-在上一個項目中，你已經將圖像分類器部署到邊緣設備。現在，對你的物件檢測器做同樣的操作，將其導出為一個精簡模型，並在邊緣設備上運行，從你的 IoT 設備訪問邊緣版本。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 將物件檢測器部署到邊緣設備 | 能夠使用正確的精簡域，導出物件檢測器並在邊緣設備上運行 | 能夠使用正確的精簡域並導出物件檢測器，但無法在邊緣設備上運行 | 無法使用正確的精簡域，導出物件檢測器，並在邊緣設備上運行 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/hk/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
deleted file mode 100644
index f0014f349..000000000
--- a/translations/hk/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
+++ /dev/null
@@ -1,177 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9c4320311c0f2c1884a6a21265d98a51",
-  "translation_date": "2025-08-26T14:03:02+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
-  "language_code": "hk"
-}
--->
-# 從您的 IoT 設備計算庫存 - 虛擬 IoT 硬件與 Raspberry Pi
-
-結合預測結果及其邊界框，可以用來計算圖像中的庫存數量。
-
-## 顯示邊界框
-
-作為一個有用的調試步驟，您不僅可以打印出邊界框，還可以將它們繪製在捕獲圖像時保存到磁碟的圖像上。
-
-### 任務 - 打印邊界框
-
-1. 確保在 VS Code 中打開了 `stock-counter` 專案，並且如果您使用的是虛擬 IoT 設備，已啟動虛擬環境。
-
-1. 將 `for` 迴圈中的 `print` 語句更改為以下內容，以將邊界框打印到控制台：
-
-    ```python
-    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
-    ```
-
-1. 將相機對準架子上的一些庫存運行應用程式。邊界框將打印到控制台，左、上、寬和高的值範圍為 0-1。
-
-    ```output
-    pi@raspberrypi:~/stock-counter $ python3 app.py 
-    tomato paste:   33.42%  {'additional_properties': {}, 'left': 0.3455171, 'top': 0.09916268, 'width': 0.14175442, 'height': 0.29405564}
-    tomato paste:   34.41%  {'additional_properties': {}, 'left': 0.48283678, 'top': 0.10242918, 'width': 0.11782813, 'height': 0.27467814}
-    tomato paste:   31.25%  {'additional_properties': {}, 'left': 0.4923783, 'top': 0.35007596, 'width': 0.13668466, 'height': 0.28304994}
-    tomato paste:   31.05%  {'additional_properties': {}, 'left': 0.36416405, 'top': 0.37494493, 'width': 0.14024884, 'height': 0.26880276}
-    ```
-
-### 任務 - 在圖像上繪製邊界框
-
-1. Pip 套件 [Pillow](https://pypi.org/project/Pillow/) 可用於在圖像上繪製。使用以下命令安裝：
-
-    ```sh
-    pip3 install pillow
-    ```
-
-    如果您使用的是虛擬 IoT 設備，請確保在啟動的虛擬環境中運行此命令。
-
-1. 在 `app.py` 文件的頂部添加以下導入語句：
-
-    ```python
-    from PIL import Image, ImageDraw, ImageColor
-    ```
-
-    這將導入編輯圖像所需的代碼。
-
-1. 在 `app.py` 文件的末尾添加以下代碼：
-
-    ```python
-    with Image.open('image.jpg') as im:
-        draw = ImageDraw.Draw(im)
-    
-        for prediction in predictions:
-            scale_left = prediction.bounding_box.left
-            scale_top = prediction.bounding_box.top
-            scale_right = prediction.bounding_box.left + prediction.bounding_box.width
-            scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
-            
-            left = scale_left * im.width
-            top = scale_top * im.height
-            right = scale_right * im.width
-            bottom = scale_bottom * im.height
-    
-            draw.rectangle([left, top, right, bottom], outline=ImageColor.getrgb('red'), width=2)
-    
-        im.save('image.jpg')
-    ```
-
-    此代碼打開之前保存的圖像進行編輯。然後，它迴圈遍歷預測結果，獲取邊界框，並使用 0-1 的邊界框值計算右下角的座標。這些值通過乘以圖像的相關尺寸轉換為圖像座標。例如，如果左值為 0.5，圖像寬度為 600 像素，則轉換為 300 (0.5 x 600 = 300)。
-
-    每個邊界框都使用紅線繪製在圖像上。最後，編輯後的圖像被保存，覆蓋原始圖像。
-
-1. 將相機對準架子上的一些庫存運行應用程式。您將在 VS Code 的檔案瀏覽器中看到 `image.jpg` 文件，並可以選擇它來查看邊界框。
-
-    ![4 罐番茄醬，每罐周圍都有邊界框](../../../../../translated_images/zh-HK/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f.webp)
-
-## 計算庫存
-
-在上圖中，邊界框有些許重疊。如果這種重疊更大，則邊界框可能表示同一個物件。為了正確計算物件數量，您需要忽略具有顯著重疊的框。
-
-### 任務 - 忽略重疊計算庫存
-
-1. Pip 套件 [Shapely](https://pypi.org/project/Shapely/) 可用於計算交集。如果您使用的是 Raspberry Pi，您需要先安裝一個庫依賴項：
-
-    ```sh
-    sudo apt install libgeos-dev
-    ```
-
-1. 安裝 Shapely Pip 套件：
-
-    ```sh
-    pip3 install shapely
-    ```
-
-    如果您使用的是虛擬 IoT 設備，請確保在啟動的虛擬環境中運行此命令。
-
-1. 在 `app.py` 文件的頂部添加以下導入語句：
-
-    ```python
-    from shapely.geometry import Polygon
-    ```
-
-    這將導入創建多邊形以計算重疊所需的代碼。
-
-1. 在繪製邊界框的代碼上方，添加以下代碼：
-
-    ```python
-    overlap_threshold = 0.20
-    ```
-
-    這定義了允許的重疊百分比，超過該百分比時邊界框將被視為同一個物件。0.20 定義了 20% 的重疊。
-
-1. 要使用 Shapely 計算重疊，邊界框需要轉換為 Shapely 多邊形。添加以下函數來完成此操作：
-
-    ```python
-    def create_polygon(prediction):
-        scale_left = prediction.bounding_box.left
-        scale_top = prediction.bounding_box.top
-        scale_right = prediction.bounding_box.left + prediction.bounding_box.width
-        scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
-    
-        return Polygon([(scale_left, scale_top), (scale_right, scale_top), (scale_right, scale_bottom), (scale_left, scale_bottom)])
-    ```
-
-    這將使用預測的邊界框創建一個多邊形。
-
-1. 移除重疊物件的邏輯涉及比較所有邊界框，如果任何預測對的邊界框重疊超過閾值，則刪除其中一個預測。為了比較所有預測，您需要將預測 1 與 2、3、4 等進行比較，然後將 2 與 3、4 等進行比較。以下代碼完成此操作：
-
-    ```python
-    to_delete = []
-
-    for i in range(0, len(predictions)):
-        polygon_1 = create_polygon(predictions[i])
-    
-        for j in range(i+1, len(predictions)):
-            polygon_2 = create_polygon(predictions[j])
-            overlap = polygon_1.intersection(polygon_2).area
-
-            smallest_area = min(polygon_1.area, polygon_2.area)
-    
-            if overlap > (overlap_threshold * smallest_area):
-                to_delete.append(predictions[i])
-                break
-    
-    for d in to_delete:
-        predictions.remove(d)
-
-    print(f'Counted {len(predictions)} stock items')
-    ```
-
-    重疊是使用 Shapely 的 `Polygon.intersection` 方法計算的，該方法返回一個表示重疊的多邊形。然後從該多邊形計算面積。此重疊閾值不是絕對值，而是需要作為邊界框的百分比，因此找到最小的邊界框，並使用重疊閾值計算重疊面積不能超過最小邊界框的百分比。如果重疊超過此值，則該預測被標記為刪除。
-
-    一旦預測被標記為刪除，就不需要再次檢查，因此內部迴圈跳出以檢查下一個預測。您無法在迴圈中刪除列表中的項目，因此重疊超過閾值的邊界框被添加到 `to_delete` 列表中，然後在最後刪除。
-
-    最後，庫存數量將打印到控制台。這可以發送到 IoT 服務以在庫存水平過低時發出警報。所有這些代碼都在繪製邊界框之前，因此您將在生成的圖像上看到沒有重疊的庫存預測。
-
-    > 💁 這是一種非常簡單的移除重疊的方法，只是刪除重疊對中的第一個。在生產代碼中，您可能需要加入更多邏輯，例如考慮多個物件之間的重疊，或者如果一個邊界框被另一個邊界框包含。
-
-1. 將相機對準架子上的一些庫存運行應用程式。輸出將顯示超過閾值的重疊已被忽略後的邊界框數量。嘗試調整 `overlap_threshold` 值以查看被忽略的預測。
-
-> 💁 您可以在 [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) 或 [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device) 文件夾中找到此代碼。
-
-😀 您的庫存計數程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/hk/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
deleted file mode 100644
index 31f581832..000000000
--- a/translations/hk/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
+++ /dev/null
@@ -1,88 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "a3fdfec1d1e2cb645ea11c2930b51299",
-  "translation_date": "2025-08-26T13:59:43+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
-  "language_code": "hk"
-}
--->
-# 從物聯網設備調用物件檢測器 - 虛擬物聯網硬件與樹莓派
-
-當你的物件檢測器已經發布後，就可以從你的物聯網設備中使用它。
-
-## 複製影像分類器專案
-
-你的庫存檢測器大部分內容與你在之前課程中創建的影像分類器相同。
-
-### 任務 - 複製影像分類器專案
-
-1. 建立一個名為 `stock-counter` 的資料夾，如果你使用的是虛擬物聯網設備，則在你的電腦上建立；如果你使用的是樹莓派，則在樹莓派上建立。如果你使用的是虛擬物聯網設備，請確保設置虛擬環境。
-
-1. 設置相機硬件。
-
-    * 如果你使用的是樹莓派，你需要安裝 PiCamera。你可能還需要將相機固定在一個位置，例如，將電纜掛在盒子或罐子上，或者用雙面膠將相機固定在盒子上。
-    * 如果你使用的是虛擬物聯網設備，你需要安裝 CounterFit 和 CounterFit PyCamera shim。如果你打算使用靜態影像，請捕捉一些你的物件檢測器尚未見過的影像；如果你打算使用網絡攝像頭，請確保它的位置能夠看到你要檢測的庫存。
-
-1. 複製 [製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) 中的步驟，從相機捕捉影像。
-
-1. 複製 [製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) 中的步驟，調用影像分類器。大部分代碼將被重用來檢測物件。
-
-## 將代碼從分類器更改為影像檢測器
-
-用於分類影像的代碼與用於檢測物件的代碼非常相似。主要區別在於調用 Custom Vision SDK 的方法以及調用的結果。
-
-### 任務 - 將代碼從分類器更改為影像檢測器
-
-1. 刪除分類影像並處理預測的三行代碼：
-
-    ```python
-    results = predictor.classify_image(project_id, iteration_name, image)
-    
-    for prediction in results.predictions:
-        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
-    ```
-
-    刪除這三行代碼。
-
-1. 添加以下代碼來檢測影像中的物件：
-
-    ```python
-    results = predictor.detect_image(project_id, iteration_name, image)
-
-    threshold = 0.3
-    
-    predictions = list(prediction for prediction in results.predictions if prediction.probability > threshold)
-    
-    for prediction in predictions:
-        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
-    ```
-
-    此代碼調用預測器的 `detect_image` 方法來運行物件檢測器。然後收集所有高於閾值的預測，並將它們打印到控制台。
-
-    與影像分類器每個標籤僅返回一個結果不同，物件檢測器會返回多個結果，因此需要過濾掉任何低概率的結果。
-
-1. 運行此代碼，它將捕捉一張影像，將其發送到物件檢測器，並打印出檢測到的物件。如果你使用的是虛擬物聯網設備，請確保在 CounterFit 中設置了適當的影像，或者選擇了網絡攝像頭。如果你使用的是樹莓派，請確保你的相機對準了架子上的物件。
-
-    ```output
-    pi@raspberrypi:~/stock-counter $ python3 app.py 
-    tomato paste:   34.13%
-    tomato paste:   33.95%
-    tomato paste:   35.05%
-    tomato paste:   32.80%
-    ```
-
-    > 💁 你可能需要調整 `threshold`（閾值）以適應你的影像。
-
-    你將能夠在 Custom Vision 的 **Predictions**（預測）標籤中看到拍攝的影像和這些值。
-
-    ![架子上有 4 罐番茄醬，預測結果分別為 35.8%、33.5%、25.7% 和 16.6%](../../../../../translated_images/zh-HK/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png)
-
-> 💁 你可以在 [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) 或 [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) 資料夾中找到此代碼。
-
-😀 你的庫存計數程式成功了！
-
----
-
-**免責聲明**：  
-此文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤詮釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/hk/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
deleted file mode 100644
index d0cf0ed3c..000000000
--- a/translations/hk/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
+++ /dev/null
@@ -1,181 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
-  "translation_date": "2025-08-26T14:02:21+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
-  "language_code": "hk"
-}
--->
-# 從您的 IoT 裝置計算庫存 - Wio Terminal
-
-結合預測結果及其邊界框可以用來計算影像中的庫存。
-
-## 計算庫存
-
-![4罐番茄醬，每罐周圍都有邊界框](../../../../../translated_images/zh-HK/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f.webp)
-
-在上圖中，邊界框有些許重疊。如果重疊範圍更大，邊界框可能會指向同一個物件。為了正確計算物件數量，您需要忽略重疊範圍較大的框。
-
-### 任務 - 忽略重疊計算庫存
-
-1. 如果尚未開啟您的 `stock-counter` 專案，請將其打開。
-
-1. 在 `processPredictions` 函數上方，新增以下程式碼：
-
-    ```cpp
-    const float overlap_threshold = 0.20f;
-    ```
-
-    此程式碼定義了邊界框被視為同一物件之前允許的重疊百分比。0.20 表示 20% 的重疊。
-
-1. 在此程式碼下方，並在 `processPredictions` 函數上方，新增以下程式碼以計算兩個矩形的重疊範圍：
-
-    ```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;
-    }
-    ```
-
-    此程式碼定義了一個 `Point` 結構來儲存影像上的點，以及一個 `Rect` 結構來使用左上角和右下角座標定義矩形。接著定義了一個 `area` 函數，該函數根據左上角和右下角座標計算矩形的面積。
-
-    接著定義了一個 `overlappingArea` 函數，該函數計算兩個矩形的重疊面積。如果它們沒有重疊，則返回 0。
-
-1. 在 `overlappingArea` 函數下方，宣告一個函數以將邊界框轉換為 `Rect`：
-
-    ```cpp
-    Rect rectFromBoundingBox(JsonVariant prediction)
-    {
-        JsonObject bounding_box = prediction["boundingBox"].as<JsonObject>();
-    
-        float left = bounding_box["left"].as<float>();
-        float top = bounding_box["top"].as<float>();
-        float width = bounding_box["width"].as<float>();
-        float height = bounding_box["height"].as<float>();
-    
-        Point topLeft = {left, top};
-        Point bottomRight = {left + width, top + height};
-    
-        return {topLeft, bottomRight};
-    }
-    ```
-
-    此函數從物件檢測器的預測中提取邊界框，並使用邊界框上的值定義矩形。右側是由左側加上寬度計算得出。底部是由頂部加上高度計算得出。
-
-1. 需要將預測結果彼此比較，如果兩個預測結果的重疊超過閾值，則其中一個需要被刪除。重疊閾值是一個百分比，因此需要乘以最小邊界框的大小，以檢查重疊是否超過邊界框的指定百分比，而不是整個影像的指定百分比。首先，刪除 `processPredictions` 函數的內容。
-
-1. 在空的 `processPredictions` 函數中新增以下程式碼：
-
-    ```cpp
-    std::vector<JsonVariant> passed_predictions;
-
-    for (int i = 0; i < predictions.size(); ++i)
-    {
-        Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
-        float prediction_1_area = area(prediction_1_rect);
-        bool passed = true;
-
-        for (int j = i + 1; j < predictions.size(); ++j)
-        {
-            Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
-            float prediction_2_area = area(prediction_2_rect);
-
-            float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
-            float smallest_area = min(prediction_1_area, prediction_2_area);
-
-            if (overlap > (overlap_threshold * smallest_area))
-            {
-                passed = false;
-                break;
-            }
-        }
-
-        if (passed)
-        {
-            passed_predictions.push_back(predictions[i]);
-        }
-    }
-    ```
-
-    此程式碼宣告了一個向量來儲存不重疊的預測結果。接著，它迴圈遍歷所有預測結果，從邊界框建立一個 `Rect`。
-
-    接著，此程式碼迴圈遍歷剩餘的預測結果，從當前預測結果之後的那一個開始。這樣可以避免重複比較預測結果——一旦 1 和 2 已經比較過，就不需要再比較 2 和 1，只需比較 2 和 3、4 等。
-
-    對於每一對預測結果，計算重疊面積。接著將其與最小邊界框的面積進行比較——如果重疊超過最小邊界框的閾值百分比，則該預測結果被標記為未通過。如果在比較所有重疊後，該預測結果通過檢查，則將其加入 `passed_predictions` 集合。
-
-    > 💁 這是一種非常簡單的方式來移除重疊，只移除重疊對中的第一個。在生產環境的程式碼中，您可能需要加入更多邏輯，例如考慮多個物件之間的重疊，或者一個邊界框是否被另一個邊界框包含。
-
-1. 在此之後，新增以下程式碼以將通過的預測結果詳細資訊發送到序列監視器：
-
-    ```cpp
-    for(JsonVariant prediction : passed_predictions)
-    {
-        String boundingBox = prediction["boundingBox"].as<String>();
-        String tag = prediction["tagName"].as<String>();
-        float probability = prediction["probability"].as<float>();
-
-        char buff[32];
-        sprintf(buff, "%s:\t%.2f%%\t%s", tag.c_str(), probability * 100.0, boundingBox.c_str());
-        Serial.println(buff);
-    }
-    ```
-
-    此程式碼迴圈遍歷通過的預測結果，並將其詳細資訊列印到序列監視器。
-
-1. 在此之下，新增程式碼以將計算出的物件數量列印到序列監視器：
-
-    ```cpp
-    Serial.print("Counted ");
-    Serial.print(passed_predictions.size());
-    Serial.println(" stock items.");
-    ```
-
-    然後可以將此數據發送到 IoT 服務，以在庫存水平低時發出警報。
-
-1. 上傳並執行您的程式碼。將相機對準架子上的物件，並按下 C 按鈕。嘗試調整 `overlap_threshold` 值，查看預測結果被忽略的情況。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 17416
-    tomato paste:   35.84%  {"left":0.395631,"top":0.215897,"width":0.180768,"height":0.359364}
-    tomato paste:   35.87%  {"left":0.378554,"top":0.583012,"width":0.14824,"height":0.359382}
-    tomato paste:   34.11%  {"left":0.699024,"top":0.592617,"width":0.124411,"height":0.350456}
-    tomato paste:   35.16%  {"left":0.513006,"top":0.647853,"width":0.187472,"height":0.325817}
-    Counted 4 stock items.
-    ```
-
-> 💁 您可以在 [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的庫存計算程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/hk/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
deleted file mode 100644
index 92120ffbc..000000000
--- a/translations/hk/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
+++ /dev/null
@@ -1,116 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4cf1421420a6fab9ab4f2c391bd523b7",
-  "translation_date": "2025-08-26T14:03:53+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
-  "language_code": "hk"
-}
--->
-# 從物聯網設備呼叫物件檢測器 - Wio Terminal
-
-當你的物件檢測器已經發布後，就可以從你的物聯網設備上使用它。
-
-## 複製影像分類器專案
-
-你的庫存檢測器大部分內容與你在之前課程中建立的影像分類器相同。
-
-### 任務 - 複製影像分類器專案
-
-1. 按照[製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera)中的步驟，將 ArduCam 連接到 Wio Terminal。
-
-   你可能還需要將相機固定在一個位置，例如，將電纜掛在盒子或罐子上，或者用雙面膠將相機固定在盒子上。
-
-1. 使用 PlatformIO 建立一個全新的 Wio Terminal 專案，將此專案命名為 `stock-counter`。
-
-1. 按照[製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device)中的步驟，從相機捕捉影像。
-
-1. 按照[製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device)中的步驟，呼叫影像分類器。大部分的程式碼將被重複使用來檢測物件。
-
-## 將程式碼從分類器改為影像檢測器
-
-用於分類影像的程式碼與用於檢測物件的程式碼非常相似。主要的區別在於從 Custom Vision 獲得的 URL 以及呼叫的結果。
-
-### 任務 - 將程式碼從分類器改為影像檢測器
-
-1. 在 `main.cpp` 檔案的頂部新增以下 include 指令：
-
-    ```cpp
-    #include <vector>
-    ```
-
-1. 將 `classifyImage` 函數重新命名為 `detectStock`，包括函數名稱以及在 `buttonPressed` 函數中的呼叫。
-
-1. 在 `detectStock` 函數上方，宣告一個閾值，用於過濾掉任何機率較低的檢測結果：
-
-    ```cpp
-    const float threshold = 0.3f;
-    ```
-
-    與影像分類器只返回每個標籤的一個結果不同，物件檢測器會返回多個結果，因此需要過濾掉任何機率較低的結果。
-
-1. 在 `detectStock` 函數上方，宣告一個函數來處理預測結果：
-
-    ```cpp
-    void processPredictions(std::vector<JsonVariant> &predictions)
-    {
-        for(JsonVariant prediction : predictions)
-        {
-            String tag = prediction["tagName"].as<String>();
-            float probability = prediction["probability"].as<float>();
-    
-            char buff[32];
-            sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
-            Serial.println(buff);
-        }
-    }
-    ```
-
-    這個函數會接收一個預測結果的列表，並將其輸出到序列監控器。
-
-1. 在 `detectStock` 函數中，將迴圈處理預測結果的 `for` 迴圈內容替換為以下內容：
-
-    ```cpp
-    std::vector<JsonVariant> passed_predictions;
-
-    for(JsonVariant prediction : predictions) 
-    {
-        float probability = prediction["probability"].as<float>();
-        if (probability > threshold)
-        {
-            passed_predictions.push_back(prediction);
-        }
-    }
-
-    processPredictions(passed_predictions);
-    ```
-
-    這段程式碼會遍歷預測結果，將機率與閾值進行比較。所有機率高於閾值的預測結果會被加入到一個 `list` 中，並傳遞給 `processPredictions` 函數。
-
-1. 上傳並執行你的程式碼。將相機對準架子上的物件，然後按下 C 按鈕。你會在序列監控器中看到輸出：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 17416
-    tomato paste:   35.84%
-    tomato paste:   35.87%
-    tomato paste:   34.11%
-    tomato paste:   35.16%
-    ```
-
-    > 💁 你可能需要根據你的影像調整 `threshold` 到一個合適的值。
-
-    你將能夠看到拍攝的影像，並在 Custom Vision 的 **Predictions** 標籤中看到這些值。
-
-    ![架子上有 4 罐番茄醬，檢測結果分別為 35.8%、33.5%、25.7% 和 16.6%](../../../../../translated_images/zh-HK/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png)
-
-> 💁 你可以在 [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 你的庫存計數程式成功了！
-
----
-
-**免責聲明**：  
-此文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議使用專業的人工作翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤詮釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/README.md b/translations/hk/6-consumer/README.md
deleted file mode 100644
index 4ddc70c3e..000000000
--- a/translations/hk/6-consumer/README.md
+++ /dev/null
@@ -1,36 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
-  "translation_date": "2025-08-26T15:19:49+00:00",
-  "source_file": "6-consumer/README.md",
-  "language_code": "hk"
-}
--->
-# 消費者物聯網 - 建立智能語音助手
-
-食物已經種植好，運送到加工廠，經過品質篩選，在商店售賣，現在是時候開始烹飪了！廚房中不可或缺的一部分就是計時器。最初的計時器是沙漏——當所有沙子流到下方的玻璃球時，食物就煮好了。後來演變成機械式計時器，再到電子計時器。
-
-最新的版本已經成為我們智能設備的一部分。在世界各地的家庭廚房裡，你會聽到廚師喊著「Hey Siri - 設定一個10分鐘的計時器」，或者「Alexa - 取消我的麵包計時器」。現在你不需要再走回廚房查看計時器，你可以直接用手機查看，或者在房間裡喊一聲。
-
-在這四節課中，你將學習如何建立一個智能計時器，使用人工智能來識別你的語音，理解你的需求，並回應有關計時器的信息。你還會添加多語言支持。
-
-> ⚠️ 使用語音和麥克風數據需要大量記憶體，這意味著在微控制器上很容易達到限制。這個項目已經設法解決了這些問題，但請注意，Wio Terminal 的實驗室相對複雜，可能需要比課程中的其他實驗室更多的時間。
-
-> 💁 這些課程將使用一些雲端資源。如果你未完成此項目中的所有課程，請確保[清理你的項目](../clean-up.md)。
-
-## 主題
-
-1. [使用物聯網設備識別語音](./lessons/1-speech-recognition/README.md)
-1. [理解語言](./lessons/2-language-understanding/README.md)
-1. [設置計時器並提供語音回饋](./lessons/3-spoken-feedback/README.md)
-1. [支持多語言](./lessons/4-multiple-language-support/README.md)
-
-## 致謝
-
-所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/README.md b/translations/hk/6-consumer/lessons/1-speech-recognition/README.md
deleted file mode 100644
index 972a1d042..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/README.md
+++ /dev/null
@@ -1,235 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
-  "translation_date": "2025-08-26T15:34:06+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
-  "language_code": "hk"
-}
--->
-# 使用物聯網設備進行語音識別
-
-![本課程概述的手繪筆記](../../../../../translated_images/zh-HK/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure 語音服務，這是本課程將涵蓋的主題：
-
-[![如何開始使用 Microsoft Azure YouTube 頻道的 Cognitive Services Speech 資源](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
-
-## 簡介
-
-「Alexa，設置一個12分鐘的計時器」
-
-「Alexa，計時器狀態」
-
-「Alexa，設置一個8分鐘的計時器，命名為蒸西蘭花」
-
-智能設備越來越普及。不僅僅是像 HomePods、Echos 和 Google Homes 這樣的智能音箱，還嵌入到我們的手機、手錶，甚至燈具和恆溫器中。
-
-> 💁 我家裡至少有19個具有語音助手功能的設備，這還只是我知道的部分！
-
-語音控制提高了可及性，讓行動受限的人能夠與設備互動。無論是天生缺少手臂的永久性殘疾，還是像手臂骨折這樣的暫時性殘疾，或者手上拿著購物袋或照顧小孩，能夠用語音而非雙手控制家居設備，開啟了一個全新的便利世界。比如在處理嬰兒換尿布和調皮的幼兒時，喊一聲「Hey Siri，關閉我的車庫門」可能是一個小但有效的生活改善。
-
-語音助手最受歡迎的用途之一是設置計時器，尤其是廚房計時器。能夠僅用語音設置多個計時器在廚房中非常有幫助——不需要停下揉麵團、攪湯，或者清理手上的餃子餡料來使用實體計時器。
-
-在本課程中，您將學習如何將語音識別功能集成到物聯網設備中。您將了解麥克風作為傳感器的工作原理，如何從連接到物聯網設備的麥克風捕捉音頻，以及如何使用人工智能將聽到的內容轉換為文字。在整個項目中，您將構建一個智能廚房計時器，能夠使用多種語言通過語音設置計時器。
-
-在本課程中，我們將涵蓋以下內容：
-
-* [麥克風](../../../../../6-consumer/lessons/1-speech-recognition)
-* [從物聯網設備捕捉音頻](../../../../../6-consumer/lessons/1-speech-recognition)
-* [語音轉文字](../../../../../6-consumer/lessons/1-speech-recognition)
-* [將語音轉換為文字](../../../../../6-consumer/lessons/1-speech-recognition)
-
-## 麥克風
-
-麥克風是將聲波轉換為電信號的模擬傳感器。空氣中的振動使麥克風內部的元件微小移動，從而引起電信號的微小變化。這些變化隨後被放大以生成電輸出。
-
-### 麥克風類型
-
-麥克風有多種類型：
-
-* 動圈式 - 動圈式麥克風有一個連接到移動振膜的磁鐵，該振膜在線圈中移動時會產生電流。這與大多數揚聲器的工作原理相反，揚聲器使用電流移動線圈中的磁鐵，從而移動振膜產生聲音。這意味著揚聲器可以用作動圈式麥克風，而動圈式麥克風也可以用作揚聲器。在像對講機這樣的設備中，使用者要么在聽，要么在說，但不會同時進行，一個設備可以同時充當揚聲器和麥克風。
-
-    動圈式麥克風不需要電源，電信號完全由麥克風產生。
-
-    ![Patti Smith 使用 Shure SM58（動圈心型）麥克風演唱](../../../../../translated_images/zh-HK/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg)
-
-* 緞帶式 - 緞帶式麥克風與動圈式麥克風類似，但它使用金屬緞帶代替振膜。該緞帶在磁場中移動時會產生電流。與動圈式麥克風一樣，緞帶式麥克風不需要電源。
-
-    ![美國演員 Edmund Lowe 站在標有 (NBC) Blue Network 的廣播麥克風前，手持劇本，1942年](../../../../../translated_images/zh-HK/ribbon-mic.eacc8e092c7441ca.webp)
-
-* 電容式 - 電容式麥克風有一個薄金屬振膜和一個固定的金屬背板。電流被施加到這兩者上，當振膜振動時，板之間的靜電荷發生變化，產生信號。電容式麥克風需要電源才能工作，稱為 *幻象電源*。
-
-    ![AKG Acoustics 的 C451B 小振膜電容式麥克風](../../../../../translated_images/zh-HK/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg)
-
-* MEMS - 微機電系統麥克風，或 MEMS，是芯片上的麥克風。它們在硅芯片上刻有壓力敏感振膜，工作原理類似於電容式麥克風。這些麥克風可以非常小，並集成到電路中。
-
-    ![電路板上的 MEMS 麥克風](../../../../../translated_images/zh-HK/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png)
-
-    在上圖中，標記為 **LEFT** 的芯片是一個 MEMS 麥克風，其振膜寬度不到一毫米。
-
-✅ 做些研究：您周圍有哪些麥克風——無論是在您的電腦、手機、耳機還是其他設備中。它們屬於哪種類型的麥克風？
-
-### 數字音頻
-
-音頻是一種攜帶非常細緻信息的模擬信號。要將此信號轉換為數字信號，需要每秒對音頻進行數千次採樣。
-
-> 🎓 採樣是將音頻信號轉換為代表該時刻信號的數字值。
-
-![顯示信號的折線圖，具有固定間隔的離散點](../../../../../translated_images/zh-HK/sampling.6f4fadb3f2d9dfe7.webp)
-
-數字音頻使用脈衝編碼調製（Pulse Code Modulation，PCM）進行採樣。PCM 涉及讀取信號的電壓，並使用定義的大小選擇最接近該電壓的離散值。
-
-> 💁 您可以將 PCM 視為脈衝寬度調製（PWM）的傳感器版本（PWM 在[入門項目第3課](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation)中已介紹）。PCM 涉及將模擬信號轉換為數字信號，而 PWM 涉及將數字信號轉換為模擬信號。
-
-例如，大多數流媒體音樂服務提供16位或24位音頻。這意味著它們將電壓轉換為適合16位整數或24位整數的值。16位音頻的值範圍是 -32,768 到 32,767，24位音頻的範圍是 −8,388,608 到 8,388,607。位數越多，採樣越接近我們耳朵實際聽到的聲音。
-
-> 💁 您可能聽過8位音頻，通常被稱為 LoFi。這是使用僅8位進行採樣的音頻，因此範圍是 -128 到 127。最早的電腦音頻因硬件限制僅限於8位，因此在復古遊戲中經常看到。
-
-這些採樣每秒進行數千次，使用以 KHz（每秒千次讀取）為單位的採樣率進行測量。流媒體音樂服務大多使用48KHz，但某些「無損」音頻使用高達96KHz甚至192KHz。採樣率越高，音頻越接近原始聲音，但有一定限度。是否能區分超過48KHz的音頻仍存在爭議。
-
-✅ 做些研究：如果您使用流媒體音樂服務，它使用的採樣率和位數是多少？如果您使用 CD，CD 音頻的採樣率和位數是多少？
-
-音頻數據有多種格式。您可能聽過 mp3 文件——壓縮後的音頻數據，能在不損失質量的情況下減小文件大小。未壓縮音頻通常存儲為 WAV 文件——這是一個包含44字節頭信息的文件，後面是原始音頻數據。頭信息包含採樣率（例如16KHz的16000）和採樣大小（例如16位），以及通道數量。頭信息之後是 WAV 文件的原始音頻數據。
-
-> 🎓 通道指的是音頻由多少個不同的音頻流組成。例如，立體聲音頻有左右兩個通道，則有2個通道。家庭影院系統的7.1環繞聲則有8個通道。
-
-### 音頻數據大小
-
-音頻數據相對較大。例如，捕捉未壓縮的16位音頻，採樣率為16KHz（對語音轉文字模型來說足夠），每秒需要32KB的數據：
-
-* 16位表示每個採樣需要2字節（1字節是8位）。
-* 16KHz表示每秒16,000次採樣。
-* 16,000 x 2字節 = 32,000字節每秒。
-
-這看起來數據量不大，但如果您使用的是內存有限的微控制器，這可能會成為問題。例如，Wio Terminal 只有192KB的內存，這需要存儲程序代碼和變量。即使您的程序代碼非常小，也無法捕捉超過5秒的音頻。
-
-微控制器可以訪問額外的存儲，例如 SD 卡或閃存。在構建捕捉音頻的物聯網設備時，您需要確保不僅有額外的存儲，還需要讓您的代碼將從麥克風捕捉的音頻直接寫入存儲，並在將其發送到雲端時，從存儲流式傳輸到網絡請求。這樣可以避免試圖一次性在內存中保存整塊音頻數據而導致內存不足。
-
-## 從物聯網設備捕捉音頻
-
-您的物聯網設備可以連接到麥克風以捕捉音頻，準備轉換為文字。它也可以連接到揚聲器以輸出音頻。在後續課程中，這將用於提供音頻反饋，但現在設置揚聲器以測試麥克風是有用的。
-
-### 任務 - 配置您的麥克風和揚聲器
-
-按照相關指南配置物聯網設備的麥克風和揚聲器：
-
-* [Arduino - Wio Terminal](wio-terminal-microphone.md)
-* [單板電腦 - Raspberry Pi](pi-microphone.md)
-* [單板電腦 - 虛擬設備](virtual-device-microphone.md)
-
-### 任務 - 捕捉音頻
-
-按照相關指南在您的物聯網設備上捕捉音頻：
-
-* [Arduino - Wio Terminal](wio-terminal-audio.md)
-* [單板電腦 - Raspberry Pi](pi-audio.md)
-* [單板電腦 - 虛擬設備](virtual-device-audio.md)
-
-## 語音轉文字
-
-語音轉文字或語音識別，涉及使用人工智能將音頻信號中的單詞轉換為文字。
-
-### 語音識別模型
-
-要將語音轉換為文字，音頻信號中的樣本會被分組並輸入基於循環神經網絡（RNN）的機器學習模型。這是一種機器學習模型，可以利用之前的數據來對當前數據做出決策。例如，RNN 可以將一塊音頻樣本檢測為「Hel」的聲音，當它接收到另一塊音頻樣本並認為是「lo」的聲音時，可以將其與之前的聲音結合，發現「Hello」是一個有效的單詞並選擇它作為結果。
-
-機器學習模型始終接受固定大小的數據。您在之前課程中構建的圖像分類器會將圖像調整為固定大小並進行處理。語音模型也是如此，它們必須處理固定大小的音頻塊。語音模型需要能夠結合多次預測的輸出以獲得答案，從而區分「Hi」和「Highway」，或「flock」和「floccinaucinihilipilification」。
-
-語音模型也足夠先進，可以理解上下文，並在處理更多聲音時修正它們檢測到的單詞。例如，如果您說「我去商店買了兩根香蕉和一個蘋果」，您會使用三個發音相同但拼寫不同的單詞——to、two 和 too。語音模型能夠理解上下文並使用正確的單詞拼寫。
-💁 有些語音服務允許進行自訂，以便在嘈雜的環境（例如工廠）中更好地運作，或者處理特定行業的詞彙（例如化學名稱）。這些自訂是通過提供樣本音頻和轉錄來訓練的，並使用遷移學習的方式運作，就像你在之前的課程中只用少量圖片訓練圖像分類器一樣。
-### 隱私
-
-在使用消費者物聯網設備進行語音轉文字時，隱私至關重要。這些設備會持續聆聽音頻，因此作為消費者，你不希望自己說的每一句話都被傳送到雲端並轉換成文字。這不僅會消耗大量的網絡頻寬，還會帶來巨大的隱私問題，尤其是某些智能設備製造商會隨機選擇音頻供[人工驗證生成的文字以改進模型](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings)。
-
-你只希望智能設備在你使用它時才將音頻傳送到雲端進行處理，而不是在它聽到家中的音頻時，這些音頻可能包括私人會議或親密互動。大多數智能設備的工作方式是通過*喚醒詞*，例如「Alexa」、「Hey Siri」或「OK Google」等關鍵短語，使設備「喚醒」並聆聽你說的話，直到它檢測到你的語音中斷，表明你已完成與設備的對話。
-
-> 🎓 喚醒詞檢測也被稱為*關鍵詞檢測*或*關鍵詞識別*。
-
-這些喚醒詞是在設備上檢測的，而不是在雲端。這些智能設備內置了小型的人工智能模型，這些模型在設備上運行，用於聆聽喚醒詞，當檢測到喚醒詞時，開始將音頻流傳送到雲端進行識別。這些模型非常專門化，只負責聆聽喚醒詞。
-
-> 💁 一些科技公司正在為其設備增加更多隱私功能，並在設備上進行部分語音轉文字的轉換。蘋果公司宣布，作為其2021年iOS和macOS更新的一部分，他們將支持在設備上進行語音轉文字轉換，並能處理許多請求而無需使用雲端。這得益於其設備內強大的處理器，可以運行機器學習模型。
-
-✅ 你認為將音頻傳送到雲端存儲會帶來哪些隱私和倫理問題？這些音頻是否應該被存儲？如果存儲，應該如何存儲？你認為將錄音用於執法是否是一個值得的隱私交換？
-
-喚醒詞檢測通常使用一種稱為TinyML的技術，即將機器學習模型轉換為能在微控制器上運行的形式。這些模型體積小，運行時消耗的能量非常少。
-
-為了避免訓練和使用喚醒詞模型的複雜性，你在本課程中構建的智能計時器將使用按鈕來啟動語音識別。
-
-> 💁 如果你想嘗試創建一個喚醒詞檢測模型以在Wio Terminal或Raspberry Pi上運行，可以查看這篇[Edge Impulse的語音響應教程](https://docs.edgeimpulse.com/docs/responding-to-your-voice)。如果你想使用電腦進行此操作，可以試試[Microsoft Docs上的自定義關鍵詞快速入門](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn)。
-
-## 語音轉文字
-
-![語音服務標誌](../../../../../translated_images/zh-HK/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png)
-
-就像之前項目中的圖像分類一樣，有一些預建的人工智能服務可以將音頻文件中的語音轉換為文字。其中一項服務是語音服務，它是認知服務的一部分，這些預建的人工智能服務可以在你的應用中使用。
-
-### 任務 - 配置語音人工智能資源
-
-1. 為此項目創建一個名為`smart-timer`的資源組。
-
-1. 使用以下命令創建一個免費的語音資源：
-
-    ```sh
-    az cognitiveservices account create --name smart-timer \
-                                        --resource-group smart-timer \
-                                        --kind SpeechServices \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將`<location>`替換為創建資源組時使用的位置。
-
-1. 你需要一個API密鑰來從代碼中訪問語音資源。運行以下命令以獲取密鑰：
-
-    ```sh
-    az cognitiveservices account keys list --name smart-timer \
-                                           --resource-group smart-timer \
-                                           --output table
-    ```
-
-    複製其中一個密鑰。
-
-### 任務 - 語音轉文字
-
-按照相關指南在你的物聯網設備上進行語音轉文字：
-
-* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
-* [單板電腦 - Raspberry Pi](pi-speech-to-text.md)
-* [單板電腦 - 虛擬設備](virtual-device-speech-to-text.md)
-
----
-
-## 🚀 挑戰
-
-語音識別技術已經存在很長時間，並且在不斷改進。研究目前的技術能力，並比較其隨時間的演變，包括機器轉錄的準確性與人工相比如何。
-
-你認為語音識別的未來會是什麼樣子？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
-
-## 回顧與自學
-
-* 閱讀不同麥克風類型及其工作原理，參考[Musician's HQ上的動圈麥克風與電容麥克風的區別文章](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/)。
-* 閱讀更多關於認知服務語音服務的內容，參考[Microsoft Docs上的語音服務文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn)。
-* 閱讀關鍵詞檢測的相關內容，參考[Microsoft Docs上的關鍵詞識別文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn)。
-
-## 作業
-
-[](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/hk/6-consumer/lessons/1-speech-recognition/assignment.md
deleted file mode 100644
index 308ce52db..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/assignment.md
+++ /dev/null
@@ -1,21 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5ae7654f519ae831179409dc8e528055",
-  "translation_date": "2025-08-26T15:36:26+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
-  "language_code": "hk"
-}
--->
-## 指示
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | --------- | -------- | ----------------- |
-| |  |  |  |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/hk/6-consumer/lessons/1-speech-recognition/pi-audio.md
deleted file mode 100644
index ba0ad1f60..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/pi-audio.md
+++ /dev/null
@@ -1,227 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
-  "translation_date": "2025-08-26T15:33:13+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
-  "language_code": "hk"
-}
--->
-# 捕捉音訊 - Raspberry Pi
-
-在這部分課程中，你將撰寫程式碼以在 Raspberry Pi 上捕捉音訊。音訊捕捉將由按鈕控制。
-
-## 硬件
-
-Raspberry Pi 需要一個按鈕來控制音訊捕捉。
-
-你將使用的是 Grove 按鈕。這是一種數字感測器，可以開啟或關閉信號。這些按鈕可以配置為在按下時發送高信號，未按下時發送低信號，或者按下時發送低信號，未按下時發送高信號。
-
-如果你使用的是 ReSpeaker 2-Mics Pi HAT 作為麥克風，那麼不需要額外連接按鈕，因為這個 HAT 已經配備了一個按鈕。直接跳到下一部分。
-
-### 連接按鈕
-
-按鈕可以連接到 Grove 基座 HAT。
-
-#### 任務 - 連接按鈕
-
-![Grove 按鈕](../../../../../translated_images/zh-HK/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png)
-
-1. 將 Grove 電纜的一端插入按鈕模組上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Grove 基座 HAT 上標記為 **D5** 的數字插座。這個插座位於 GPIO 引腳旁邊的一排插座中，從左數第二個。
-
-![Grove 按鈕連接到 D5 插座](../../../../../translated_images/zh-HK/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png)
-
-## 捕捉音訊
-
-你可以使用 Python 程式碼從麥克風捕捉音訊。
-
-### 任務 - 捕捉音訊
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 啟動 VS Code，可以直接在 Raspberry Pi 上操作，或者通過 Remote SSH 擴展連接。
-
-1. PyAudio Pip 套件提供了錄製和播放音訊的功能。此套件依賴於一些音訊庫，需先安裝這些庫。在終端中執行以下命令進行安裝：
-
-    ```sh
-    sudo apt update
-    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
-    ```
-
-1. 安裝 PyAudio Pip 套件。
-
-    ```sh
-    pip3 install pyaudio
-    ```
-
-1. 建立一個名為 `smart-timer` 的新資料夾，並在此資料夾中新增一個名為 `app.py` 的檔案。
-
-1. 在檔案的頂部新增以下導入：
-
-    ```python
-    import io
-    import pyaudio
-    import time
-    import wave
-    
-    from grove.factory import Factory
-    ```
-
-    這會導入 `pyaudio` 模組、一些處理 WAV 檔案的標準 Python 模組，以及 `grove.factory` 模組以導入 `Factory` 來建立按鈕類別。
-
-1. 在此之下，新增程式碼以建立 Grove 按鈕。
-
-    如果你使用的是 ReSpeaker 2-Mics Pi HAT，請使用以下程式碼：
-
-    ```python
-    # The button on the ReSpeaker 2-Mics Pi HAT
-    button = Factory.getButton("GPIO-LOW", 17)
-    ```
-
-    這會在 **D17** 埠上建立一個按鈕，該埠連接到 ReSpeaker 2-Mics Pi HAT 上的按鈕。此按鈕設定為在按下時發送低信號。
-
-    如果你未使用 ReSpeaker 2-Mics Pi HAT，而是使用連接到基座 HAT 的 Grove 按鈕，請使用以下程式碼：
-
-    ```python
-    button = Factory.getButton("GPIO-HIGH", 5)
-    ```
-
-    這會在 **D5** 埠上建立一個按鈕，該按鈕設定為在按下時發送高信號。
-
-1. 在此之下，建立一個 PyAudio 類別的實例以處理音訊：
-
-    ```python
-    audio = pyaudio.PyAudio()
-    ```
-
-1. 宣告麥克風和揚聲器的硬件卡號。這將是你在本課程中早些時候執行 `arecord -l` 和 `aplay -l` 時找到的卡號。
-
-    ```python
-    microphone_card_number = <microphone card number>
-    speaker_card_number = <speaker card number>
-    ```
-
-    將 `<microphone card number>` 替換為你的麥克風卡號。
-
-    將 `<speaker card number>` 替換為你的揚聲器卡號，與你在 `alsa.conf` 檔案中設定的卡號相同。
-
-1. 在此之下，宣告用於音訊捕捉和播放的採樣率。根據你使用的硬件可能需要更改此值。
-
-    ```python
-    rate = 48000 #48KHz
-    ```
-
-    如果稍後執行此程式碼時出現採樣率錯誤，將此值更改為 `44100` 或 `16000`。值越高，音質越好。
-
-1. 在此之下，建立一個名為 `capture_audio` 的新函數。此函數將用於從麥克風捕捉音訊：
-
-    ```python
-    def capture_audio():
-    ```
-
-1. 在此函數內，新增以下程式碼以捕捉音訊：
-
-    ```python
-    stream = audio.open(format = pyaudio.paInt16,
-                        rate = rate,
-                        channels = 1, 
-                        input_device_index = microphone_card_number,
-                        input = True,
-                        frames_per_buffer = 4096)
-
-    frames = []
-
-    while button.is_pressed():
-        frames.append(stream.read(4096))
-
-    stream.stop_stream()
-    stream.close()
-    ```
-
-    此程式碼使用 PyAudio 物件開啟音訊輸入流。該流將以 16KHz 的速率從麥克風捕捉音訊，每次捕捉 4096 字節大小的緩衝區。
-
-    程式碼會在 Grove 按鈕被按下時進行迴圈，每次將這些 4096 字節的緩衝區讀入一個陣列。
-
-    > 💁 你可以在 [PyAudio 文件](https://people.csail.mit.edu/hubert/pyaudio/docs/) 中了解更多關於傳遞給 `open` 方法的選項。
-
-    一旦按鈕被釋放，流將停止並關閉。
-
-1. 在此函數的末尾新增以下程式碼：
-
-    ```python
-    wav_buffer = io.BytesIO()
-    with wave.open(wav_buffer, 'wb') as wavefile:
-        wavefile.setnchannels(1)
-        wavefile.setsampwidth(audio.get_sample_size(pyaudio.paInt16))
-        wavefile.setframerate(rate)
-        wavefile.writeframes(b''.join(frames))
-        wav_buffer.seek(0)
-
-    return wav_buffer
-    ```
-
-    此程式碼建立一個二進制緩衝區，並將所有捕捉的音訊以 [WAV 檔案](https://wikipedia.org/wiki/WAV) 的形式寫入其中。這是一種將未壓縮音訊寫入檔案的標準方式。然後返回此緩衝區。
-
-1. 新增以下 `play_audio` 函數以播放音訊緩衝區：
-
-    ```python
-    def play_audio(buffer):
-        stream = audio.open(format = pyaudio.paInt16,
-                            rate = rate,
-                            channels = 1,
-                            output_device_index = speaker_card_number,
-                            output = True)
-    
-        with wave.open(buffer, 'rb') as wf:
-            data = wf.readframes(4096)
-    
-            while len(data) > 0:
-                stream.write(data)
-                data = wf.readframes(4096)
-    
-            stream.close()
-    ```
-
-    此函數開啟另一個音訊流，這次是輸出流，用於播放音訊。它使用與輸入流相同的設定。緩衝區被打開為 WAV 檔案，並以 4096 字節的塊寫入輸出流，播放音訊。然後關閉流。
-
-1. 在 `capture_audio` 函數下方新增以下程式碼以迴圈直到按鈕被按下。一旦按鈕被按下，音訊將被捕捉並播放。
-
-    ```python
-    while True:
-        while not button.is_pressed():
-            time.sleep(.1)
-        
-        buffer = capture_audio()
-        play_audio(buffer)
-    ```
-
-1. 執行程式碼。按下按鈕並對著麥克風說話。完成後釋放按鈕，你將聽到錄音。
-
-    在建立 PyAudio 實例時，你可能會遇到一些 ALSA 錯誤。這是由於 Raspberry Pi 上的音訊設備配置問題，你可以忽略這些錯誤。
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py 
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.front
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.rear
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.center_lfe
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.side
-    ```
-
-    如果你遇到以下錯誤：
-
-    ```output
-    OSError: [Errno -9997] Invalid sample rate
-    ```
-
-    那麼請將 `rate` 更改為 `44100` 或 `16000`。
-
-> 💁 你可以在 [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi) 資料夾中找到此程式碼。
-
-😀 你的音訊錄製程式成功了！
-
----
-
-**免責聲明**：  
-此文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。  
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/hk/6-consumer/lessons/1-speech-recognition/pi-microphone.md
deleted file mode 100644
index 9f8d82c94..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/pi-microphone.md
+++ /dev/null
@@ -1,157 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
-  "translation_date": "2025-08-26T15:40:12+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
-  "language_code": "hk"
-}
--->
-# 配置你的麥克風和喇叭 - Raspberry Pi
-
-在這部分課程中，你將為你的 Raspberry Pi 添加麥克風和喇叭。
-
-## 硬件
-
-Raspberry Pi 需要一個麥克風。
-
-Pi 本身並沒有內建麥克風，你需要添加一個外接麥克風。有多種方式可以做到：
-
-* USB 麥克風
-* USB 耳機
-* USB 一體式會議麥克風
-* USB 音頻轉接器和帶 3.5mm 插孔的麥克風
-* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
-
-> 💁 並非所有藍牙麥克風都能在 Raspberry Pi 上使用，因此如果你有藍牙麥克風或耳機，可能會遇到配對或錄音問題。
-
-Raspberry Pi 配備了一個 3.5mm 耳機插孔。你可以使用它來連接耳機、耳機組或喇叭。你也可以通過以下方式添加喇叭：
-
-* 通過顯示器或電視的 HDMI 音頻
-* USB 喇叭
-* USB 耳機
-* USB 一體式會議麥克風
-* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)，並通過 3.5mm 插孔或 JST 接口連接喇叭
-
-## 連接並配置麥克風和喇叭
-
-麥克風和喇叭需要連接並進行配置。
-
-### 任務 - 連接並配置麥克風
-
-1. 使用合適的方法連接麥克風。例如，通過 USB 端口連接。
-
-1. 如果你使用的是 ReSpeaker 2-Mics Pi HAT，可以移除 Grove 基座帽，然後將 ReSpeaker 帽安裝到其位置。
-
-    ![一個安裝了 ReSpeaker 帽的 Raspberry Pi](../../../../../translated_images/zh-HK/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png)
-
-    在本課程的後續部分，你將需要一個 Grove 按鈕，但此帽子內建了一個按鈕，因此不需要 Grove 基座帽。
-
-    安裝帽子後，你需要安裝一些驅動程式。請參考 [Seeed 的入門指南](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) 了解驅動程式安裝的詳細說明。
-
-    > ⚠️ 說明中使用了 `git` 來克隆一個倉庫。如果你的 Pi 上尚未安裝 `git`，可以通過以下命令進行安裝：
-    >
-    > ```sh
-    > sudo apt install git --yes
-    > ```
-
-1. 在 Pi 的終端中運行以下命令，或者通過 VS Code 和遠程 SSH 會話連接，查看已連接的麥克風信息：
-
-    ```sh
-    arecord -l
-    ```
-
-    你將看到已連接的麥克風列表，類似如下：
-
-    ```output
-    pi@raspberrypi:~ $ arecord -l
-    **** List of CAPTURE Hardware Devices ****
-    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
-      Subdevices: 1/1
-      Subdevice #0: subdevice #0
-    ```
-
-    假設你只有一個麥克風，你應該只看到一個條目。在 Linux 上配置麥克風可能會比較棘手，因此最好只使用一個麥克風並拔掉其他的。
-
-    記下卡號，稍後你會用到。在上述輸出中，卡號是 1。
-
-### 任務 - 連接並配置喇叭
-
-1. 使用合適的方法連接喇叭。
-
-1. 在 Pi 的終端中運行以下命令，或者通過 VS Code 和遠程 SSH 會話連接，查看已連接的喇叭信息：
-
-    ```sh
-    aplay -l
-    ```
-
-    你將看到已連接的喇叭列表，類似如下：
-
-    ```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
-    ```
-
-    你總是會看到 `card 0: Headphones`，因為這是內建的耳機插孔。如果你添加了額外的喇叭，例如 USB 喇叭，你也會看到它列出。
-
-1. 如果你使用的是額外的喇叭，而不是連接到內建耳機插孔的喇叭或耳機，你需要將其配置為默認設備。為此，運行以下命令：
-
-    ```sh
-    sudo nano /usr/share/alsa/alsa.conf
-    ```
-
-    這將在 `nano` 中打開一個配置文件，`nano` 是一個基於終端的文本編輯器。使用鍵盤上的箭頭鍵向下滾動，直到找到以下行：
-
-    ```output
-    defaults.pcm.card 0
-    ```
-
-    將值從 `0` 更改為你想使用的卡號，該卡號來自 `aplay -l` 命令的返回列表。例如，在上述輸出中，有一個名為 `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]` 的第二個聲卡，使用卡號 1。要使用它，我會將該行更新為：
-
-    ```output
-    defaults.pcm.card 1
-    ```
-
-    將此值設置為合適的卡號。你可以使用鍵盤上的箭頭鍵導航到該數字，然後像編輯普通文本文件一樣刪除並輸入新數字。
-
-1. 按 `Ctrl+x` 保存更改並關閉文件。按 `y` 保存文件，然後按 `return` 確定文件名。
-
-### 任務 - 測試麥克風和喇叭
-
-1. 運行以下命令，通過麥克風錄製 5 秒音頻：
-
-    ```sh
-    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
-    ```
-
-    在命令運行期間，對著麥克風發出聲音，例如說話、唱歌、打節奏、演奏樂器或任何你喜歡的方式。
-
-1. 5 秒後，錄音將停止。運行以下命令播放音頻：
-
-    ```sh
-    aplay --format=S16_LE --rate=16000 out.wav
-    ```
-
-    你將聽到音頻通過喇叭播放。根據需要調整喇叭的輸出音量。
-
-1. 如果需要調整內建麥克風端口的音量或麥克風的增益，可以使用 `alsamixer` 工具。你可以在 [Linux alsamixer 手冊頁](https://linux.die.net/man/1/alsamixer) 上了解更多關於此工具的信息。
-
-1. 如果播放音頻時出現錯誤，檢查你在 `alsa.conf` 文件中設置的 `defaults.pcm.card` 卡號是否正確。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/hk/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
deleted file mode 100644
index 9c3676e70..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
+++ /dev/null
@@ -1,126 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
-  "translation_date": "2025-08-26T15:41:35+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
-  "language_code": "hk"
-}
--->
-# 語音轉文字 - Raspberry Pi
-
-在這部分課程中，你將撰寫程式碼，使用語音服務將錄製的音頻中的語音轉換為文字。
-
-## 將音頻發送到語音服務
-
-可以使用 REST API 將音頻發送到語音服務。要使用語音服務，首先需要請求一個存取權杖，然後使用該權杖訪問 REST API。這些存取權杖每 10 分鐘會過期，因此你的程式碼應該定期請求它們，以確保它們始終是最新的。
-
-### 任務 - 獲取存取權杖
-
-1. 在你的 Raspberry Pi 上打開 `smart-timer` 專案。
-
-1. 刪除 `play_audio` 函數。由於你不需要智能計時器重複你所說的內容，因此不再需要這個函數。
-
-1. 在 `app.py` 檔案的頂部新增以下匯入：
-
-    ```python
-    import requests
-    ```
-
-1. 在 `while True` 迴圈上方新增以下程式碼，來宣告語音服務的一些設定：
-
-    ```python
-    speech_api_key = '<key>'
-    location = '<location>'
-    language = '<language>'
-    ```
-
-    將 `<key>` 替換為你的語音服務資源的 API 金鑰。將 `<location>` 替換為你創建語音服務資源時使用的位置。
-
-    將 `<language>` 替換為你將使用的語言的地區名稱，例如英語使用 `en-GB`，粵語使用 `zn-HK`。你可以在 [Microsoft Docs 的語言和語音支持文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支持的語言及其地區名稱的列表。
-
-1. 在這段程式碼下方，新增以下函數以獲取存取權杖：
-
-    ```python
-    def get_access_token():
-        headers = {
-            'Ocp-Apim-Subscription-Key': speech_api_key
-        }
-    
-        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
-        response = requests.post(token_endpoint, headers=headers)
-        return str(response.text)
-    ```
-
-    這會調用一個權杖發行端點，將 API 金鑰作為標頭傳遞。此調用返回一個存取權杖，可用於調用語音服務。
-
-1. 在這段程式碼下方，宣告一個函數，使用 REST API 將錄製的音頻中的語音轉換為文字：
-
-    ```python
-    def convert_speech_to_text(buffer):
-    ```
-
-1. 在這個函數內，設置 REST API 的 URL 和標頭：
-
-    ```python
-    url = f'https://{location}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1'
-
-    headers = {
-        'Authorization': 'Bearer ' + get_access_token(),
-        'Content-Type': f'audio/wav; codecs=audio/pcm; samplerate={rate}',
-        'Accept': 'application/json;text/xml'
-    }
-
-    params = {
-        'language': language
-    }
-    ```
-
-    這會使用語音服務資源的位置構建一個 URL。然後使用 `get_access_token` 函數獲取的存取權杖填充標頭，並添加用於錄製音頻的採樣率。最後，定義一些參數，這些參數將與 URL 一起傳遞，包含音頻中的語言。
-
-1. 在這段程式碼下方，新增以下程式碼以調用 REST API 並獲取返回的文字：
-
-    ```python
-    response = requests.post(url, headers=headers, params=params, data=buffer)
-    response_json = response.json()
-
-    if response_json['RecognitionStatus'] == 'Success':
-        return response_json['DisplayText']
-    else:
-        return ''
-    ```
-
-    這會調用 URL，並解碼響應中返回的 JSON 值。響應中的 `RecognitionStatus` 值指示是否成功將語音提取為文字。如果該值為 `Success`，則函數返回文字，否則返回空字串。
-
-1. 在 `while True:` 迴圈上方，定義一個函數來處理語音轉文字服務返回的文字。這個函數目前只會將文字打印到控制台。
-
-    ```python
-    def process_text(text):
-        print(text)
-    ```
-
-1. 最後，在 `while True` 迴圈中，將 `play_audio` 的調用替換為 `convert_speech_to_text` 函數的調用，並將文字傳遞給 `process_text` 函數：
-
-    ```python
-    text = convert_speech_to_text(buffer)
-    process_text(text)
-    ```
-
-1. 運行程式碼。按下按鈕並對著麥克風說話。完成後鬆開按鈕，音頻將被轉換為文字並打印到控制台。
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py 
-    Hello world.
-    Welcome to IoT for beginners.
-    ```
-
-    嘗試不同類型的句子，以及一些發音相同但意思不同的句子。例如，如果你使用英語，說 "I want to buy two bananas and an apple too"，並注意它如何根據單詞的上下文正確使用 to、two 和 too，而不僅僅是根據發音。
-
-> 💁 你可以在 [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi) 資料夾中找到這段程式碼。
-
-😀 你的語音轉文字程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
deleted file mode 100644
index c536dd088..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
+++ /dev/null
@@ -1,17 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
-  "translation_date": "2025-08-26T15:42:09+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
-  "language_code": "hk"
-}
--->
-# 捕捉音訊 - 虛擬物聯網設備
-
-在本課程稍後將使用的 Python 庫，用於將語音轉換為文字，已內建在 Windows、macOS 和 Linux 上的音訊捕捉功能。你在這裡不需要做任何額外操作。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
deleted file mode 100644
index f7f57fd9c..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
-  "translation_date": "2025-08-26T15:42:19+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
-  "language_code": "hk"
-}
--->
-# 配置你的麥克風和揚聲器 - 虛擬 IoT 硬件
-
-虛擬 IoT 硬件將使用連接到你電腦的麥克風和揚聲器。
-
-如果你的電腦沒有內置麥克風和揚聲器，你需要使用以下硬件選項來連接：
-
-* USB 麥克風  
-* USB 揚聲器  
-* 通過 HDMI 連接到顯示器內置的揚聲器  
-* 藍牙耳機  
-
-請參考你的硬件製造商提供的說明來安裝和配置這些硬件。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
deleted file mode 100644
index e6bedc766..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
+++ /dev/null
@@ -1,113 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c0550b254b9ba2539baf1e6bb5fc05f8",
-  "translation_date": "2025-08-26T15:36:36+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
-  "language_code": "hk"
-}
--->
-# 語音轉文字 - 虛擬物聯網裝置
-
-在這部分課程中，你將撰寫程式碼，使用語音服務將從麥克風捕捉到的語音轉換為文字。
-
-## 語音轉文字
-
-在 Windows、Linux 和 macOS 上，可以使用語音服務的 Python SDK 來監聽你的麥克風，並將檢測到的語音轉換為文字。它會持續監聽，檢測音量水平，並在音量下降時（例如在一段語音結束時）將語音發送進行文字轉換。
-
-### 任務 - 將語音轉換為文字
-
-1. 在你的電腦上建立一個名為 `smart-timer` 的資料夾，並在其中建立一個名為 `app.py` 的 Python 應用程式，以及一個 Python 虛擬環境。
-
-1. 安裝語音服務的 Pip 套件。確保你是在啟動虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install azure-cognitiveservices-speech
-    ```
-
-    > ⚠️ 如果你遇到以下錯誤：
-    >
-    > ```output
-    > ERROR: Could not find a version that satisfies the requirement azure-cognitiveservices-speech (from versions: none)
-    > ERROR: No matching distribution found for azure-cognitiveservices-speech
-    > ```
-    >
-    > 你需要更新 Pip。使用以下指令更新，然後再次嘗試安裝套件：
-    >
-    > ```sh
-    > pip install --upgrade pip
-    > ```
-
-1. 在 `app.py` 文件中加入以下匯入：
-
-    ```python
-    import requests
-    import time
-    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
-    ```
-
-    這些匯入了一些用於語音識別的類別。
-
-1. 加入以下程式碼來宣告一些配置：
-
-    ```python
-    speech_api_key = '<key>'
-    location = '<location>'
-    language = '<language>'
-
-    recognizer_config = SpeechConfig(subscription=speech_api_key,
-                                     region=location,
-                                     speech_recognition_language=language)
-    ```
-
-    將 `<key>` 替換為你的語音服務的 API 金鑰。將 `<location>` 替換為你建立語音服務資源時使用的位置。
-
-    將 `<language>` 替換為你將使用的語言的地區名稱，例如英語使用 `en-GB`，或粵語使用 `zn-HK`。你可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其地區名稱列表。
-
-    此配置將用於建立一個 `SpeechConfig` 物件，用來配置語音服務。
-
-1. 加入以下程式碼來建立語音識別器：
-
-    ```python
-    recognizer = SpeechRecognizer(speech_config=recognizer_config)
-    ```
-
-1. 語音識別器在背景執行緒上運行，監聽音頻並將其中的語音轉換為文字。你可以使用回調函數來獲取文字——定義一個函數並傳遞給識別器。每次檢測到語音時，回調函數都會被調用。加入以下程式碼來定義回調函數，並將此回調函數傳遞給識別器，同時定義一個函數來處理文字，將其輸出到控制台：
-
-    ```python
-    def process_text(text):
-        print(text)
-
-    def recognized(args):
-        process_text(args.result.text)
-    
-    recognizer.recognized.connect(recognized)
-    ```
-
-1. 識別器只有在你明確啟動時才會開始監聽。加入以下程式碼來啟動識別。這會在背景執行，因此你的應用程式還需要一個無限迴圈，讓應用程式保持運行。
-
-    ```python
-    recognizer.start_continuous_recognition()
-
-    while True:
-        time.sleep(1)
-    ```
-
-1. 運行此應用程式。對著你的麥克風說話，轉換為文字的音頻將輸出到控制台。
-
-    ```output
-    (.venv) ➜  smart-timer python3 app.py
-    Hello world.
-    Welcome to IoT for beginners.
-    ```
-
-    嘗試不同類型的句子，以及一些詞語發音相同但意思不同的句子。例如，如果你使用英語，可以說「I want to buy two bananas and an apple too」，並注意它如何根據詞語的上下文使用正確的 to、two 和 too，而不僅僅是根據它的發音。
-
-> 💁 你可以在 [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device) 資料夾中找到這段程式碼。
-
-😀 你的語音轉文字程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
deleted file mode 100644
index e4f65c5fa..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
+++ /dev/null
@@ -1,548 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
-  "translation_date": "2025-08-26T15:37:07+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
-  "language_code": "hk"
-}
--->
-# 捕捉音頻 - Wio Terminal
-
-在這部分課程中，你將撰寫程式碼來在 Wio Terminal 上捕捉音頻。音頻捕捉將由 Wio Terminal 頂部的一個按鈕來控制。
-
-## 編寫裝置程式以捕捉音頻
-
-你可以使用 C++ 程式碼從麥克風捕捉音頻。Wio Terminal 只有 192KB 的 RAM，這不足以捕捉超過幾秒的音頻。不過，它有 4MB 的快閃記憶體，因此可以用來儲存捕捉到的音頻。
-
-內建的麥克風捕捉的是類比信號，這些信號會被轉換為 Wio Terminal 可用的數位信號。在捕捉音頻時，數據需要以正確的時間間隔捕捉——例如，要以 16KHz 捕捉音頻，則需要每秒準確地捕捉 16,000 次，且每次取樣之間的間隔相等。與其用程式碼來完成這件事，你可以使用直接記憶體存取控制器（DMAC）。這是一種電路，可以從某處捕捉信號並寫入記憶體，而不會中斷處理器上正在執行的程式碼。
-
-✅ 在 [維基百科的直接記憶體存取頁面](https://wikipedia.org/wiki/Direct_memory_access) 上了解更多關於 DMA 的資訊。
-
-![音頻從麥克風進入 ADC，然後進入 DMAC。這會寫入一個緩衝區。當這個緩衝區滿了之後，它會被處理，DMAC 會寫入第二個緩衝區](../../../../../translated_images/zh-HK/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png)
-
-DMAC 可以以固定的間隔從 ADC 捕捉音頻，例如每秒 16,000 次以捕捉 16KHz 的音頻。它可以將捕捉到的數據寫入預先分配的記憶體緩衝區，當緩衝區滿了之後，將其提供給程式碼進行處理。使用這些記憶體可能會延遲音頻捕捉，但你可以設置多個緩衝區。DMAC 會先寫入緩衝區 1，當緩衝區 1 滿了之後，通知程式碼處理緩衝區 1，然後 DMAC 會寫入緩衝區 2。當緩衝區 2 滿了之後，它會通知程式碼，然後回到寫入緩衝區 1。這樣，只要你在填滿一個緩衝區的時間內處理完數據，就不會丟失任何數據。
-
-每當捕捉到一個緩衝區後，它可以被寫入快閃記憶體。快閃記憶體需要使用定義的地址來寫入，指定寫入的位置和大小，類似於更新記憶體中的字節陣列。快閃記憶體具有粒度，這意味著擦除和寫入操作不僅需要固定大小，還需要對齊到該大小。例如，如果粒度是 4096 字節，而你請求在地址 4200 處擦除，它可能會擦除從地址 4096 到 8192 的所有數據。這意味著當你將音頻數據寫入快閃記憶體時，必須以正確大小的塊進行寫入。
-
-### 任務 - 配置快閃記憶體
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `smart-timer`。在 `setup` 函數中添加程式碼以配置序列埠。
-
-1. 在 `platformio.ini` 文件中添加以下庫依賴項，以提供對快閃記憶體的訪問：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Seeed Arduino FS @ 2.1.1
-        seeed-studio/Seeed Arduino SFUD @ 2.0.2
-    ```
-
-1. 打開 `main.cpp` 文件，並在文件頂部添加以下包含指令以使用快閃記憶體庫：
-
-    ```cpp
-    #include <sfud.h>
-    #include <SPI.h>
-    ```
-
-    > 🎓 SFUD 代表 Serial Flash Universal Driver，是一個設計用於所有快閃記憶體晶片的庫。
-
-1. 在 `setup` 函數中，添加以下程式碼以設置快閃儲存庫：
-
-    ```cpp
-    while (!(sfud_init() == SFUD_SUCCESS))
-        ;
-
-    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
-    ```
-
-    這段程式碼會循環直到 SFUD 庫初始化完成，然後啟用快速讀取。內建的快閃記憶體可以通過隊列式序列周邊介面（QSPI）訪問，這是一種 SPI 控制器，允許通過隊列進行連續訪問，並且對處理器的使用最小化。這使得讀取和寫入快閃記憶體的速度更快。
-
-1. 在 `src` 資料夾中創建一個名為 `flash_writer.h` 的新文件。
-
-1. 在該文件頂部添加以下內容：
-
-    ```cpp
-    #pragma once
-
-    #include <Arduino.h>
-    #include <sfud.h>
-    ```
-
-    這包括了一些必要的標頭文件，包括與快閃記憶體交互的 SFUD 庫的標頭文件。
-
-1. 在這個新標頭文件中定義一個名為 `FlashWriter` 的類：
-
-    ```cpp
-    class FlashWriter
-    {
-    public:
-    
-    private:
-    };
-    ```
-
-1. 在 `private` 區域中，添加以下程式碼：
-
-    ```cpp
-    byte *_sfudBuffer;
-    size_t _sfudBufferSize;
-    size_t _sfudBufferPos;
-    size_t _sfudBufferWritePos;
-
-    const sfud_flash *_flash;
-    ```
-
-    這定義了一些欄位，用於在寫入快閃記憶體之前儲存數據的緩衝區。有一個字節陣列 `_sfudBuffer` 用於寫入數據，當這個緩衝區滿了之後，數據會被寫入快閃記憶體。`_sfudBufferPos` 欄位儲存當前在緩衝區中寫入的位置，而 `_sfudBufferWritePos` 儲存寫入快閃記憶體的位置。`_flash` 是一個指向快閃記憶體的指標——某些微控制器可能有多個快閃記憶體晶片。
-
-1. 在 `public` 區域中添加以下方法以初始化該類：
-
-    ```cpp
-    void init()
-    {
-        _flash = sfud_get_device_table() + 0;
-        _sfudBufferSize = _flash->chip.erase_gran;
-        _sfudBuffer = new byte[_sfudBufferSize];
-        _sfudBufferPos = 0;
-        _sfudBufferWritePos = 0;
-    }
-    ```
-
-    這會配置 Wio Terminal 上的快閃記憶體以進行寫入，並根據快閃記憶體的粒度設置緩衝區。這是在 `init` 方法中完成的，而不是構造函數，因為這需要在 `setup` 函數中設置快閃記憶體後調用。
-
-1. 在 `public` 區域中添加以下程式碼：
-
-    ```cpp
-    void writeSfudBuffer(byte b)
-    {
-        _sfudBuffer[_sfudBufferPos++] = b;
-        if (_sfudBufferPos == _sfudBufferSize)
-        {
-            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
-            _sfudBufferWritePos += _sfudBufferSize;
-            _sfudBufferPos = 0;
-        }
-    }
-
-    void writeSfudBuffer(byte *b, size_t len)
-    {
-        for (size_t i = 0; i < len; ++i)
-        {
-            writeSfudBuffer(b[i]);
-        }
-    }
-
-    void flushSfudBuffer()
-    {
-        if (_sfudBufferPos > 0)
-        {
-            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
-            _sfudBufferWritePos += _sfudBufferSize;
-            _sfudBufferPos = 0;
-        }
-    }
-    ```
-
-    這段程式碼定義了將字節寫入快閃儲存系統的方法。它通過寫入與快閃記憶體大小匹配的記憶體緩衝區來工作，當緩衝區滿了之後，這些數據會被寫入快閃記憶體，並擦除該位置的任何現有數據。還有一個 `flushSfudBuffer` 方法，用於寫入不完整的緩衝區，因為捕捉的數據不會是粒度大小的整數倍，因此需要寫入數據的最後部分。
-
-    > 💁 數據的最後部分會寫入一些額外的無用數據，但這沒關係，因為只會讀取需要的數據。
-
-### 任務 - 設置音頻捕捉
-
-1. 在 `src` 資料夾中創建一個名為 `config.h` 的新文件。
-
-1. 在該文件頂部添加以下內容：
-
-    ```cpp
-    #pragma once
-
-    #define RATE 16000
-    #define SAMPLE_LENGTH_SECONDS 4
-    #define SAMPLES RATE * SAMPLE_LENGTH_SECONDS
-    #define BUFFER_SIZE (SAMPLES * 2) + 44
-    #define ADC_BUF_LEN 1600
-    ```
-
-    這段程式碼設置了一些用於音頻捕捉的常數。
-
-    | 常數                  | 值     | 描述 |
-    | --------------------- | -----: | - |
-    | RATE                  | 16000  | 音頻的取樣率。16,000 即 16KHz |
-    | SAMPLE_LENGTH_SECONDS | 4      | 要捕捉的音頻長度。這裡設置為 4 秒。如果需要錄製更長的音頻，可以增加這個值。 |
-    | SAMPLES               | 64000  | 將捕捉的音頻取樣總數。設置為取樣率 * 秒數 |
-    | BUFFER_SIZE           | 128044 | 捕捉音頻的緩衝區大小。音頻將以 WAV 文件格式捕捉，其中 44 字節為標頭，128,000 字節為音頻數據（每個取樣為 2 字節） |
-    | ADC_BUF_LEN           | 1600   | 用於從 DMAC 捕捉音頻的緩衝區大小 |
-
-    > 💁 如果你發現 4 秒太短，無法完成計時器請求，可以增加 `SAMPLE_LENGTH_SECONDS` 的值，其他值會自動重新計算。
-
-1. 在 `src` 資料夾中創建一個名為 `mic.h` 的新文件。
-
-1. 在該文件頂部添加以下內容：
-
-    ```cpp
-    #pragma once
-
-    #include <Arduino.h>
-
-    #include "config.h"
-    #include "flash_writer.h"
-    ```
-
-    這包括了一些必要的標頭文件，包括 `config.h` 和 `FlashWriter` 的標頭文件。
-
-1. 添加以下內容以定義一個 `Mic` 類，用於從麥克風捕捉音頻：
-
-    ```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;
-    ```
-
-    這個類目前只有幾個欄位，用於追蹤錄音是否已開始，以及錄音是否已準備好使用。DMAC 設置後，它會持續寫入記憶體緩衝區，因此 `_isRecording` 標誌決定這些數據是否應該被處理或忽略。當捕捉到所需的 4 秒音頻時，`_isRecordingReady` 標誌會被設置。`_writer` 欄位用於將音頻數據儲存到快閃記憶體。
-
-    然後聲明一個全域變數作為 `Mic` 類的實例。
-
-1. 在 `Mic` 類的 `private` 區域中添加以下程式碼：
-
-    ```cpp
-    typedef struct
-    {
-        uint16_t btctrl;
-        uint16_t btcnt;
-        uint32_t srcaddr;
-        uint32_t dstaddr;
-        uint32_t descaddr;
-    } dmacdescriptor;
-
-    // Globals - DMA and ADC
-    volatile dmacdescriptor _wrb[DMAC_CH_NUM] __attribute__((aligned(16)));
-    dmacdescriptor _descriptor_section[DMAC_CH_NUM] __attribute__((aligned(16)));
-    dmacdescriptor _descriptor __attribute__((aligned(16)));
-
-    void configureDmaAdc()
-    {
-        // Configure DMA to sample from ADC at a regular interval (triggered by timer/counter)
-        DMAC->BASEADDR.reg = (uint32_t)_descriptor_section;                    // Specify the location of the descriptors
-        DMAC->WRBADDR.reg = (uint32_t)_wrb;                                    // Specify the location of the write back descriptors
-        DMAC->CTRL.reg = DMAC_CTRL_DMAENABLE | DMAC_CTRL_LVLEN(0xf);           // Enable the DMAC peripheral
-        DMAC->Channel[1].CHCTRLA.reg = DMAC_CHCTRLA_TRIGSRC(TC5_DMAC_ID_OVF) | // Set DMAC to trigger on TC5 timer overflow
-                                        DMAC_CHCTRLA_TRIGACT_BURST;             // DMAC burst transfer
-
-        _descriptor.descaddr = (uint32_t)&_descriptor_section[1];                    // Set up a circular descriptor
-        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
-        _descriptor.dstaddr = (uint32_t)_adc_buf_0 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_0 array
-        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
-        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
-                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
-                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
-                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
-        memcpy(&_descriptor_section[0], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
-
-        _descriptor.descaddr = (uint32_t)&_descriptor_section[0];                    // Set up a circular descriptor
-        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
-        _descriptor.dstaddr = (uint32_t)_adc_buf_1 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_1 array
-        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
-        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
-                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
-                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
-                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
-        memcpy(&_descriptor_section[1], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
-
-        // Configure NVIC
-        NVIC_SetPriority(DMAC_1_IRQn, 0); // Set the Nested Vector Interrupt Controller (NVIC) priority for DMAC1 to 0 (highest)
-        NVIC_EnableIRQ(DMAC_1_IRQn);      // Connect DMAC1 to Nested Vector Interrupt Controller (NVIC)
-
-        // Activate the suspend (SUSP) interrupt on DMAC channel 1
-        DMAC->Channel[1].CHINTENSET.reg = DMAC_CHINTENSET_SUSP;
-
-        // Configure ADC
-        ADC1->INPUTCTRL.bit.MUXPOS = ADC_INPUTCTRL_MUXPOS_AIN12_Val; // Set the analog input to ADC0/AIN2 (PB08 - A4 on Metro M4)
-        while (ADC1->SYNCBUSY.bit.INPUTCTRL)
-            ;                              // Wait for synchronization
-        ADC1->SAMPCTRL.bit.SAMPLEN = 0x00; // Set max Sampling Time Length to half divided ADC clock pulse (2.66us)
-        while (ADC1->SYNCBUSY.bit.SAMPCTRL)
-            ;                                         // Wait for synchronization
-        ADC1->CTRLA.reg = ADC_CTRLA_PRESCALER_DIV128; // Divide Clock ADC GCLK by 128 (48MHz/128 = 375kHz)
-        ADC1->CTRLB.reg = ADC_CTRLB_RESSEL_12BIT |    // Set ADC resolution to 12 bits
-                            ADC_CTRLB_FREERUN;          // Set ADC to free run mode
-        while (ADC1->SYNCBUSY.bit.CTRLB)
-            ;                       // Wait for synchronization
-        ADC1->CTRLA.bit.ENABLE = 1; // Enable the ADC
-        while (ADC1->SYNCBUSY.bit.ENABLE)
-            ;                       // Wait for synchronization
-        ADC1->SWTRIG.bit.START = 1; // Initiate a software trigger to start an ADC conversion
-        while (ADC1->SYNCBUSY.bit.SWTRIG)
-            ; // Wait for synchronization
-
-        // Enable DMA channel 1
-        DMAC->Channel[1].CHCTRLA.bit.ENABLE = 1;
-
-        // Configure Timer/Counter 5
-        GCLK->PCHCTRL[TC5_GCLK_ID].reg = GCLK_PCHCTRL_CHEN |     // Enable peripheral channel for TC5
-                                            GCLK_PCHCTRL_GEN_GCLK1; // Connect generic clock 0 at 48MHz
-
-        TC5->COUNT16.WAVE.reg = TC_WAVE_WAVEGEN_MFRQ; // Set TC5 to Match Frequency (MFRQ) mode
-        TC5->COUNT16.CC[0].reg = 3000 - 1;            // Set the trigger to 16 kHz: (4Mhz / 16000) - 1
-        while (TC5->COUNT16.SYNCBUSY.bit.CC0)
-            ; // Wait for synchronization
-
-        // Start Timer/Counter 5
-        TC5->COUNT16.CTRLA.bit.ENABLE = 1; // Enable the TC5 timer
-        while (TC5->COUNT16.SYNCBUSY.bit.ENABLE)
-            ; // Wait for synchronization
-    }
-
-    uint16_t _adc_buf_0[ADC_BUF_LEN];
-    uint16_t _adc_buf_1[ADC_BUF_LEN];
-    ```
-
-    這段程式碼定義了一個 `configureDmaAdc` 方法，用於配置 DMAC，將其連接到 ADC，並設置為填充兩個交替的緩衝區 `_adc_buf_0` 和 `_adc_buf_1`。
-
-    > 💁 微控制器開發的一個缺點是與硬體交互所需的程式碼非常複雜，因為你的程式碼在非常低的層級上直接與硬體交互。這段程式碼比你在單板電腦或桌面電腦上編寫的程式碼更複雜，因為沒有作業系統的幫助。雖然有一些庫可以簡化這個過程，但仍然存在很多複雜性。
-
-1. 在這段程式碼下面，添加以下程式碼：
-
-    ```cpp
-    // WAV files have a header. This struct defines that header
-    struct wavFileHeader
-    {
-        char riff[4];         /* "RIFF"                                  */
-        long flength;         /* file length in bytes                    */
-        char wave[4];         /* "WAVE"                                  */
-        char fmt[4];          /* "fmt "                                  */
-        long chunk_size;      /* size of FMT chunk in bytes (usually 16) */
-        short format_tag;     /* 1=PCM, 257=Mu-Law, 258=A-Law, 259=ADPCM */
-        short num_chans;      /* 1=mono, 2=stereo                        */
-        long srate;           /* Sampling rate in samples per second     */
-        long bytes_per_sec;   /* bytes per second = srate*bytes_per_samp */
-        short bytes_per_samp; /* 2=16-bit mono, 4=16-bit stereo          */
-        short bits_per_samp;  /* Number of bits per sample               */
-        char data[4];         /* "data"                                  */
-        long dlength;         /* data length in bytes (filelength - 44)  */
-    };
-
-    void initBufferHeader()
-    {
-        wavFileHeader wavh;
-
-        strncpy(wavh.riff, "RIFF", 4);
-        strncpy(wavh.wave, "WAVE", 4);
-        strncpy(wavh.fmt, "fmt ", 4);
-        strncpy(wavh.data, "data", 4);
-
-        wavh.chunk_size = 16;
-        wavh.format_tag = 1; // PCM
-        wavh.num_chans = 1;  // mono
-        wavh.srate = RATE;
-        wavh.bytes_per_sec = (RATE * 1 * 16 * 1) / 8;
-        wavh.bytes_per_samp = 2;
-        wavh.bits_per_samp = 16;
-        wavh.dlength = RATE * 2 * 1 * 16 / 2;
-        wavh.flength = wavh.dlength + 44;
-
-        _writer.writeSfudBuffer((byte *)&wavh, 44);
-    }
-    ```
-
-    這段程式碼將 WAV 文件的標頭定義為一個結構體，佔用 44 字節的記憶體。它會寫入關於音頻文件取樣率、大小和通道數的詳細資訊。然後將這個標頭寫入快閃記憶體。
-
-1. 在這段程式碼下面，添加以下內容以聲明一個方法，該方法會在音頻緩衝區準備好處理時被調用：
-
-    ```cpp
-    void audioCallback(uint16_t *buf, uint32_t buf_len)
-    {
-        static uint32_t idx = 44;
-
-        if (_isRecording)
-        {
-            for (uint32_t i = 0; i < buf_len; i++)
-            {
-                int16_t audio_value = ((int16_t)buf[i] - 2048) * 16;
-
-                _writer.writeSfudBuffer(audio_value & 0xFF);
-                _writer.writeSfudBuffer((audio_value >> 8) & 0xFF);
-            }
-
-            idx += buf_len;
-                
-            if (idx >= BUFFER_SIZE)
-            {
-                _writer.flushSfudBuffer();
-                idx = 44;
-                _isRecording = false;
-                _isRecordingReady = true;
-            }
-        }
-    }
-    ```
-
-    音頻緩衝區是包含來自 ADC 的音頻的 16 位整數陣列。ADC 返回的是 12 位無符號值（0-1023），因此需要將其轉換為 16 位有符號值，然後轉換為 2 個字節以作為原始二進位數據儲存。
-
-    這些字節會被寫入快閃記憶體緩衝區。寫入從索引 44 開始——這是 WAV 文件標頭的 44 字節偏移量。一旦捕捉到所需長度的所有音頻數據，剩餘的數據會被寫入快閃記憶體。
-
-1. 在 `Mic` 類的 `public` 區域中添加以下程式碼：
-
-    ```cpp
-    void dmaHandler()
-    {
-        static uint8_t count = 0;
-
-        if (DMAC->Channel[1].CHINTFLAG.bit.SUSP)
-        {
-            DMAC->Channel[1].CHCTRLB.reg = DMAC_CHCTRLB_CMD_RESUME;
-            DMAC->Channel[1].CHINTFLAG.bit.SUSP = 1;
-
-            if (count)
-            {
-                audioCallback(_adc_buf_0, ADC_BUF_LEN);
-            }
-            else
-            {
-                audioCallback(_adc_buf_1, ADC_BUF_LEN);
-            }
-
-            count = (count + 1) % 2;
-        }
-    }
-    ```
-
-    這段程式碼會由 DMAC 調用，通知程式碼處理緩衝區。它檢查是否有數據需要處理，並調用 `audioCallback` 方法處理相關緩衝區。
-
-1. 在類外部，在 `Mic mic;` 聲明之後，添加以下程式碼：
-
-    ```cpp
-    void DMAC_1_Handler()
-    {
-        mic.dmaHandler();
-    }
-    ```
-
-    `DMAC_1_Handler` 是由 DMAC 調用的函數，當緩衝區準備好處理時會被調用。這個函數通過名稱找到，因此只需要存在即可被調用。
-
-1. 在 `Mic` 類的 `public` 區域中添加以下兩個方法：
-
-    ```cpp
-    void init()
-    {
-        analogReference(AR_INTERNAL2V23);
-
-        _writer.init();
-
-        initBufferHeader();
-        configureDmaAdc();
-    }
-
-    void reset()
-    {
-        _isRecordingReady = false;
-        _isRecording = false;
-
-        _writer.reset();
-
-        initBufferHeader();
-    }
-    ```
-
-    `init` 方法包含初始化 `Mic` 類的程式碼。這個方法設置麥克風引腳的正確電壓，設置快閃記憶體寫入器，寫入 WAV 文件標頭，並配置 DMAC。`reset` 方法在音頻捕捉和使用後重置快閃記憶體並重新寫入標頭。
-
-### 任務 - 捕捉音頻
-
-1. 在 `main.cpp` 文件中，添加一個包含 `mic.h` 標頭文件的指令：
-
-    ```cpp
-    #include "mic.h"
-    ```
-
-1. 在 `setup` 函數中，初始化 C 按鈕。當按下此按鈕時，音頻捕捉將開始，並持續 4 秒：
-
-    ```cpp
-    pinMode(WIO_KEY_C, INPUT_PULLUP);
-    ```
-
-1. 在此之下，初始化麥克風，然後在控制台上打印音頻已準備好捕捉的訊息：
-
-    ```cpp
-    mic.init();
-
-    Serial.println("Ready.");
-    ```
-
-1. 在 `loop` 函數上方，定義一個函數來處理捕捉到的音頻。目前這個函數什麼都不做，但在課程的後續部分，它會將語音發送進行文字轉換：
-
-    ```cpp
-    void processAudio()
-    {
-    
-    }
-    ```
-
-1. 在 `loop` 函數中添加以下內容：
-
-    ```cpp
-    void loop()
-    {
-        if (digitalRead(WIO_KEY_C) == LOW && !mic.isRecording())
-        {
-            Serial.println("Starting recording...");
-            mic.startRecording();
-        }
-    
-        if (!mic.isRecording() && mic.isRecordingReady())
-        {
-            Serial.println("Finished recording");
-    
-            processAudio();
-    
-            mic.reset();
-        }
-    }
-    ```
-
-    這段程式碼檢查 C 按鈕，如果按鈕被按下且錄音尚未開始，則將 `Mic` 類的 `_isRecording` 欄位設置為 true。這將導致 `Mic` 類的 `audioCallback` 方法儲存音頻，直到捕捉到 4 秒的音頻為止。一旦捕捉到 4 秒的音頻，`_isRecording` 欄位將設置為 false，`_isRecordingReady` 欄位將設置為 true。然後在 `loop` 函數中檢查該欄位，當其為 true 時，調用 `processAudio` 函數，然後重置 `Mic` 類。
-
-1. 編譯這段程式碼，將其上傳到你的 Wio Terminal，並通過序列監視器測試。按下 C 按鈕（左側最靠近電源開關的按鈕），然後說話。將捕捉 4 秒的音頻。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Ready.
-    Starting recording...
-    Finished recording
-    ```
-💁 你可以在 [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal) 資料夾中找到此程式碼。
-😀 你的音頻錄製程式大獲成功！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
deleted file mode 100644
index 6a177549a..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
+++ /dev/null
@@ -1,89 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "93d352de36526b8990e41dd538100324",
-  "translation_date": "2025-08-26T15:40:58+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
-  "language_code": "hk"
-}
--->
-# 配置你的麥克風和揚聲器 - Wio Terminal
-
-在這部分課程中，你將為 Wio Terminal 添加揚聲器。Wio Terminal 已內建麥克風，可用於捕捉語音。
-
-## 硬件
-
-Wio Terminal 已內建麥克風，可用於捕捉音頻進行語音識別。
-
-![Wio Terminal 上的麥克風](../../../../../translated_images/zh-HK/wio-mic.3f8c843dbe8ad917.webp)
-
-若要添加揚聲器，你可以使用 [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)。這是一塊外部擴展板，包含兩個 MEMS 麥克風，以及一個揚聲器連接器和耳機插孔。
-
-![ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/zh-HK/respeaker.f5d19d1c6b14ab16.webp)
-
-你需要添加耳機、一個帶 3.5mm 插頭的揚聲器，或者一個帶 JST 接口的揚聲器，例如 [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)。
-
-要連接 ReSpeaker 2-Mics Pi Hat，你需要 40 根針對針（也稱為公對公）的跳線。
-
-> 💁 如果你熟悉焊接，可以使用 [40 Pin Raspberry Pi Hat Adapter Board For Wio Terminal](https://www.seeedstudio.com/40-Pin-Raspberry-Pi-Hat-Adapter-Board-For-Wio-Terminal-p-4730.html) 來連接 ReSpeaker。
-
-你還需要一張 SD 卡來下載和播放音頻。Wio Terminal 只支持最大 16GB 的 SD 卡，並且需要格式化為 FAT32 或 exFAT。
-
-### 任務 - 連接 ReSpeaker Pi Hat
-
-1. 在 Wio Terminal 關機的情況下，使用跳線和 Wio Terminal 背面的 GPIO 插座連接 ReSpeaker 2-Mics Pi Hat：
-
-    需要按照以下方式連接引腳：
-
-    ![引腳示意圖](../../../../../translated_images/zh-HK/wio-respeaker-wiring-0.767f80aa65081038.webp)
-
-1. 將 ReSpeaker 和 Wio Terminal 擺放好，讓 GPIO 插座面向上，並位於左側。
-
-1. 從 ReSpeaker GPIO 插座左上角的插孔開始，使用針對針跳線將 ReSpeaker 左上角插孔連接到 Wio Terminal 左上角插孔。
-
-1. 按此方式依次連接左側 GPIO 插座的所有插孔。確保引腳牢固插入。
-
-    ![ReSpeaker 左側引腳連接到 Wio Terminal 左側引腳](../../../../../translated_images/zh-HK/wio-respeaker-wiring-1.8d894727f2ba2400.webp)
-
-    ![ReSpeaker 左側引腳連接到 Wio Terminal 左側引腳](../../../../../translated_images/zh-HK/wio-respeaker-wiring-2.329e1cbd306e754f.webp)
-
-    > 💁 如果你的跳線是連成一條排線，保持它們整齊排列——這樣可以更容易確保所有線都按順序連接。
-
-1. 使用 ReSpeaker 和 Wio Terminal 的右側 GPIO 插座重複上述過程。這些線需要繞過已連接的線。
-
-    ![ReSpeaker 右側引腳連接到 Wio Terminal 右側引腳](../../../../../translated_images/zh-HK/wio-respeaker-wiring-3.75b0be447e2fa930.webp)
-
-    ![ReSpeaker 右側引腳連接到 Wio Terminal 右側引腳](../../../../../translated_images/zh-HK/wio-respeaker-wiring-4.aa9cd434d8779437.webp)
-
-    > 💁 如果你的跳線是連成一條排線，將它們分成兩條排線。分別從已連接的線的兩側穿過。
-
-    > 💁 你可以使用膠帶將引腳固定成一個塊，以防止在連接過程中有引腳脫落。
-    >
-    > ![用膠帶固定的引腳](../../../../../translated_images/zh-HK/wio-respeaker-wiring-5.af117c20acf622f3.webp)
-
-1. 你需要添加一個揚聲器。
-
-    * 如果你使用的是帶 JST 線的揚聲器，將其連接到 ReSpeaker 的 JST 接口。
-
-      ![使用 JST 線連接到 ReSpeaker 的揚聲器](../../../../../translated_images/zh-HK/respeaker-jst-speaker.a441d177809df945.webp)
-
-    * 如果你使用的是帶 3.5mm 插頭的揚聲器或耳機，將其插入 3.5mm 插孔。
-
-      ![使用 3.5mm 插孔連接到 ReSpeaker 的揚聲器](../../../../../translated_images/zh-HK/respeaker-35mm-speaker.ad79ef4f128c7751.webp)
-
-### 任務 - 設置 SD 卡
-
-1. 將 SD 卡連接到你的電腦，如果電腦沒有 SD 卡插槽，請使用外部讀卡器。
-
-1. 使用電腦上的適當工具格式化 SD 卡，確保使用 FAT32 或 exFAT 文件系統。
-
-1. 將 SD 卡插入 Wio Terminal 左側的 SD 卡插槽，插槽位於電源按鈕下方。確保卡完全插入並卡住——你可能需要使用細小工具或另一張 SD 卡幫助將其完全推入。
-
-    ![將 SD 卡插入電源開關下方的 SD 卡插槽](../../../../../translated_images/zh-HK/wio-sd-card.acdcbe322fa4ee7f.webp)
-
-    > 💁 若要取出 SD 卡，你需要稍微推入卡片，它會彈出。你需要使用細小工具，例如平頭螺絲刀或另一張 SD 卡來完成此操作。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
deleted file mode 100644
index 852592331..000000000
--- a/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
+++ /dev/null
@@ -1,544 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3f92edf2975175577174910caca4a389",
-  "translation_date": "2025-08-26T15:38:39+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
-  "language_code": "hk"
-}
--->
-# 語音轉文字 - Wio Terminal
-
-在本課程的這部分，你將撰寫程式碼，使用語音服務將捕獲的音訊轉換為文字。
-
-## 將音訊發送到語音服務
-
-可以使用 REST API 將音訊發送到語音服務。要使用語音服務，首先需要請求一個存取權杖，然後使用該權杖訪問 REST API。這些存取權杖在 10 分鐘後會過期，因此你的程式碼應定期請求它們，以確保它們始終是最新的。
-
-### 任務 - 獲取存取權杖
-
-1. 如果尚未打開 `smart-timer` 專案，請將其打開。
-
-1. 在 `platformio.ini` 文件中新增以下庫依賴項，以訪問 WiFi 並處理 JSON：
-
-    ```ini
-    seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
-    seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
-    seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
-    seeed-studio/Seeed Arduino RTC @ 2.0.0
-    bblanchon/ArduinoJson @ 6.17.3
-    ```
-
-1. 在 `config.h` 標頭文件中新增以下程式碼：
-
-    ```cpp
-    const char *SSID = "<SSID>";
-    const char *PASSWORD = "<PASSWORD>";
-    
-    const char *SPEECH_API_KEY = "<API_KEY>";
-    const char *SPEECH_LOCATION = "<LOCATION>";
-    const char *LANGUAGE = "<LANGUAGE>";
-
-    const char *TOKEN_URL = "https://%s.api.cognitive.microsoft.com/sts/v1.0/issuetoken";
-    ```
-
-    將 `<SSID>` 和 `<PASSWORD>` 替換為你的 WiFi 的相關值。
-
-    將 `<API_KEY>` 替換為你的語音服務資源的 API 金鑰。將 `<LOCATION>` 替換為你創建語音服務資源時使用的位置。
-
-    將 `<LANGUAGE>` 替換為你將使用的語言的地區名稱，例如英語為 `en-GB`，粵語為 `zn-HK`。你可以在 [Microsoft Docs 的語言和語音支持文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支持的語言及其地區名稱的列表。
-
-    `TOKEN_URL` 常數是權杖發行者的 URL，不包含位置。稍後將與位置結合以獲取完整的 URL。
-
-1. 與連接到 Custom Vision 一樣，你需要使用 HTTPS 連接來連接到權杖發行服務。在 `config.h` 的末尾新增以下程式碼：
-
-    ```cpp
-    const char *TOKEN_CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
-        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
-        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
-        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
-        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
-        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
-        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
-        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
-        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
-        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
-        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
-        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
-        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
-        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
-        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
-        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
-        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
-        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
-        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
-        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
-        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
-        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
-        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
-        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
-        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
-        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
-        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
-        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
-        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
-        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
-        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
-        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-    這與連接到 Custom Vision 時使用的證書相同。
-
-1. 在 `main.cpp` 文件的頂部新增 WiFi 標頭文件和 config 標頭文件的 include 指令：
-
-    ```cpp
-    #include <rpcWiFi.h>
-
-    #include "config.h"
-    ```
-
-1. 在 `main.cpp` 中的 `setup` 函數上方新增程式碼以連接到 WiFi：
-
-    ```cpp
-    void connectWiFi()
-    {
-        while (WiFi.status() != WL_CONNECTED)
-        {
-            Serial.println("Connecting to WiFi..");
-            WiFi.begin(SSID, PASSWORD);
-            delay(500);
-        }
-    
-        Serial.println("Connected!");
-    }
-    ```
-
-1. 在 `setup` 函數中，建立序列連接後調用此函數：
-
-    ```cpp
-    connectWiFi();
-    ```
-
-1. 在 `src` 資料夾中創建一個名為 `speech_to_text.h` 的新標頭文件。在此標頭文件中新增以下程式碼：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <WiFiClientSecure.h>
-    
-    #include "config.h"
-    #include "mic.h"
-    
-    class SpeechToText
-    {
-    public:
-
-    private:
-
-    };
-
-    SpeechToText speechToText;
-    ```
-
-    這包括一些 HTTP 連接、配置和 `mic.h` 標頭文件所需的標頭文件，並定義了一個名為 `SpeechToText` 的類，然後聲明了一個稍後可以使用的該類的實例。
-
-1. 在此類的 `private` 部分新增以下兩個欄位：
-
-    ```cpp
-    WiFiClientSecure _token_client;
-    String _access_token;
-    ```
-
-    `_token_client` 是一個使用 HTTPS 的 WiFi 客戶端，將用於獲取存取權杖。該權杖隨後將存儲在 `_access_token` 中。
-
-1. 在 `private` 部分新增以下方法：
-
-    ```cpp
-    String getAccessToken()
-    {
-        char url[128];
-        sprintf(url, TOKEN_URL, SPEECH_LOCATION);
-    
-        HTTPClient httpClient;
-        httpClient.begin(_token_client, url);
-    
-        httpClient.addHeader("Ocp-Apim-Subscription-Key", SPEECH_API_KEY);
-        int httpResultCode = httpClient.POST("{}");
-    
-        if (httpResultCode != 200)
-        {
-            Serial.println("Error getting access token, trying again...");
-            delay(10000);
-            return getAccessToken();
-        }
-    
-        Serial.println("Got access token.");
-        String result = httpClient.getString();
-    
-        httpClient.end();
-    
-        return result;
-    }
-    ```
-
-    此程式碼使用語音資源的位置構建權杖發行者 API 的 URL。然後創建一個 `HTTPClient` 來進行網絡請求，並將其設置為使用配置了權杖端點證書的 WiFi 客戶端。它將 API 金鑰設置為呼叫的標頭。然後它進行 POST 請求以獲取證書，如果出現任何錯誤則重試。最後返回存取權杖。
-
-1. 在 `public` 部分新增一個方法以獲取存取權杖。在後續課程中，這將用於將文字轉換為語音。
-
-    ```cpp
-    String AccessToken()
-    {
-        return _access_token;
-    }
-    ```
-
-1. 在 `public` 部分新增一個 `init` 方法來設置權杖客戶端：
-
-    ```cpp
-    void init()
-    {
-        _token_client.setCACert(TOKEN_CERTIFICATE);
-        _access_token = getAccessToken();
-    }
-    ```
-
-    這將證書設置在 WiFi 客戶端上，然後獲取存取權杖。
-
-1. 在 `main.cpp` 中，將此新標頭文件新增到 include 指令中：
-
-    ```cpp
-    #include "speech_to_text.h"
-    ```
-
-1. 在 `setup` 函數的末尾初始化 `SpeechToText` 類，在 `mic.init` 調用之後但在將 `Ready` 寫入序列監視器之前：
-
-    ```cpp
-    speechToText.init();
-    ```
-
-### 任務 - 從閃存記憶體讀取音訊
-
-1. 在本課程的早期部分，音訊已錄製到閃存記憶體中。這些音訊需要發送到語音服務的 REST API，因此需要從閃存記憶體中讀取。由於音訊太大，無法加載到內存緩衝區中，因此可以使用 Arduino Stream 類來流式傳輸數據。每次調用 `read` 時，它會返回下一塊數據。可以創建一個 Arduino Stream 類來從閃存記憶體中讀取數據。在 `src` 資料夾中創建一個名為 `flash_stream.h` 的新文件，並新增以下程式碼：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <HTTPClient.h>
-    #include <sfud.h>
-
-    #include "config.h"
-    
-    class FlashStream : public Stream
-    {
-    public:
-        virtual size_t write(uint8_t val)
-        {    
-        }
-    
-        virtual int available()
-        {
-        }
-    
-        virtual int read()
-        {
-        }
-    
-        virtual int peek()
-        {
-        }
-    private:
-    
-    };
-    ```
-
-    這聲明了 `FlashStream` 類，繼承自 Arduino 的 `Stream` 類。這是一個抽象類 - 派生類必須實現一些方法才能實例化該類，這些方法在此類中定義。
-
-    ✅ 在 [Arduino Stream 文檔](https://www.arduino.cc/reference/en/language/functions/communication/stream/) 中了解更多有關 Arduino Streams 的資訊。
-
-1. 在 `private` 部分新增以下欄位：
-
-    ```cpp
-    size_t _pos;
-    size_t _flash_address;
-    const sfud_flash *_flash;
-
-    byte _buffer[HTTP_TCP_BUFFER_SIZE];
-    ```
-
-    這定義了一個臨時緩衝區來存儲從閃存記憶體中讀取的數據，以及用於存儲當前讀取位置、當前讀取地址和閃存記憶體設備的欄位。
-
-1. 在 `private` 部分新增以下方法：
-
-    ```cpp
-    void populateBuffer()
-    {
-        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
-        _flash_address += HTTP_TCP_BUFFER_SIZE;
-        _pos = 0;
-    }
-    ```
-
-    此程式碼從當前地址的閃存記憶體中讀取數據並將其存儲在緩衝區中。然後遞增地址，因此下一次調用會讀取下一塊記憶體。緩衝區的大小基於 `HTTPClient` 將一次發送到 REST API 的最大塊大小。
-
-    > 💁 擦除閃存記憶體必須使用粒度大小，但讀取則不需要。
-
-1. 在此類的 `public` 部分新增一個構造函數：
-
-    ```cpp
-    FlashStream()
-    {
-        _pos = 0;
-        _flash_address = 0;
-        _flash = sfud_get_device_table() + 0;
-        
-        populateBuffer();
-    }
-    ```
-
-    此構造函數設置所有欄位以從閃存記憶體塊的起始位置開始讀取，並將第一塊數據加載到緩衝區中。
-
-1. 實現 `write` 方法。此流僅讀取數據，因此此方法可以不執行任何操作並返回 0：
-
-    ```cpp
-    virtual size_t write(uint8_t val)
-    {
-        return 0;
-    }
-    ```
-
-1. 實現 `peek` 方法。此方法返回當前位置的數據而不移動流。只要未從流中讀取數據，多次調用 `peek` 將始終返回相同的數據。
-
-    ```cpp
-    virtual int peek()
-    {
-        return _buffer[_pos];
-    }
-    ```
-
-1. 實現 `available` 函數。此函數返回可以從流中讀取的字節數，或者如果流已完成則返回 -1。對於此類，最大可用數量不會超過 HTTPClient 的塊大小。當此流用於 HTTP 客戶端時，它會調用此函數以查看有多少數據可用，然後請求該數量的數據以發送到 REST API。我們不希望每個塊超過 HTTP 客戶端的塊大小，因此如果可用數據超過該大小，則返回塊大小。如果少於該大小，則返回可用數據量。一旦所有數據都已流式傳輸，則返回 -1。
-
-    ```cpp
-    virtual int available()
-    {
-        int remaining = BUFFER_SIZE - ((_flash_address - HTTP_TCP_BUFFER_SIZE) + _pos);
-        int bytes_available = min(HTTP_TCP_BUFFER_SIZE, remaining);
-
-        if (bytes_available == 0)
-        {
-            bytes_available = -1;
-        }
-
-        return bytes_available;
-    }
-    ```
-
-1. 實現 `read` 方法以返回緩衝區中的下一個字節，並遞增位置。如果位置超過緩衝區的大小，則用閃存記憶體中的下一塊數據填充緩衝區並重置位置。
-
-    ```cpp
-    virtual int read()
-    {
-        int retVal = _buffer[_pos++];
-
-        if (_pos == HTTP_TCP_BUFFER_SIZE)
-        {
-            populateBuffer();
-        }
-
-        return retVal;
-    }
-    ```
-
-1. 在 `speech_to_text.h` 標頭文件中，新增此新標頭文件的 include 指令：
-
-    ```cpp
-    #include "flash_stream.h"
-    ```
-
-### 任務 - 將語音轉換為文字
-
-1. 可以通過將音訊發送到語音服務的 REST API 來將語音轉換為文字。此 REST API 與權杖發行者使用不同的證書，因此在 `config.h` 標頭文件中新增以下程式碼以定義此證書：
-
-    ```cpp
-    const char *SPEECH_CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIF8zCCBNugAwIBAgIQCq+mxcpjxFFB6jvh98dTFzANBgkqhkiG9w0BAQwFADBh\r\n"
-        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
-        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
-        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
-        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
-        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwMTCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
-        "ggIPADCCAgoCggIBAMedcDrkXufP7pxVm1FHLDNA9IjwHaMoaY8arqqZ4Gff4xyr\r\n"
-        "RygnavXL7g12MPAx8Q6Dd9hfBzrfWxkF0Br2wIvlvkzW01naNVSkHp+OS3hL3W6n\r\n"
-        "l/jYvZnVeJXjtsKYcXIf/6WtspcF5awlQ9LZJcjwaH7KoZuK+THpXCMtzD8XNVdm\r\n"
-        "GW/JI0C/7U/E7evXn9XDio8SYkGSM63aLO5BtLCv092+1d4GGBSQYolRq+7Pd1kR\r\n"
-        "EkWBPm0ywZ2Vb8GIS5DLrjelEkBnKCyy3B0yQud9dpVsiUeE7F5sY8Me96WVxQcb\r\n"
-        "OyYdEY/j/9UpDlOG+vA+YgOvBhkKEjiqygVpP8EZoMMijephzg43b5Qi9r5UrvYo\r\n"
-        "o19oR/8pf4HJNDPF0/FJwFVMW8PmCBLGstin3NE1+NeWTkGt0TzpHjgKyfaDP2tO\r\n"
-        "4bCk1G7pP2kDFT7SYfc8xbgCkFQ2UCEXsaH/f5YmpLn4YPiNFCeeIida7xnfTvc4\r\n"
-        "7IxyVccHHq1FzGygOqemrxEETKh8hvDR6eBdrBwmCHVgZrnAqnn93JtGyPLi6+cj\r\n"
-        "WGVGtMZHwzVvX1HvSFG771sskcEjJxiQNQDQRWHEh3NxvNb7kFlAXnVdRkkvhjpR\r\n"
-        "GchFhTAzqmwltdWhWDEyCMKC2x/mSZvZtlZGY+g37Y72qHzidwtyW7rBetZJAgMB\r\n"
-        "AAGjggGtMIIBqTAdBgNVHQ4EFgQUDyBd16FXlduSzyvQx8J3BM5ygHYwHwYDVR0j\r\n"
-        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
-        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
-        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
-        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
-        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
-        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
-        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
-        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
-        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQAlFvNh7QgXVLAZSsNR2XRmIn9iS8OHFCBA\r\n"
-        "WxKJoi8YYQafpMTkMqeuzoL3HWb1pYEipsDkhiMnrpfeYZEA7Lz7yqEEtfgHcEBs\r\n"
-        "K9KcStQGGZRfmWU07hPXHnFz+5gTXqzCE2PBMlRgVUYJiA25mJPXfB00gDvGhtYa\r\n"
-        "+mENwM9Bq1B9YYLyLjRtUz8cyGsdyTIG/bBM/Q9jcV8JGqMU/UjAdh1pFyTnnHEl\r\n"
-        "Y59Npi7F87ZqYYJEHJM2LGD+le8VsHjgeWX2CJQko7klXvcizuZvUEDTjHaQcs2J\r\n"
-        "+kPgfyMIOY1DMJ21NxOJ2xPRC/wAh/hzSBRVtoAnyuxtkZ4VjIOh\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-1. 在此文件中新增一個常數，用於不包含位置的語音 URL。稍後將與位置和語言結合以獲取完整的 URL。
-
-    ```cpp
-    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
-    ```
-
-1. 在 `speech_to_text.h` 標頭文件中，在 `SpeechToText` 類的 `private` 部分，定義一個使用語音證書的 WiFi 客戶端欄位：
-
-    ```cpp
-    WiFiClientSecure _speech_client;
-    ```
-
-1. 在 `init` 方法中，將此 WiFi 客戶端的證書設置好：
-
-    ```cpp
-    _speech_client.setCACert(SPEECH_CERTIFICATE);
-    ```
-
-1. 在 `SpeechToText` 類的 `public` 部分新增以下程式碼以定義一個將語音轉換為文字的方法：
-
-    ```cpp
-    String convertSpeechToText()
-    {
-        
-    }
-    ```
-
-1. 在此方法中新增以下程式碼以使用配置了語音證書的 WiFi 客戶端創建 HTTP 客戶端，並使用設置了位置和語言的語音 URL：
-
-    ```cpp
-    char url[128];
-    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
-
-    HTTPClient httpClient;
-    httpClient.begin(_speech_client, url);
-    ```
-
-1. 需要在連接上設置一些標頭：
-
-    ```cpp
-    httpClient.addHeader("Authorization", String("Bearer ") + _access_token);
-    httpClient.addHeader("Content-Type", String("audio/wav; codecs=audio/pcm; samplerate=") + String(RATE));
-    httpClient.addHeader("Accept", "application/json;text/xml");
-    ```
-
-    這設置了授權標頭（使用存取權杖）、音訊格式（使用採樣率），並設置客戶端期望結果為 JSON。
-
-1. 在此之後新增以下程式碼以進行 REST API 呼叫：
-
-    ```cpp
-    Serial.println("Sending speech...");
-
-    FlashStream stream;
-    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
-
-    Serial.println("Speech sent!");
-    ```
-
-    這創建了一個 `FlashStream`，並使用它將數據流式傳輸到 REST API。
-
-1. 在此之下新增以下程式碼：
-
-    ```cpp
-    String text = "";
-
-    if (httpResponseCode == 200)
-    {
-        String result = httpClient.getString();
-        Serial.println(result);
-
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, result.c_str());
-
-        JsonObject obj = doc.as<JsonObject>();
-        text = obj["DisplayText"].as<String>();
-    }
-    else if (httpResponseCode == 401)
-    {
-        Serial.println("Access token expired, trying again with a new token");
-        _access_token = getAccessToken();
-        return convertSpeechToText();
-    }
-    else
-    {
-        Serial.print("Failed to convert text to speech - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-    此程式碼檢查響應代碼。
-
-    如果是 200（成功代碼），則檢索結果，從 JSON 解碼，並將 `DisplayText` 屬性設置到 `text` 變數中。這是返回語音文字版本的屬性。
-
-    如果響應代碼是 401，則存取權杖已過期（這些權杖僅持續 10 分鐘）。請求一個新的存取權杖，然後再次進行呼叫。
-
-    否則，將錯誤發送到序列監視器，並將 `text` 保持為空白。
-
-1. 在此方法的末尾新增以下程式碼以關閉 HTTP 客戶端並返回文字：
-
-    ```cpp
-    httpClient.end();
-
-    return text;
-    ```
-
-1. 在 `main.cpp` 中，在 `processAudio` 函數中調用此新的 `convertSpeechToText` 方法，然後將語音文字記錄到序列監視器中：
-
-    ```cpp
-    String text = speechToText.convertSpeechToText();
-    Serial.println(text);
-    ```
-
-1. 編譯此程式碼，將其上傳到你的 Wio Terminal，並通過序列監視器進行測試。一旦你在序列監視器中看到 `Ready`，按下 C 按鈕（左側最靠近電源開關的按鈕），然後說話。將捕獲 4 秒的音訊，然後轉換為文字。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    Ready.
-    Starting recording...
-    Finished recording
-    Sending speech...
-    Speech sent!
-    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
-    Set a 2 minute and 27 second timer.
-    ```
-
-> 💁 你可以在 [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal) 資料夾中找到此程式碼。
-
-😀 你的語音轉文字程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/2-language-understanding/README.md b/translations/hk/6-consumer/lessons/2-language-understanding/README.md
deleted file mode 100644
index 2c7565fb1..000000000
--- a/translations/hk/6-consumer/lessons/2-language-understanding/README.md
+++ /dev/null
@@ -1,574 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
-  "translation_date": "2025-08-26T15:24:18+00:00",
-  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
-  "language_code": "hk"
-}
--->
-# 理解語言
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
-
-## 簡介
-
-在上一課中，你已經將語音轉換為文字。若要將其用於編程一個智能計時器，你的程式需要理解所說的內容。你可以假設使用者會說固定的短語，例如「設置一個3分鐘的計時器」，並解析該表達式以獲取計時器的時間，但這樣的方式對使用者來說並不友好。如果使用者說「設置一個計時器為3分鐘」，你或我能理解其意思，但你的程式無法理解，因為它預期的是固定短語。
-
-這就是語言理解的作用所在，利用人工智能模型來解釋文字並返回所需的細節。例如，它能夠理解「設置一個3分鐘的計時器」和「設置一個計時器為3分鐘」都表示需要一個3分鐘的計時器。
-
-在本課中，你將學習語言理解模型，如何創建、訓練它們，並在程式中使用它們。
-
-本課將涵蓋：
-
-* [語言理解](../../../../../6-consumer/lessons/2-language-understanding)
-* [創建語言理解模型](../../../../../6-consumer/lessons/2-language-understanding)
-* [意圖和實體](../../../../../6-consumer/lessons/2-language-understanding)
-* [使用語言理解模型](../../../../../6-consumer/lessons/2-language-understanding)
-
-## 語言理解
-
-人類已經使用語言進行溝通數十萬年。我們通過文字、聲音或行動來交流，並理解所說的內容，不僅是文字、聲音或行動的意思，還包括它們的上下文。我們能理解真誠與諷刺，讓相同的文字因語氣不同而表達不同的意思。
-
-✅ 想一想你最近的一些對話。有多少內容對電腦來說會因為需要上下文而難以理解？
-
-語言理解，也稱為自然語言理解，是人工智能的一個分支，屬於自然語言處理（NLP）的一部分，專注於閱讀理解，試圖理解文字或句子的細節。如果你使用過語音助手，例如 Alexa 或 Siri，那麼你已經使用過語言理解服務。這些服務是背後的人工智能技術，能將「Alexa，播放泰勒·斯威夫特的最新專輯」轉化為我女兒在客廳裡隨著她最喜歡的音樂跳舞。
-
-> 💁 儘管電腦技術已經取得了很大的進步，但在真正理解文字方面仍有很長的路要走。當我們提到電腦的語言理解時，並不是指像人類交流那樣高級，而是指從一些文字中提取關鍵細節。
-
-作為人類，我們幾乎不需要思考就能理解語言。如果我請另一個人「播放泰勒·斯威夫特的最新專輯」，他們會本能地知道我的意思。對於電腦來說，這就困難得多。它需要將文字（從語音轉換而來）分解並提取以下信息：
-
-* 需要播放音樂
-* 音樂的演唱者是泰勒·斯威夫特
-* 具體的音樂是一整張專輯，包含多首按順序排列的曲目
-* 泰勒·斯威夫特有很多專輯，因此需要按時間順序排序，並選擇最新發行的專輯
-
-✅ 想一想你在提出請求時說過的一些句子，例如點咖啡或請家人遞東西。試著將這些句子分解為電腦需要提取的關鍵信息。
-
-語言理解模型是訓練用來從語言中提取特定細節的人工智能模型，並通過遷移學習針對特定任務進行訓練，就像你使用少量圖片訓練自定義視覺模型一樣。你可以採用一個模型，然後用你希望它理解的文字進行訓練。
-
-## 創建語言理解模型
-
-![LUIS 標誌](../../../../../translated_images/zh-HK/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png)
-
-你可以使用 LUIS（Language Understanding Intelligent Service），一個來自 Microsoft 的語言理解服務，來創建語言理解模型。LUIS 是認知服務的一部分。
-
-### 任務 - 創建一個編輯資源
-
-要使用 LUIS，你需要創建一個編輯資源。
-
-1. 使用以下命令在你的 `smart-timer` 資源組中創建一個編輯資源：
-
-    ```python
-    az cognitiveservices account create --name smart-timer-luis-authoring \
-                                        --resource-group smart-timer \
-                                        --kind LUIS.Authoring \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為創建資源組時使用的位置。
-
-    > ⚠️ LUIS 並非在所有地區都可用，如果你收到以下錯誤：
-    >
-    > ```output
-    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
-    > ```
-    >
-    > 請選擇其他地區。
-
-    這將創建一個免費層的 LUIS 編輯資源。
-
-### 任務 - 創建一個語言理解應用
-
-1. 在瀏覽器中打開 LUIS 入口網站 [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn)，並使用你在 Azure 中使用的相同帳戶登錄。
-
-1. 按照對話框中的指示選擇你的 Azure 訂閱，然後選擇你剛剛創建的 `smart-timer-luis-authoring` 資源。
-
-1. 從 *Conversation apps* 列表中，選擇 **New app** 按鈕來創建一個新應用。將新應用命名為 `smart-timer`，並將 *Culture* 設置為你的語言。
-
-    > 💁 有一個預測資源的字段。你可以為預測單獨創建一個資源，但免費的編輯資源每月允許 1,000 次預測，對於開發來說應該足夠，因此可以留空。
-
-1. 閱讀創建應用後出現的指南，了解訓練語言理解模型所需的步驟。完成後關閉該指南。
-
-## 意圖和實體
-
-語言理解基於 *意圖* 和 *實體*。意圖是文字的目的，例如播放音樂、設置計時器或點餐。實體是意圖所指的對象，例如專輯、計時器的時長或食物的種類。模型解釋的每個句子應至少有一個意圖，並可選擇性地包含一個或多個實體。
-
-一些例子：
-
-| 句子                                                | 意圖             | 實體                                       |
-| --------------------------------------------------- | ---------------- | ------------------------------------------ |
-| 「播放泰勒·斯威夫特的最新專輯」                     | *播放音樂*       | *泰勒·斯威夫特的最新專輯*                 |
-| 「設置一個3分鐘的計時器」                           | *設置計時器*     | *3分鐘*                                   |
-| 「取消我的計時器」                                  | *取消計時器*     | 無                                         |
-| 「點3個大號菠蘿披薩和一份凱撒沙拉」                 | *點餐*           | *3個大號菠蘿披薩*，*凱撒沙拉*             |
-
-✅ 將你之前想到的句子，試著找出其中的意圖和實體。
-
-要訓練 LUIS，首先需要設置實體。這些實體可以是固定的術語列表，或者從文字中學習。例如，你可以提供菜單中可用食物的固定列表，並為每個詞提供變體（或同義詞），例如 *egg plant* 和 *aubergine* 作為 *aubergine* 的變體。LUIS 還提供了一些可用的預設實體，例如數字和地點。
-
-對於設置計時器，你可以使用預設的數字實體來表示時間，並創建另一個實體來表示單位，例如分鐘和秒。每個單位應有多個變體以涵蓋單數和複數形式，例如 minute 和 minutes。
-
-設置實體後，接下來創建意圖。這些意圖是基於你提供的示例句子（稱為語句）由模型學習的。例如，對於 *設置計時器* 的意圖，你可以提供以下句子：
-
-* `設置一個1秒的計時器`
-* `設置一個計時器為1分鐘12秒`
-* `設置一個計時器為3分鐘`
-* `設置一個9分鐘30秒的計時器`
-
-然後，你需要告訴 LUIS 這些句子中的哪些部分對應於實體：
-
-![句子「設置一個計時器為1分鐘12秒」分解為實體](../../../../../translated_images/zh-HK/sentence-as-intent-entities.301401696f992259.webp)
-
-句子 `設置一個計時器為1分鐘12秒` 的意圖是 `設置計時器`。它還有兩個實體，每個實體有兩個值：
-
-|            | 時間 | 單位   |
-| ---------- | ---: | ------ |
-| 1分鐘      | 1    | 分鐘   |
-| 12秒       | 12   | 秒     |
-
-要訓練一個好的模型，你需要提供多種不同的示例句子，以涵蓋人們可能用來表達相同意思的多種方式。
-
-> 💁 與任何人工智能模型一樣，訓練所用的數據越多且越準確，模型的效果就越好。
-
-✅ 想一想你可能用來表達相同意思的不同方式，並期望人類能理解。
-
-### 任務 - 向語言理解模型添加實體
-
-對於計時器，你需要添加兩個實體——一個表示時間單位（分鐘或秒），另一個表示分鐘或秒的數量。
-
-你可以在 Microsoft Docs 的 [快速入門：在 LUIS 入口網站中構建應用](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn) 文檔中找到使用 LUIS 入口網站的指導。
-
-1. 在 LUIS 入口網站中，選擇 *Entities* 標籤，然後通過選擇 **Add prebuilt entity** 按鈕添加 *number* 預設實體，從列表中選擇 *number*。
-
-1. 使用 **Create** 按鈕創建一個新的實體來表示時間單位。將實體命名為 `time unit`，並將類型設置為 *List*。在 *Normalized values* 列表中添加 `minute` 和 `second` 的值，並在 *synonyms* 列表中添加單數和複數形式作為同義詞。每添加一個同義詞後按 `return` 鍵將其添加到列表中。
-
-    | 標準化值       | 同義詞            |
-    | -------------- | ----------------- |
-    | minute         | minute, minutes  |
-    | second         | second, seconds  |
-
-### 任務 - 向語言理解模型添加意圖
-
-1. 在 *Intents* 標籤中，選擇 **Create** 按鈕來創建一個新意圖。將此意圖命名為 `set timer`。
-
-1. 在示例中，輸入設置計時器的不同方式，使用分鐘、秒以及分鐘和秒的組合。例如：
-
-    * `設置一個1秒的計時器`
-    * `設置一個4分鐘的計時器`
-    * `設置一個四分鐘六秒的計時器`
-    * `設置一個9分鐘30秒的計時器`
-    * `設置一個計時器為1分鐘12秒`
-    * `設置一個計時器為3分鐘`
-    * `設置一個計時器為3分鐘1秒`
-    * `設置一個計時器為三分鐘一秒`
-    * `設置一個計時器為1分鐘1秒`
-    * `設置一個計時器為30秒`
-    * `設置一個計時器為1秒`
-
-    混合使用數字的文字形式和數字形式，讓模型學會處理兩者。
-
-1. 當你輸入每個示例時，LUIS 會開始檢測實體，並將檢測到的實體用下劃線標記並標籤。
-
-    ![示例中數字和時間單位被 LUIS 用下劃線標記](../../../../../translated_images/zh-HK/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png)
-
-### 任務 - 訓練和測試模型
-
-1. 配置好實體和意圖後，可以使用頂部菜單中的 **Train** 按鈕訓練模型。選擇此按鈕，模型應在幾秒鐘內完成訓練。訓練期間按鈕會變灰，完成後會重新啟用。
-
-1. 從頂部菜單中選擇 **Test** 按鈕來測試語言理解模型。輸入例如 `設置一個計時器為5分鐘4秒` 的文字並按回車鍵。句子會出現在你輸入文字的文本框下方，並在其下方顯示 *top intent*，即檢測到的最高概率的意圖。這應該是 `set timer`。意圖名稱後會顯示檢測到該意圖的概率。
-
-1. 選擇 **Inspect** 選項查看結果的詳細信息。你將看到最高分的意圖及其概率百分比，以及檢測到的實體列表。
-
-1. 測試完成後，關閉 *Test* 面板。
-
-### 任務 - 發佈模型
-
-要從程式中使用此模型，你需要將其發佈。從 LUIS 發佈時，你可以選擇發佈到測試用的暫存環境或正式發佈的生產環境。在本課中，暫存環境即可。
-
-1. 在 LUIS 入口網站中，從頂部菜單中選擇 **Publish** 按鈕。
-
-1. 確保選擇了 *Staging slot*，然後選擇 **Done**。應用發佈後，你會看到通知。
-
-1. 你可以使用 curl 測試此模型。要構建 curl 命令，你需要三個值——端點、應用程式 ID（App ID）和 API 金鑰。這些可以從頂部菜單中選擇 **MANAGE** 標籤後訪問。
-
-    1. 在 *Settings* 部分，複製 App ID
-1. 從 *Azure 資源* 部分選擇 *Authoring Resource*，然後複製 *Primary Key* 和 *Endpoint URL*
-
-1. 在命令提示符或終端中運行以下 curl 命令：
-
-    ```sh
-    curl "<endpoint url>/luis/prediction/v3.0/apps/<app id>/slots/staging/predict" \
-          --request GET \
-          --get \
-          --data "subscription-key=<primary key>" \
-          --data "verbose=false" \
-          --data "show-all-intents=true" \
-          --data-urlencode "query=<sentence>"
-    ```
-
-    將 `<endpoint url>` 替換為 *Azure 資源* 部分中的 Endpoint URL。
-
-    將 `<app id>` 替換為 *Settings* 部分中的 App ID。
-
-    將 `<primary key>` 替換為 *Azure 資源* 部分中的 Primary Key。
-
-    將 `<sentence>` 替換為您想測試的句子。
-
-1. 此調用的輸出將是一個 JSON 文件，詳細說明查詢、最高意圖以及按類型劃分的實體列表。
-
-    ```JSON
-    {
-        "query": "set a timer for 45 minutes and 12 seconds",
-        "prediction": {
-            "topIntent": "set timer",
-            "intents": {
-                "set timer": {
-                    "score": 0.97031575
-                },
-                "None": {
-                    "score": 0.02205793
-                }
-            },
-            "entities": {
-                "number": [
-                    45,
-                    12
-                ],
-                "time-unit": [
-                    [
-                        "minute"
-                    ],
-                    [
-                        "second"
-                    ]
-                ]
-            }
-        }
-    }
-    ```
-
-    上述 JSON 是通過查詢 `set a timer for 45 minutes and 12 seconds` 生成的：
-
-    * `set timer` 是最高意圖，概率為 97%。
-    * 檢測到兩個 *number* 實體，分別是 `45` 和 `12`。
-    * 檢測到兩個 *time-unit* 實體，分別是 `minute` 和 `second`。
-
-## 使用語言理解模型
-
-一旦發佈，LUIS 模型可以從代碼中調用。在之前的課程中，您已經使用 IoT Hub 處理與雲服務的通信，發送遙測數據並接收命令。這種方式是非常異步的——一旦遙測數據發送出去，您的代碼不會等待響應，如果雲服務宕機，您也不會知道。
-
-對於智能計時器，我們希望立即獲得響應，這樣我們可以告訴用戶計時器已設置，或者提醒他們雲服務不可用。為此，我們的 IoT 設備將直接調用一個 Web Endpoint，而不是依賴 IoT Hub。
-
-與其從 IoT 設備直接調用 LUIS，您可以使用無伺服器代碼和一種不同類型的觸發器——HTTP 觸發器。這允許您的函數應用程序監聽 REST 請求並對其進行響應。此函數將成為您的設備可以調用的 REST Endpoint。
-
-> 💁 雖然您可以直接從 IoT 設備調用 LUIS，但使用無伺服器代碼會更好。這樣，當您想更改調用的 LUIS 應用程序時，例如訓練了一個更好的模型或用不同語言訓練了一個模型，您只需更新雲端代碼，而不需要重新部署到可能成千上萬甚至數百萬的 IoT 設備。
-
-### 任務 - 創建無伺服器函數應用程序
-
-1. 創建一個名為 `smart-timer-trigger` 的 Azure Functions 應用程序，並在 VS Code 中打開它。
-
-1. 使用以下命令在 VS Code 終端中為此應用程序添加一個名為 `speech-trigger` 的 HTTP 觸發器：
-
-    ```sh
-    func new --name text-to-timer --template "HTTP trigger"
-    ```
-
-    這將創建一個名為 `text-to-timer` 的 HTTP 觸發器。
-
-1. 通過運行函數應用程序來測試 HTTP 觸發器。運行時，您將在輸出中看到列出的 Endpoint：
-
-    ```output
-    Functions:
-    
-            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
-    ```
-
-    通過在瀏覽器中加載 [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) URL 進行測試。
-
-    ```output
-    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
-    ```
-
-### 任務 - 使用語言理解模型
-
-1. LUIS 的 SDK 可通過 Pip 包獲得。將以下行添加到 `requirements.txt` 文件中以添加對此包的依賴：
-
-    ```sh
-    azure-cognitiveservices-language-luis
-    ```
-
-1. 確保 VS Code 終端已激活虛擬環境，並運行以下命令來安裝 Pip 包：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-    > 💁 如果出現錯誤，您可能需要使用以下命令升級 pip：
-    >
-    > ```sh
-    > pip install --upgrade pip
-    > ```
-
-1. 在 `local.settings.json` 文件中為您的 LUIS API Key、Endpoint URL 和 App ID 添加新條目，這些信息可以從 LUIS 入口網站的 **MANAGE** 標籤中獲得：
-
-    ```JSON
-    "LUIS_KEY": "<primary key>",
-    "LUIS_ENDPOINT_URL": "<endpoint url>",
-    "LUIS_APP_ID": "<app id>"
-    ```
-
-    將 `<endpoint url>` 替換為 **MANAGE** 標籤中 *Azure 資源* 部分的 Endpoint URL。這將是 `https://<location>.api.cognitive.microsoft.com/`。
-
-    將 `<app id>` 替換為 **MANAGE** 標籤中 *Settings* 部分的 App ID。
-
-    將 `<primary key>` 替換為 **MANAGE** 標籤中 *Azure 資源* 部分的 Primary Key。
-
-1. 將以下導入添加到 `__init__.py` 文件中：
-
-    ```python
-    import json
-    import os
-    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
-    from msrest.authentication import CognitiveServicesCredentials
-    ```
-
-    這將導入一些系統庫以及與 LUIS 交互的庫。
-
-1. 刪除 `main` 方法的內容，並添加以下代碼：
-
-    ```python
-    luis_key = os.environ['LUIS_KEY']
-    endpoint_url = os.environ['LUIS_ENDPOINT_URL']
-    app_id = os.environ['LUIS_APP_ID']
-    
-    credentials = CognitiveServicesCredentials(luis_key)
-    client = LUISRuntimeClient(endpoint=endpoint_url, credentials=credentials)
-    ```
-
-    這將加載您在 `local.settings.json` 文件中為 LUIS 應用程序添加的值，創建一個帶有 API Key 的憑據對象，然後創建一個 LUIS 客戶端對象以與您的 LUIS 應用程序交互。
-
-1. 此 HTTP 觸發器將通過 JSON 傳遞要理解的文本，文本位於名為 `text` 的屬性中。以下代碼從 HTTP 請求的主體中提取該值，並將其記錄到控制台。將此代碼添加到 `main` 函數中：
-
-    ```python
-    req_body = req.get_json()
-    text = req_body['text']
-    logging.info(f'Request - {text}')
-    ```
-
-1. 通過發送預測請求（包含要預測的文本的 JSON 文件）來向 LUIS 請求預測。使用以下代碼創建此請求：
-
-    ```python
-    prediction_request = { 'query' : text }
-    ```
-
-1. 然後可以使用應用程序發佈到的暫存槽將此請求發送到 LUIS：
-
-    ```python
-    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
-    ```
-
-1. 預測響應包含最高意圖（具有最高預測分數的意圖）以及實體。如果最高意圖是 `set timer`，則可以讀取實體以獲取計時器所需的時間：
-
-    ```python
-    if prediction_response.prediction.top_intent == 'set timer':
-        numbers = prediction_response.prediction.entities['number']
-        time_units = prediction_response.prediction.entities['time unit']
-        total_seconds = 0
-    ```
-
-    `number` 實體將是一個數字數組。例如，如果您說 *"Set a four minute 17 second timer."*，則 `number` 數組將包含兩個整數 - 4 和 17。
-
-    `time unit` 實體將是一個字符串數組的數組，每個時間單位作為數組中的一個字符串。例如，如果您說 *"Set a four minute 17 second timer."*，則 `time unit` 數組將包含兩個單值數組 - `['minute']` 和 `['second']`。
-
-    這些實體的 JSON 版本為 *"Set a four minute 17 second timer."*：
-
-    ```json
-    {
-        "number": [4, 17],
-        "time unit": [
-            ["minute"],
-            ["second"]
-        ]
-    }
-    ```
-
-    此代碼還定義了一個計時器總時間（以秒為單位）的計數器。這將由實體中的值填充。
-
-1. 實體之間沒有鏈接，但我們可以對它們做出一些假設。它們將按照說話的順序排列，因此可以使用數組中的位置來確定哪個數字與哪個時間單位匹配。例如：
-
-    * *"Set a 30 second timer"* - 這將有一個數字 `30` 和一個時間單位 `second`，因此單個數字將匹配單個時間單位。
-    * *"Set a 2 minute and 30 second timer"* - 這將有兩個數字 `2` 和 `30`，以及兩個時間單位 `minute` 和 `second`，因此第一個數字將對應第一個時間單位（2 分鐘），第二個數字對應第二個時間單位（30 秒）。
-
-    以下代碼獲取 `number` 實體中的項目數，並使用該數量從每個數組中提取第一個項目，然後是第二個，依此類推。將此代碼添加到 `if` 塊內。
-
-    ```python
-    for i in range(0, len(numbers)):
-        number = numbers[i]
-        time_unit = time_units[i][0]
-    ```
-
-    對於 *"Set a four minute 17 second timer."*，這將循環兩次，給出以下值：
-
-    | 循環次數 | `number` | `time_unit` |
-    | -------: | -------: | ----------- |
-    | 0        | 4        | minute      |
-    | 1        | 17       | second      |
-
-1. 在此循環內，使用數字和時間單位計算計時器的總時間，為每分鐘添加 60 秒，並為每秒添加相應的秒數。
-
-    ```python
-    if time_unit == 'minute':
-        total_seconds += number * 60
-    else:
-        total_seconds += number
-    ```
-
-1. 在實體循環之外，記錄計時器的總時間：
-
-    ```python
-    logging.info(f'Timer required for {total_seconds} seconds')
-    ```
-
-1. 計時器的秒數需要作為 HTTP 響應從函數返回。在 `if` 塊的末尾添加以下代碼：
-
-    ```python
-    payload = {
-        'seconds': total_seconds
-    }
-    return func.HttpResponse(json.dumps(payload), status_code=200)
-    ```
-
-    此代碼創建一個包含計時器總秒數的有效負載，將其轉換為 JSON 字符串，並以狀態碼 200（表示調用成功）作為 HTTP 結果返回。
-
-1. 最後，在 `if` 塊之外，處理未識別意圖的情況，返回錯誤代碼：
-
-    ```python
-    return func.HttpResponse(status_code=404)
-    ```
-
-    404 是 *未找到* 的狀態碼。
-
-1. 運行函數應用程序並使用 curl 測試。
-
-    ```sh
-    curl --request POST 'http://localhost:7071/api/text-to-timer' \
-         --header 'Content-Type: application/json' \
-         --include \
-         --data '{"text":"<text>"}'
-    ```
-
-    將 `<text>` 替換為您的請求文本，例如 `set a 2 minutes 27 second timer`。
-
-    您將在函數應用程序的輸出中看到以下內容：
-
-    ```output
-    Functions:
-
-            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
-    
-    For detailed output, run func with --verbose flag.
-    [2021-06-26T19:45:14.502Z] Worker process started and initialized.
-    [2021-06-26T19:45:19.338Z] Host lock lease acquired by instance ID '000000000000000000000000951CAE4E'.
-    [2021-06-26T19:45:52.059Z] Executing 'Functions.text-to-timer' (Reason='This function was programmatically called via the host APIs.', Id=f68bfb90-30e4-47a5-99da-126b66218e81)
-    [2021-06-26T19:45:53.577Z] Timer required for 147 seconds
-    [2021-06-26T19:45:53.746Z] Executed 'Functions.text-to-timer' (Succeeded, Id=f68bfb90-30e4-47a5-99da-126b66218e81, Duration=1750ms)
-    ```
-
-    curl 的調用將返回以下內容：
-
-    ```output
-    HTTP/1.1 200 OK
-    Date: Tue, 29 Jun 2021 01:14:11 GMT
-    Content-Type: text/plain; charset=utf-8
-    Server: Kestrel
-    Transfer-Encoding: chunked
-    
-    {"seconds": 147}
-    ```
-
-    計時器的秒數位於 `"seconds"` 值中。
-
-> 💁 您可以在 [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions) 文件夾中找到此代碼。
-
-### 任務 - 讓您的函數可供 IoT 設備使用
-
-1. 為了讓您的 IoT 設備調用您的 REST Endpoint，它需要知道 URL。當您之前訪問它時，您使用了 `localhost`，這是一個訪問本地機器上 REST Endpoint 的快捷方式。要讓您的 IoT 設備訪問，您需要將其發佈到雲端，或者獲取您的 IP 地址以在本地訪問。
-
-    > ⚠️ 如果您使用的是 Wio Terminal，運行函數應用程序在本地會更容易，因為會有依賴庫，這意味著您無法像之前那樣部署函數應用程序。在本地運行函數應用程序並通過計算機的 IP 地址訪問它。如果您確實想部署到雲端，後續課程中將提供相關信息。
-
-    * 發佈函數應用程序 - 按照之前課程中的說明將函數應用程序發佈到雲端。發佈後，URL 將是 `https://<APP_NAME>.azurewebsites.net/api/text-to-timer`，其中 `<APP_NAME>` 是您的函數應用程序名稱。確保也發佈您的本地設置。
-
-      當使用 HTTP 觸發器時，它們默認通過函數應用程序密鑰進行保護。要獲取此密鑰，運行以下命令：
-
-      ```sh
-      az functionapp keys list --resource-group smart-timer \
-                               --name <APP_NAME>                               
-      ```
-
-      從 `functionKeys` 部分複製 `default` 條目的值。
-
-      ```output
-      {
-        "functionKeys": {
-          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
-        },
-        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
-        "systemKeys": {}
-      }
-      ```
-
-      此密鑰需要作為查詢參數添加到 URL 中，因此最終的 URL 將是 `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>`，其中 `<APP_NAME>` 是您的函數應用程序名稱，`<FUNCTION_KEY>` 是您的默認函數密鑰。
-
-      > 💁 您可以使用 `function.json` 文件中的 `authlevel` 設置更改 HTTP 觸發器的授權類型。您可以在 [Microsoft Docs 上的 Azure Functions HTTP 觸發器文檔配置部分](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python#configuration) 中閱讀更多相關信息。
-
-    * 在本地運行函數應用程序並使用 IP 地址訪問 - 您可以獲取計算機在本地網絡上的 IP 地址，並使用該地址構建 URL。
-
-      獲取您的 IP 地址：
-
-      * 在 Windows 10 上，請參考 [查找您的 IP 地址指南](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn)。
-      * 在 macOS 上，請參考 [如何在 Mac 上查找 IP 地址指南](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac)。
-      * 在 Linux 上，請參考 [如何在 Linux 中查找 IP 地址指南](https://opensource.com/article/18/5/how-find-ip-address-linux) 中的查找私有 IP 地址部分。
-
-      獲取 IP 地址後，您將能夠通過 `http://`
-
-:7071/api/text-to-timer`，其中 `<IP_ADDRESS>` 是你的 IP 地址，例如 `http://192.168.1.10:7071/api/text-to-timer`。
-
-      > 💁 請注意這裡使用了 7071 埠，因此在 IP 地址後需要加上 `:7071`。
-
-      > 💁 這僅在你的 IoT 裝置與電腦位於同一網絡時才有效。
-
-1. 使用 curl 測試該端點。
-
----
-
-## 🚀 挑戰
-
-設置計時器有很多不同的請求方式。想想不同的方法來完成這件事，並將它們作為範例添加到你的 LUIS 應用中。測試這些範例，看看你的模型能否處理多種設置計時器的請求方式。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
-
-## 回顧與自學
-
-* 在 [Microsoft Docs 的語言理解 (LUIS) 文件頁面](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn)上閱讀更多關於 LUIS 及其功能的資訊
-* 在 [維基百科的自然語言理解頁面](https://wikipedia.org/wiki/Natural-language_understanding)上閱讀更多關於語言理解的資訊
-* 在 [Microsoft Docs 的 Azure Functions HTTP 觸發器文件頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python)上閱讀更多關於 HTTP 觸發器的資訊
-
-## 作業
-
-[取消計時器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/2-language-understanding/assignment.md b/translations/hk/6-consumer/lessons/2-language-understanding/assignment.md
deleted file mode 100644
index 4afc9990d..000000000
--- a/translations/hk/6-consumer/lessons/2-language-understanding/assignment.md
+++ /dev/null
@@ -1,28 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
-  "translation_date": "2025-08-26T15:27:31+00:00",
-  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
-  "language_code": "hk"
-}
--->
-# 取消計時器
-
-## 指示
-
-在這節課中，你已經訓練了一個模型來理解設定計時器的功能。另一個有用的功能是取消計時器——例如你的麵包已經烤好，可以在計時器結束前取出。
-
-在你的 LUIS 應用中新增一個取消計時器的意圖。這個意圖不需要任何實體，但需要一些示例句子。如果這是最高意圖，請在你的無伺服器代碼中處理，記錄該意圖已被識別，並返回適當的回應。
-
-## 評分標準
-
-| 標準 | 卓越 | 合格 | 需要改進 |
-| ---- | ---- | ---- | -------- |
-| 在 LUIS 應用中新增取消計時器意圖 | 能夠新增意圖並訓練模型 | 能夠新增意圖但未訓練模型 | 無法新增意圖並訓練模型 |
-| 在無伺服器應用中處理該意圖 | 能夠檢測該意圖為最高意圖並記錄 | 能夠檢測該意圖為最高意圖 | 無法檢測該意圖為最高意圖 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/3-spoken-feedback/README.md b/translations/hk/6-consumer/lessons/3-spoken-feedback/README.md
deleted file mode 100644
index abe02444b..000000000
--- a/translations/hk/6-consumer/lessons/3-spoken-feedback/README.md
+++ /dev/null
@@ -1,142 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
-  "translation_date": "2025-08-26T15:28:24+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
-  "language_code": "hk"
-}
--->
-# 設定計時器並提供語音回饋
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
-
-## 簡介
-
-智慧助理並非單向的溝通設備。你對它說話，它會回應你：
-
-「Alexa，設定一個三分鐘的計時器」
-
-「好的，您的計時器已設定為三分鐘」
-
-在前兩節課中，你學會了如何將語音轉換為文字，然後從文字中提取設定計時器的請求。在本課中，你將學習如何在物聯網設備上設定計時器，並以語音回應用戶確認計時器已設定，並在計時器結束時提醒他們。
-
-本課將涵蓋以下內容：
-
-* [文字轉語音](../../../../../6-consumer/lessons/3-spoken-feedback)
-* [設定計時器](../../../../../6-consumer/lessons/3-spoken-feedback)
-* [將文字轉換為語音](../../../../../6-consumer/lessons/3-spoken-feedback)
-
-## 文字轉語音
-
-顧名思義，文字轉語音是將文字轉換為包含語音的音頻的過程。其基本原理是將文字中的單詞分解為其組成的聲音（稱為音素），然後將這些聲音的音頻拼接在一起，這些音頻可以是預錄的，也可以是由人工智慧模型生成的。
-
-![典型文字轉語音系統的三個階段](../../../../../translated_images/zh-HK/tts-overview.193843cf3f5ee09f.webp)
-
-文字轉語音系統通常有三個階段：
-
-* 文字分析
-* 語言學分析
-* 波形生成
-
-### 文字分析
-
-文字分析是將提供的文字轉換為可以用於生成語音的單詞。例如，如果你轉換「Hello world」，則不需要進行文字分析，這兩個單詞可以直接轉換為語音。然而，如果是「1234」，則可能需要根據上下文將其轉換為「一千二百三十四」或「一二三四」。例如，「我有1234個蘋果」應該是「一千二百三十四」，而「孩子數到1234」則應該是「一二三四」。
-
-單詞的生成不僅取決於語言，還取決於該語言的地區。例如，在美式英語中，120是「One hundred twenty」，而在英式英語中則是「One hundred and twenty」，多了一個「and」。
-
-✅ 其他需要文字分析的例子包括「in」作為英寸的縮寫，以及「st」作為聖人或街道的縮寫。你能想到在你的語言中有哪些單詞在沒有上下文時會產生歧義嗎？
-
-一旦單詞被定義，它們將被送往語言學分析。
-
-### 語言學分析
-
-語言學分析將單詞分解為音素。音素不僅基於使用的字母，還基於單詞中的其他字母。例如，在英語中，「car」和「care」中的「a」發音是不同的。英語中有44個不同的音素，而字母表只有26個字母，有些音素由不同的字母共享，例如「circle」和「serpent」開頭的音素相同。
-
-✅ 做一些研究：你的語言有哪些音素？
-
-當單詞被轉換為音素後，這些音素需要額外的數據來支持語調，根據上下文調整音調或持續時間。例如，在英語中，音調的升高可以將一個句子轉換為疑問句，最後一個單詞的音調升高暗示這是一個問題。
-
-例如，句子「You have an apple」是一個陳述句，表示你有一個蘋果。如果最後一個單詞「apple」的音調升高，則變成了問題「You have an apple?」，詢問你是否有一個蘋果。語言學分析需要使用句末的問號來決定是否提高音調。
-
-一旦生成了音素，它們將被送往波形生成階段以生成音頻輸出。
-
-### 波形生成
-
-最早的電子文字轉語音系統使用每個音素的單一音頻錄音，導致聲音非常單調、機械化。語言學分析生成音素後，這些音素會從聲音數據庫中加載並拼接在一起生成音頻。
-
-✅ 做一些研究：找一些早期語音合成系統的音頻錄音。將其與現代語音合成（如智慧助理中使用的語音）進行比較。
-
-更現代的波形生成使用基於深度學習的機器學習模型（非常大的神經網絡，類似於大腦中的神經元）來生成更自然的聲音，這些聲音可以與人類的聲音無法區分。
-
-> 💁 一些機器學習模型可以通過遷移學習重新訓練，模仿真實人物的聲音。這意味著使用聲音作為安全系統（例如銀行越來越多地嘗試的方式）已不再安全，因為任何人只需幾分鐘的聲音錄音就可以模仿你。
-
-這些大型機器學習模型正在被訓練以將三個步驟結合為端到端的語音合成器。
-
-## 設定計時器
-
-要設定計時器，你的物聯網設備需要調用你使用無伺服器代碼創建的 REST 端點，然後使用返回的秒數來設定計時器。
-
-### 任務 - 調用無伺服器函數以獲取計時器時間
-
-按照相關指南從你的物聯網設備調用 REST 端點，並為所需的時間設定計時器：
-
-* [Arduino - Wio Terminal](wio-terminal-set-timer.md)
-* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-set-timer.md)
-
-## 將文字轉換為語音
-
-你用於將語音轉換為文字的語音服務也可以用於將文字轉換回語音，並通過物聯網設備上的揚聲器播放。要轉換的文字會被發送到語音服務，並附上所需的音頻類型（例如採樣率），然後返回包含音頻的二進制數據。
-
-當你發送此請求時，你會使用*語音合成標記語言*（SSML），這是一種基於 XML 的語音合成應用標記語言。它不僅定義了要轉換的文字，還定義了文字的語言、使用的語音，甚至可以用於定義某些或所有文字的速度、音量和音調。
-
-例如，以下 SSML 定義了一個請求，將文字「Your 3 minute 5 second time has been set」轉換為語音，使用名為 `en-GB-MiaNeural` 的英式英語語音：
-
-```xml
-<speak version='1.0' xml:lang='en-GB'>
-    <voice xml:lang='en-GB' name='en-GB-MiaNeural'>
-        Your 3 minute 5 second time has been set
-    </voice>
-</speak>
-```
-
-> 💁 大多數文字轉語音系統為不同語言提供多種語音，並帶有相關的口音，例如帶有英國口音的英式英語語音和帶有紐西蘭口音的紐西蘭英語語音。
-
-### 任務 - 將文字轉換為語音
-
-按照相關指南使用你的物聯網設備將文字轉換為語音：
-
-* [Arduino - Wio Terminal](wio-terminal-text-to-speech.md)
-* [單板電腦 - Raspberry Pi](pi-text-to-speech.md)
-* [單板電腦 - 虛擬設備](virtual-device-text-to-speech.md)
-
----
-
-## 🚀 挑戰
-
-SSML 提供了改變單詞發音方式的方法，例如對某些單詞加重語氣、添加停頓或改變音調。嘗試這些功能，從你的物聯網設備發送不同的 SSML 並比較輸出效果。你可以在 [世界萬維網聯盟的《語音合成標記語言 (SSML) 1.1 版規範》](https://www.w3.org/TR/speech-synthesis11/)中閱讀更多關於 SSML 的內容，包括如何改變單詞的發音方式。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
-
-## 回顧與自學
-
-* 在 [維基百科的語音合成頁面](https://wikipedia.org/wiki/Speech_synthesis)上閱讀更多關於語音合成的內容
-* 在 [BBC 新聞的「假聲音幫助網絡罪犯偷錢」報導](https://www.bbc.com/news/technology-48908736)中了解更多犯罪分子如何利用語音合成進行盜竊
-* 在 [Vice 的文章《這場 TikTok 訴訟突顯了 AI 如何損害配音演員》](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)中了解更多語音演員因合成聲音面臨的風險
-
-## 作業
-
-[取消計時器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/hk/6-consumer/lessons/3-spoken-feedback/assignment.md
deleted file mode 100644
index a25226888..000000000
--- a/translations/hk/6-consumer/lessons/3-spoken-feedback/assignment.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
-  "translation_date": "2025-08-26T15:29:34+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
-  "language_code": "hk"
-}
--->
-# 取消計時器
-
-## 指引
-
-在上一課的作業中，你已經在 LUIS 中新增了一個取消計時器的意圖。在這次作業中，你需要在無伺服器代碼中處理這個意圖，向 IoT 裝置發送一個指令，然後取消計時器。
-
-## 評分標準
-
-| 評分標準 | 優異 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 在無伺服器代碼中處理意圖並發送指令 | 能夠成功處理意圖並向裝置發送指令 | 能夠處理意圖但無法向裝置發送指令 | 無法處理意圖 |
-| 在裝置上取消計時器 | 能夠接收指令並成功取消計時器 | 能夠接收指令但無法取消計時器 | 無法接收指令 |
-
----
-
-**免責聲明**：  
-此文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤詮釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/hk/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
deleted file mode 100644
index 3b16bb9ed..000000000
--- a/translations/hk/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
+++ /dev/null
@@ -1,156 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
-  "translation_date": "2025-08-26T15:30:35+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
-  "language_code": "hk"
-}
--->
-# 將文字轉換為語音 - Raspberry Pi
-
-在本課程的這部分，你將撰寫程式碼，使用語音服務將文字轉換為語音。
-
-## 使用語音服務將文字轉換為語音
-
-可以使用 REST API 將文字發送到語音服務，獲取語音作為音頻檔案，並在你的 IoT 裝置上播放。請求語音時，你需要提供使用的語音，因為語音可以通過多種不同的聲音生成。
-
-每種語言都支援多種不同的聲音，你可以對語音服務發送 REST 請求，以獲取每種語言支援的聲音列表。
-
-### 任務 - 獲取語音
-
-1. 在 VS Code 中打開 `smart-timer` 專案。
-
-1. 在 `say` 函數上方新增以下程式碼，以請求語言的聲音列表：
-
-    ```python
-    def get_voice():
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
-    
-        headers = {
-            'Authorization': 'Bearer ' + get_access_token()
-        }
-    
-        response = requests.get(url, headers=headers)
-        voices_json = json.loads(response.text)
-    
-        first_voice = next(x for x in voices_json if x['Locale'].lower() == language.lower() and x['VoiceType'] == 'Neural')
-        return first_voice['ShortName']
-    
-    voice = get_voice()
-    print(f'Using voice {voice}')
-    ```
-
-    此程式碼定義了一個名為 `get_voice` 的函數，該函數使用語音服務獲取聲音列表。然後，它會找到與正在使用的語言匹配的第一個聲音。
-
-    接著呼叫此函數以儲存第一個聲音，並將聲音名稱打印到控制台。此聲音可以請求一次，並在每次將文字轉換為語音時使用該值。
-
-    > 💁 你可以從 [Microsoft Docs 的語言和聲音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) 獲取支援的聲音完整列表。如果你想使用特定的聲音，可以移除此函數並直接將聲音名稱硬編碼。例如：
-    >
-    > ```python
-    > voice = 'hi-IN-SwaraNeural'
-    > ```
-
-### 任務 - 將文字轉換為語音
-
-1. 在此程式碼下方，定義一個常數，用於從語音服務獲取音頻格式。當你請求音頻時，可以選擇多種不同的格式。
-
-    ```python
-    playback_format = 'riff-48khz-16bit-mono-pcm'
-    ```
-
-    你可以使用的格式取決於你的硬體。如果在播放音頻時出現 `Invalid sample rate` 錯誤，請將此值更改為其他選項。你可以在 [Microsoft Docs 的文字轉語音 REST API 文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs) 中找到支援的值列表。你需要使用 `riff` 格式音頻，可嘗試的值包括 `riff-16khz-16bit-mono-pcm`、`riff-24khz-16bit-mono-pcm` 和 `riff-48khz-16bit-mono-pcm`。
-
-1. 在此程式碼下方，宣告一個名為 `get_speech` 的函數，該函數將使用語音服務 REST API 將文字轉換為語音：
-
-    ```python
-    def get_speech(text):
-    ```
-
-1. 在 `get_speech` 函數中，定義要呼叫的 URL 和需要傳遞的標頭：
-
-    ```python
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
-    
-        headers = {
-            'Authorization': 'Bearer ' + get_access_token(),
-            'Content-Type': 'application/ssml+xml',
-            'X-Microsoft-OutputFormat': playback_format
-        }
-    ```
-
-    此程式碼設定標頭以使用生成的存取權杖，將內容設定為 SSML，並定義所需的音頻格式。
-
-1. 在此程式碼下方，定義要發送到 REST API 的 SSML：
-
-    ```python
-    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
-    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
-    ssml += text
-    ssml += '</voice>'
-    ssml += '</speak>'
-    ```
-
-    此 SSML 設定了使用的語言和聲音，以及要轉換的文字。
-
-1. 最後，在此函數中新增程式碼以進行 REST 請求並返回二進制音頻資料：
-
-    ```python
-    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
-    return io.BytesIO(response.content)
-    ```
-
-### 任務 - 播放音頻
-
-1. 在 `get_speech` 函數下方，定義一個新函數以播放 REST API 呼叫返回的音頻：
-
-    ```python
-    def play_speech(speech):
-    ```
-
-1. 傳遞到此函數的 `speech` 將是 REST API 返回的二進制音頻資料。使用以下程式碼將其作為 wave 檔案打開，並傳遞給 PyAudio 播放音頻：
-
-    ```python
-    def play_speech(speech):
-        with wave.open(speech, 'rb') as wave_file:
-            stream = audio.open(format=audio.get_format_from_width(wave_file.getsampwidth()),
-                                channels=wave_file.getnchannels(),
-                                rate=wave_file.getframerate(),
-                                output_device_index=speaker_card_number,
-                                output=True)
-
-            data = wave_file.readframes(4096)
-
-            while len(data) > 0:
-                stream.write(data)
-                data = wave_file.readframes(4096)
-
-            stream.stop_stream()
-            stream.close()
-    ```
-
-    此程式碼使用 PyAudio 流，與捕捉音頻的方式相同。不同之處在於，此流設定為輸出流，並從音頻資料中讀取資料，然後推送到流中。
-
-    流的詳細資訊（例如取樣率）不是硬編碼的，而是從音頻資料中讀取。
-
-1. 將 `say` 函數的內容替換為以下程式碼：
-
-    ```python
-    speech = get_speech(text)
-    play_speech(speech)
-    ```
-
-    此程式碼將文字轉換為二進制音頻資料，並播放音頻。
-
-1. 執行應用程式，並確保函數應用程式也在運行。設定一些計時器，你會聽到語音回應，告訴你計時器已設定，然後在計時器完成時聽到另一個語音回應。
-
-    如果出現 `Invalid sample rate` 錯誤，請按照上述說明更改 `playback_format`。
-
-> 💁 你可以在 [code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi) 資料夾中找到此程式碼。
-
-😀 你的計時器程式成功了！
-
----
-
-**免責聲明**：  
-此文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議使用專業的人工作業翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/hk/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
deleted file mode 100644
index dc6042f50..000000000
--- a/translations/hk/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
+++ /dev/null
@@ -1,140 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "64ad4ddb4de81a18b7252e968f10b404",
-  "translation_date": "2025-08-26T15:27:47+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
-  "language_code": "hk"
-}
--->
-# 設定計時器 - 虛擬 IoT 硬件與 Raspberry Pi
-
-在本課程的這部分，你將調用無伺服器代碼來理解語音，並根據結果在虛擬 IoT 設備或 Raspberry Pi 上設定計時器。
-
-## 設定計時器
-
-從語音轉文字調用返回的文本需要發送到無伺服器代碼，通過 LUIS 處理，獲取計時器的秒數。這個秒數可以用來設定計時器。
-
-可以使用 Python 的 `threading.Timer` 類來設定計時器。這個類需要一個延遲時間和一個函數，延遲時間過後，該函數將被執行。
-
-### 任務 - 將文本發送到無伺服器函數
-
-1. 在 VS Code 中打開 `smart-timer` 項目，並確保如果你使用的是虛擬 IoT 設備，終端中已加載虛擬環境。
-
-1. 在 `process_text` 函數上方，聲明一個名為 `get_timer_time` 的函數，用於調用你創建的 REST 端點：
-
-    ```python
-    def get_timer_time(text):
-    ```
-
-1. 在此函數中添加以下代碼來定義要調用的 URL：
-
-    ```python
-    url = '<URL>'
-    ```
-
-    將 `<URL>` 替換為你在上一課中構建的 REST 端點的 URL，可以是你電腦上的本地 URL 或雲端的 URL。
-
-1. 添加以下代碼，將文本作為 JSON 屬性傳遞給調用：
-
-    ```python
-    body = {
-        'text': text
-    }
-    
-    response = requests.post(url, json=body)
-    ```
-
-1. 在此之下，從響應的有效載荷中檢索 `seconds`，如果調用失敗則返回 0：
-
-    ```python
-    if response.status_code != 200:
-        return 0
-    
-    payload = response.json()
-    return payload['seconds']
-    ```
-
-    成功的 HTTP 調用會返回 200 範圍內的狀態碼，而你的無伺服器代碼在文本被處理並識別為設定計時器意圖時會返回 200。
-
-### 任務 - 在後台線程中設定計時器
-
-1. 在文件頂部添加以下導入語句以導入 Python 的 threading 庫：
-
-    ```python
-    import threading
-    ```
-
-1. 在 `process_text` 函數上方，添加一個函數來播報響應。目前這個函數只會將文本寫入控制台，但在本課程稍後部分，這將用於語音播報。
-
-    ```python
-    def say(text):
-        print(text)
-    ```
-
-1. 在此之下，添加一個函數，該函數將由計時器調用以宣布計時器完成：
-
-    ```python
-    def announce_timer(minutes, seconds):
-        announcement = 'Times up on your '
-        if minutes > 0:
-            announcement += f'{minutes} minute '
-        if seconds > 0:
-            announcement += f'{seconds} second '
-        announcement += 'timer.'
-        say(announcement)
-    ```
-
-    該函數接收計時器的分鐘數和秒數，並構建一個句子來宣布計時器完成。它會檢查分鐘數和秒數，並僅在有數值時才包括該時間單位。例如，如果分鐘數為 0，則消息中只包括秒數。這個句子隨後被發送到 `say` 函數。
-
-1. 在此之下，添加以下 `create_timer` 函數來創建計時器：
-
-    ```python
-    def create_timer(total_seconds):
-        minutes, seconds = divmod(total_seconds, 60)
-        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
-    ```
-
-    該函數接收命令中發送的計時器總秒數，並將其轉換為分鐘數和秒數。然後，它使用總秒數創建並啟動一個計時器對象，傳遞 `announce_timer` 函數和包含分鐘數與秒數的列表。當計時器到期時，它將調用 `announce_timer` 函數，並將該列表的內容作為參數傳遞——列表的第一項作為 `minutes` 參數，第二項作為 `seconds` 參數。
-
-1. 在 `create_timer` 函數的末尾，添加一些代碼來構建一條消息，向用戶播報計時器正在啟動：
-
-    ```python
-    announcement = ''
-    if minutes > 0:
-        announcement += f'{minutes} minute '
-    if seconds > 0:
-        announcement += f'{seconds} second '    
-    announcement += 'timer started.'
-    say(announcement)
-    ```
-
-    同樣，這只包括有數值的時間單位。這個句子隨後被發送到 `say` 函數。
-
-1. 在 `process_text` 函數的末尾添加以下內容，從文本中獲取計時器的時間，然後創建計時器：
-
-    ```python
-    seconds = get_timer_time(text)
-    if seconds > 0:
-        create_timer(seconds)
-    ```
-
-    只有當秒數大於 0 時，計時器才會被創建。
-
-1. 運行應用程序，並確保函數應用程序也在運行。設定一些計時器，輸出將顯示計時器被設定，並在到期時顯示：
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py 
-    Set a two minute 27 second timer.
-    2 minute 27 second timer started.
-    Times up on your 2 minute 27 second timer.
-    ```
-
-> 💁 你可以在 [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) 或 [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device) 文件夾中找到這段代碼。
-
-😀 你的計時器程序成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/hk/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
deleted file mode 100644
index 9c4fd1e6f..000000000
--- a/translations/hk/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
+++ /dev/null
@@ -1,88 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7966848a1f870e4c42edb4db67b13c57",
-  "translation_date": "2025-08-26T15:32:49+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
-  "language_code": "hk"
-}
--->
-# 將文字轉換為語音 - 虛擬 IoT 裝置
-
-在這部分課程中，你將撰寫程式碼，使用語音服務將文字轉換為語音。
-
-## 將文字轉換為語音
-
-在上一課中，你使用語音服務 SDK 將語音轉換為文字，現在可以使用相同的 SDK 將文字轉換回語音。在請求語音時，你需要指定使用的語音，因為語音可以由多種不同的聲音生成。
-
-每種語言都支援多種不同的聲音，你可以透過語音服務 SDK 獲取每種語言支援的聲音清單。
-
-### 任務 - 將文字轉換為語音
-
-1. 在 VS Code 中打開 `smart-timer` 專案，並確保終端機中已載入虛擬環境。
-
-1. 從 `azure.cognitiveservices.speech` 套件中匯入 `SpeechSynthesizer`，將其加入現有的匯入部分：
-
-    ```python
-    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
-    ```
-
-1. 在 `say` 函式上方，建立一個語音配置，用於語音合成器：
-
-    ```python
-    speech_config = SpeechConfig(subscription=speech_api_key,
-                                 region=location)
-    speech_config.speech_synthesis_language = language
-    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
-    ```
-
-    這裡使用了與語音辨識器相同的 API 金鑰、位置和語言。
-
-1. 在這段程式碼下方，新增以下程式碼以獲取語音並將其設置到語音配置中：
-
-    ```python
-    voices = speech_synthesizer.get_voices_async().get().voices
-    first_voice = next(x for x in voices if x.locale.lower() == language.lower())
-    speech_config.speech_synthesis_voice_name = first_voice.short_name
-    ```
-
-    這段程式碼會檢索所有可用的語音清單，然後找到第一個與正在使用的語言匹配的語音。
-
-    > 💁 你可以從 [Microsoft Docs 的語言與語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) 獲取完整的支援語音清單。如果你想使用特定的語音，可以移除這個函式，並將語音名稱直接硬編碼到程式中。例如：
-    >
-    > ```python
-    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
-    > ```
-
-1. 更新 `say` 函式的內容，生成回應的 SSML：
-
-    ```python
-    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
-    ssml += f'<voice xml:lang=\'{language}\' name=\'{first_voice.short_name}\'>'
-    ssml += text
-    ssml += '</voice>'
-    ssml += '</speak>'
-    ```
-
-1. 在這段程式碼下方，停止語音辨識，播放 SSML，然後重新啟動語音辨識：
-
-    ```python
-    recognizer.stop_continuous_recognition()
-    speech_synthesizer.speak_ssml(ssml)
-    recognizer.start_continuous_recognition()
-    ```
-
-    在播放語音時停止語音辨識，這樣可以避免計時器啟動的語音被辨識為新的請求，發送到 LUIS，並可能被解讀為設定新計時器的指令。
-
-    > 💁 你可以透過註解掉停止和重新啟動辨識的程式碼來測試這個功能。設定一個計時器，你可能會發現語音回應會觸發新的計時器，導致新的語音回應，進而觸發新的計時器，如此循環不止！
-
-1. 執行應用程式，並確保函式應用程式也在運行。設定一些計時器，你會聽到語音回應告訴你計時器已設定，當計時器完成時，還會有另一個語音回應。
-
-> 💁 你可以在 [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device) 資料夾中找到這段程式碼。
-
-😀 你的計時器程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/hk/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
deleted file mode 100644
index 57e866dfe..000000000
--- a/translations/hk/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
+++ /dev/null
@@ -1,301 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "012b69d57d898d670adf61304f42a137",
-  "translation_date": "2025-08-26T15:29:48+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
-  "language_code": "hk"
-}
--->
-# 設定計時器 - Wio Terminal
-
-在本課程中，你將呼叫無伺服器代碼來理解語音，並根據結果在 Wio Terminal 上設定計時器。
-
-## 設定計時器
-
-從語音轉文字呼叫返回的文字需要傳送到你的無伺服器代碼，並由 LUIS 處理，返回計時器的秒數。這個秒數可以用來設定計時器。
-
-微控制器在 Arduino 中並不原生支援多執行緒，因此不像在 Python 或其他高階語言中那樣有標準的計時器類別。相反，你可以使用計時器庫，這些庫透過在 `loop` 函數中測量經過的時間，並在時間到時呼叫函數來運作。
-
-### 任務 - 傳送文字到無伺服器函數
-
-1. 如果尚未開啟，請在 VS Code 中打開 `smart-timer` 專案。
-
-1. 打開 `config.h` 標頭檔案，並新增你的函數應用程式的 URL：
-
-    ```cpp
-    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為你在上一課程最後一步中獲得的函數應用程式的 URL，指向運行函數應用程式的本地機器的 IP 地址。
-
-1. 在 `src` 資料夾中建立一個名為 `language_understanding.h` 的新檔案。這將用來定義一個類別，將識別的語音傳送到你的函數應用程式，並使用 LUIS 轉換為秒數。
-
-1. 在檔案頂部新增以下內容：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <WiFiClient.h>
-    
-    #include "config.h"
-    ```
-
-    這包括一些必要的標頭檔案。
-
-1. 定義一個名為 `LanguageUnderstanding` 的類別，並宣告此類別的一個實例：
-
-    ```cpp
-    class LanguageUnderstanding
-    {
-    public:
-    private:
-    };
-
-    LanguageUnderstanding languageUnderstanding;
-    ```
-
-1. 為了呼叫你的函數應用程式，你需要宣告一個 WiFi 客戶端。在類別的 `private` 部分新增以下內容：
-
-    ```cpp
-    WiFiClient _client;
-    ```
-
-1. 在 `public` 部分，宣告一個名為 `GetTimerDuration` 的方法，用來呼叫函數應用程式：
-
-    ```cpp
-    int GetTimerDuration(String text)
-    {
-    }
-    ```
-
-1. 在 `GetTimerDuration` 方法中，新增以下代碼來構建要傳送到函數應用程式的 JSON：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["text"] = text;
-
-    String body;
-    serializeJson(doc, body);
-    ```
-
-    這將傳遞給 `GetTimerDuration` 方法的文字轉換為以下 JSON：
-
-    ```json
-    {
-        "text" : "<text>"
-    }
-    ```
-
-    其中 `<text>` 是傳遞給函數的文字。
-
-1. 在此之下，新增以下代碼來呼叫函數應用程式：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-    這會向函數應用程式發送 POST 請求，傳遞 JSON 主體並獲取響應代碼。
-
-1. 在此之下新增以下代碼：
-
-    ```cpp
-    int seconds = 0;
-    if (httpResponseCode == 200)
-    {
-        String result = httpClient.getString();
-        Serial.println(result);
-
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, result.c_str());
-
-        JsonObject obj = doc.as<JsonObject>();
-        seconds = obj["seconds"].as<int>();
-    }
-    else
-    {
-        Serial.print("Failed to understand text - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-    此代碼檢查響應代碼。如果是 200（成功），則從響應主體中檢索計時器的秒數。否則，錯誤將被發送到序列監視器，並將秒數設置為 0。
-
-1. 在此方法的末尾新增以下代碼以關閉 HTTP 連接並返回秒數：
-
-    ```cpp
-    httpClient.end();
-
-    return seconds;
-    ```
-
-1. 在 `main.cpp` 檔案中，包含這個新的標頭檔案：
-
-    ```cpp
-    #include "speech_to_text.h"
-    ```
-
-1. 在 `processAudio` 函數的末尾，呼叫 `GetTimerDuration` 方法以獲取計時器的持續時間：
-
-    ```cpp
-    int total_seconds = languageUnderstanding.GetTimerDuration(text);
-    ```
-
-    這將語音轉文字類別的呼叫結果轉換為計時器的秒數。
-
-### 任務 - 設定計時器
-
-這個秒數可以用來設定計時器。
-
-1. 在 `platformio.ini` 檔案中新增以下庫依賴，以新增一個用來設定計時器的庫：
-
-    ```ini
-    contrem/arduino-timer @ 2.3.0
-    ```
-
-1. 在 `main.cpp` 檔案中新增此庫的包含指令：
-
-    ```cpp
-    #include <arduino-timer.h>
-    ```
-
-1. 在 `processAudio` 函數上方新增以下代碼：
-
-    ```cpp
-    auto timer = timer_create_default();
-    ```
-
-    此代碼宣告一個名為 `timer` 的計時器。
-
-1. 在此之下新增以下代碼：
-
-    ```cpp
-    void say(String text)
-    {
-        Serial.print("Saying ");
-        Serial.println(text);
-    }
-    ```
-
-    此 `say` 函數最終將文字轉換為語音，但目前它只會將傳遞的文字寫入序列監視器。
-
-1. 在 `say` 函數之下新增以下代碼：
-
-    ```cpp
-    bool timerExpired(void *announcement)
-    {
-        say((char *)announcement);
-        return false;
-    }
-    ```
-
-    這是一個回調函數，當計時器到期時會被呼叫。它會傳遞一個訊息，告訴計時器到期時要說什麼。計時器可以重複執行，這可以透過回調的返回值來控制——此處返回 `false`，表示計時器不再重複執行。
-
-1. 在 `processAudio` 函數的末尾新增以下代碼：
-
-    ```cpp
-    if (total_seconds == 0)
-    {
-        return;
-    }
-
-    int minutes = total_seconds / 60;
-    int seconds = total_seconds % 60;
-    ```
-
-    此代碼檢查總秒數，如果是 0，則返回函數呼叫，並且不設置計時器。然後將總秒數轉換為分鐘和秒。
-
-1. 在此代碼之下新增以下代碼以創建計時器啟動時要說的訊息：
-
-    ```cpp
-    String begin_message;
-    if (minutes > 0)
-    {
-        begin_message += minutes;
-        begin_message += " minute ";
-    }
-    if (seconds > 0)
-    {
-        begin_message += seconds;
-        begin_message += " second ";
-    }
-
-    begin_message += "timer started.";
-    ```
-
-1. 在此之下新增類似的代碼以創建計時器到期時要說的訊息：
-
-    ```cpp
-    String end_message("Times up on your ");
-    if (minutes > 0)
-    {
-        end_message += minutes;
-        end_message += " minute ";
-    }
-    if (seconds > 0)
-    {
-        end_message += seconds;
-        end_message += " second ";
-    }
-
-    end_message += "timer.";
-    ```
-
-1. 在此之後，說出計時器啟動的訊息：
-
-    ```cpp
-    say(begin_message);
-    ```
-
-1. 在此函數的末尾啟動計時器：
-
-    ```cpp
-    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
-    ```
-
-    這會觸發計時器。計時器是以毫秒為單位設置的，因此總秒數乘以 1,000 轉換為毫秒。`timerExpired` 函數作為回調傳遞，`end_message` 作為參數傳遞給回調。此回調僅接受 `void *` 參數，因此字串被適當地轉換。
-
-1. 最後，計時器需要 *tick*，這是在 `loop` 函數中完成的。在 `loop` 函數的末尾新增以下代碼：
-
-    ```cpp
-    timer.tick();
-    ```
-
-1. 編譯此代碼，將其上傳到你的 Wio Terminal，並通過序列監視器進行測試。一旦你在序列監視器中看到 `Ready`，按下 C 按鈕（左側靠近電源開關的按鈕），然後說話。4 秒的音頻將被捕獲，轉換為文字，然後傳送到你的函數應用程式，並設置計時器。確保你的函數應用程式在本地運行。
-
-    你將看到計時器啟動和結束的時間。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    Ready.
-    Starting recording...
-    Finished recording
-    Sending speech...
-    Speech sent!
-    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
-    Set a 2 minute and 27 second timer.
-    {"seconds": 147}
-    2 minute 27 second timer started.
-    Times up on your 2 minute 27 second timer.
-    ```
-
-> 💁 你可以在 [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal) 資料夾中找到此代碼。
-
-😀 你的計時器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/hk/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
deleted file mode 100644
index efbf47f8d..000000000
--- a/translations/hk/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
+++ /dev/null
@@ -1,535 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "a202fa5889790a3777bfc33dd9f4b459",
-  "translation_date": "2025-08-26T15:31:08+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
-  "language_code": "hk"
-}
--->
-# 將文字轉換為語音 - Wio Terminal
-
-在本課程中，您將學習如何將文字轉換為語音，以提供語音回饋。
-
-## 文字轉語音
-
-在上一課中您使用的語音服務 SDK，不僅可以將語音轉換為文字，還可以將文字轉換回語音。
-
-## 獲取語音列表
-
-在請求語音時，您需要指定使用的語音，因為語音可以由多種不同的聲音生成。每種語言都支持多種不同的語音，您可以通過語音服務 SDK 獲取每種語言支持的語音列表。然而，微控制器的限制在這裡顯現出來——獲取文字轉語音服務支持的語音列表的請求返回的是一個超過 77KB 的 JSON 文件，這對 Wio Terminal 來說太大而無法處理。截至撰寫本文時，完整列表包含 215 種語音，每種語音由如下的 JSON 文件定義：
-
-```json
-{
-    "Name": "Microsoft Server Speech Text to Speech Voice (en-US, AriaNeural)",
-    "DisplayName": "Aria",
-    "LocalName": "Aria",
-    "ShortName": "en-US-AriaNeural",
-    "Gender": "Female",
-    "Locale": "en-US",
-    "StyleList": [
-        "chat",
-        "customerservice",
-        "narration-professional",
-        "newscast-casual",
-        "newscast-formal",
-        "cheerful",
-        "empathetic"
-    ],
-    "SampleRateHertz": "24000",
-    "VoiceType": "Neural",
-    "Status": "GA"
-}
-```
-
-這是 **Aria** 語音的 JSON 文件，它有多種語音風格。在將文字轉換為語音時，只需要 `en-US-AriaNeural` 這樣的短名稱即可。
-
-與其在微控制器上下載並解碼整個列表，不如編寫一些無伺服器代碼來檢索您所使用語言的語音列表，並從 Wio Terminal 調用該代碼。然後，您的代碼可以從列表中選擇一個合適的語音，例如找到的第一個語音。
-
-### 任務 - 創建一個無伺服器函數來獲取語音列表
-
-1. 在 VS Code 中打開您的 `smart-timer-trigger` 專案，並確保終端啟用了虛擬環境。如果沒有，請終止並重新創建終端。
-
-1. 打開 `local.settings.json` 文件，並為語音 API 金鑰和位置添加設置：
-
-    ```json
-    "SPEECH_KEY": "<key>",
-    "SPEECH_LOCATION": "<location>"
-    ```
-
-    將 `<key>` 替換為您的語音服務資源的 API 金鑰。將 `<location>` 替換為您創建語音服務資源時使用的位置。
-
-1. 使用以下命令在函數應用專案的根文件夾中，從 VS Code 終端為此應用添加一個名為 `get-voices` 的 HTTP 觸發器：
-
-    ```sh
-    func new --name get-voices --template "HTTP trigger"
-    ```
-
-    這將創建一個名為 `get-voices` 的 HTTP 觸發器。
-
-1. 將 `get-voices` 文件夾中的 `__init__.py` 文件內容替換為以下內容：
-
-    ```python
-    import json
-    import os
-    import requests
-    
-    import azure.functions as func
-    
-    def main(req: func.HttpRequest) -> func.HttpResponse:
-        location = os.environ['SPEECH_LOCATION']
-        speech_key = os.environ['SPEECH_KEY']
-    
-        req_body = req.get_json()
-        language = req_body['language']
-    
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
-    
-        headers = {
-            'Ocp-Apim-Subscription-Key': speech_key
-        }
-    
-        response = requests.get(url, headers=headers)
-        voices_json = json.loads(response.text)
-    
-        voices = filter(lambda x: x['Locale'].lower() == language.lower(), voices_json)
-        voices = map(lambda x: x['ShortName'], voices)
-    
-        return func.HttpResponse(json.dumps(list(voices)), status_code=200)
-    ```
-
-    此代碼向端點發出 HTTP 請求以獲取語音列表。該語音列表是一個包含所有語言語音的大型 JSON 塊，因此會根據請求正文中傳遞的語言過濾語音，然後提取並返回短名稱作為 JSON 列表。短名稱是將文字轉換為語音所需的值，因此只返回此值。
-
-    > 💁 您可以根據需要更改過濾條件，以選擇您想要的語音。
-
-    這將數據大小從 77KB（截至撰寫本文時）減少到一個更小的 JSON 文件。例如，對於美國語音，這是 408 字節。
-
-1. 在本地運行您的函數應用。然後，您可以使用類似 curl 的工具調用它，就像測試 `text-to-timer` HTTP 觸發器一樣。請確保以 JSON 正文的形式傳遞您的語言：
-
-    ```json
-    {
-        "language":"<language>"
-    }
-    ```
-
-    將 `<language>` 替換為您的語言，例如 `en-GB` 或 `zh-CN`。
-
-> 💁 您可以在 [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) 文件夾中找到此代碼。
-
-### 任務 - 從 Wio Terminal 獲取語音
-
-1. 如果尚未打開，請在 VS Code 中打開 `smart-timer` 專案。
-
-1. 打開 `config.h` 標頭文件，並添加您的函數應用的 URL：
-
-    ```cpp
-    const char *GET_VOICES_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為函數應用中 `get-voices` HTTP 觸發器的 URL。這將與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，只是函數名稱從 `text-to-timer` 改為 `get-voices`。
-
-1. 在 `src` 文件夾中創建一個名為 `text_to_speech.h` 的新文件。這將用於定義一個將文字轉換為語音的類。
-
-1. 在新的 `text_to_speech.h` 文件頂部添加以下 include 指令：
-
-    ```cpp
-    #pragma once
-
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <Seeed_FS.h>
-    #include <SD/Seeed_SD.h>
-    #include <WiFiClient.h>
-    #include <WiFiClientSecure.h>
-    
-    #include "config.h"
-    #include "speech_to_text.h"
-    ```
-
-1. 在此之下添加以下代碼，聲明 `TextToSpeech` 類以及可以在應用程序的其餘部分使用的實例：
-
-    ```cpp
-    class TextToSpeech
-    {
-    public:
-    private:
-    };
-    
-    TextToSpeech textToSpeech;
-    ```
-
-1. 為了調用您的函數應用，您需要聲明一個 WiFi 客戶端。在類的 `private` 部分添加以下內容：
-
-    ```cpp
-    WiFiClient _client;
-    ```
-
-1. 在 `private` 部分添加一個字段來存儲選定的語音：
-
-    ```cpp
-    String _voice;
-    ```
-
-1. 在 `public` 部分添加一個 `init` 函數，用於獲取第一個語音：
-
-    ```cpp
-    void init()
-    {
-    }
-    ```
-
-1. 為了獲取語音，需要創建一個包含語言的 JSON 文件，並將其發送到函數應用。在 `init` 函數中添加以下代碼來創建此 JSON 文件：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["language"] = LANGUAGE;
-
-    String body;
-    serializeJson(doc, body);
-    ```
-
-1. 接下來，創建一個 `HTTPClient`，然後使用它調用函數應用以獲取語音，並發送 JSON 文件：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-1. 在此之下添加代碼檢查響應代碼，如果是 200（成功），則提取語音列表，並從列表中檢索第一個語音：
-
-    ```cpp
-    if (httpResponseCode == 200)
-    {
-        String result = httpClient.getString();
-        Serial.println(result);
-
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, result.c_str());
-
-        JsonArray obj = doc.as<JsonArray>();
-        _voice = obj[0].as<String>();
-
-        Serial.print("Using voice ");
-        Serial.println(_voice);
-    }
-    else
-    {
-        Serial.print("Failed to get voices - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-1. 在此之後，結束 HTTP 客戶端連接：
-
-    ```cpp
-    httpClient.end();
-    ```
-
-1. 打開 `main.cpp` 文件，並在頂部添加以下 include 指令以包含此新標頭文件：
-
-    ```cpp
-    #include "text_to_speech.h"
-    ```
-
-1. 在 `setup` 函數中，在調用 `speechToText.init();` 之後，添加以下內容以初始化 `TextToSpeech` 類：
-
-    ```cpp
-    textToSpeech.init();
-    ```
-
-1. 編譯此代碼，將其上傳到您的 Wio Terminal，並通過串行監視器進行測試。確保您的函數應用正在運行。
-
-    您將看到從函數應用返回的可用語音列表，以及選定的語音。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    ["en-US-JennyNeural", "en-US-JennyMultilingualNeural", "en-US-GuyNeural", "en-US-AriaNeural", "en-US-AmberNeural", "en-US-AnaNeural", "en-US-AshleyNeural", "en-US-BrandonNeural", "en-US-ChristopherNeural", "en-US-CoraNeural", "en-US-ElizabethNeural", "en-US-EricNeural", "en-US-JacobNeural", "en-US-MichelleNeural", "en-US-MonicaNeural", "en-US-AriaRUS", "en-US-BenjaminRUS", "en-US-GuyRUS", "en-US-ZiraRUS"]
-    Using voice en-US-JennyNeural
-    Ready.
-    ```
-
-## 將文字轉換為語音
-
-一旦您有了要使用的語音，就可以用它將文字轉換為語音。與語音一樣，將文字轉換為語音時也存在內存限制，因此您需要將語音寫入 SD 卡，然後通過 ReSpeaker 播放。
-
-> 💁 在本專案的早期課程中，您使用閃存來存儲從麥克風捕獲的語音。本課程使用 SD 卡，因為使用 Seeed 音頻庫從中播放音頻更為簡單。
-
-還需要考慮另一個限制，即語音服務提供的音頻數據和 Wio Terminal 支持的格式。與完整的計算機不同，微控制器的音頻庫對支持的音頻格式可能非常有限。例如，Seeed Arduino Audio 庫僅支持 44.1KHz 取樣率的音頻。而 Azure 語音服務可以提供多種格式的音頻，但它們的取樣率僅為 8KHz、16KHz、24KHz 和 48KHz。這意味著音頻需要重新取樣為 44.1KHz，而這需要比 Wio Terminal 擁有的更多資源，尤其是內存。
-
-當需要操作這類數據時，通常更適合使用無伺服器代碼，特別是當數據是通過網絡調用獲取時。Wio Terminal 可以調用一個無伺服器函數，傳遞要轉換的文字，該無伺服器函數可以調用語音服務將文字轉換為語音，並將音頻重新取樣為所需的取樣率。然後，它可以以 Wio Terminal 所需的格式返回音頻，存儲在 SD 卡上並通過 ReSpeaker 播放。
-
-### 任務 - 創建一個無伺服器函數來將文字轉換為語音
-
-1. 在 VS Code 中打開您的 `smart-timer-trigger` 專案，並確保終端啟用了虛擬環境。如果沒有，請終止並重新創建終端。
-
-1. 使用以下命令在函數應用專案的根文件夾中，從 VS Code 終端為此應用添加一個名為 `text-to-speech` 的 HTTP 觸發器：
-
-    ```sh
-    func new --name text-to-speech --template "HTTP trigger"
-    ```
-
-    這將創建一個名為 `text-to-speech` 的 HTTP 觸發器。
-
-1. [librosa](https://librosa.org) Pip 套件具有重新取樣音頻的功能，因此將其添加到 `requirements.txt` 文件中：
-
-    ```sh
-    librosa
-    ```
-
-    添加後，使用以下命令從 VS Code 終端安裝 Pip 套件：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-    > ⚠️ 如果您使用的是 Linux，包括 Raspberry Pi OS，您可能需要使用以下命令安裝 `libsndfile`：
-    >
-    > ```sh
-    > sudo apt update
-    > sudo apt install libsndfile1-dev
-    > ```
-
-1. 要將文字轉換為語音，您不能直接使用語音 API 金鑰，而需要請求訪問令牌，使用 API 金鑰來驗證訪問令牌請求。從 `text-to-speech` 文件夾中打開 `__init__.py` 文件，並將其中的所有代碼替換為以下內容：
-
-    ```python
-    import io
-    import os
-    import requests
-    
-    import librosa
-    import soundfile as sf
-    import azure.functions as func
-    
-    location = os.environ['SPEECH_LOCATION']
-    speech_key = os.environ['SPEECH_KEY']
-    
-    def get_access_token():
-        headers = {
-            'Ocp-Apim-Subscription-Key': speech_key
-        }
-    
-        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
-        response = requests.post(token_endpoint, headers=headers)
-        return str(response.text)
-    ```
-
-    這定義了將從設置中讀取的位置和語音金鑰常量。然後定義了 `get_access_token` 函數，用於檢索語音服務的訪問令牌。
-
-1. 在此代碼下方，添加以下內容：
-
-    ```python
-    playback_format = 'riff-48khz-16bit-mono-pcm'
-
-    def main(req: func.HttpRequest) -> func.HttpResponse:
-        req_body = req.get_json()
-        language = req_body['language']
-        voice = req_body['voice']
-        text = req_body['text']
-    
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
-    
-        headers = {
-            'Authorization': 'Bearer ' + get_access_token(),
-            'Content-Type': 'application/ssml+xml',
-            'X-Microsoft-OutputFormat': playback_format
-        }
-    
-        ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
-        ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
-        ssml += text
-        ssml += '</voice>'
-        ssml += '</speak>'
-    
-        response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
-    
-        raw_audio, sample_rate = librosa.load(io.BytesIO(response.content), sr=48000)
-        resampled = librosa.resample(raw_audio, sample_rate, 44100)
-        
-        output_buffer = io.BytesIO()
-        sf.write(output_buffer, resampled, 44100, 'PCM_16', format='wav')
-        output_buffer.seek(0)
-    
-        return func.HttpResponse(output_buffer.read(), status_code=200)
-    ```
-
-    這定義了將文字轉換為語音的 HTTP 觸發器。它從發送到請求的 JSON 正文中提取要轉換的文字、語言和語音，構建一些 SSML 來請求語音，然後調用相關的 REST API，使用訪問令牌進行身份驗證。此 REST API 調用返回編碼為 16 位、48KHz 單聲道 WAV 文件的音頻，由發送到 REST API 調用的 `playback_format` 值定義。
-
-    然後，`librosa` 將其從 48KHz 的取樣率重新取樣為 44.1KHz，然後將此音頻保存到一個二進制緩衝區，最後返回該緩衝區。
-
-1. 在本地運行您的函數應用，或將其部署到雲端。然後，您可以使用類似 curl 的工具調用它，就像測試 `text-to-timer` HTTP 觸發器一樣。請確保以 JSON 正文的形式傳遞語言、語音和文字：
-
-    ```json
-    {
-        "language": "<language>",
-        "voice": "<voice>",
-        "text": "<text>"
-    }
-    ```
-
-    將 `<language>` 替換為您的語言，例如 `en-GB` 或 `zh-CN`。將 `<voice>` 替換為您想要使用的語音。將 `<text>` 替換為您想要轉換為語音的文字。您可以將輸出保存到文件，並使用任何可以播放 WAV 文件的音頻播放器播放它。
-
-    例如，要使用美式英語的 Jenny Neural 語音將 "Hello" 轉換為語音，並在本地運行函數應用，可以使用以下 curl 命令：
-
-    ```sh
-    curl -X GET 'http://localhost:7071/api/text-to-speech' \
-         -H 'Content-Type: application/json' \
-         -o hello.wav \
-         -d '{
-           "language":"en-US",
-           "voice": "en-US-JennyNeural",
-           "text": "Hello"
-         }'
-    ```
-
-    這將音頻保存到當前目錄中的 `hello.wav` 文件。
-
-> 💁 您可以在 [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) 文件夾中找到此代碼。
-
-### 任務 - 從 Wio Terminal 獲取語音
-
-1. 如果尚未打開，請在 VS Code 中打開 `smart-timer` 專案。
-
-1. 打開 `config.h` 標頭文件，並添加您的函數應用的 URL：
-
-    ```cpp
-    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為函數應用中 `text-to-speech` HTTP 觸發器的 URL。這將與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，只是函數名稱從 `text-to-timer` 改為 `text-to-speech`。
-
-1. 打開 `text_to_speech.h` 標頭文件，並在 `TextToSpeech` 類的 `public` 部分添加以下方法：
-
-    ```cpp
-    void convertTextToSpeech(String text)
-    {
-    }
-    ```
-
-1. 在 `convertTextToSpeech` 方法中，添加以下代碼來創建要發送到函數應用的 JSON：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["language"] = LANGUAGE;
-    doc["voice"] = _voice;
-    doc["text"] = text;
-
-    String body;
-    serializeJson(doc, body);
-    ```
-
-    這將語言、語音和文字寫入 JSON 文件，然後將其序列化為字符串。
-
-1. 在此之下，添加以下代碼來調用函數應用：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-    這將創建一個 HTTPClient，然後使用 JSON 文件向文字轉語音 HTTP 觸發器發送 POST 請求。
-
-1. 如果調用成功，從函數應用調用返回的原始二進制數據可以流式傳輸到 SD 卡上的文件。添加以下代碼來完成此操作：
-
-    ```cpp
-    if (httpResponseCode == 200)
-    {            
-        File wav_file = SD.open("SPEECH.WAV", FILE_WRITE);
-        httpClient.writeToStream(&wav_file);
-        wav_file.close();
-    }
-    else
-    {
-        Serial.print("Failed to get speech - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-    此代碼檢查響應，如果是 200（成功），則將二進制數據流式傳輸到 SD 卡根目錄中的 `SPEECH.WAV` 文件。
-
-1. 在此方法的末尾，關閉 HTTP 連接：
-
-    ```cpp
-    httpClient.end();
-    ```
-
-1. 現在可以將要說的文字轉換為音頻。在 `main.cpp` 文件中，將以下行添加到 `say` 函數的末尾，以將要說的文字轉換為音頻：
-```cpp
-    textToSpeech.convertTextToSpeech(text);
-    ```
-
-### 任務 - 從你的 Wio Terminal 播放音頻
-
-**即將推出**
-
-## 將你的 Functions App 部署到雲端
-
-在本地運行 Functions App 的原因是因為 Linux 上的 `librosa` Pip 套件依賴於一個預設未安裝的庫，必須先安裝該庫才能讓 Functions App 正常運行。Functions App 是無伺服器的——你無法自行管理伺服器，因此無法事先安裝該庫。
-
-解決方法是使用 Docker 容器來部署你的 Functions App。每當需要啟動新的 Functions App 實例時（例如需求超過可用資源，或 Functions App 長時間未使用而被關閉），雲端會部署這個容器。
-
-你可以在 [Microsoft Docs 上的 Linux 自訂容器建立 Function 的文件](https://docs.microsoft.com/azure/azure-functions/functions-create-function-linux-custom-image?WT.mc_id=academic-17441-jabenn&tabs=bash%2Cazurecli&pivots=programming-language-python) 中找到設置 Functions App 並通過 Docker 部署的指導。
-
-部署完成後，你可以將 Wio Terminal 的代碼移植以訪問此功能：
-
-1. 將 Azure Functions 的憑證添加到 `config.h`：
-
-    ```cpp
-    const char *FUNCTIONS_CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIFWjCCBEKgAwIBAgIQDxSWXyAgaZlP1ceseIlB4jANBgkqhkiG9w0BAQsFADBa\r\n"
-        "MQswCQYDVQQGEwJJRTESMBAGA1UEChMJQmFsdGltb3JlMRMwEQYDVQQLEwpDeWJl\r\n"
-        "clRydXN0MSIwIAYDVQQDExlCYWx0aW1vcmUgQ3liZXJUcnVzdCBSb290MB4XDTIw\r\n"
-        "MDcyMTIzMDAwMFoXDTI0MTAwODA3MDAwMFowTzELMAkGA1UEBhMCVVMxHjAcBgNV\r\n"
-        "BAoTFU1pY3Jvc29mdCBDb3Jwb3JhdGlvbjEgMB4GA1UEAxMXTWljcm9zb2Z0IFJT\r\n"
-        "QSBUTFMgQ0EgMDEwggIiMA0GCSqGSIb3DQEBAQUAA4ICDwAwggIKAoICAQCqYnfP\r\n"
-        "mmOyBoTzkDb0mfMUUavqlQo7Rgb9EUEf/lsGWMk4bgj8T0RIzTqk970eouKVuL5R\r\n"
-        "IMW/snBjXXgMQ8ApzWRJCZbar879BV8rKpHoAW4uGJssnNABf2n17j9TiFy6BWy+\r\n"
-        "IhVnFILyLNK+W2M3zK9gheiWa2uACKhuvgCca5Vw/OQYErEdG7LBEzFnMzTmJcli\r\n"
-        "W1iCdXby/vI/OxbfqkKD4zJtm45DJvC9Dh+hpzqvLMiK5uo/+aXSJY+SqhoIEpz+\r\n"
-        "rErHw+uAlKuHFtEjSeeku8eR3+Z5ND9BSqc6JtLqb0bjOHPm5dSRrgt4nnil75bj\r\n"
-        "c9j3lWXpBb9PXP9Sp/nPCK+nTQmZwHGjUnqlO9ebAVQD47ZisFonnDAmjrZNVqEX\r\n"
-        "F3p7laEHrFMxttYuD81BdOzxAbL9Rb/8MeFGQjE2Qx65qgVfhH+RsYuuD9dUw/3w\r\n"
-        "ZAhq05yO6nk07AM9c+AbNtRoEcdZcLCHfMDcbkXKNs5DJncCqXAN6LhXVERCw/us\r\n"
-        "G2MmCMLSIx9/kwt8bwhUmitOXc6fpT7SmFvRAtvxg84wUkg4Y/Gx++0j0z6StSeN\r\n"
-        "0EJz150jaHG6WV4HUqaWTb98Tm90IgXAU4AW2GBOlzFPiU5IY9jt+eXC2Q6yC/Zp\r\n"
-        "TL1LAcnL3Qa/OgLrHN0wiw1KFGD51WRPQ0Sh7QIDAQABo4IBJTCCASEwHQYDVR0O\r\n"
-        "BBYEFLV2DDARzseSQk1Mx1wsyKkM6AtkMB8GA1UdIwQYMBaAFOWdWTCCR1jMrPoI\r\n"
-        "VDaGezq1BE3wMA4GA1UdDwEB/wQEAwIBhjAdBgNVHSUEFjAUBggrBgEFBQcDAQYI\r\n"
-        "KwYBBQUHAwIwEgYDVR0TAQH/BAgwBgEB/wIBADA0BggrBgEFBQcBAQQoMCYwJAYI\r\n"
-        "KwYBBQUHMAGGGGh0dHA6Ly9vY3NwLmRpZ2ljZXJ0LmNvbTA6BgNVHR8EMzAxMC+g\r\n"
-        "LaArhilodHRwOi8vY3JsMy5kaWdpY2VydC5jb20vT21uaXJvb3QyMDI1LmNybDAq\r\n"
-        "BgNVHSAEIzAhMAgGBmeBDAECATAIBgZngQwBAgIwCwYJKwYBBAGCNyoBMA0GCSqG\r\n"
-        "SIb3DQEBCwUAA4IBAQCfK76SZ1vae4qt6P+dTQUO7bYNFUHR5hXcA2D59CJWnEj5\r\n"
-        "na7aKzyowKvQupW4yMH9fGNxtsh6iJswRqOOfZYC4/giBO/gNsBvwr8uDW7t1nYo\r\n"
-        "DYGHPpvnpxCM2mYfQFHq576/TmeYu1RZY29C4w8xYBlkAA8mDJfRhMCmehk7cN5F\r\n"
-        "JtyWRj2cZj/hOoI45TYDBChXpOlLZKIYiG1giY16vhCRi6zmPzEwv+tk156N6cGS\r\n"
-        "Vm44jTQ/rs1sa0JSYjzUaYngoFdZC4OfxnIkQvUIA4TOFmPzNPEFdjcZsgbeEz4T\r\n"
-        "cGHTBPK4R28F44qIMCtHRV55VMX53ev6P3hRddJb\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-1. 將所有 `<WiFiClient.h>` 的引用更改為 `<WiFiClientSecure.h>`。
-
-1. 將所有 `WiFiClient` 字段更改為 `WiFiClientSecure`。
-
-1. 在每個包含 `WiFiClientSecure` 字段的類中，添加一個構造函數，並在該構造函數中設置憑證：
-
-    ```cpp
-    _client.setCACert(FUNCTIONS_CERTIFICATE);
-    ```
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/4-multiple-language-support/README.md b/translations/hk/6-consumer/lessons/4-multiple-language-support/README.md
deleted file mode 100644
index 14a3bb4c5..000000000
--- a/translations/hk/6-consumer/lessons/4-multiple-language-support/README.md
+++ /dev/null
@@ -1,188 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
-  "translation_date": "2025-08-26T15:21:00+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
-  "language_code": "hk"
-}
--->
-# 支援多語言
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-HK/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure 語音服務，涵蓋了前幾課的語音轉文字和文字轉語音功能，以及本課將探討的語音翻譯主題：
-
-[![使用少量 Python 程式碼進行語音識別（來自 Microsoft Build 2020）](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
-
-## 簡介
-
-在過去的三節課中，你學習了如何將語音轉換為文字、語言理解，以及將文字轉換為語音，這些功能都由 AI 提供支持。AI 還可以幫助人類溝通的另一個領域是語言翻譯——將一種語言轉換為另一種語言，例如從英語翻譯成法語。
-
-在本課中，你將學習如何使用 AI 進行文字翻譯，讓你的智慧計時器能夠與多語言用戶互動。
-
-本課將涵蓋以下內容：
-
-* [翻譯文字](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [翻譯服務](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [建立翻譯資源](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [透過翻譯支援應用程式的多語言功能](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [使用 AI 服務翻譯文字](../../../../../6-consumer/lessons/4-multiple-language-support)
-
-> 🗑 這是本專案的最後一課，因此在完成本課和作業後，別忘了清理你的雲端服務。你需要這些服務來完成作業，所以請確保先完成作業。
->
-> 如有需要，請參考[清理專案指南](../../../clean-up.md)以獲取相關指示。
-
-## 翻譯文字
-
-文字翻譯是一個已經研究了超過 70 年的計算機科學問題，直到最近，隨著 AI 和計算能力的進步，才接近解決，達到幾乎與人類翻譯員相媲美的水準。
-
-> 💁 其起源可以追溯到更早的時代，例如 9 世紀的阿拉伯密碼學家 [Al-Kindi](https://wikipedia.org/wiki/Al-Kindi)，他開發了語言翻譯的技術。
-
-### 機器翻譯
-
-文字翻譯最初是一種稱為機器翻譯（Machine Translation, MT）的技術，可以在不同語言對之間進行翻譯。機器翻譯的原理是將一種語言中的單詞替換為另一種語言中的單詞，並加入一些技術來選擇正確的短語或句子部分的翻譯方式，避免逐字翻譯時出現不合邏輯的情況。
-
-> 🎓 當翻譯工具支援在兩種語言之間進行翻譯時，這些被稱為「語言對」（language pairs）。不同的工具支援的語言對可能不完全。例如，一個翻譯工具可能支援英語到西班牙語的語言對，以及西班牙語到義大利語的語言對，但不支援英語到義大利語。
-
-例如，將 "Hello world" 從英語翻譯成法語可以通過替換完成——"Hello" 替換為 "Bonjour"，"world" 替換為 "le monde"，最終得到正確的翻譯 "Bonjour le monde"。
-
-但替換法在某些情況下並不適用，因為不同語言表達相同意思的方式可能不同。例如，英語句子 "My name is Jim" 翻譯成法語是 "Je m'appelle Jim"，字面意思是「我叫自己 Jim」。"Je" 是法語中的「我」，"moi" 是「我自己」，但由於動詞以元音開頭，會與動詞結合成 "m'"，"appelle" 是「叫」，而 "Jim" 作為名字不會被翻譯。詞序也會成為問題——如果簡單地將 "Je m'appelle Jim" 替換為 "I myself call Jim"，詞序就與英語不同。
-
-> 💁 有些詞永遠不會被翻譯——無論使用哪種語言介紹自己，我的名字始終是 Jim。當翻譯成使用不同字母表或不同發音的語言時，這些詞可能會被「音譯」，即選擇能發出相同聲音的字母或字符，使其聽起來與原詞相同。
-
-成語也是翻譯中的一大難題。成語是指那些字面意思與實際含義不同的短語。例如，英語中的成語 "I've got ants in my pants" 並不是真的指褲子裡有螞蟻，而是指坐立不安。如果將其翻譯成德語，可能會讓聽者感到困惑，因為德語的表達是 "I have bumble bees in the bottom"。
-
-> 💁 不同地區的語言會增加翻譯的複雜性。例如，在美式英語中，"pants" 指的是外褲，而在英式英語中，"pants" 指的是內褲。
-
-✅ 如果你會多種語言，試著想一些無法直接翻譯的短語。
-
-機器翻譯系統依賴於大量的規則數據庫，這些規則描述了如何翻譯特定短語和成語，並結合統計方法從可能的選項中選擇最合適的翻譯。這些統計方法使用由人類翻譯成多種語言的大型數據庫，來選擇最可能的翻譯，這種技術被稱為「統計機器翻譯」（statistical machine translation）。其中一些系統使用中間語言表示法，允許一種語言先翻譯成中間語言，再從中間語言翻譯成另一種語言。這樣，添加更多語言時，只需翻譯到和從中間語言翻譯，而不需要直接翻譯到所有其他語言。
-
-### 神經翻譯
-
-神經翻譯利用 AI 的強大功能進行翻譯，通常使用一個模型翻譯整個句子。這些模型基於由人類翻譯的大型數據集進行訓練，例如網頁、書籍和聯合國文件。
-
-神經翻譯模型通常比機器翻譯模型更小，因為它們不需要龐大的短語和成語數據庫。現代 AI 翻譯服務通常結合多種技術，將統計機器翻譯和神經翻譯結合使用。
-
-任何語言對之間都不存在 1:1 的翻譯。不同的翻譯模型會根據訓練數據的不同產生略有差異的結果。翻譯並不總是對稱的——即如果將一句話從一種語言翻譯成另一種語言，再翻譯回原語言，可能會得到略有不同的句子。
-
-✅ 試用不同的在線翻譯工具，例如 [Bing 翻譯](https://www.bing.com/translator)、[Google 翻譯](https://translate.google.com) 或 Apple 翻譯應用。比較幾個句子的翻譯版本。也可以嘗試在一個工具中翻譯，再在另一個工具中翻譯回來。
-
-## 翻譯服務
-
-有許多 AI 服務可以用於應用程式中進行語音和文字翻譯。
-
-### 認知服務語音服務
-
-![語音服務標誌](../../../../../translated_images/zh-HK/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png)
-
-你在過去幾課中使用的語音服務具有語音識別的翻譯功能。當你進行語音識別時，可以請求不僅獲取相同語言的文字，還可以獲取其他語言的翻譯文字。
-
-> 💁 這僅適用於語音 SDK，REST API 不內建翻譯功能。
-
-### 認知服務翻譯服務
-
-![翻譯服務標誌](../../../../../translated_images/zh-HK/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png)
-
-翻譯服務是一個專門的翻譯服務，可以將文字從一種語言翻譯成一種或多種目標語言。除了翻譯，它還支援許多額外功能，例如屏蔽不雅詞語。它還允許你為特定單詞或句子提供特定翻譯，以處理不希望翻譯的術語或具有特定知名翻譯的術語。
-
-例如，當翻譯句子 "I have a Raspberry Pi"（指的是單板電腦）成另一種語言（如法語）時，你可能希望保留 "Raspberry Pi" 的名稱不變，而不是翻譯成其他意思，得到 "J’ai un Raspberry Pi" 而不是 "J’ai une pi aux framboises"。
-
-## 建立翻譯資源
-
-在本課中，你將需要一個翻譯資源。你將使用 REST API 來翻譯文字。
-
-### 任務 - 建立翻譯資源
-
-1. 在終端或命令提示字元中執行以下命令，在你的 `smart-timer` 資源群組中建立一個翻譯資源。
-
-    ```sh
-    az cognitiveservices account create --name smart-timer-translator \
-                                        --resource-group smart-timer \
-                                        --kind TextTranslation \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為建立資源群組時使用的位置。
-
-1. 獲取翻譯服務的金鑰：
-
-    ```sh
-    az cognitiveservices account keys list --name smart-timer-translator \
-                                           --resource-group smart-timer \
-                                           --output table
-    ```
-
-    複製其中一個金鑰。
-
-## 透過翻譯支援應用程式的多語言功能
-
-在理想情況下，你的整個應用程式應該能理解盡可能多的語言，從語音識別到語言理解，再到語音回應。這需要大量工作，而翻譯服務可以加速應用程式的交付時間。
-
-![智慧計時器架構：將日語翻譯成英語，處理後再翻譯回日語](../../../../../translated_images/zh-HK/translated-smart-timer.08ac20057fdc5c37.webp)
-
-假設你正在構建一個智慧計時器，該計時器從頭到尾使用英語，理解英語語音並將其轉換為文字，用英語進行語言理解，生成英語回應，並以英語語音回應。如果你想添加日語支援，可以先將日語語音翻譯成英語文字，然後保持應用程式的核心部分不變，最後將回應文字翻譯成日語，並以日語語音回應。這樣可以快速添加日語支援，並在以後擴展到提供完整的日語端到端支援。
-
-> 💁 依賴機器翻譯的缺點是，不同語言和文化對相同事物的表達方式可能不同，因此翻譯可能無法匹配你期望的表達方式。
-
-機器翻譯還為應用程式和設備提供了翻譯用戶創建內容的可能性。科幻作品中經常出現「通用翻譯器」，這些設備可以將外星語言翻譯成（通常是）美式英語。如果忽略外星部分，這些設備已經不再是科幻，而是科學事實。已經有應用程式和設備可以實現語音和文字的即時翻譯，這些功能結合了語音和翻譯服務。
-
-一個例子是 [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn) 手機應用程式，以下影片展示了其功能：
-
-[![Microsoft Translator 即時功能展示](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
-
-> 🎥 點擊上方圖片觀看影片
-
-想像一下擁有這樣的設備，特別是在旅行或與不懂其語言的人互動時。在機場或醫院中使用自動翻譯設備，將大大提升無障礙性。
-
-✅ 做一些研究：市面上是否有任何翻譯 IoT 設備？智慧設備中是否內建翻譯功能？
-
-> 👽 雖然目前還沒有真正的通用翻譯器可以讓我們與外星人交談，但 [Microsoft Translator 支援克林貢語](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn)。Qapla’！
-
-## 使用 AI 服務翻譯文字
-
-你可以使用 AI 服務為你的智慧計時器添加翻譯功能。
-
-### 任務 - 使用 AI 服務翻譯文字
-
-按照相關指南，將翻譯功能添加到你的 IoT 設備：
-
-* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
-* [單板電腦 - Raspberry Pi](pi-translate-speech.md)
-* [單板電腦 - 虛擬設備](virtual-device-translate-speech.md)
-
----
-
-## 🚀 挑戰
-
-機器翻譯如何在智慧設備以外的其他 IoT 應用中發揮作用？想想翻譯如何幫助處理不僅是語音，還包括文字。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
-
-## 回顧與自學
-
-* 閱讀更多關於機器翻譯的內容，請參考 [Wikipedia 上的機器翻譯頁面](https://wikipedia.org/wiki/Machine_translation)
-* 閱讀更多關於神經機器翻譯的內容，請參考 [Wikipedia 上的神經機器翻譯頁面](https://wikipedia.org/wiki/Neural_machine_translation)
-* 查看 Microsoft 語音服務支援的語言列表，請參考 [Microsoft Docs 上的語音服務語言和語音支援文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn)
-
-## 作業
-
-[構建一個通用翻譯器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/hk/6-consumer/lessons/4-multiple-language-support/assignment.md
deleted file mode 100644
index 00763b060..000000000
--- a/translations/hk/6-consumer/lessons/4-multiple-language-support/assignment.md
+++ /dev/null
@@ -1,31 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
-  "translation_date": "2025-08-26T15:22:29+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
-  "language_code": "hk"
-}
--->
-# 建立一個通用翻譯器
-
-## 指引
-
-通用翻譯器是一種設備，可以在多種語言之間進行翻譯，讓說不同語言的人能夠互相溝通。利用過去幾課所學的知識，使用兩個物聯網設備來建立一個通用翻譯器。
-
-> 如果你沒有兩個設備，請按照前幾課的步驟設置一個虛擬物聯網設備作為其中一個物聯網設備。
-
-你應該為每個設備配置一種語言。一個設備負責一種語言，另一個設備負責另一種語言。每個設備應該能夠接收語音，將語音轉換為文字，通過物聯網中心和 Functions 應用將文字發送到另一個設備，然後進行翻譯並播放翻譯後的語音。
-
-> 💁 提示：當從一個設備向另一個設備發送語音時，請同時發送語音所使用的語言，這樣翻譯會更容易。你甚至可以讓每個設備先通過物聯網中心和 Functions 應用進行註冊，將它們支持的語言存儲到 Azure Storage 中。然後可以使用 Functions 應用進行翻譯，將翻譯後的文字發送到物聯網設備。
-
-## 評分標準
-
-| 評分項目 | 卓越 | 合格 | 需要改進 |
-| -------- | ----- | ----- | -------- |
-| 建立通用翻譯器 | 能夠成功建立通用翻譯器，將一個設備檢測到的語音轉換為另一個設備播放的不同語言的語音 | 能夠讓部分功能正常運作，例如捕捉語音或翻譯，但無法建立完整的端到端解決方案 | 無法建立任何部分可運作的通用翻譯器 |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/hk/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
deleted file mode 100644
index f50e565f8..000000000
--- a/translations/hk/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
+++ /dev/null
@@ -1,164 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
-  "translation_date": "2025-08-26T15:22:48+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
-  "language_code": "hk"
-}
--->
-# 翻譯語音 - Raspberry Pi
-
-在這部分課程中，你將撰寫程式碼，使用翻譯服務來翻譯文字。
-
-## 使用翻譯服務將文字轉換為語音
-
-語音服務的 REST API 不支援直接翻譯，但你可以使用翻譯服務來翻譯由語音轉文字服務生成的文字，以及語音回應的文字。這個服務提供 REST API，讓你可以用來翻譯文字。
-
-### 任務 - 使用翻譯資源翻譯文字
-
-1. 你的智能計時器將設定兩種語言：用於訓練 LUIS 的伺服器語言（同時也用於生成與使用者對話的訊息），以及使用者所說的語言。更新 `language` 變數為使用者將使用的語言，並新增一個名為 `server_language` 的變數，用於設定訓練 LUIS 的語言：
-
-    ```python
-    language = '<user language>'
-    server_language = '<server language>'
-    ```
-
-    將 `<user language>` 替換為你將使用的語言的地區名稱，例如法語為 `fr-FR`，或粵語為 `zn-HK`。
-
-    將 `<server language>` 替換為用於訓練 LUIS 的語言的地區名稱。
-
-    你可以在 [Microsoft Docs 上的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其地區名稱列表。
-
-    > 💁 如果你不會多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 這樣的服務，將你的首選語言翻譯成其他語言。這些服務還可以播放翻譯後的文字音頻。
-    >
-    > 例如，如果你用英文訓練 LUIS，但希望使用法語作為使用者語言，你可以使用 Bing 翻譯將「設置一個 2 分 27 秒的計時器」這樣的句子從英文翻譯成法語，然後使用 **聆聽翻譯** 按鈕，將翻譯後的內容說入麥克風。
-    >
-    > ![Bing 翻譯上的聆聽翻譯按鈕](../../../../../translated_images/zh-HK/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png)
-
-1. 在 `speech_api_key` 下方新增翻譯 API 金鑰：
-
-    ```python
-    translator_api_key = '<key>'
-    ```
-
-    將 `<key>` 替換為你的翻譯服務資源的 API 金鑰。
-
-1. 在 `say` 函數上方，定義一個 `translate_text` 函數，用於將文字從伺服器語言翻譯成使用者語言：
-
-    ```python
-    def translate_text(text, from_language, to_language):
-    ```
-
-    此函數會接收來源語言和目標語言作為參數——你的應用程式需要在辨識語音時，將使用者語言轉換為伺服器語言；在提供語音回饋時，則需將伺服器語言轉換為使用者語言。
-
-1. 在此函數內，定義 REST API 呼叫的 URL 和標頭：
-
-    ```python
-    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
-
-    headers = {
-        'Ocp-Apim-Subscription-Key': translator_api_key,
-        'Ocp-Apim-Subscription-Region': location,
-        'Content-type': 'application/json'
-    }
-    ```
-
-    此 API 的 URL 並非特定於地區，而是將地區作為標頭傳遞。API 金鑰直接使用，因此不像語音服務那樣需要從 Token 發行 API 獲取存取權杖。
-
-1. 在此之下定義呼叫的參數和主體：
-
-    ```python
-    params = {
-        'from': from_language,
-        'to': to_language
-    }
-
-    body = [{
-        'text' : text
-    }]
-    ```
-
-    `params` 定義了傳遞給 API 呼叫的參數，指定來源語言和目標語言。此呼叫會將 `from` 語言的文字翻譯成 `to` 語言。
-
-    `body` 包含要翻譯的文字。這是一個陣列，因為在一次呼叫中可以翻譯多段文字。
-
-1. 呼叫 REST API 並獲取回應：
-
-    ```python
-    response = requests.post(url, headers=headers, params=params, json=body)
-    ```
-
-    回應是一個 JSON 陣列，其中包含一個項目，該項目包含所有傳遞到主體中的文字的翻譯結果。
-
-    ```json
-    [
-        {
-            "translations": [
-                {
-                    "text": "Set a 2 minute 27 second timer.",
-                    "to": "en"
-                }
-            ]
-        }
-    ]
-    ```
-
-1. 從陣列中的第一個項目中返回第一個翻譯的 `text` 屬性：
-
-    ```python
-    return response.json()[0]['translations'][0]['text']
-    ```
-
-1. 更新 `while True` 迴圈，將從使用者語言到伺服器語言的文字翻譯加入 `convert_speech_to_text` 呼叫中：
-
-    ```python
-    if len(text) > 0:
-        print('Original:', text)
-        text = translate_text(text, language, server_language)
-        print('Translated:', text)
-
-        message = Message(json.dumps({ 'speech': text }))
-        device_client.send_message(message)
-    ```
-
-    此程式碼還會將原始文字和翻譯後的文字輸出到控制台。
-
-1. 更新 `say` 函數，將要說的文字從伺服器語言翻譯成使用者語言：
-
-    ```python
-    def say(text):
-        print('Original:', text)
-        text = translate_text(text, server_language, language)
-        print('Translated:', text)
-        speech = get_speech(text)
-        play_speech(speech)
-    ```
-
-    此程式碼還會將原始文字和翻譯後的文字輸出到控制台。
-
-1. 執行你的程式碼。確保你的函數應用程式正在運行，並用使用者語言請求計時器，可以自己說該語言，或者使用翻譯應用程式。
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py
-    Connecting
-    Connected
-    Using voice fr-FR-DeniseNeural
-    Original: Définir une minuterie de 2 minutes et 27 secondes.
-    Translated: Set a timer of 2 minutes and 27 seconds.
-    Original: 2 minute 27 second timer started.
-    Translated: 2 minute 27 seconde minute a commencé.
-    Original: Times up on your 2 minute 27 second timer.
-    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
-    ```
-
-    > 💁 由於不同語言表達方式的差異，你可能會得到與你提供給 LUIS 的範例略有不同的翻譯。如果是這種情況，請為 LUIS 添加更多範例，重新訓練並重新發布模型。
-
-> 💁 你可以在 [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi) 資料夾中找到這段程式碼。
-
-😀 你的多語言計時器程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/hk/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
deleted file mode 100644
index c68384220..000000000
--- a/translations/hk/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
+++ /dev/null
@@ -1,204 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d620a470d9dd8614d99824832978360a",
-  "translation_date": "2025-08-26T15:23:25+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
-  "language_code": "hk"
-}
--->
-# 翻譯語音 - 虛擬物聯網設備
-
-在本課程的這部分，你將撰寫程式碼來翻譯語音，將語音轉換為文字，使用語音服務，然後使用翻譯服務翻譯文字，最後生成語音回應。
-
-## 使用語音服務翻譯語音
-
-語音服務不僅可以將語音轉換為同一語言的文字，還可以將輸出翻譯成其他語言。
-
-### 任務 - 使用語音服務翻譯語音
-
-1. 在 VS Code 中打開 `smart-timer` 專案，並確保虛擬環境已在終端中載入。
-
-1. 在現有的導入語句下方添加以下導入語句：
-
-    ```python
-    from azure.cognitiveservices import speech
-    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
-    import requests
-    ```
-
-    這些語句導入了用於翻譯語音的類別，以及稍後在本課程中用於調用翻譯服務的 `requests` 庫。
-
-1. 你的智能計時器將設置兩種語言——用於訓練 LUIS 的伺服器語言（同一語言也用於構建與使用者交流的訊息），以及使用者所說的語言。更新 `language` 變數為使用者所說的語言，並添加一個名為 `server_language` 的新變數，用於訓練 LUIS 的語言：
-
-    ```python
-    language = '<user language>'
-    server_language = '<server language>'
-    ```
-
-    將 `<user language>` 替換為你將使用的語言的地區名稱，例如法語的 `fr-FR` 或粵語的 `zn-HK`。
-
-    將 `<server language>` 替換為用於訓練 LUIS 的語言的地區名稱。
-
-    你可以在 [Microsoft Docs 的語言和語音支持文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支持的語言及其地區名稱的列表。
-
-    > 💁 如果你不會多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 這樣的服務，將你的首選語言翻譯成其他語言。這些服務還可以播放翻譯後的文字音頻。請注意，語音識別器可能會忽略設備的一些音頻輸出，因此你可能需要使用額外的設備來播放翻譯後的文字。
-    >
-    > 例如，如果你用英語訓練 LUIS，但希望使用法語作為使用者語言，你可以使用 Bing 翻譯將像 "設置一個 2 分 27 秒的計時器" 這樣的句子從英語翻譯成法語，然後使用 **聆聽翻譯** 按鈕將翻譯語音說入你的麥克風。
-    >
-    > ![Bing 翻譯中的聆聽翻譯按鈕](../../../../../translated_images/zh-HK/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png)
-
-1. 替換 `recognizer_config` 和 `recognizer` 的聲明為以下內容：
-
-    ```python
-    translation_config = SpeechTranslationConfig(subscription=speech_api_key,
-                                                 region=location,
-                                                 speech_recognition_language=language,
-                                                 target_languages=(language, server_language))
-    
-    recognizer = TranslationRecognizer(translation_config=translation_config)
-    ```
-
-    這段程式碼創建了一個翻譯配置，用於識別使用者語言的語音，並生成使用者語言和伺服器語言的翻譯。然後使用此配置創建一個翻譯識別器——一個可以將語音識別的輸出翻譯成多種語言的語音識別器。
-
-    > 💁 必須在 `target_languages` 中指定原始語言，否則你將無法獲得任何翻譯。
-
-1. 更新 `recognized` 函數，將函數的全部內容替換為以下內容：
-
-    ```python
-    if args.result.reason == speech.ResultReason.TranslatedSpeech:
-        language_match = next(l for l in args.result.translations if server_language.lower().startswith(l.lower()))
-        text = args.result.translations[language_match]
-        if (len(text) > 0):
-            print(f'Translated text: {text}')
-    
-            message = Message(json.dumps({ 'speech': text }))
-            device_client.send_message(message)
-    ```
-
-    此程式碼檢查是否因語音被翻譯而觸發了識別事件（此事件可能在其他情況下觸發，例如語音被識別但未翻譯）。如果語音被翻譯，它會在 `args.result.translations` 字典中找到與伺服器語言匹配的翻譯。
-
-    `args.result.translations` 字典的鍵是地區設置的語言部分，而不是整個設置。例如，如果你請求翻譯成法語的 `fr-FR`，字典中將包含 `fr` 的條目，而不是 `fr-FR`。
-
-    翻譯後的文字將被發送到 IoT Hub。
-
-1. 運行此程式碼以測試翻譯功能。確保你的函數應用正在運行，並用使用者語言請求計時器，可以自己說該語言，也可以使用翻譯應用。
-
-    ```output
-    (.venv) ➜  smart-timer python app.py
-    Connecting
-    Connected
-    Translated text: Set a timer of 2 minutes and 27 seconds.
-    ```
-
-## 使用翻譯服務翻譯文字
-
-語音服務不支持將文字翻譯回語音，取而代之的是你可以使用翻譯服務來翻譯文字。此服務提供了一個 REST API，你可以用來翻譯文字。
-
-### 任務 - 使用翻譯資源翻譯文字
-
-1. 在 `speech_api_key` 下方添加翻譯 API 密鑰：
-
-    ```python
-    translator_api_key = '<key>'
-    ```
-
-    將 `<key>` 替換為你的翻譯服務資源的 API 密鑰。
-
-1. 在 `say` 函數上方定義一個 `translate_text` 函數，用於將文字從伺服器語言翻譯成使用者語言：
-
-    ```python
-    def translate_text(text):
-    ```
-
-1. 在此函數內定義 REST API 調用的 URL 和標頭：
-
-    ```python
-    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
-
-    headers = {
-        'Ocp-Apim-Subscription-Key': translator_api_key,
-        'Ocp-Apim-Subscription-Region': location,
-        'Content-type': 'application/json'
-    }
-    ```
-
-    此 API 的 URL 並非特定於位置，而是將位置作為標頭傳遞。API 密鑰直接使用，因此不像語音服務那樣需要從令牌發行 API 獲取訪問令牌。
-
-1. 在此函數下方定義調用的參數和正文：
-
-    ```python
-    params = {
-        'from': server_language,
-        'to': language
-    }
-
-    body = [{
-        'text' : text
-    }]
-    ```
-
-    `params` 定義了傳遞給 API 調用的參數，指定翻譯的源語言和目標語言。此調用將把 `from` 語言的文字翻譯成 `to` 語言。
-
-    `body` 包含要翻譯的文字。這是一個數組，因為可以在同一調用中翻譯多個文字塊。
-
-1. 調用 REST API 並獲取響應：
-
-    ```python
-    response = requests.post(url, headers=headers, params=params, json=body)
-    ```
-
-    返回的響應是一個 JSON 數組，其中包含一個項目，該項目包含翻譯。此項目有一個數組，用於翻譯正文中傳遞的所有項目。
-
-    ```json
-    [
-        {
-            "translations": [
-                {
-                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
-                    "to": "fr"
-                }
-            ]
-        }
-    ]
-    ```
-
-1. 返回數組中第一項的第一個翻譯的 `text` 屬性：
-
-    ```python
-    return response.json()[0]['translations'][0]['text']
-    ```
-
-1. 更新 `say` 函數，在生成 SSML 之前翻譯要說的文字：
-
-    ```python
-    print('Original:', text)
-    text = translate_text(text)
-    print('Translated:', text)
-    ```
-
-    此程式碼還將原始文字和翻譯後的文字打印到控制台。
-
-1. 運行你的程式碼。確保你的函數應用正在運行，並用使用者語言請求計時器，可以自己說該語言，也可以使用翻譯應用。
-
-    ```output
-    (.venv) ➜  smart-timer python app.py
-    Connecting
-    Connected
-    Translated text: Set a timer of 2 minutes and 27 seconds.
-    Original: 2 minute 27 second timer started.
-    Translated: 2 minute 27 seconde minute a commencé.
-    Original: Times up on your 2 minute 27 second timer.
-    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
-    ```
-
-    > 💁 由於不同語言表達方式的差異，你可能會得到與你提供給 LUIS 的示例略有不同的翻譯。如果是這種情況，請向 LUIS 添加更多示例，重新訓練並重新發布模型。
-
-> 💁 你可以在 [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device) 文件夾中找到此程式碼。
-
-😀 你的多語言計時器程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/hk/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
deleted file mode 100644
index fddbe5cfd..000000000
--- a/translations/hk/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
+++ /dev/null
@@ -1,284 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5f6c164e349f8989959e02a90f37908d",
-  "translation_date": "2025-08-26T15:20:08+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
-  "language_code": "hk"
-}
--->
-# 翻譯語音 - Wio Terminal
-
-在本課程的這部分，你將撰寫程式碼，使用翻譯服務來翻譯文字。
-
-## 使用翻譯服務將文字轉換為語音
-
-語音服務的 REST API 不支援直接翻譯，但你可以使用翻譯服務將語音轉文字服務生成的文字，以及語音回應的文字進行翻譯。此服務提供 REST API 可用於翻譯文字，但為了更方便使用，將其包裝在函數應用程式中的另一個 HTTP 觸發器中。
-
-### 任務 - 建立無伺服器函數來翻譯文字
-
-1. 在 VS Code 中開啟你的 `smart-timer-trigger` 專案，並確保虛擬環境已啟動。如果未啟動，請終止並重新建立終端機。
-
-1. 開啟 `local.settings.json` 檔案，並新增翻譯 API 金鑰和位置的設定：
-
-    ```json
-    "TRANSLATOR_KEY": "<key>",
-    "TRANSLATOR_LOCATION": "<location>"
-    ```
-
-    將 `<key>` 替換為你的翻譯服務資源的 API 金鑰。將 `<location>` 替換為你建立翻譯服務資源時使用的位置。
-
-1. 在函數應用程式專案的根目錄中，使用以下指令新增一個名為 `translate-text` 的 HTTP 觸發器：
-
-    ```sh
-    func new --name translate-text --template "HTTP trigger"
-    ```
-
-    這將建立一個名為 `translate-text` 的 HTTP 觸發器。
-
-1. 將 `translate-text` 資料夾中的 `__init__.py` 檔案內容替換為以下內容：
-
-    ```python
-    import logging
-    import os
-    import requests
-    
-    import azure.functions as func
-    
-    location = os.environ['TRANSLATOR_LOCATION']
-    translator_key = os.environ['TRANSLATOR_KEY']
-    
-    def main(req: func.HttpRequest) -> func.HttpResponse:
-        req_body = req.get_json()
-        from_language = req_body['from_language']
-        to_language = req_body['to_language']
-        text = req_body['text']
-        
-        logging.info(f'Translating {text} from {from_language} to {to_language}')
-    
-        url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
-    
-        headers = {
-            'Ocp-Apim-Subscription-Key': translator_key,
-            'Ocp-Apim-Subscription-Region': location,
-            'Content-type': 'application/json'
-        }
-    
-        params = {
-            'from': from_language,
-            'to': to_language
-        }
-    
-        body = [{
-            'text' : text
-        }]
-        
-        response = requests.post(url, headers=headers, params=params, json=body)
-        return func.HttpResponse(response.json()[0]['translations'][0]['text'])
-    ```
-
-    此程式碼從 HTTP 請求中提取文字和語言，然後向翻譯 REST API 發出請求，將語言作為 URL 的參數，並將要翻譯的文字作為主體。最後返回翻譯結果。
-
-1. 在本地執行你的函數應用程式。你可以使用像 curl 這樣的工具來呼叫它，就像測試 `text-to-timer` HTTP 觸發器一樣。確保以 JSON 主體的形式傳遞要翻譯的文字和語言：
-
-    ```json
-    {
-        "text": "Définir une minuterie de 30 secondes",
-        "from_language": "fr-FR",
-        "to_language": "en-US"
-    }
-    ```
-
-    此範例將 *Définir une minuterie de 30 secondes* 從法語翻譯為美式英語。它將返回 *Set a 30-second timer*。
-
-> 💁 你可以在 [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions) 資料夾中找到此程式碼。
-
-### 任務 - 使用翻譯函數來翻譯文字
-
-1. 如果尚未開啟，請在 VS Code 中開啟 `smart-timer` 專案。
-
-1. 你的智慧計時器將設定兩種語言——用於訓練 LUIS 的伺服器語言（同時也用於構建與使用者對話的訊息），以及使用者說的語言。在 `config.h` 標頭檔案中，將 `LANGUAGE` 常數更新為使用者將使用的語言，並新增一個名為 `SERVER_LANGUAGE` 的常數，用於訓練 LUIS 的語言：
-
-    ```cpp
-    const char *LANGUAGE = "<user language>";
-    const char *SERVER_LANGUAGE = "<server language>";
-    ```
-
-    將 `<user language>` 替換為你將使用的語言的區域名稱，例如法語為 `fr-FR`，或粵語為 `zn-HK`。
-
-    將 `<server language>` 替換為用於訓練 LUIS 的語言的區域名稱。
-
-    你可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其區域名稱的清單。
-
-    > 💁 如果你不會多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 這樣的服務，將你的首選語言翻譯成其他語言。這些服務還可以播放翻譯後的文字音頻。
-    >
-    > 例如，如果你用英語訓練 LUIS，但希望使用法語作為使用者語言，你可以使用 Bing 翻譯將 "set a 2 minute and 27 second timer" 從英語翻譯成法語，然後使用 **聆聽翻譯** 按鈕將翻譯語音說入麥克風。
-    >
-    > ![Bing 翻譯上的聆聽翻譯按鈕](../../../../../translated_images/zh-HK/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png)
-
-1. 在 `SPEECH_LOCATION` 下方新增翻譯 API 金鑰和位置：
-
-    ```cpp
-    const char *TRANSLATOR_API_KEY = "<KEY>";
-    const char *TRANSLATOR_LOCATION = "<LOCATION>";
-    ```
-
-    將 `<KEY>` 替換為你的翻譯服務資源的 API 金鑰。將 `<LOCATION>` 替換為你建立翻譯服務資源時使用的位置。
-
-1. 在 `VOICE_URL` 下方新增翻譯觸發器的 URL：
-
-    ```cpp
-    const char *TRANSLATE_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為函數應用程式中 `translate-text` HTTP 觸發器的 URL。這將與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，但函數名稱為 `translate-text` 而非 `text-to-timer`。
-
-1. 在 `src` 資料夾中新增一個名為 `text_translator.h` 的檔案。
-
-1. 此新的 `text_translator.h` 標頭檔案將包含一個用於翻譯文字的類別。在此檔案中新增以下內容以宣告此類別：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <WiFiClient.h>
-    
-    #include "config.h"
-    
-    class TextTranslator
-    {
-    public:   
-    private:
-        WiFiClient _client;
-    };
-    
-    TextTranslator textTranslator;
-    ```
-
-    這宣告了 `TextTranslator` 類別，以及此類別的一個實例。該類別有一個用於 WiFi 客戶端的欄位。
-
-1. 在此類別的 `public` 區域中，新增一個用於翻譯文字的方法：
-
-    ```cpp
-    String translateText(String text, String from_language, String to_language)
-    {
-    }
-    ```
-
-    此方法接收要翻譯的來源語言和目標語言。在處理語音時，語音將從使用者語言翻譯為 LUIS 伺服器語言，而在提供回應時，則從 LUIS 伺服器語言翻譯為使用者語言。
-
-1. 在此方法中，新增程式碼以構建包含要翻譯文字和語言的 JSON 主體：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["text"] = text;
-    doc["from_language"] = from_language;
-    doc["to_language"] = to_language;
-
-    String body;
-    serializeJson(doc, body);
-
-    Serial.print("Translating ");
-    Serial.print(text);
-    Serial.print(" from ");
-    Serial.print(from_language);
-    Serial.print(" to ");
-    Serial.print(to_language);
-    ```
-
-1. 在此下方，新增以下程式碼以將主體發送到無伺服器函數應用程式：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-1. 接下來，新增程式碼以獲取回應：
-
-    ```cpp
-    String translated_text = "";
-
-    if (httpResponseCode == 200)
-    {
-        translated_text = httpClient.getString();
-        Serial.print("Translated: ");
-        Serial.println(translated_text);
-    }
-    else
-    {
-        Serial.print("Failed to translate text - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-1. 最後，新增程式碼以關閉連線並返回翻譯後的文字：
-
-    ```cpp
-    httpClient.end();
-
-    return translated_text;
-    ```
-
-### 任務 - 翻譯識別的語音和回應
-
-1. 開啟 `main.cpp` 檔案。
-
-1. 在檔案頂部新增一個包含 `TextTranslator` 類別標頭檔案的指令：
-
-    ```cpp
-    #include "text_translator.h"
-    ```
-
-1. 設定計時器或計時器到期時說出的文字需要被翻譯。為此，在 `say` 函數的第一行新增以下內容：
-
-    ```cpp
-    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
-    ```
-
-    這將把文字翻譯成使用者語言。
-
-1. 在 `processAudio` 函數中，透過 `String text = speechToText.convertSpeechToText();` 呼叫從捕獲的音頻中檢索文字。在此呼叫之後，翻譯文字：
-
-    ```cpp
-    String text = speechToText.convertSpeechToText();
-    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
-    ```
-
-    這將把文字從使用者語言翻譯成伺服器使用的語言。
-
-1. 建置此程式碼，將其上傳到你的 Wio Terminal，並透過序列監視器進行測試。一旦你在序列監視器中看到 `Ready`，按下 C 按鈕（左側靠近電源開關的按鈕），然後說話。確保你的函數應用程式正在執行，並用使用者語言請求計時器，可以是你自己說該語言，或者使用翻譯應用程式。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    Ready.
-    Starting recording...
-    Finished recording
-    Sending speech...
-    Speech sent!
-    {"RecognitionStatus":"Success","DisplayText":"Définir une minuterie de 2 minutes 27 secondes.","Offset":9600000,"Duration":40400000}
-    Translating Définir une minuterie de 2 minutes 27 secondes. from fr-FR to en-US
-    Translated: Set a timer of 2 minutes 27 seconds.
-    Set a timer of 2 minutes 27 seconds.
-    {"seconds": 147}
-    Translating 2 minute 27 second timer started. from en-US to fr-FR
-    Translated: 2 minute 27 seconde minute a commencé.
-    2 minute 27 seconde minute a commencé.
-    Translating Times up on your 2 minute 27 second timer. from en-US to fr-FR
-    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
-    Chronométrant votre minuterie de 2 minutes 27 secondes.
-    ```
-
-> 💁 你可以在 [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal) 資料夾中找到此程式碼。
-
-😀 你的多語言計時器程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/CODE_OF_CONDUCT.md b/translations/hk/CODE_OF_CONDUCT.md
deleted file mode 100644
index 5fa3e1dbb..000000000
--- a/translations/hk/CODE_OF_CONDUCT.md
+++ /dev/null
@@ -1,23 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
-  "translation_date": "2025-08-26T13:57:19+00:00",
-  "source_file": "CODE_OF_CONDUCT.md",
-  "language_code": "hk"
-}
--->
-# Microsoft 開源行為準則
-
-此項目已採用 [Microsoft 開源行為準則](https://opensource.microsoft.com/codeofconduct/)。
-
-資源：
-
-- [Microsoft 開源行為準則](https://opensource.microsoft.com/codeofconduct/)
-- [Microsoft 行為準則常見問題](https://opensource.microsoft.com/codeofconduct/faq/)
-- 如有疑問或關注，請聯絡 [opencode@microsoft.com](mailto:opencode@microsoft.com)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/CONTRIBUTING.md b/translations/hk/CONTRIBUTING.md
deleted file mode 100644
index eacffdd0d..000000000
--- a/translations/hk/CONTRIBUTING.md
+++ /dev/null
@@ -1,24 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d6f80293fa9c213283eac7e79b078671",
-  "translation_date": "2025-08-26T13:58:58+00:00",
-  "source_file": "CONTRIBUTING.md",
-  "language_code": "hk"
-}
--->
-# 貢獻
-
-此項目歡迎各種貢獻和建議。大部分的貢獻需要您同意一份貢獻者許可協議 (CLA)，聲明您有權利並確實授予我們使用您貢獻的權利。詳情請參閱 https://cla.microsoft.com。
-
-> 重要提示：在翻譯此存儲庫中的文本時，請確保不要使用機器翻譯。我們將通過社群驗證翻譯，因此請僅在您精通的語言中自願進行翻譯。
-
-當您提交一個 pull request 時，CLA-bot 會自動判斷您是否需要提供 CLA，並適當地為 PR 添加標籤或評論。只需按照機器人的指示操作即可。您只需在所有使用我們 CLA 的存儲庫中執行一次此操作。
-
-此項目採用了 [Microsoft 開源行為準則](https://opensource.microsoft.com/codeofconduct/)。  
-如需更多資訊，請閱讀 [行為準則 FAQ](https://opensource.microsoft.com/codeofconduct/faq/) 或聯絡 [opencode@microsoft.com](mailto:opencode@microsoft.com) 提出任何其他問題或意見。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/README.md b/translations/hk/README.md
deleted file mode 100644
index 4cd7df99e..000000000
--- a/translations/hk/README.md
+++ /dev/null
@@ -1,221 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6c354ec3487e4f6cfafbe44557996cd9",
-  "translation_date": "2026-01-05T17:26:34+00:00",
-  "source_file": "README.md",
-  "language_code": "hk"
-}
--->
-[![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/)
-
-### 加入 Azure AI Foundry 社群
-
-如果你在建立 AI 應用程式時遇到困難或有任何問題，請加入其他學習者和有經驗的開發者，一同討論 MCP。這是一個支持性的社群，歡迎提出問題並自由分享知識。
-
-[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
-
-如果你在建立過程中有產品反饋或錯誤，請造訪：
-
-[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
-
-按照以下步驟開始使用這些資源：
-1. **分叉儲存庫**：點擊 [![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork)
-2. **複製儲存庫**： `git clone https://github.com/microsoft/IoT-For-Beginners.git`
-3. [**加入 Microsoft Foundry Discord，與專家及其他開發者交流**](https://discord.com/invite/ByRwuEEgH4)
-
-
-### 🌐 多語言支持
-
-#### 由 GitHub Action 支持（自動且隨時更新）
-
-<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
-[阿拉伯語](../ar/README.md) | [孟加拉語](../bn/README.md) | [保加利亞語](../bg/README.md) | [緬甸語 (緬甸)](../my/README.md) | [中文 (簡體)](../zh/README.md) | [中文 (繁體, 香港)](./README.md) | [中文 (繁體, 澳門)](../mo/README.md) | [中文 (繁體, 台灣)](../tw/README.md) | [克羅地亞語](../hr/README.md) | [捷克語](../cs/README.md) | [丹麥語](../da/README.md) | [荷蘭語](../nl/README.md) | [愛沙尼亞語](../et/README.md) | [芬蘭語](../fi/README.md) | [法語](../fr/README.md) | [德語](../de/README.md) | [希臘語](../el/README.md) | [希伯來語](../he/README.md) | [印地語](../hi/README.md) | [匈牙利語](../hu/README.md) | [印度尼西亞語](../id/README.md) | [義大利語](../it/README.md) | [日語](../ja/README.md) | [卡納達語](../kn/README.md) | [韓語](../ko/README.md) | [立陶宛語](../lt/README.md) | [馬來語](../ms/README.md) | [馬拉雅拉姆語](../ml/README.md) | [馬拉地語](../mr/README.md) | [尼泊爾語](../ne/README.md) | [奈及利亞皮欽語](../pcm/README.md) | [挪威語](../no/README.md) | [波斯語 (法爾西語)](../fa/README.md) | [波蘭語](../pl/README.md) | [葡萄牙語 (巴西)](../br/README.md) | [葡萄牙語 (葡萄牙)](../pt/README.md) | [旁遮普語 (古魯穆奇)](../pa/README.md) | [羅馬尼亞語](../ro/README.md) | [俄語](../ru/README.md) | [塞爾維亞語 (西里爾字)](../sr/README.md) | [斯洛伐克語](../sk/README.md) | [斯洛文尼亞語](../sl/README.md) | [西班牙語](../es/README.md) | [斯瓦希里語](../sw/README.md) | [瑞典語](../sv/README.md) | [他加祿語 (菲律賓語)](../tl/README.md) | [泰米爾語](../ta/README.md) | [泰盧固語](../te/README.md) | [泰語](../th/README.md) | [土耳其語](../tr/README.md) | [烏克蘭語](../uk/README.md) | [烏爾都語](../ur/README.md) | [越南語](../vi/README.md)
-
-> **想要本機複製？**
-
-> 此儲存庫包含 50 多種語言翻譯，這會大幅增加下載大小。若想不包含翻譯複製，請使用稀疏簽出：
-> ```bash
-> git clone --filter=blob:none --sparse https://github.com/microsoft/IoT-For-Beginners.git
-> cd IoT-For-Beginners
-> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
-> ```
-> 這樣會讓你用更快的下載速度取得完成課程所需的所有內容。
-<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
-
-# 物聯網初學者課程綱要
-
-微軟 Azure 雲端推廣專家很高興提供一個為期 12 週、共 24 節課的物聯網基礎課程。每節課包含課前與課後小測驗、完成課程的書面指導、解答、作業等等。我們以專案為基礎的教學法讓你邊學邊做，這是新技能更容易記住的證明方法。
-
-這些專案涵蓋食品從農場到餐桌的整個過程，包含農業、物流、製造、零售和消費者──這些都是物聯網裝置非常熱門的產業領域。
-
-![課程路線圖，顯示 24 節課涵蓋入門、農業、運輸、加工、零售與烹飪](../../translated_images/zh-HK/Roadmap.bb1dec285dda0eda.webp)
-
-> 手繪記錄由 [Nitya Narasimhan](https://github.com/nitya) 製作。點擊圖片可觀看大圖。
-
-**衷心感謝我們的作者們：[Jen Fox](https://github.com/jenfoxbot)、[Jen Looper](https://github.com/jlooper)、[Jim Bennett](https://github.com/jimbobbennett) 以及我們的手繪記錄藝術家 [Nitya Narasimhan](https://github.com/nitya)。**
-
-**同時感謝我們的 [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) 團隊，他們協助審核與翻譯此課程 ─ [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)、[Zina Kamel](https://www.linkedin.com/in/zina-kamel/)。**
-
-認識團隊！
-
-[![宣傳影片](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)
-
-**Gif 製作者** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
-
-> 🎥 點擊上方圖片觀看專案影片！
-
-> **教師們**，我們附上了[使用本課程綱要的建議](for-teachers.md)。若想自訂課程，亦提供了[課程範本](lesson-template/README.md)。
-
-> **[學生們](https://aka.ms/student-page)**，若想自行使用本課程，請分叉整個儲存庫並自行完成練習，從課前測驗開始，再讀課程內容並完成其餘活動。嘗試透過理解課程來建立專案，而非僅複製解答程式碼；但這些程式碼會在各專案導向課程的 /solutions 資料夾中提供。另一個方法是與朋友組成學習小組，一同學習內容。欲進一步學習，我們推薦[Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn)。
-
-本課程介紹影片，請參考：
-
-[![宣傳影片](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "宣傳影片")
-
-> 🎥 點擊上方圖片觀看專案影片！
-
-## 教學法
-
-我們在設計本課程時選擇了兩項教學原則：確保課程以專案為基礎，並包含頻繁的小測驗。系列結束時，學生將完成一個植物監測與澆水系統、一個車輛追蹤器、一個智慧工廠用來追蹤與檢查食物的裝置，以及一個聲控烹飪計時器，並學會物聯網基礎知識，包括如何撰寫裝置程式碼、連接至雲端、分析遙測資料及於邊緣運行 AI。
-
-藉由確保內容與專案對齊，過程對學生更具吸引力，且概念記憶得以加強。
-
-此外，課前的小考有助於設定學生學習主題的學習意圖，課後小考則進一步提升記憶力。此課程設計靈活有趣，可整體或部分選擇修習。專案由淺入深，於 12 週周期結束時漸趨複雜。
-
-每個專案皆以學生與愛好者可取得的實體硬體為基礎。每個專案深入特定領域，提供相關背景知識。成為成功開發者，理解所處領域以解決問題很重要，提供這些背景知識可讓學生在物聯網解決方案與學習中，從可能面對的現實問題角度思考。學生了解他們正在建置解決方案的「為何」，並能理解最終使用者。
-
-## 硬體
-
-我們提供兩種物聯網硬體選擇以配合專案需求，依個人喜好、程式語言能力、學習目標或取得方便程度決定。我們也提供「虛擬硬體」版本，供沒有硬體、或想先進一步學習再購買的人使用。您可在[硬體頁面](./hardware.md)了解更多及取得購買來自 Seeed Studio 朋友的完整套件的連結。
-> 💁 尋找我們的[行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)及[翻譯指南](TRANSLATIONS.md)。歡迎您的建設性意見！
->
-> 🔧 遇到問題嗎？查看我們的[疑難排解指南](TROUBLESHOOTING.md)以獲得常見問題的解決方案。
-
-## 每節課程包括：
-
-- 草圖筆記
-- 可選補充影片
-- 課前熱身小測驗
-- 書面課程
-- 專案式課程的話，包含一步一步的專案建置指引
-- 知識檢測
-- 挑戰
-- 補充閱讀
-- 作業
-- [課後小測驗](https://ff-quizzes.netlify.app/en/)
-
-> **關於測驗的一點說明**：所有測驗均包含在 quiz-app 資料夾中，共 48 個測驗，每個測驗包含三個問題。測驗會在課程中連結，但測驗應用程式可於本地運行或部署至 Azure；請遵照 `quiz-app` 資料夾中的說明執行。測驗正逐步本地化中。
-
-## 課程
-
-|       |              專案名稱               |                       教授概念                        | 學習目標                                                                                                                                                              |                                                        連結課程                                                          |
-| :---: | :--------------------------------: | :---------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------: |
-|  01   | [入門](./1-getting-started/README.md) |                     物聯網介紹                     | 學習物聯網基本原理及物聯網解決方案的基本元素，如感測器與雲端服務，同時設置您的第一個物聯網裝置                                                                           |                     [物聯網介紹](./1-getting-started/lessons/1-introduction-to-iot/README.md)                      |
-|  02   | [入門](./1-getting-started/README.md) |                   物聯網深入探討                   | 深入了解物聯網系統的元件，以及微控制器和單板電腦                                                                                                                     |                       [物聯網深入探討](./1-getting-started/lessons/2-deeper-dive/README.md)                       |
-|  03   | [入門](./1-getting-started/README.md) | 使用感測器與執行器互動物理世界 | 學習使用感測器蒐集物理世界的數據，以及使用執行器發送回饋，同時建置一個夜燈                                                                                                 | [使用感測器與執行器互動物理世界](./1-getting-started/lessons/3-sensors-and-actuators/README.md) |
-|  04   | [入門](./1-getting-started/README.md) |             將裝置連接至網際網路             | 學習如何將物聯網裝置連接至網際網路以發送與接收訊息，示範如何將夜燈連接到 MQTT 代理                                                                                   |                [將裝置連接至網際網路](./1-getting-started/lessons/4-connect-internet/README.md)                |
-|  05   |            [農場](./2-farm/README.md)            |                    預測植物生長                     | 學習如何使用物聯網裝置捕獲的溫度資料來預測植物生長                                                                                                                  |                          [預測植物生長](./2-farm/lessons/1-predict-plant-growth/README.md)                           |
-|  06   |            [農場](./2-farm/README.md)            |                    偵測土壤濕度                     | 學習如何偵測土壤濕度並校正土壤濕度感測器                                                                                                                            |                          [偵測土壤濕度](./2-farm/lessons/2-detect-soil-moisture/README.md)                           |
-|  07   |            [農場](./2-farm/README.md)            |                  自動化植物澆水                   | 學習如何使用繼電器和 MQTT 自動化及定時澆水                                                                                                                          |                      [自動化植物澆水](./2-farm/lessons/3-automated-plant-watering/README.md)                       |
-|  08   |            [農場](./2-farm/README.md)            |               將植物資料移轉至雲端               | 了解雲端及雲端托管的物聯網服務，以及如何將植物裝置連接至這些服務而非公共 MQTT 代理                                                                                   |               [將植物資料移轉至雲端](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                |
-|  09   |            [農場](./2-farm/README.md)            |         將應用邏輯移轉至雲端         | 瞭解如何在雲端編寫回應物聯網訊息的應用邏輯                                                                                                                          |         [將應用邏輯移轉至雲端](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)         |
-|  10   |            [農場](./2-farm/README.md)            |                   保護您的植物安全                    | 了解物聯網安全以及如何使用金鑰和憑證保護您的植物                                                                                                                    |                        [保護您的植物安全](./2-farm/lessons/6-keep-your-plant-secure/README.md)                         |
-|  11   |       [運輸](./3-transport/README.md)       |                      位置追蹤                      | 了解 GPS 物聯網裝置的定位追蹤                                                                                                                                        |                           [位置追蹤](./3-transport/lessons/1-location-tracking/README.md)                           |
-|  12   |       [運輸](./3-transport/README.md)       |                     儲存位置資料                     | 學習如何儲存物聯網資料以便後續視覺化或分析                                                                                                                           |                         [儲存位置資料](./3-transport/lessons/2-store-location-data/README.md)                         |
-|  13   |       [運輸](./3-transport/README.md)       |                   位置資料視覺化                   | 了解如何在地圖上視覺化位置資料，以及地圖如何以二維表示現實世界的三維環境                                                                                            |                     [位置資料視覺化](./3-transport/lessons/3-visualize-location-data/README.md)                     |
-|  14   |       [運輸](./3-transport/README.md)       |                          地理圍欄                          | 了解地理圍欄，以及如何用於當供應鏈中車輛接近目的地時發出警報                                                                                                          |                                   [地理圍欄](./3-transport/lessons/4-geofences/README.md)                                   |
-|  15   |   [製造](./4-manufacturing/README.md)   |               訓練水果品質檢測器                | 了解如何在雲端訓練影像分類器以檢測水果品質                                                                                                                          |                 [訓練水果品質檢測器](./4-manufacturing/lessons/1-train-fruit-detector/README.md)                 |
-|  16   |   [製造](./4-manufacturing/README.md)   |           從物聯網裝置檢查水果品質            | 了解如何從物聯網裝置使用您的水果品質檢測器                                                                                                                         |           [從物聯網裝置檢查水果品質](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)            |
-|  17   |   [製造](./4-manufacturing/README.md)   |             在邊緣運行您的水果檢測器             | 了解如何在物聯網邊緣裝置上運行您的水果檢測器                                                                                                                       |             [在邊緣運行您的水果檢測器](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)             |
-|  18   |   [製造](./4-manufacturing/README.md)   |        從感測器觸發水果品質檢測        | 了解如何由感測器觸發水果品質檢測                                                                                                                                    |        [從感測器觸發水果品質檢測](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)         |
-|  19   |          [零售](./5-retail/README.md)          |                   訓練庫存檢測器                    | 了解如何使用物件偵測來訓練庫存檢測器，計算店內庫存                                                                                                                |                        [訓練庫存檢測器](./5-retail/lessons/1-train-stock-detector/README.md)                         |
-|  20   |          [零售](./5-retail/README.md)          |               從物聯網裝置檢查庫存                | 了解如何使用物聯網裝置內的物件偵測模型檢查庫存                                                                                                                     |                     [從物聯網裝置檢查庫存](./5-retail/lessons/2-check-stock-device/README.md)                      |
-|  21   |        [消費](./6-consumer/README.md)        |             使用物聯網裝置進行語音識別             | 了解如何從物聯網裝置辨識語音，以建置智慧計時器                                                                                                                     |                  [使用物聯網裝置進行語音識別](./6-consumer/lessons/1-speech-recognition/README.md)                  |
-|  22   |        [消費](./6-consumer/README.md)        |                     語言理解                     | 了解如何理解對物聯網裝置說出的句子                                                                                                                                  |                        [語言理解](./6-consumer/lessons/2-language-understanding/README.md)                        |
-|  23   |        [消費](./6-consumer/README.md)        |           設定計時器並給予語音回饋           | 了解如何在物聯網裝置上設定計時器，並於設定及倒數完成時給予語音回饋                                                                                                 |                 [設定計時器並給予語音回饋](./6-consumer/lessons/3-spoken-feedback/README.md)                  |
-|  24   |        [消費](./6-consumer/README.md)        |                 支援多種語言                  | 了解如何同時支援多種語言，包括語音輸入和智慧計時器的語音回應                                                                                                      |                   [支援多種語言](./6-consumer/lessons/4-multiple-language-support/README.md)                   |
-
-## 離線存取
-
-您可以透過使用 [Docsify](https://docsify.js.org/#/) 離線使用這份文件。將此存放庫分支，於本機安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在此存放庫根目錄中輸入 `docsify serve`。網站會在您本機的 3000 埠口提供服務：`localhost:3000`。
-
-## 測驗
-
-感謝社群舉辦互動式測驗，測試您對每一章節的知識。您可在[此處](https://ff-quizzes.netlify.app/en/)測試您的知識。
-
-### PDF
-
-如果需要，也可將本內容產生成 PDF 以便離線閱覽。請確保您已安裝 [npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm)，在此存放庫根目錄中執行以下指令：
-
-```sh
-npm i
-npm run convert
-```
-
-### 投影片
-
-部分課程有投影片資料，請參考 [slides](../../slides) 資料夾。
-
-## 其他課程
-
-我們團隊還製作其他課程！敬請查看：
-
-<!-- CO-OP TRANSLATOR OTHER COURSES START -->
-### LangChain
-[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
-[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
-
----
-
-### Azure / Edge / MCP / Agents
-[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
-
----
- 
-### 生成式 AI 系列
-[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
-[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
-[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
-
----
- 
-### 核心學習
-[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
-[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
-[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
-[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
-[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
-[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
-[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
-
----
- 
-### Copilot 系列
-[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
-[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
-[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
-<!-- CO-OP TRANSLATOR OTHER COURSES END -->
-
-## 影像來源聲明
-
-你可以在 [Attributions](./attributions.md) 中找到此課程所使用影像的所有來源聲明。
-
----
-
-<!-- CO-OP TRANSLATOR DISCLAIMER START -->
-**免責聲明**：  
-本文件經由 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。儘管我們致力於確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不負任何責任。
-<!-- CO-OP TRANSLATOR DISCLAIMER END -->
\ No newline at end of file
diff --git a/translations/hk/SECURITY.md b/translations/hk/SECURITY.md
deleted file mode 100644
index aef4bf14c..000000000
--- a/translations/hk/SECURITY.md
+++ /dev/null
@@ -1,51 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
-  "translation_date": "2025-08-26T13:58:33+00:00",
-  "source_file": "SECURITY.md",
-  "language_code": "hk"
-}
--->
-# 安全性
-
-Microsoft 非常重視我們軟件產品和服務的安全性，這包括通過我們的 GitHub 組織管理的所有原始碼庫，這些組織包括 [Microsoft](https://github.com/Microsoft)、[Azure](https://github.com/Azure)、[DotNet](https://github.com/dotnet)、[AspNet](https://github.com/aspnet)、[Xamarin](https://github.com/xamarin) 和 [我們的 GitHub 組織](https://opensource.microsoft.com/)。
-
-如果你認為在任何 Microsoft 擁有的原始碼庫中發現了符合 [Microsoft 對安全漏洞的定義](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10)) 的安全漏洞，請按照以下說明向我們報告。
-
-## 報告安全問題
-
-**請不要通過公開的 GitHub 問題報告安全漏洞。**
-
-相反，請通過 Microsoft Security Response Center (MSRC) 報告，網址為 [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report)。
-
-如果你希望在不登入的情況下提交，請發送電子郵件至 [secure@microsoft.com](mailto:secure@microsoft.com)。如果可能，請使用我們的 PGP 密鑰加密你的訊息；你可以從 [Microsoft Security Response Center PGP Key 頁面](https://www.microsoft.com/en-us/msrc/pgp-key-msrc) 下載。
-
-你應該會在 24 小時內收到回覆。如果因某些原因未收到，請通過電子郵件跟進，以確保我們已收到你的原始訊息。更多資訊可參考 [microsoft.com/msrc](https://www.microsoft.com/msrc)。  
-
-請盡可能提供以下所需資訊，以幫助我們更好地了解問題的性質和範圍：
-
-  * 問題類型（例如，緩衝區溢出、SQL 注入、跨站腳本攻擊等）
-  * 與問題相關的原始檔案的完整路徑
-  * 受影響原始碼的位置（標籤/分支/提交或直接 URL）
-  * 重現問題所需的任何特殊配置
-  * 重現問題的逐步指引
-  * 概念驗證或漏洞利用代碼（如果可能）
-  * 問題的影響，包括攻擊者可能如何利用該問題
-
-這些資訊將幫助我們更快速地分類你的報告。
-
-如果你是為了漏洞賞金計劃而報告，提供更完整的報告可能有助於獲得更高的賞金獎勵。請訪問我們的 [Microsoft Bug Bounty Program](https://microsoft.com/msrc/bounty) 頁面，了解更多有關我們現行計劃的詳情。
-
-## 首選語言
-
-我們偏好所有的溝通以英文進行。
-
-## 政策
-
-Microsoft 遵循 [協調漏洞披露](https://www.microsoft.com/en-us/msrc/cvd) 原則。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/SUPPORT.md b/translations/hk/SUPPORT.md
deleted file mode 100644
index c459cadd8..000000000
--- a/translations/hk/SUPPORT.md
+++ /dev/null
@@ -1,25 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "cd89329575372232e59605f7a08ae0df",
-  "translation_date": "2025-08-26T13:56:21+00:00",
-  "source_file": "SUPPORT.md",
-  "language_code": "hk"
-}
--->
-# 支援
-
-## 如何提交問題和獲取幫助  
-
-此項目使用 GitHub Issues 來追蹤錯誤和功能請求。在提交新問題之前，請先搜尋現有問題以避免重複。對於新問題，請將您的錯誤或功能請求提交為一個新問題。
-
-如需有關使用此項目的幫助和問題，請透過在此存儲庫中提出問題與我們聯絡。
-
-## Microsoft 支援政策  
-
-對於此 **項目或產品** 的支援僅限於上述列出的資源。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/TROUBLESHOOTING.md b/translations/hk/TROUBLESHOOTING.md
deleted file mode 100644
index 63bd50ff6..000000000
--- a/translations/hk/TROUBLESHOOTING.md
+++ /dev/null
@@ -1,766 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9713e21a309662f6fcb271b573d47848",
-  "translation_date": "2026-01-05T17:40:44+00:00",
-  "source_file": "TROUBLESHOOTING.md",
-  "language_code": "hk"
-}
--->
-# 故障排除指南
-
-本指南協助您解決在使用 IoT for Beginners 課程時常見的問題。問題依類別組織，便於瀏覽。
-
-## 目錄
-
-- [安裝問題](../..)
-  - [Python 安裝](../..)
-  - [VS Code 與擴充功能](../..)
-  - [PlatformIO（Wio Terminal）](../..)
-  - [Grove 函式庫](../..)
-- [硬件問題](../..)
-  - [Raspberry Pi](../..)
-  - [Wio Terminal](../..)
-  - [虛擬設備（CounterFit）](../..)
-- [連線問題](../..)
-  - [WiFi 連線](../..)
-  - [雲端服務](../..)
-  - [MQTT](../..)
-- [感測器與致動器問題](../..)
-  - [Grove 感測器](../..)
-  - [相機](../..)
-  - [麥克風與揚聲器](../..)
-- [開發環境問題](../..)
-  - [VS Code](../..)
-  - [Python 虛擬環境](../..)
-  - [相依性](../..)
-- [效能問題](../..)
-- [常見錯誤訊息](../..)
-- [取得協助](../..)
-
----
-
-## 安裝問題
-
-### Python 安裝
-
-#### 問題：Python 版本太舊
-**錯誤：** `需要 Python 3.6 或以上版本`
-
-**解決方法：**
-1. 從 [python.org](https://www.python.org/downloads/) 下載最新 Python 3
-2. 在 Windows 安裝時，勾選「Add Python to PATH」
-3. 驗證安裝：
-   ```bash
-   python3 --version
-   ```
-
-#### 問題：多個 Python 版本衝突
-**症狀：** 執行錯誤版本的 Python，套件安裝到錯誤的位置
-
-**解決方法：**
-- **Windows：** 使用 `py -3` 明確呼叫 Python 3，而非 `python`
-- **macOS/Linux：** 使用 `python3` 替代 `python`
-- 專案始終建立並使用虛擬環境
-
-#### 問題：找不到 pip 指令
-**錯誤：** `'pip' 不是內部或外部命令，也不是可執行的程式或批次檔`
-
-**解決方法：**
-1. 嘗試使用 `pip3` 替代 `pip`
-2. 或使用 `python -m pip` 或 `python3 -m pip`
-3. 確保 Python 已加入 PATH（重新安裝 Python 並勾選選項）
-
-### VS Code 與擴充功能
-
-#### 問題：Pylance 擴充功能無法使用
-**症狀：** 無 Python IntelliSense、程式碼補全或型別檢查
-
-**解決方法：**
-1. 開啟 VS Code 命令面板（`Ctrl+Shift+P` 或 `Cmd+Shift+P`）
-2. 執行「Python: Select Interpreter」
-3. 選擇正確的 Python 解譯器（若使用虛擬環境，選擇該環境）
-4. 重新載入 VS Code 視窗
-
-#### 問題：VS Code 無法偵測虛擬環境
-**症狀：** 選擇了錯誤的 Python 解譯器
-
-**解決方法：**
-1. 確保在終端機已啟動虛擬環境
-2. 開啟命令面板，執行「Python: Select Interpreter」
-3. 選擇 `.venv` 資料夾中的解譯器
-4. 查看狀態列（左下角）顯示正確的 Python 版本
-
-### PlatformIO（Wio Terminal）
-
-#### 問題：PlatformIO 安裝失敗
-**錯誤：** PlatformIO 安裝過程中出現各種錯誤
-
-**解決方法：**
-1. 確保 VS Code 更新至最新版本
-2. 先安裝 C/C++ 擴充功能
-3. 安裝 PlatformIO 後重啟 VS Code
-4. 檢查網路連線（PlatformIO 需下載大型檔案）
-
-#### 問題：PlatformIO 無法偵測開發板
-**症狀：** 無法上傳程式碼至 Wio Terminal
-
-**解決方法：**
-1. 嘗試更換 USB 線（部分線材僅能充電）
-2. 在 Windows 檢查裝置管理員，macOS/Linux 執行 `ls /dev/tty*`
-3. 安裝或更新 USB 驅動程式
-4. 更換 USB 埠
-5. 快速滑動 Wio Terminal 電源開關兩次以進入 bootloader 模式
-
-#### 問題：PlatformIO 編譯錯誤
-**錯誤：** `fatal error: Arduino.h: No such file or directory`
-
-**解決方法：**
-1. 刪除專案中的 `.pio` 資料夾
-2. 從命令面板執行「PlatformIO: Rebuild」
-3. 確認 `platformio.ini` 有正確的開發板設定：
-   ```ini
-   [env:seeed_wio_terminal]
-   platform = atmelsam
-   board = seeed_wio_terminal
-   framework = arduino
-   ```
-
-### Grove 函式庫
-
-#### 問題：Grove 函式庫在 Raspberry Pi 上導入失敗
-**錯誤：** `ModuleNotFoundError: No module named 'grove'`
-
-**解決方法：**
-1. 重新安裝 Grove 函式庫：
-   ```bash
-   cd ~
-   git clone https://github.com/Seeed-Studio/grove.py
-   cd grove.py
-   sudo pip3 install .
-   ```
-2. 若使用虛擬環境，可能需全域安裝或複製函式庫
-3. 確認 I2C 已啟用：`sudo raspi-config nonint do_i2c 0`
-
-#### 問題：Grove 感測器無法偵測
-**錯誤：** `IOError: [Errno 121] Remote I/O error`
-
-**解決方法：**
-1. 檢查實體連接（確保 Grove 線纜完全插入）
-2. 確認感測器接至正確埠口（類比、數位、I2C、UART）
-3. 執行 `i2cdetect -y 1`，確認 I2C 匯流排上有裝置
-4. 換用另一條 Grove 線纜嘗試
-5. 確保 Grove Base Hat 與 Raspberry Pi GPIO 腳位良好連接
-
----
-
-## 硬件問題
-
-### Raspberry Pi
-
-#### 問題：Raspberry Pi 無法開機
-**症狀：** 無畫面、LED 無反應，或出現彩虹畫面
-
-**解決方法：**
-1. **檢查電源供應器：** Pi 4 使用官方 5V 3A USB-C 電源供應器
-2. **SD 卡問題：**
-   - 重新格式化 SD 卡並重灌 Raspberry Pi OS
-   - 更換不同 SD 卡（使用推薦品牌）
-   - 確認 SD 卡已正確插入
-3. **檢查 HDMI 連接：** 試用 Pi 4 兩個 HDMI 埠，建議使用靠近電源的 HDMI 埠
-
-#### 問題：無法 SSH 連線至 Raspberry Pi
-**症狀：** 連線被拒或逾時
-
-**解決方法：**
-1. 啟用 SSH：
-   - 使用 Raspberry Pi Imager 寫入 SD 卡時，在進階選項中設定 SSH
-   - 或在開機分割區建立名為 `ssh`（無副檔名）的空檔案
-2. 找出 Pi 的 IP 位址：
-   - 檢查路由器連線裝置列表
-   - 使用 `ping raspberrypi.local`（若 mDNS 有作用）
-   - 使用 `nmap` 或 Angry IP Scanner 等網路掃描工具
-3. 檢查網路：
-   - 確認 Pi 與電腦在同一網路中
-   - 優先嘗試有線以太網，避免使用 WiFi
-4. 確認使用者名稱與密碼（預設：使用者名稱 `pi`，密碼 `raspberry`）
-
-#### 問題：Grove Base Hat 無法被辨識
-**症狀：** 感測器無法運作，出現 I2C 錯誤
-
-**解決方法：**
-1. 確保 Base Hat 平穩安裝在所有 GPIO 腳位上
-2. 檢查 Pi 或 Base Hat 腳位是否彎曲
-3. 啟用 I2C 介面：
-   ```bash
-   sudo raspi-config nonint do_i2c 0
-   sudo reboot
-   ```
-4. 驗證 I2C 功能：執行 `i2cdetect -y 1`
-
-#### 問題：Raspberry Pi 運行緩慢
-**症狀：** 使用者介面卡頓、反應遲鈍
-
-**解決方法：**
-1. 檢查 SD 卡速度（使用 Class 10 或更新，或利用 USB 外接 SSD）
-2. 釋放磁碟空間：執行 `df -h` 檢查，刪除不必要檔案
-3. 若不頻繁使用相機或顯示器，降低 `raspi-config` 中的 GPU 記憶體
-4. 關閉不必要的應用程式
-5. 若使用 Pi 3 或更舊版本，可考慮升級至記憶體更多的 Pi 4
-
-### Wio Terminal
-
-#### 問題：Wio Terminal 螢幕保持空白
-**症狀：** 上傳程式後無畫面輸出
-
-**解決方法：**
-1. 確認程式有初始化螢幕（使用 TFT_eSPI 函式庫）
-2. 從 [Seeed Wiki](https://wiki.seeedstudio.com/Wio-Terminal-Getting-Started/) 更新 Wio Terminal 韌體
-3. 加入螢幕初始化程式碼：
-   ```cpp
-   #include <TFT_eSPI.h>
-   TFT_eSPI tft;
-   tft.begin();
-   tft.fillScreen(TFT_BLACK);
-   ```
-4. 嘗試從 PlatformIO 上傳範例程式測試硬體是否正常
-
-#### 問題：Wio Terminal WiFi 無法連線
-**症狀：** 無法連接 WiFi，出現網路錯誤
-
-**解決方法：**
-1. **更新 WiFi 韌體：** 參考 [Wio Terminal WiFi 韌體更新指南](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/)
-2. **檢查 WiFi 帳密：** 確認 SSID 與密碼正確
-3. **WiFi 頻段：** Wio Terminal 僅支援 2.4GHz WiFi（不支援 5GHz）
-4. **訊號強度：** 移動裝置靠近路由器
-5. **路由器設定：** 部分企業/WPA-Enterprise 網路可能無法連接
-
-#### 問題：電腦無法辨識 Wio Terminal
-**症狀：** USB 裝置未偵測到
-
-**解決方法：**
-1. **嘗試不同 USB 線材：** 使用支援資料傳輸的線材，非僅充電線
-2. **進入 bootloader 模式：** 快速向下滑動電源開關兩次
-   - 藍燈閃爍，裝置在裝置管理員顯示為「Arduino」
-3. **安裝驅動程式（Windows）：**
-   - 下載並安裝 [Seeed USB 驅動程式](https://wiki.seeedstudio.com/Driver_for_Seeeduino/)
-4. **更換 USB 埠：** 避免使用 USB 集線器，使用直連
-5. 更新系統 USB 驅動程式
-
-#### 問題：Wio Terminal 感測器無法讀取資料
-**症狀：** Grove 感測器無回應
-
-**解決方法：**
-1. 檢查 Grove 線纜連接
-2. 確認使用正確的 Grove 埠（左邊或右邊）
-3. 載入相應感測器函式庫
-4. 檢查感測器電源需求
-5. 使用函式庫範例程式測試感測器
-
-### 虛擬設備（CounterFit）
-
-#### 問題：CounterFit 應用程式無法啟動
-**錯誤：** 啟動 CounterFit 時出現各種 Python 錯誤
-
-**解決方法：**
-1. 確保虛擬環境已啟動
-2. 安裝或重新安裝 CounterFit：
-   ```bash
-   pip install CounterFit
-   ```
-3. 檢查埠號 5000 是否已被佔用：
-   - Windows：`netstat -ano | findstr :5000`
-   - macOS/Linux：`lsof -i :5000`
-4. 停止佔用 5000 埠的程序，或使用不同埠號：
-   ```bash
-   counterfit --port 5001
-   ```
-
-#### 問題：無法從程式連接至 CounterFit
-**錯誤：** 連線被拒或逾時
-
-**解決方法：**
-1. 確認 CounterFit 正在執行：瀏覽器開啟 `http://127.0.0.1:5000`
-2. 檢查程式中連接的 URL 是否與 CounterFit 位址相符
-3. 確認防火牆未阻擋連線
-4. 嘗試重新啟動 CounterFit 和您的程式
-
-#### 問題：CounterFit 中感測器未出現
-**症狀：** 創建的感測器未出現在 CounterFit UI
-
-**解決方法：**
-1. 先在 CounterFit UI 創建感測器再執行程式
-2. 刷新瀏覽器頁面
-3. 確認感測器類型與程式預期相符
-4. 清除瀏覽器快取
-
----
-
-## 連線問題
-
-### WiFi 連線
-
-#### 問題：裝置無法連接 WiFi
-**症狀：** 連線逾時、驗證失敗
-
-**解決方法：**
-1. **檢查 SSID 與密碼：** 確認憑證正確
-2. **WiFi 頻段：** 多數 IoT 裝置僅支援 2.4GHz（不支援 5GHz）
-3. **路由器設定：**
-   - 若啟用 AP 隔離，請關閉
-   - 使用 WPA2-PSK 安全性（避免 WPA3、WEP 或開放網路）
-   - 確保 DHCP 啟用
-4. **隱藏網路：** 若 SSID 隱藏，可能須明確設定連線
-5. **訊號強度：** 將裝置移近路由器
-6. **干擾：** 其他裝置、微波爐或牆壁可能產生干擾
-
-#### 問題：WiFi 連線頻繁中斷
-**症狀：** 連線斷斷續續
-
-**解決方法：**
-1. 檢查路由器穩定性，考慮重啟
-2. 更新裝置韌體
-3. 使用靜態 IP 取代 DHCP
-4. 縮短距離至路由器或增加 WiFi 延伸器
-5. 檢查其他裝置的干擾情況
-6. 確認電源供應足夠（尤其是 Raspberry Pi）
-
-### 雲端服務
-
-#### 問題：無法連接 Azure IoT Hub
-**錯誤：** 驗證失敗，連線被拒
-
-**解決方法：**
-1. **核對憑證：**
-   - 確認連線字串正確無誤
-   - 確認連線字串中無多餘空格或換行
-2. **檢查裝置註冊：** 裝置必須已在 IoT Hub 中註冊
-3. **防火牆/代理：** 確保允許出站 MQTT 埠（8883）或 HTTPS 埠（443）
-4. **IoT Hub 地區：** 確認 IoT Hub 正常運作，且非因區域不同導致延遲
-5. **配額限制：** 檢查是否超過免費方案限制
-6. **測試連線：**
-   ```bash
-   az iot hub device-identity show-connection-string --hub-name YourIoTHub --device-id YourDevice
-   ```
-
-#### 問題：Azure Functions 未啟動
-**症狀：** 訊息已送達但函數未執行
-
-**解決方法：**
-1. 檢查函數應用程式是否運行（非停止狀態）
-2. 確認函數應用程式設定中的連線字串
-3. 查看 Azure Portal 中函數日誌
-4. 確保已正確設定 Event Hub 相容端點
-5. 驗證訊息格式符合函數預期
-6. 檢查函數應用服務方案（消耗計算或專用）
-
-### MQTT
-#### 問題：MQTT 連線失敗  
-**錯誤：** 連線被拒絕，驗證失敗
-
-**解決方案：**  
-1. **Broker 地址：** 驗證 broker URL/IP 是否正確  
-2. **埠號：** 檢查埠號（未加密用 1883，TLS 用 8883）  
-3. **驗證：** 如有需要，確認使用者名稱/密碼  
-4. **TLS/SSL：** 確保憑證有效並受信任  
-5. **防火牆：** 檢查埠號是否被封鎖  
-6. **使用 MQTT 用戶端測試：** 使用 MQTT Explorer 或 mosquitto_pub/sub 進行測試
-
-#### 問題：MQTT 訊息未接收  
-**症狀：** 已發布訊息但訂閱者未收到
-
-**解決方案：**  
-1. **主題名稱：** 確認訂閱者主題與發布者主題完全相符  
-2. **QoS 等級：** 嘗試 QoS 1 或 2 替代 0  
-3. **萬用字元：** 檢查主題萬用字元使用是否正確（`+` 表單層，`#` 表多層）  
-4. **保留訊息：** 發布者可設定 retain 標記保留最後訊息  
-5. **連線時機：** 確保訂閱者在訊息發布前已連線
-
----
-
-## 感測器與執行器問題
-
-### Grove 感測器
-
-#### 問題：感測器回傳錯誤數值  
-**症狀：** 讀值為 0、-1，或不合理數值
-
-**解決方案：**  
-1. **檢查連線：** 確保感測器正確連接  
-2. **正確埠口：** 確認感測器接到正確埠口類型：  
-   - 類比感測器 → 類比埠（A0, A2, A4）  
-   - 數位感測器 → 數位埠（D5, D16, D18 等）  
-   - I2C 感測器 → I2C 埠  
-3. **校正：** 某些感測器需校正（土壤濕度、光感）  
-4. **電源重啟：** 將感測器斷電再重新接上  
-5. **感測器規格表：** 查閱感測器規格與需求
-
-#### 問題：電容式土壤濕度感測器永遠顯示濕潤  
-**症狀：** 感測器即使乾燥也顯示高濕度
-
-**解決方案：**  
-1. **需校正：** 土壤感測器校正步驟：  
-   - 讀取空氣中值（乾燥基準）  
-   - 讀取水中值（濕潤基準）  
-   - 將讀值對應於這兩值之間  
-2. **檢查感測器塗層：** 濕度感測器若塗層受損會退化  
-3. **放置方式：** 確保感測器完全插入土中
-
-#### 問題：溫濕度感測器讀數不正確  
-**症狀：** DHT11/DHT22 顯示錯誤溫度或濕度
-
-**解決方案：**  
-1. **感測器放置：** 避免直射陽光、熱源或氣流  
-2. **暖機時間：** 電源開啟後等待 2 秒再讀取  
-3. **讀取頻率：** DHT 感測器讀取間隔需至少 2 秒  
-4. **檢查冷凝水：** 冷凝水會影響讀取  
-5. **感測器品質：** DHT11 精度不及 DHT22
-
-### 攝影機
-
-#### 問題：Raspberry Pi 無法辨識攝影機  
-**錯誤：** `mmal: mmal_vc_component_create: failed to create component 'vc.ril.camera'`
-
-**解決方案：**  
-1. **啟用攝影機介面：**  
-   ```bash
-   sudo raspi-config
-   ```
-   前往 Interface Options → Camera → Enable  
-2. **檢查排線：** 確保攝影機排線正確插入  
-   - Pi Zero 藍色面朝 USB 埠  
-   - Pi 4 藍色面背向 USB 埠  
-3. **更新韌體：**  
-   ```bash
-   sudo apt update
-   sudo apt full-upgrade
-   sudo reboot
-   ```
-4. **測試攝影機：**  
-   ```bash
-   raspistill -o test.jpg
-   ```
-
-
-#### 問題：攝影機影像品質差  
-**症狀：** 模糊、過暗或曝光不足的影像
-
-**解決方案：**  
-1. **對焦：** 移除鏡頭保護膜，若可調整則調整焦距  
-2. **照明：** 確保光源充足  
-3. **攝影機設定：** 調整曝光、ISO、白平衡參數  
-4. **穩定性：** 攝影機要穩固，必要時用三腳架  
-5. **解析度：** 不要超出攝影機最高解析度
-
-### 麥克風與喇叭
-
-#### 問題：無音訊輸入/輸出  
-**症狀：** 麥克風無聲音錄製，喇叭無播放聲
-
-**解決方案：**  
-1. **檢查連接：** 確認音訊裝置正確接好  
-2. **硬體測試：**  
-   - 喇叭：`speaker-test -t wav -c 2`  
-   - 麥克風：`arecord -l` 列出裝置，`arecord test.wav` 錄音  
-3. **音量設定：** 調整及檢查音量：  
-   ```bash
-   alsamixer
-   ```
-4. **選擇音訊裝置：** 程式中指定正確音訊裝置  
-5. **驅動程式問題：** 更新 ALSA 或重新安裝音訊驅動
-
-#### 問題：ReSpeaker 擴充板無反應  
-**症狀：** 音訊裝置無法偵測
-
-**解決方案：**  
-1. **安裝驅動：**  
-   ```bash
-   git clone https://github.com/HinTak/seeed-voicecard
-   cd seeed-voicecard
-   sudo ./install.sh
-   sudo reboot
-   ```
-2. **檢查安裝：** `arecord -l` 應列出 ReSpeaker 裝置  
-3. **更新韌體：** 有些 Pi OS 版本需更新驅動  
-4. **檢查接合：** 確保擴充板正確接上 GPIO 腳位
-
----
-
-## 開發環境問題
-
-### VS Code
-
-#### 問題：終端機未自動啟動虛擬環境  
-**症狀：** 終端機開啟但未啟用 venv
-
-**解決方案：**  
-1. **設定 Python 解譯器：** 命令面板 → "Python: Select Interpreter" → 選擇 venv  
-2. 選擇解譯器後重新啟動 VS Code  
-3. 確認設定檔 `settings.json` 加入：  
-   ```json
-   "python.terminal.activateEnvironment": true
-   ```
-
-
-#### 問題：程式碼執行無反應於設備上  
-**症狀：** 程式碼有執行但設備無任何反應
-
-**解決方案：**  
-1. 確認程式已儲存（檔案頁籤有點標示）  
-2. 檢查執行的 Python 版本：`which python` 或 `where python`  
-3. Wio Terminal 確保使用 PlatformIO 上傳程式（點擊上傳鍵）  
-4. Raspberry Pi 請 SSH 登入 Pi 後執行程式碼  
-5. 檢查輸出視窗是否有錯誤訊息
-
-#### 問題：IntelliSense 無法顯示函式庫功能  
-**症狀：** 匯入模組無自動補全
-
-**解決方案：**  
-1. 確保函式庫已安裝於當前環境  
-2. 重新載入 VS Code 視窗  
-3. 確認 Python 解譯器正確  
-4. 若有，安裝類型定義檔（type stubs）：`pip install types-<library-name>`
-
-### Python 虛擬環境
-
-#### 問題：無法建立虛擬環境  
-**錯誤：** `The virtual environment was not created successfully`
-
-**解決方案：**  
-1. **安裝 venv 模組：**  
-   - Ubuntu/Debian: `sudo apt install python3-venv`  
-   - macOS: Python 內建包含  
-   - Windows: 重新安裝包含所有元件的 Python  
-2. **檢查 Python 安裝：** 確認 Python 安裝完整  
-3. **使用完整路徑建立：** `python3 -m venv .venv`
-
-#### 問題：套件安裝在錯誤位置  
-**症狀：** 安裝套件後匯入錯誤
-
-**解決方案：**  
-1. 確認 venv 已啟用，命令提示字元顯示 `(.venv)`  
-2. 檢查 pip 路徑：`which pip` 顯示 `.venv/bin/pip`  
-3. 啟用 venv 後重新安裝套件：`pip install <package>`  
-4. 不要在虛擬環境內使用 sudo
-
-#### 問題：虛擬環境無法攜帶  
-**症狀：** 移動或在不同電腦使用 venv 異常
-
-**解決方案：**  
-1. 不要移動已有的 venv，刪除後重新建立  
-2. 使用 requirements.txt：  
-   ```bash
-   pip freeze > requirements.txt
-   pip install -r requirements.txt
-   ```
-3. 重新建立 venv：  
-   ```bash
-   python3 -m venv .venv
-   source .venv/bin/activate  # 或在 Windows 上執行 activate.bat
-   pip install -r requirements.txt
-   ```
-
-
-### 相依套件問題
-
-#### 問題：套件安裝失敗  
-**錯誤：** 安裝時出現多種 pip 錯誤
-
-**解決方案：**  
-1. 更新 pip：  
-   ```bash
-   pip install --upgrade pip
-   ```
-2. 安裝建置工具：  
-   - Ubuntu/Debian: `sudo apt install build-essential python3-dev`  
-   - macOS: `xcode-select --install`  
-   - Windows: 安裝 Visual Studio Build Tools  
-3. 確認網路連線正常  
-4. 嘗試使用不同套件索引：`pip install --index-url https://pypi.org/simple/ <package>`  
-5. 安裝特定版本：`pip install <package>==<version>`
-
-#### 問題：相依套件衝突  
-**錯誤：** `ERROR: pip's dependency resolver does not currently take into account all the packages that are installed`
-
-**解決方案：**  
-1. 每個專案使用新的虛擬環境  
-2. 更新套件：`pip install --upgrade <package>`  
-3. 檢查相依衝突：使用 `pip check`  
-4. 指定相容版本範圍於 requirements.txt
-
----
-
-## 效能問題
-
-### 問題：程式執行緩慢  
-**症狀：** 延遲、逾時、無反應
-
-**解決方案：**  
-1. 降低感測器讀取頻率，不要讀太頻繁  
-2. 優化迴圈，避免忙等，使用 sleep() 或延遲  
-3. 記憶體問題：  
-   - 關閉不必要的應用程式  
-   - 釋放儲存空間  
-   - 用 `top` 或 `htop` 監控 Raspberry Pi  
-4. SD 卡速度：使用較快的 SD 卡或 SSD  
-5. 網路延遲：使用非同步操作處理網路呼叫
-
-### 問題：記憶體不足錯誤  
-**錯誤：** `MemoryError` 或系統凍結
-
-**解決方案：**  
-1. Raspberry Pi：  
-   - 關閉不必要應用程式  
-   - 增加 swap 空間  
-   - 使用精簡版作業系統（Lite 版）  
-   - 升級記憶體（Pi 4 可選 2/4/8GB）  
-2. Wio Terminal：  
-   - 減少緩衝區大小  
-   - 使用較小圖片  
-   - 優化字串使用  
-   - 檢查是否有記憶體洩漏（未釋放記憶體）
-
-### 問題：資料遺失或損壞  
-**症狀：** 訊息遺失，檔案損壞
-
-**解決方案：**  
-1. SD 卡問題：  
-   - 使用品質良好的 SD 卡（避免廉價/仿冒品）  
-   - 定期備份  
-   - 正確關機（勿直接斷電）  
-2. 緩衝區溢位：增加程式緩衝區大小  
-3. 網路穩定性：實作重試邏輯與錯誤處理  
-4. 服務品質：重要訊息使用 MQTT QoS 1 或 2
-
----
-
-## 常見錯誤訊息
-
-### `ModuleNotFoundError: No module named 'X'`  
-**原因：** 套件未安裝或虛擬環境未啟用
-
-**解決方案：**  
-```bash
-pip install X
-```
-  
-請先啟用虛擬環境。
-
-### Linux/macOS 出現 `Permission denied`  
-**原因：** 權限不足或檔案權限設定問題
-
-**解決方案：**  
-- 做系統操作使用 `sudo`  
-- pip 安裝時不要用 sudo，在 venv 啟用後執行  
-- 針對序列埠加使用者至 dialout 群組：`sudo usermod -a -G dialout $USER`，然後登出再登入
-
-### `OSError: [Errno 98] Address already in use`  
-**原因：** 埠口已被其他程序佔用
-
-**解決方案：**  
-1. 找出使用該埠的程序：`lsof -i :<port>` 或 `netstat -ano | findstr :<port>`  
-2. 終止該程序或程式中使用不同埠號
-
-### `SSL: CERTIFICATE_VERIFY_FAILED`  
-**原因：** SSL 憑證驗證失敗
-
-**解決方案：**  
-1. 更新憑證：`pip install --upgrade certifi`  
-2. 檢查系統時間是否正確：`date`  
-3. 只限開發用途（非正式環境）：可在程式碼中關閉驗證
-
-### `IndentationError: unexpected indent`  
-**原因：** Python 縮排錯誤（混用 tab 與空白）
-
-**解決方案：**  
-1. 使用一致縮排（Python 標準為 4 個空白）  
-2. 編輯器設定改用空白代替 Tab  
-3. VS Code 設定 `"editor.insertSpaces": true` 及 `"editor.tabSize": 4`
-
-### `UnicodeDecodeError` 或 `UnicodeEncodeError`  
-**原因：** 字元編碼問題
-
-**解決方案：**  
-```python
-# 當讀取檔案時
-with open('file.txt', 'r', encoding='utf-8') as f:
-    content = f.read()
-
-# 當寫入檔案時
-with open('file.txt', 'w', encoding='utf-8') as f:
-    f.write(content)
-```
-
-
----
-
-## 尋求協助
-
-若嘗試以上排除步驟後仍有問題：
-
-### 1. 檢查現有資源  
-- **文件說明：** 閱讀 [README](README.md) 與課程指示  
-- **硬體指南：** 查看 [hardware.md](hardware.md) 中硬體相關訊息  
-- **Seeed Studio Wiki：** 查閱 [Seeed Studio Wiki](https://wiki.seeedstudio.com/) 相關 Grove 產品資訊
-
-### 2. 搜尋相似問題  
-- **GitHub Issues：** 搜尋已有 [issues](https://github.com/microsoft/IoT-For-Beginners/issues)  
-- **Stack Overflow：** 尋找錯誤訊息相關內容  
-- **裝置論壇：** 查詢 Raspberry Pi 論壇或 Arduino 論壇
-
-### 3. 建立 GitHub Issue  
-若找不到解法：  
-1. 前往 [GitHub Issues](https://github.com/microsoft/IoT-For-Beginners/issues)  
-2. 點選「New Issue」  
-3. 提供：  
-   - 清楚問題描述  
-   - 重現步驟  
-   - 錯誤訊息（完整文字）  
-   - 硬體/軟體版本  
-   - 已嘗試過的排除方式  
-   - 相關截圖（如有）
-
-### 4. 加入社群  
-- **Discord：** [Microsoft Foundry Discord](https://discord.gg/nTYy5BXMWG)  
-- **Microsoft Learn：** [Microsoft Learn IoT](https://docs.microsoft.com/learn/browse/?products=azure-iot)
-
-### 5. 提供完善的錯誤回報  
-完善的錯誤回報包括：
-- **環境：** 作業系統、Python 版本、使用的硬件  
-- **重現步驟：** 造成問題的確切步驟  
-- **預期行為：** 應該發生的情況  
-- **實際行為：** 實際發生的情況  
-- **錯誤訊息：** 完整的錯誤文字，不要截圖  
-- **程式碼：** 能重現問題的最簡程式範例
-
----
-
-## 預防建議
-
-### 一般最佳實務
-1. **保持備份：** 定期備份可正常運作的 SD 卡/程式碼  
-2. **紀錄變更：** 在註解中標明哪些有效  
-3. **版本控制：** 使用 git 追蹤程式碼變動  
-4. **逐步測試：** 先測試小變更再合併  
-5. **閱讀錯誤訊息：** 它們通常會告訴你問題所在  
-6. **定期更新：** 保持軟體／韌體最新  
-7. **使用優質零件：** 避免使用便宜線材／電源供應器  
-8. **電力穩定：** 使用合適的電源供應（尤其是 Pi）
-
-### 開發工作流程
-1. **從簡單開始：** 從可用的範例程式開始  
-2. **一次只改一件事：** 較容易找到出問題的地方  
-3. **頻繁測試：** 及早發現問題  
-4. **保持整潔：** 有條理組織檔案與程式碼  
-5. **註解程式碼：** 未來的你會感激
-
----
-
-*此故障排除指南由社群維護。如果您找到此處未列出問題的解決方案，請考慮[貢獻](CONTRIBUTING.md)幫助更多人！*
-
----
-
-<!-- CO-OP TRANSLATOR DISCLAIMER START -->
-**免責聲明**：
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於確保翻譯的準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或曲解承擔責任。
-<!-- CO-OP TRANSLATOR DISCLAIMER END -->
\ No newline at end of file
diff --git a/translations/hk/attributions.md b/translations/hk/attributions.md
deleted file mode 100644
index b3a24431c..000000000
--- a/translations/hk/attributions.md
+++ /dev/null
@@ -1,54 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4506d33bbda7acc0ab20980172687090",
-  "translation_date": "2025-08-26T13:52:25+00:00",
-  "source_file": "attributions.md",
-  "language_code": "hk"
-}
--->
-# 圖片來源
-
-* 香蕉由 abderraouf omara 提供，來自 [Noun Project](https://thenounproject.com)
-* 大腦由 Icon Market 提供，來自 [Noun Project](https://thenounproject.com)
-* 廣播由 RomStu 提供，來自 [Noun Project](https://thenounproject.com)
-* 按鈕由 Dan Hetteix 提供，來自 [Noun Project](https://thenounproject.com)
-* C451B 小振膜電容麥克風由 AKG Acoustics 提供。[Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) 在 [en.wikipedia](https://en.wikipedia.org/) / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
-* 日曆由 Alice-vector 提供，來自 [Noun Project](https://thenounproject.com)
-* 證書由 alimasykurm 提供，來自 [Noun Project](https://thenounproject.com)
-* 芯片由 Astatine Lab 提供，來自 [Noun Project](https://thenounproject.com)
-* 雲由 Debi Alpa Nugraha 提供，來自 [Noun Project](https://thenounproject.com)
-* 容器由 ProSymbols 提供，來自 [Noun Project](https://thenounproject.com)
-* CPU 由 Icon Lauk 提供，來自 [Noun Project](https://thenounproject.com)
-* 資料庫由 Icons Bazaar 提供，來自 [Noun Project](https://thenounproject.com)
-* 撥盤由 Jamie Dickinson 提供，來自 [Noun Project](https://thenounproject.com)
-* GPS 由 mim studio 提供，來自 [Noun Project](https://thenounproject.com)
-* 加熱器由 Pascal Heß 提供，來自 [Noun Project](https://thenounproject.com)
-* 想法由 Pause08 提供，來自 [Noun Project](https://thenounproject.com)
-* 物聯網由 Adrien Coquet 提供，來自 [Noun Project](https://thenounproject.com)
-* LED 由 abderraouf omara 提供，來自 [Noun Project](https://thenounproject.com)
-* 光敏電阻由 Eucalyp 提供，來自 [Noun Project](https://thenounproject.com)
-* 燈泡由 Maxim Kulikov 提供，來自 [Noun Project](https://thenounproject.com)
-* 微控制器由 Template 提供，來自 [Noun Project](https://thenounproject.com)
-* 手機由 Alice-vector 提供，來自 [Noun Project](https://thenounproject.com)
-* 馬達由 Bakunetsu Kaito 提供，來自 [Noun Project](https://thenounproject.com)
-* Patti Smith 使用 Shure SM58（動圈心型）麥克風演唱。Beni Köhler / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
-* 植物由 Alex Muravev 提供，來自 [Noun Project](https://thenounproject.com)
-* 植物細胞由 Léa Lortal 提供，來自 [Noun Project](https://thenounproject.com)
-* 探測器由 Adnen Kadri 提供，來自 [Noun Project](https://thenounproject.com)
-* RAM 由 Atif Arshad 提供，來自 [Noun Project](https://thenounproject.com)
-* Raspberry Pi 4 由 Michael Henzler 提供 / [Wikimedia Commons](https://commons.wikimedia.org/wiki/Main_Page) / [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/)
-* 錄音由 Aybige Speaker 提供，來自 [Noun Project](https://thenounproject.com)
-* 衛星由 Noura Mbarki 提供，來自 [Noun Project](https://thenounproject.com)
-* 智能感測器由 Andrei Yushchenko 提供，來自 [Noun Project](https://thenounproject.com)
-* 喇叭由 Gregor Cresnar 提供，來自 [Noun Project](https://thenounproject.com)
-* 開關由 Chattapat 提供，來自 [Noun Project](https://thenounproject.com)
-* 溫度由 Vectors Market 提供，來自 [Noun Project](https://thenounproject.com)
-* 番茄由 parkjisun 提供，來自 [Noun Project](https://thenounproject.com)
-* 灑水壺由 Daria Moskvina 提供，來自 [Noun Project](https://thenounproject.com)
-* 天氣由 Adrien Coquet 提供，來自 [Noun Project](https://thenounproject.com)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要信息，建議使用專業的人類翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/clean-up.md b/translations/hk/clean-up.md
deleted file mode 100644
index 721930895..000000000
--- a/translations/hk/clean-up.md
+++ /dev/null
@@ -1,55 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
-  "translation_date": "2025-08-26T13:56:55+00:00",
-  "source_file": "clean-up.md",
-  "language_code": "hk"
-}
--->
-# 清理您的項目
-
-完成每個項目後，最好刪除您的雲端資源。
-
-在每個項目的課程中，您可能已創建以下資源：
-
-* 資源群組
-* IoT Hub
-* IoT 設備註冊
-* 儲存帳戶
-* Functions App
-* Azure Maps 帳戶
-* 自訂視覺項目
-* Azure 容器註冊表
-* 認知服務資源
-
-大部分這些資源都不會產生費用——要麼完全免費，要麼您使用的是免費層級。對於需要付費層級的服務，您可能使用的是包含在免費配額內的層級，或者僅需支付幾分錢。
-
-即使成本相對較低，完成後刪除這些資源仍然是值得的。例如，您只能擁有一個使用免費層級的 IoT Hub，因此如果您想創建另一個，就需要使用付費層級。
-
-所有的服務都被創建在資源群組內，這使得管理更加方便。您可以刪除資源群組，資源群組內的所有服務也會一併刪除。
-
-要刪除資源群組，請在您的終端或命令提示符中執行以下指令：
-
-```sh
-az group delete --name <resource-group-name>
-```
-
-將 `<resource-group-name>` 替換為您感興趣的資源群組名稱。
-
-系統會出現確認提示：
-
-```output
-Are you sure you want to perform this operation? (y/n): 
-```
-
-輸入 `y` 以確認並刪除資源群組。
-
-刪除所有服務可能需要一些時間。
-
-> 💁 您可以在 [Microsoft Docs 上的 Azure 資源管理器資源群組和資源刪除文件](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli) 閱讀更多相關資訊。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文檔的母語版本作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤詮釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/docs/_sidebar.md b/translations/hk/docs/_sidebar.md
deleted file mode 100644
index f349a48ee..000000000
--- a/translations/hk/docs/_sidebar.md
+++ /dev/null
@@ -1,49 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
-  "translation_date": "2025-08-26T14:55:41+00:00",
-  "source_file": "docs/_sidebar.md",
-  "language_code": "hk"
-}
--->
-- 介紹
-  - [1](../1-getting-started/lessons/1-introduction-to-iot/README.md) 物聯網簡介
-  - [2](../1-getting-started/lessons/2-deeper-dive/README.md) 深入探索
-  - [3](../1-getting-started/lessons/3-sensors-and-actuators/README.md) 感測器與執行器
-  - [4](../1-getting-started/lessons/4-connect-internet/README.md) 連接到互聯網
-  
-- 農場
-  - [5](../2-farm/lessons/1-predict-plant-growth/README.md) 預測植物生長
-  - [6](../2-farm/lessons/2-detect-soil-moisture/README.md) 偵測土壤濕度
-  - [7](../2-farm/lessons/3-automated-plant-watering/README.md) 自動化植物灌溉
-  - [8](../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) 將植物遷移到雲端
-  - [9](../2-farm/lessons/5-migrate-application-to-the-cloud/README.md) 將應用程式遷移到雲端
-  - [10](../2-farm/lessons/6-keep-your-plant-secure/README.md) 保護植物安全
-  
-- 運輸
-  - [11](../3-transport/lessons/1-location-tracking/README.md) 位置追蹤
-  - [12](../3-transport/lessons/2-store-location-data/README.md) 儲存位置數據
-  - [13](../3-transport/lessons/3-visualize-location-data/README.md) 視覺化位置數據
-  - [14](../3-transport/lessons/4-geofences/README.md) 地理圍欄
-  
-- 製造業
-  - [15](../4-manufacturing/lessons/1-train-fruit-detector/README.md) 訓練水果檢測器
-  - [16](../4-manufacturing/lessons/2-check-fruit-from-device/README.md) 從設備檢查水果
-  - [17](../4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) 在邊緣運行水果檢測器
-  - [18](../4-manufacturing/lessons/4-trigger-fruit-detector/README.md) 觸發水果檢測器
-  
-- 零售
-  - [19](../5-retail/lessons/1-train-stock-detector/README.md) 訓練庫存檢測器
-  - [20](../5-retail/lessons/2-check-stock-device/README.md) 從設備檢查庫存
-  
-- 消費者
-  - [21](../6-consumer/lessons/1-speech-recognition/README.md) 語音識別
-  - [22](../6-consumer/lessons/2-language-understanding/README.md) 語言理解
-  - [23](../6-consumer/lessons/3-spoken-feedback/README.md) 語音回饋
-  - [24](../6-consumer/lessons/4-multiple-language-support/README.md) 多語言支援
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/docs/troubleshooting.md b/translations/hk/docs/troubleshooting.md
deleted file mode 100644
index 9e4e147fa..000000000
--- a/translations/hk/docs/troubleshooting.md
+++ /dev/null
@@ -1,98 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "271dcd720357806934b2f0d94e19410e",
-  "translation_date": "2026-01-05T17:46:40+00:00",
-  "source_file": "docs/troubleshooting.md",
-  "language_code": "hk"
-}
--->
-# Raspberry Pi 故障排除指南
-
-此指南提供在 Raspberry Pi 裝置上執行物聯網專案時常見問題的解決方案。  
-它是為初學者遵循 IoT-For-Beginners 課程而設計，但對一般 Pi 開發亦有幫助。
-
----
-
-## 1. 安裝與相依性錯誤
-
-### ❗ `ModuleNotFoundError: No module named 'xyz'`
-當缺少必要的 Python 模組未安裝時會發生此錯誤。
-
-**修復方法**
-```bash
-pip3 install <module_name>
-
- Permission denied when running scripts
-
-Often caused by accessing GPIO, I2C or system hardware without elevated privileges.
-Quick fix:
-sudo python3 script.py
-
-Recommended fix (no sudo needed every time):
-sudo usermod -aG gpio,i2c,spi $USER
-sudo reboot
-
-2. GPIO / I2C / SPI Not Working
-❗ RuntimeError: No access to GPIO
-
-Add user to GPIO group:
-sudo usermod -aG gpio $USER
-sudo reboot
-
-❗ I2C / SPI devices not detected
-
-Enable interfaces:
-sudo raspi-config
-→ Interface Options
-→ Enable I2C / Enable SPI
-
-Check if I2C device appears:
-i2cdetect -y 1
-
-3. Camera / Video Issues
-❗ Camera not detected or fails to start
-
-Enable camera interface:
-sudo raspi-config
-→ Interface Options → Camera → Enable
-sudo reboot
-
-Check if camera is visible:
-vcgencmd get_camera
-
-4. Wi-Fi / SSH / Connectivity Problems
-| Problem                          | Fix                                           |
-| -------------------------------- | --------------------------------------------- |
-| SSH connection refused           | `sudo raspi-config → Interface Options → SSH` |
-| Device not showing on network    | Check IP using: `hostname -I`                 |
-| Slow Wi-Fi / unstable connection | Prefer 2.4 GHz band, update OS                |
-| Unable to access Pi headless     | Add `ssh` file to boot partition              |
-
-
-5. Performance Issues
-Raspberry Pi running slow / laggy
-
-Close unused applications
-
-Reduce background services
-
-Use Lite OS if no desktop needed
-
-Ensure sufficient power supply (5V/3A or better)
-
-Check CPU load:
-top
-htop
-
-Storage issues:
-sudo apt autoremove
-sudo apt clean
-df -h
-
----
-
-<!-- CO-OP TRANSLATOR DISCLAIMER START -->
-**免責聲明**：  
-本文件由 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們盡力確保準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原文文件應視為具權威性的資料來源。對於重要資訊，建議採用專業人員翻譯。我們對因使用本翻譯而產生的任何誤解或誤譯不承擔任何責任。
-<!-- CO-OP TRANSLATOR DISCLAIMER END -->
\ No newline at end of file
diff --git a/translations/hk/for-teachers.md b/translations/hk/for-teachers.md
deleted file mode 100644
index d2931a979..000000000
--- a/translations/hk/for-teachers.md
+++ /dev/null
@@ -1,41 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
-  "translation_date": "2025-08-26T13:56:34+00:00",
-  "source_file": "for-teachers.md",
-  "language_code": "hk"
-}
--->
-# 給教育工作者
-
-想在課堂上使用這套課程嗎？請隨意使用！
-
-事實上，你可以直接在 GitHub 上使用，透過 GitHub Classroom 進行。
-
-要做到這一點，請先 fork 此 repo。你需要為每一課建立一個 repo，因此需要將每個文件夾提取到一個獨立的 repo。這樣，[GitHub Classroom](https://classroom.github.com/classrooms) 就可以分別處理每一課。
-
-這些[完整指引](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)可以幫助你了解如何設置你的課堂。
-
-## 推薦的學習模式
-
-你可以在我們的[推薦學習模式指南](recommended-learning-model.md)中了解更多有關教授這套課程的建議學習模式。
-
-## 按原樣使用此 repo
-
-如果你希望按目前的形式使用此 repo，而不使用 GitHub Classroom，也可以做到。你需要與學生溝通，告訴他們一起學習哪一課。
-
-在線上形式（例如 Zoom、Teams 或其他平台）中，你可以為測驗設置分組討論室，並指導學生準備學習。然後邀請學生參加測驗，並在指定時間以 "issues" 的形式提交答案。如果你希望學生公開合作，也可以用同樣的方式進行作業。
-
-如果你更喜歡較為私密的形式，可以要求學生逐課 fork 課程到他們自己的 GitHub 私人 repo，並授予你訪問權限。然後他們可以私下完成測驗和作業，並通過 classroom repo 的 issues 提交給你。
-
-在線課堂有很多方式可以運作。請告訴我們哪種方式最適合你！
-
-## 請分享你的想法！
-
-我們希望這套課程能夠滿足你和學生的需求。請提供你的[反饋](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u)。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/hardware.md b/translations/hk/hardware.md
deleted file mode 100644
index 962cb700d..000000000
--- a/translations/hk/hardware.md
+++ /dev/null
@@ -1,121 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
-  "translation_date": "2025-08-26T13:57:32+00:00",
-  "source_file": "hardware.md",
-  "language_code": "hk"
-}
--->
-# 硬件
-
-在物聯網 (IoT) 中，**T** 代表 **Things**，指的是與周圍環境互動的設備。每個項目都基於學生和愛好者可用的實際硬件。我們提供了兩種物聯網硬件選擇，根據個人喜好、編程語言知識或偏好、學習目標和可用性進行選擇。此外，我們還提供了“虛擬硬件”版本，適合那些無法獲得硬件或希望在購買前進一步了解的人。
-
-> 💁 您不需要購買任何物聯網硬件即可完成作業。您可以使用虛擬物聯網硬件完成所有內容。
-
-實體硬件選擇包括 Arduino 或 Raspberry Pi。每個平台都有其優勢和劣勢，這些都會在初始課程中進行介紹。如果您尚未決定使用哪個硬件平台，可以查看[第一個項目的第二課](./1-getting-started/lessons/2-deeper-dive/README.md)，以選擇您最感興趣的硬件平台。
-
-我們選擇的特定硬件旨在減少課程和作業的複雜性。雖然其他硬件可能也能使用，但我們無法保證所有作業都能在您的設備上支持，除非額外添加硬件。例如，許多 Arduino 設備不具備 WiFi 功能，而 WiFi 是連接到雲端所需的——因此選擇了內建 WiFi 的 Wio Terminal。
-
-此外，您還需要一些非技術性物品，例如土壤或盆栽植物，以及水果或蔬菜。
-
-## 購買套件
-
-![Seeed Studios 標誌](../../translated_images/zh-HK/seeed-logo.74732b6b482b6e8e.webp)
-
-Seeed Studios 非常友善地將所有硬件製作成易於購買的套件：
-
-### Arduino - Wio Terminal
-
-**[Seeed 和 Microsoft 的物聯網入門 - Wio Terminal 初學者套件](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
-
-[![Wio Terminal 硬件套件](../../translated_images/zh-HK/wio-hardware-kit.4c70c48b85e4283a.webp)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
-
-### Raspberry Pi
-
-**[Seeed 和 Microsoft 的物聯網入門 - Raspberry Pi 4 初學者套件](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
-
-[![Raspberry Pi 硬件套件](../../translated_images/zh-HK/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
-
-## Arduino
-
-所有 Arduino 的設備代碼均使用 C++ 編寫。要完成所有作業，您需要以下硬件：
-
-### Arduino 硬件
-
-* [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
-* *可選* - USB-C 線或 USB-A 至 USB-C 轉接器。Wio Terminal 配備 USB-C 端口，並附帶 USB-C 至 USB-A 線。如果您的 PC 或 Mac 只有 USB-C 端口，您需要 USB-C 線或 USB-A 至 USB-C 轉接器。
-
-### Arduino 特定的感測器和執行器
-
-這些是專門用於 Wio Terminal Arduino 設備的，與 Raspberry Pi 無關。
-
-* [ArduCam Mini 2MP Plus - OV2640](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)
-* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
-* [麵包板跳線](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
-* 耳機或其他帶 3.5mm 插孔的揚聲器，或 JST 揚聲器，例如：
-  * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
-* microSD 卡（16GB 或以下），以及一個連接器，用於在您的電腦上使用 SD 卡（如果您的電腦沒有內建 SD 卡插槽）。**注意** - Wio Terminal 只支持最大 16GB 的 SD 卡，不支持更高容量。
-
-## Raspberry Pi
-
-所有 Raspberry Pi 的設備代碼均使用 Python 編寫。要完成所有作業，您需要以下硬件：
-
-### Raspberry Pi 硬件
-
-* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
-  > 💁 從 Pi 2B 及以上版本應該都能完成這些課程中的作業。如果您計劃直接在 Pi 上運行 VS Code，那麼需要 Pi 4 並配備 2GB 或以上的 RAM。如果您打算遠程訪問 Pi，那麼任何 Pi 2B 及以上版本都可以使用。
-* microSD 卡（您可以購買附帶 microSD 卡的 Raspberry Pi 套件），以及一個連接器，用於在您的電腦上使用 SD 卡（如果您的電腦沒有內建 SD 卡插槽）。
-* USB 電源供應器（您可以購買附帶電源供應器的 Raspberry Pi 4 套件）。如果您使用 Raspberry Pi 4，則需要 USB-C 電源供應器，早期設備則需要 micro-USB 電源供應器。
-
-### Raspberry Pi 特定的感測器和執行器
-
-這些是專門用於 Raspberry Pi 的，與 Arduino 設備無關。
-
-* [Grove Pi 基座帽](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
-* [Raspberry Pi 相機模組](https://www.raspberrypi.org/products/camera-module-v2/)
-* 麥克風和揚聲器：
-
-  使用以下任意一種（或同等設備）：
-  * 任意 USB 麥克風搭配任意 USB 揚聲器，或帶 3.5mm 插孔的揚聲器，或使用 HDMI 音頻輸出（如果您的 Raspberry Pi 連接到帶揚聲器的顯示器或電視）
-  * 任意內建麥克風的 USB 耳機
-  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) 搭配
-    * 耳機或其他帶 3.5mm 插孔的揚聲器，或 JST 揚聲器，例如：
-    * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
-  * [USB Speakerphone](https://www.amazon.com/USB-Speakerphone-Conference-Business-Microphones/dp/B07Q3D7F8S/ref=sr_1_1?dchild=1&keywords=m0&qid=1614647389&sr=8-1)
-* [Grove 光感測器](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
-* [Grove 按鈕](https://www.seeedstudio.com/Grove-Button.html)
-
-## 感測器和執行器
-
-大多數需要的感測器和執行器可用於 Arduino 和 Raspberry Pi 學習路徑：
-
-* [Grove LED](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
-* [Grove 濕度和溫度感測器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
-* [Grove 電容式土壤濕度感測器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
-* [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)
-* [Grove GPS (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
-* [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
-
-## 可選硬件
-
-自動澆水課程使用繼電器作為工作原理。作為選項，您可以使用以下硬件將繼電器連接到 USB 供電的水泵。
-
-* [6V 水泵](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
-* [USB 端子](https://www.adafruit.com/product/3628)
-* 矽膠管
-* 紅色和黑色電線
-* 小型平頭螺絲刀
-
-## 虛擬硬件
-
-虛擬硬件路徑提供了感測器和執行器的模擬器，使用 Python 實現。根據您的硬件可用性，您可以在普通開發設備（如 Mac、PC）上運行，或在 Raspberry Pi 上運行並僅模擬您沒有的硬件。例如，如果您有 Raspberry Pi 相機但沒有 Grove 感測器，您可以在 Pi 上運行虛擬設備代碼，模擬 Grove 感測器，但使用實體相機。
-
-虛擬硬件將使用 [CounterFit 項目](https://github.com/CounterFit-IoT/CounterFit)。
-
-要完成這些課程，您需要擁有網絡攝像頭、麥克風和音頻輸出設備（如揚聲器或耳機）。這些可以是內建或外接的，並需要配置為與您的操作系統兼容，並可供所有應用程序使用。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/hk/images/README.md b/translations/hk/images/README.md
deleted file mode 100644
index 1ac7c8fd4..000000000
--- a/translations/hk/images/README.md
+++ /dev/null
@@ -1,21 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
-  "translation_date": "2025-08-26T13:59:16+00:00",
-  "source_file": "images/README.md",
-  "language_code": "hk"
-}
--->
-# 圖片
-
-[icons](../../../images/icons) 資料夾中的圖片來自 [Noun Project](https://thenounproject.com)，並需要標註來源。每張圖片都列出了所需的標註。這些圖片應用於任何需要它們的圖表，以保持影像的一致性。
-
-[Diagrams.sketch](../../../images/Diagrams.sketch) 文件是一個 [Sketch](https://www.sketch.com) 文件，包含課程和項目中使用的所有圖表。如果您參與翻譯，請通過複製並更新文件或在 GitHub 問題中提供需要翻譯的詞語列表來翻譯這些內容。
-
-其餘的圖片則用於課程和項目中。
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/lesson-template/README.md b/translations/hk/lesson-template/README.md
deleted file mode 100644
index 34a0eeb0a..000000000
--- a/translations/hk/lesson-template/README.md
+++ /dev/null
@@ -1,65 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
-  "translation_date": "2025-08-26T15:56:36+00:00",
-  "source_file": "lesson-template/README.md",
-  "language_code": "hk"
-}
--->
-# [課堂主題]
-
-![嵌入影片](../../../lesson-template/video-url)
-
-## [課前測驗](../../../lesson-template/quiz-url)
-
-[描述我們將會學到的內容]
-
-### 簡介
-
-描述將會涵蓋的內容
-
-> 備註
-
-### 先決條件
-
-在這堂課之前應該已完成哪些步驟？
-
-### 準備工作
-
-開始這堂課前的準備步驟
-
----
-
-[逐步以區塊形式講解內容]
-
-## [主題 1]
-
-### 任務：
-
-共同合作，逐步改進你的代碼庫，使用共享代碼來構建項目：
-
-```html
-code blocks
-```
-
-✅ 知識檢查 - 利用這個時機，通過開放性問題來擴展學生的知識
-
-## [主題 2]
-
-## [主題 3]
-
-🚀 挑戰：為學生設計一個挑戰，讓他們在課堂上合作完成，進一步改進項目
-
-可選：如果合適，可以添加完成課程後的用戶界面截圖
-
-## [課後測驗](../../../lesson-template/quiz-url)
-
-## 回顧與自學
-
-**作業截止日期 [MM/YY]**：[作業名稱](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/lesson-template/assignment.md b/translations/hk/lesson-template/assignment.md
deleted file mode 100644
index 3194a4976..000000000
--- a/translations/hk/lesson-template/assignment.md
+++ /dev/null
@@ -1,23 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
-  "translation_date": "2025-08-26T15:56:51+00:00",
-  "source_file": "lesson-template/assignment.md",
-  "language_code": "hk"
-}
--->
-# [作業名稱]
-
-## 指示
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ----- | ---- | -------- |
-|          |       |      |          |
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/quiz-app/README.md b/translations/hk/quiz-app/README.md
deleted file mode 100644
index ef0f46944..000000000
--- a/translations/hk/quiz-app/README.md
+++ /dev/null
@@ -1,127 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
-  "translation_date": "2025-08-26T15:57:00+00:00",
-  "source_file": "quiz-app/README.md",
-  "language_code": "hk"
-}
--->
-# 測驗
-
-這些測驗是 IoT 初學者課程的課前和課後測驗，課程網址：https://aka.ms/iot-beginners
-
-## 專案設定
-
-```
-npm install
-```
-
-### 編譯並熱重載以進行開發
-
-```
-npm run serve
-```
-
-### 編譯並壓縮以進行生產環境
-
-```
-npm run build
-```
-
-### 檢查並修復檔案
-
-```
-npm run lint
-```
-
-### 自訂配置
-
-請參閱 [配置參考](https://cli.vuejs.org/config/)。
-
-致謝：感謝此測驗應用程式的原始版本：https://github.com/arpan45/simple-quiz-vue
-
-## 部署到 Azure
-
-以下是逐步指南，幫助你開始：
-
-1. Fork GitHub 儲存庫  
-確保你的靜態網頁應用程式代碼在 GitHub 儲存庫中。Fork 此儲存庫。
-
-2. 建立 Azure 靜態網頁應用程式  
-- 建立 [Azure 帳戶](http://azure.microsoft.com)  
-- 前往 [Azure 入口網站](https://portal.azure.com)  
-- 點擊「建立資源」，然後搜尋「靜態網頁應用程式」。  
-- 點擊「建立」。  
-
-3. 配置靜態網頁應用程式  
-- 基本設定：  
-  - 訂閱：選擇你的 Azure 訂閱。  
-  - 資源群組：建立新的資源群組或使用現有的資源群組。  
-  - 名稱：為你的靜態網頁應用程式提供一個名稱。  
-  - 地區：選擇最接近使用者的地區。  
-
-- #### 部署詳細資訊：  
-  - 原始碼來源：選擇「GitHub」。  
-  - GitHub 帳戶：授權 Azure 訪問你的 GitHub 帳戶。  
-  - 組織：選擇你的 GitHub 組織。  
-  - 儲存庫：選擇包含靜態網頁應用程式的儲存庫。  
-  - 分支：選擇你要部署的分支。  
-
-- #### 建置詳細資訊：  
-  - 建置預設：選擇你的應用程式所使用的框架（例如 React、Angular、Vue 等）。  
-  - 應用程式位置：指定包含應用程式代碼的資料夾（例如，如果在根目錄，則填寫 /）。  
-  - API 位置：如果有 API，請指定其位置（可選）。  
-  - 輸出位置：指定建置輸出的資料夾（例如 build 或 dist）。  
-
-4. 檢查並建立  
-檢查你的設定，然後點擊「建立」。Azure 會設置必要的資源並在你的儲存庫中建立 GitHub Actions 工作流程。
-
-5. GitHub Actions 工作流程  
-Azure 會自動在你的儲存庫中建立 GitHub Actions 工作流程檔案（.github/workflows/azure-static-web-apps-<name>.yml）。此工作流程將處理建置和部署過程。
-
-6. 監控部署  
-前往 GitHub 儲存庫中的「Actions」標籤。  
-你應該會看到一個工作流程正在運行。此工作流程將建置並部署你的靜態網頁應用程式到 Azure。  
-工作流程完成後，你的應用程式將在提供的 Azure URL 上線。
-
-### 範例工作流程檔案
-
-以下是 GitHub Actions 工作流程檔案的範例：  
-name: Azure Static Web Apps CI/CD  
-```
-on:
-  push:
-    branches:
-      - main
-  pull_request:
-    types: [opened, synchronize, reopened, closed]
-    branches:
-      - main
-
-jobs:
-  build_and_deploy_job:
-    runs-on: ubuntu-latest
-    name: Build and Deploy Job
-    steps:
-      - uses: actions/checkout@v2
-      - name: Build And Deploy
-        id: builddeploy
-        uses: Azure/static-web-apps-deploy@v1
-        with:
-          azure_static_web_apps_api_token: ${{ secrets.AZURE_STATIC_WEB_APPS_API_TOKEN }}
-          repo_token: ${{ secrets.GITHUB_TOKEN }}
-          action: "upload"
-          app_location: "quiz-app" #App source code path
-          api_location: ""API source code path optional
-          output_location: "dist" #Built app content directory - optional
-```
-
-### 其他資源
-- [Azure 靜態網頁應用程式文件](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
-- [GitHub Actions 文件](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/hk/recommended-learning-model.md b/translations/hk/recommended-learning-model.md
deleted file mode 100644
index e1ab79675..000000000
--- a/translations/hk/recommended-learning-model.md
+++ /dev/null
@@ -1,55 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
-  "translation_date": "2025-08-26T13:52:59+00:00",
-  "source_file": "recommended-learning-model.md",
-  "language_code": "hk"
-}
--->
-# 推薦的學習模式
-
-為了達到最有效的學習效果，**我們建議採用「翻轉教學模式」**，類似於科學實驗室：學生在課堂上進行專案，並有機會進行討論、提問和獲得專案協助，而講課部分則作為課前閱讀，由學生在自己的時間完成。
-
-## 為什麼選擇翻轉學習？
-
-1. 這種教學模式能夠結合多種學習方法——視覺、聽覺、實踐、問題解決等[[1]](../..)。
-2. 翻轉教室已被證明能提升專注力、參與度、動力、自主性、知識保留以及溝通能力（包括師生之間和學生之間的溝通）[[2,3]](../..)。
-3. 作為導師，您可以花更多時間幫助有困難的學生，同時讓進度較快的學生自由地提前學習[[4]](../..)。
-
-我們還建議導師扮演**「共同促進者」**的角色，與學生一起學習，並在學生基於自己的興趣和見解進行探索和提問時提供支持。
-
-在這裡，沒有「唯一正確的方法」。有時候，您可能無法回答所有問題。有些學生可能無法完成所有專案。您的目標是幫助學生自然地找到解決問題的方法，這些方法可能比他們最初預期的更具趣味性、更具合作性或更具自主性。
-
-## 有用的促進技巧：
-
-* 反思您觀察到的內容，提出問題並作出觀察。
-* 使用像「我注意到……」和「我想知道……」這樣的語句。
-* 將有困難的學生與已經找到解決方案的學生聯繫起來。
-* 如果學生卡住了，指向元件或部分，或者建議嘗試不同的方法。請學生一次改變一個變量，並觀察結果。
-* 承認挫折並肯定努力。
-* 除非學生需要實際的幫助，否則避免替學生構建或編碼。
-
-## 範例促進語言：
-
-* 「在問我之前，先問兩位同學。」
-* 「再試兩分鐘……」
-* 「我們試著先暫停一下這部分。也許你可以幫助其他同學解決他們的電路連接問題，因為你已經搞定了？」
-* 「我想知道是否有其他同學遇到過同樣的問題。我們一起看看吧！」
-* 「你真的投入了很多努力並解決了這個問題！我可以推薦其他同學向你請教嗎？」
-* 「這很奇怪，我也覺得不太合理。我們可以問問其他同學，或者如果你解決了，能否和全班分享？」
-
-## 參考資料
-
-[1] [An empirical study on the effectiveness of College English Reading classroom teaching in the flipped classroom paradigm (researchgate.net)](https://www.researchgate.net/publication/322264495_An_empirical_study_on_the_effectiveness_of_College_English_Reading_classroom_teaching_in_the_flipped_classroom_paradigm). Accessed 4/21/21.
-
-[2] [Flipped Classroom adapted to the ARCS Model of Motivation and applied to a Physics Course (ejmste.com)](https://www.ejmste.com/article/flipped-classroom-adapted-to-the-arcs-model-of-motivation-and-applied-to-a-physics-course-4562). Accessed 4/21/21.
-
-[3] [How Does Flipping Classroom Foster the STEM Education: A Case Study of the FPD Model | SpringerLink](https://link.springer.com/article/10.1007/s10758-020-09443-9). Accessed 4/21/21
-
-[4] [An Introduction to Flipped Learning | Lesley University](https://lesley.edu/article/an-introduction-to-flipped-learning#:~:text=An%20Introduction%20to%20Flipped%20Learning.%20Flipped%20learning%20is,advancements%20in%20the%20modern%20classroom%20is%20flipped%20learning.). Accessed 4/21/21.
-
----
-
-**免責聲明**：  
-本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/README.md b/translations/mo/1-getting-started/README.md
deleted file mode 100644
index ccf46c4e0..000000000
--- a/translations/mo/1-getting-started/README.md
+++ /dev/null
@@ -1,30 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
-  "translation_date": "2025-08-26T23:09:12+00:00",
-  "source_file": "1-getting-started/README.md",
-  "language_code": "mo"
-}
--->
-# 開始學習物聯網
-
-在本課程的這一部分，你將會接觸到物聯網（IoT），並學習基本概念，包括建立你的第一個「Hello World」物聯網專案，將設備連接到雲端。這個專案是一個夜燈，當感測器測得的光線水平下降時，燈會亮起。
-
-![LED 連接到 WIO，隨著光線水平變化而開啟和關閉](../../../images/wio-running-assignment-1-1.gif)
-
-## 主題
-
-1. [物聯網簡介](lessons/1-introduction-to-iot/README.md)
-1. [深入了解物聯網](lessons/2-deeper-dive/README.md)
-1. [使用感測器和致動器與物理世界互動](lessons/3-sensors-and-actuators/README.md)
-1. [將你的設備連接到互聯網](lessons/4-connect-internet/README.md)
-
-## 致謝
-
-所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/README.md
deleted file mode 100644
index 404dc11fd..000000000
--- a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/README.md
+++ /dev/null
@@ -1,242 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
-  "translation_date": "2025-08-26T23:35:05+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
-  "language_code": "mo"
-}
--->
-# 物聯網簡介
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-MO/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩個影片：一個是 1 小時的課程，另一個是 1 小時的答疑時間，深入探討課程內容並回答問題。
-
-[![課程 1：物聯網簡介](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
-
-[![課程 1：物聯網簡介 - 答疑時間](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
-
-## 簡介
-
-本課程涵蓋了一些關於物聯網的入門主題，並幫助您開始設置硬體。
-
-在本課程中，我們將討論：
-
-* [什麼是「物聯網」？](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [物聯網設備](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [設置您的設備](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [物聯網的應用](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [您周圍可能擁有的物聯網設備範例](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-
-## 什麼是「物聯網」？
-
-「物聯網」這個術語由 [Kevin Ashton](https://wikipedia.org/wiki/Kevin_Ashton) 在 1999 年提出，用來描述通過感測器將互聯網連接到物理世界。自那時以來，這個術語被用來描述任何與周圍物理世界交互的設備，無論是通過感測器收集數據，還是通過致動器（例如打開開關或點亮 LED 的設備）提供實際的交互，通常這些設備會連接到其他設備或互聯網。
-
-> **感測器** 從世界中收集信息，例如測量速度、溫度或位置。
->
-> **致動器** 將電信號轉換為實際的交互，例如觸發開關、打開燈光、發出聲音，或向其他硬體發送控制信號，例如打開電源插座。
-
-物聯網作為一個技術領域，不僅僅是設備本身——它還包括基於雲的服務，這些服務可以處理感測器數據，或者向連接到物聯網設備的致動器發送請求。它還包括一些不具備或不需要互聯網連接的設備，通常被稱為邊緣設備。這些設備可以自行處理和響應感測器數據，通常使用在雲端訓練的 AI 模型。
-
-物聯網是一個快速增長的技術領域。據估計，到 2020 年底，已有 300 億個物聯網設備被部署並連接到互聯網。展望未來，預計到 2025 年，物聯網設備將收集近 80 ZB（zettabytes，十萬億 GB）的數據。這是一個巨大的數據量！
-
-![一個顯示活躍物聯網設備隨時間增長的圖表，從 2015 年的不到 50 億增長到 2025 年的超過 300 億](../../../../../images/connected-iot-devices.svg)
-
-✅ 做一些研究：物聯網設備生成的數據中有多少實際被使用了？有多少被浪費了？為什麼會有這麼多數據被忽略？
-
-這些數據是物聯網成功的關鍵。要成為一名成功的物聯網開發者，您需要了解需要收集哪些數據、如何收集、如何根據數據做出決策，以及在需要時如何利用這些決策與物理世界交互。
-
-## 物聯網設備
-
-物聯網中的 **T** 代表 **Things（物件）**——這些設備通過感測器收集數據或通過致動器提供實際交互，與周圍的物理世界進行交互。
-
-用於生產或商業用途的設備，例如消費者健身追蹤器或工業機器控制器，通常是定制製造的。它們使用定制的電路板，甚至可能是定制的處理器，旨在滿足特定任務的需求，無論是小到可以戴在手腕上，還是堅固到可以在高溫、高壓或高振動的工廠環境中工作。
-
-作為一名學習物聯網或創建設備原型的開發者，您需要從開發套件開始。這些是為開發者設計的通用物聯網設備，通常具有生產設備不會有的功能，例如一組外部引腳，用於連接感測器或致動器，支持調試的硬體，或者在大規模生產中會增加不必要成本的額外資源。
-
-這些開發套件通常分為兩類——微控制器和單板電腦。我們將在這裡介紹它們，並在下一課中進一步詳細說明。
-
-> 💁 您的手機也可以被認為是一種通用的物聯網設備，內置了感測器和致動器，不同的應用程式以不同的方式使用這些感測器和致動器，並與不同的雲服務交互。您甚至可以找到一些使用手機應用程式作為物聯網設備的教程。
-
-### 微控制器
-
-微控制器（也稱為 MCU，Microcontroller Unit 的縮寫）是一種小型計算機，由以下部分組成：
-
-🧠 一個或多個中央處理單元（CPU）——微控制器的「大腦」，負責運行您的程式
-
-💾 記憶體（RAM 和程式記憶體）——存儲您的程式、數據和變數的地方
-
-🔌 可編程的輸入/輸出（I/O）連接——用於與外部周邊設備（連接的設備，例如感測器和致動器）通信
-
-微控制器通常是低成本的計算設備，用於定制硬體的微控制器平均價格降至約 0.50 美元，有些設備甚至低至 0.03 美元。開發套件的起價約為 4 美元，隨著功能的增加，成本也會上升。[Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 是 [Seeed studios](https://www.seeedstudio.com) 的一款微控制器開發套件，內置感測器、致動器、WiFi 和螢幕，價格約為 30 美元。
-
-![Wio Terminal](../../../../../translated_images/zh-MO/wio-terminal.b8299ee16587db9a.webp)
-
-> 💁 在網上搜索微控制器時，請注意搜索術語 **MCU**，因為這可能會返回大量與漫威電影宇宙（Marvel Cinematic Universe）相關的結果，而不是微控制器。
-
-微控制器被設計為執行有限數量的非常特定的任務，而不是像 PC 或 Mac 那樣的通用計算機。除了非常特定的場景外，您無法連接顯示器、鍵盤和滑鼠，並將其用於通用任務。
-
-微控制器開發套件通常內置額外的感測器和致動器。大多數開發板會有一個或多個可編程的 LED，以及其他設備，例如標準插頭，用於通過各種製造商的生態系統添加更多感測器或致動器，或者內置感測器（通常是最受歡迎的，例如溫度感測器）。一些微控制器內置無線連接功能，例如藍牙或 WiFi，或者在開發板上添加額外的微控制器以提供這些連接功能。
-
-> 💁 微控制器通常使用 C/C++ 編程。
-
-### 單板電腦
-
-單板電腦是一種小型計算設備，將完整計算機的所有元素包含在一塊小型電路板上。這些設備的規格接近桌面或筆記本電腦，運行完整的操作系統，但體積更小，功耗更低，價格也便宜得多。
-
-![Raspberry Pi 4](../../../../../translated_images/zh-MO/raspberry-pi-4.fd4590d308c3d456.webp)
-
-Raspberry Pi 是最受歡迎的單板電腦之一。
-
-與微控制器類似，單板電腦具有 CPU、記憶體和輸入/輸出引腳，但它們還具有額外的功能，例如圖形芯片以連接顯示器、音頻輸出，以及 USB 埠以連接鍵盤、滑鼠和其他標準 USB 設備（如網路攝像頭或外部存儲設備）。程式和操作系統存儲在 SD 卡或硬碟上，而不是內置在電路板上的記憶體芯片中。
-
-> 🎓 您可以將單板電腦視為您正在使用的 PC 或 Mac 的更小、更便宜的版本，並額外配備 GPIO（通用輸入/輸出）引腳，用於與感測器和致動器交互。
-
-單板電腦是功能齊全的計算機，因此可以使用任何語言進行編程。物聯網設備通常使用 Python 編程。
-
-### 後續課程的硬體選擇
-
-後續所有課程都包括使用物聯網設備與物理世界交互並與雲通信的作業。每節課支持三種設備選擇——Arduino（使用 Seeed Studios 的 Wio Terminal），或單板電腦（實體設備 Raspberry Pi 4 或在 PC 或 Mac 上運行的虛擬單板電腦）。
-
-您可以在 [硬體指南](../../../hardware.md) 中閱讀完成所有作業所需的硬體。
-
-> 💁 您不需要購買任何物聯網硬體即可完成作業，您可以使用虛擬單板電腦完成所有內容。
-
-您選擇哪種硬體取決於您家中或學校中可用的設備，以及您已經掌握或計劃學習的編程語言。兩種硬體變體將使用相同的感測器生態系統，因此如果您選擇了一條路徑，之後可以切換到另一條路徑，而無需更換大部分設備。虛擬單板電腦相當於在 Raspberry Pi 上學習，大部分程式碼可以轉移到實體 Pi 上，如果您最終獲得了設備和感測器。
-
-### Arduino 開發套件
-
-如果您對學習微控制器開發感興趣，可以使用 Arduino 設備完成作業。您需要對 C/C++ 編程有基本的了解，因為課程只會教授與 Arduino 框架、感測器和致動器以及與雲交互的庫相關的程式碼。
-
-作業將使用 [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) 和 [PlatformIO 微控制器開發擴展](https://platformio.org)。如果您熟悉 Arduino IDE，也可以使用該工具，但課程中不會提供相關指導。
-
-### 單板電腦開發套件
-
-如果您對使用單板電腦進行物聯網開發感興趣，可以使用 Raspberry Pi 或在 PC 或 Mac 上運行的虛擬設備完成作業。
-
-您需要對 Python 編程有基本的了解，因為課程只會教授與感測器和致動器相關的程式碼，以及與雲交互的庫。
-
-> 💁 如果您想學習 Python 編程，可以查看以下兩個視頻系列：
->
-> * [Python 初學者教程](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
-> * [進階 Python 教程](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
-
-作業將使用 [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn)。
-
-如果您使用 Raspberry Pi，可以選擇運行完整桌面版 Raspberry Pi OS，直接在 Pi 上使用 [Raspberry Pi OS 版 VS Code](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn) 進行編程；或者將 Pi 作為無頭設備運行，並使用 VS Code 的 [Remote SSH 擴展](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) 從 PC 或 Mac 連接到 Pi，像直接在 Pi 上編程一樣進行編輯、調試和運行程式。
-
-如果您選擇虛擬設備選項，您將直接在計算機上進行編程。您將使用一個工具來模擬硬體，提供您定義的感測器值，並在螢幕上顯示致動器的結果。
-
-## 設置您的設備
-
-在開始編程物聯網設備之前，您需要進行一些基本設置。根據您使用的設備，請按照相關指導進行操作。
-💁 如果你還沒有設備，請參考[硬體指南](../../../hardware.md)，幫助你決定要使用哪種設備，以及需要購買哪些額外的硬體。你不需要購買硬體，因為所有專案都可以在虛擬硬體上運行。
-這些指引包含了硬體或工具創作者提供的第三方網站連結，目的是確保您使用的工具和硬體指引始終是最新的。
-
-請按照相關指南設置您的設備並完成一個 "Hello World" 項目。這將是您在這四節課的入門部分中，創建物聯網夜燈的第一步。
-
-* [Arduino - Wio Terminal](wio-terminal.md)
-* [單板電腦 - Raspberry Pi](pi.md)
-* [單板電腦 - 虛擬設備](virtual-device.md)
-
-✅ 您將使用 VS Code 來操作 Arduino 和單板電腦。如果您之前未使用過，請在 [VS Code 網站](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 上了解更多資訊。
-
-## 物聯網的應用
-
-物聯網涵蓋了廣泛的使用案例，分為幾個主要類別：
-
-* 消費型物聯網
-* 商業型物聯網
-* 工業型物聯網
-* 基礎設施型物聯網
-
-✅ 做一些研究：針對以下描述的每個領域，找出一個文中未提到的具體例子。
-
-### 消費型物聯網
-
-消費型物聯網指的是消費者在家中購買和使用的物聯網設備。有些設備非常有用，例如智能音箱、智能供暖系統和機器人吸塵器。也有些設備的實用性值得商榷，例如語音控制的水龍頭，當水流聲太大時語音控制無法正常工作，導致無法關閉水龍頭。
-
-消費型物聯網設備幫助人們在日常生活中實現更多，尤其是全球約 10 億有殘疾的人群。機器人吸塵器可以幫助行動不便的人保持地板清潔，語音控制的烤箱讓視力或運動能力有限的人僅用語音即可操作烤箱，健康監測設備讓患者能夠更頻繁且詳細地追蹤慢性病情況。這些設備已經變得如此普及，甚至連小孩都在日常生活中使用它們，例如在 COVID 疫情期間進行虛擬學習的學生，使用智能家居設備設置計時器來追蹤學校作業或提醒即將開始的課程。
-
-✅ 您身上或家中有哪些消費型物聯網設備？
-
-### 商業型物聯網
-
-商業型物聯網涵蓋了物聯網在工作場所的使用。在辦公室環境中，可能會有佔用感測器和動作檢測器來管理照明和供暖，僅在需要時開啟燈光和供暖，從而降低成本和碳排放。在工廠中，物聯網設備可以監測安全隱患，例如工人未佩戴安全帽或噪音達到危險水平。在零售業，物聯網設備可以測量冷藏設備的溫度，當冰箱或冷凍櫃超出所需溫度範圍時提醒店主，或者監測貨架上的商品，指導員工補充已售出的商品。運輸行業越來越依賴物聯網來監測車輛位置、追蹤道路里程以進行道路使用費計算、追蹤駕駛員的工作時間和休息合規性，或者在車輛接近倉庫時通知員工準備裝卸貨物。
-
-✅ 您的學校或工作場所有哪些商業型物聯網設備？
-
-### 工業型物聯網 (IIoT)
-
-工業型物聯網，或 IIoT，是指在大規模上使用物聯網設備來控制和管理機械設備。這涵蓋了從工廠到數字農業的廣泛使用案例。
-
-工廠以多種方式使用物聯網設備。機械設備可以通過多個感測器監測溫度、振動和旋轉速度等數據。這些數據可以被監控，當機器超出某些容差範圍時停止運行，例如溫度過高導致停機。這些數據還可以被收集並進行長期分析，用於預測性維護，AI 模型會分析故障前的數據，並利用這些數據在故障發生前預測其他可能的故障。
-
-數字農業對於養活日益增長的人口至關重要，尤其是全球 20 億人中有 5 億家庭依靠[自給農業](https://wikipedia.org/wiki/Subsistence_agriculture)維生。數字農業可以從幾美元的感測器到大型商業設置不等。農民可以通過監測溫度並使用[生長度日](https://wikipedia.org/wiki/Growing_degree-day)來預測作物的收穫時間。他們可以將土壤濕度監測連接到自動灌溉系統，為作物提供所需的水分，但不會浪費水資源，確保作物不會乾枯。農民甚至可以進一步利用無人機、衛星數據和 AI 來監測大面積農田的作物生長、病害和土壤質量。
-
-✅ 還有哪些物聯網設備可以幫助農民？
-
-### 基礎設施型物聯網
-
-基礎設施型物聯網是用於監測和控制人們每天使用的地方和全球基礎設施。
-
-[智慧城市](https://wikipedia.org/wiki/Smart_city)是使用物聯網設備收集城市數據並利用這些數據改善城市運行的都市區域。這些城市通常由地方政府、學術界和當地企業合作運營，追蹤和管理從交通到停車和污染等各種事務。例如，在丹麥哥本哈根，空氣污染對當地居民非常重要，因此會進行測量，並利用數據提供最清潔的騎行和慢跑路線資訊。
-
-[智慧電網](https://wikipedia.org/wiki/Smart_grid)通過收集個別家庭的使用數據來提供更好的電力需求分析。這些數據可以指導國家層面的決策，例如建設新電站的位置，也可以在個人層面提供用戶如何使用電力的洞察，例如建議在夜間為電動車充電以降低成本。
-
-✅ 如果您可以在居住地添加物聯網設備來測量任何事物，您會選擇什麼？
-
-## 您周圍可能擁有的物聯網設備示例
-
-您可能會驚訝於周圍有多少物聯網設備。我正在家中撰寫這篇文章，我擁有以下連接到互聯網並具有智能功能的設備，例如應用程式控制、語音控制或能夠通過手機向我發送數據：
-
-* 多個智能音箱
-* 冰箱、洗碗機、烤箱和微波爐
-* 太陽能板的電力監測器
-* 智能插座
-* 視訊門鈴和安全攝像頭
-* 帶有多個智能房間感測器的智能恆溫器
-* 車庫門開啟器
-* 家庭娛樂系統和語音控制電視
-* 照明設備
-* 健身和健康追蹤器
-
-所有這些類型的設備都具有感測器和/或執行器，並與互聯網通信。我可以通過手機查看車庫門是否開著，並要求智能音箱幫我關上。我甚至可以設置定時器，如果車庫門在晚上仍然開著，它會自動關閉。當門鈴響起時，我可以通過手機查看誰在門口，無論我身在世界何處，並通過門鈴內置的揚聲器和麥克風與他們交談。我可以監測我的血糖、心率和睡眠模式，尋找數據中的模式以改善健康。我可以通過雲端控制我的燈光，當我的網絡連接中斷時，我只能坐在黑暗中。
-
----
-
-## 🚀 挑戰
-
-列出您家中、學校或工作場所的所有物聯網設備——可能比您想像的還要多！
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
-
-## 回顧與自學
-
-閱讀消費型物聯網項目的優勢和失敗案例。查看新聞網站上的文章，了解物聯網出現問題的情況，例如隱私問題、硬體故障或因缺乏連接性而導致的問題。
-
-一些例子：
-
-* 查看 Twitter 帳號 **[Internet of Sh*t](https://twitter.com/internetofshit)** *(有粗俗語言警告)*，了解一些消費型物聯網失敗的好例子。
-* [c|net - 我的 Apple Watch 救了我的命：5 人分享他們的故事](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)
-* [c|net - ADT 技術員承認多年來監視客戶攝像頭](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(觸發警告 - 非自願窺視)*
-
-## 作業
-
-[調查一個物聯網項目](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/assignment.md
deleted file mode 100644
index 6de84196a..000000000
--- a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/assignment.md
+++ /dev/null
@@ -1,27 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
-  "translation_date": "2025-08-26T23:36:28+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
-  "language_code": "mo"
-}
--->
-# 調查一個物聯網項目
-
-## 說明
-
-全球正在推行許多大大小小的物聯網項目，從智慧農場到智慧城市，涵蓋醫療監測、交通運輸以及公共空間的使用。
-
-在網路上搜尋一個你感興趣的項目，最好是離你住的地方較近的。解釋該項目的優點和缺點，例如它帶來了什麼好處、可能引發的問題，以及如何考量隱私問題。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 解釋優點和缺點 | 清楚地解釋了該項目的優點和缺點 | 簡要地解釋了該項目的優點和缺點 | 沒有解釋該項目的優點或缺點 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/pi.md
deleted file mode 100644
index 755960e04..000000000
--- a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/pi.md
+++ /dev/null
@@ -1,286 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
-  "translation_date": "2025-08-26T23:41:17+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
-  "language_code": "mo"
-}
--->
-# 樹莓派
-
-[樹莓派](https://raspberrypi.org) 是一款單板電腦。你可以使用各種設備和生態系統添加感測器和致動器，這些課程中將使用一種名為 [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) 的硬體生態系統。你將使用 Python 為樹莓派編寫程式並存取 Grove 感測器。
-
-![樹莓派 4](../../../../../translated_images/zh-MO/raspberry-pi-4.fd4590d308c3d456.webp)
-
-## 設置
-
-如果你使用樹莓派作為物聯網硬體，有兩種選擇——你可以直接在樹莓派上完成所有課程並編寫程式碼，或者遠端連接到一個「無頭」的樹莓派，從你的電腦上進行編碼。
-
-在開始之前，你還需要將 Grove Base Hat 連接到樹莓派。
-
-### 任務 - 設置
-
-安裝 Grove Base Hat 並配置樹莓派。
-
-1. 將 Grove Base Hat 連接到樹莓派。帽子上的插槽與樹莓派的所有 GPIO 引腳對應，將其完全滑入引腳，穩固地安裝在基座上。它會覆蓋樹莓派。
-
-    ![安裝 Grove Hat](../../../../../images/pi-grove-hat-fitting.gif)
-
-1. 決定你想如何編程樹莓派，然後前往以下相關部分：
-
-    * [直接在樹莓派上工作](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-    * [遠端訪問樹莓派進行編碼](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-
-### 直接在樹莓派上工作
-
-如果你想直接在樹莓派上工作，可以使用樹莓派 OS 的桌面版本並安裝所有需要的工具。
-
-#### 任務 - 直接在樹莓派上工作
-
-為開發設置樹莓派。
-
-1. 按照 [樹莓派設置指南](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up) 的說明設置樹莓派，連接鍵盤/滑鼠/顯示器，連接到 WiFi 或乙太網路，並更新軟體。
-
-為了使用 Grove 感測器和致動器編寫程式碼，你需要安裝一個編輯器來撰寫設備程式碼，以及與 Grove 硬體互動的各種庫和工具。
-
-1. 當樹莓派重新啟動後，點擊頂部菜單欄的 **Terminal** 圖示啟動終端，或者選擇 *Menu -> Accessories -> Terminal*。
-
-1. 執行以下命令以確保操作系統和已安裝的軟體是最新的：
-
-    ```sh
-    sudo apt update && sudo apt full-upgrade --yes
-    ```
-
-1. 執行以下命令以安裝 Grove 硬體所需的所有庫：
-
-    ```sh
-    sudo apt install git python3-dev python3-pip --yes
-
-    git clone https://github.com/Seeed-Studio/grove.py
-    cd grove.py
-    sudo pip3 install .
-
-    sudo raspi-config nonint do_i2c 0
-    ```
-
-    這些命令首先安裝 Git 和 Pip，用於安裝 Python 套件。
-
-    Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是其他人編寫並發布到網路上的程式碼包。你可以用一條命令將 Pip 套件安裝到電腦上，然後在程式碼中使用該套件。
-
-    Seeed Grove 的 Python 套件需要從原始碼安裝。這些命令會克隆包含該套件原始碼的倉庫，然後在本地安裝。
-
-    > 💁 默認情況下，當你安裝一個套件時，它會在電腦的所有地方可用，這可能會導致套件版本的問題——例如，一個應用程式依賴於某個版本的套件，而安裝新版本可能會破壞另一個應用程式。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，位於一個專用資料夾中，當你安裝 Pip 套件時，它們只會安裝到該資料夾中。在使用樹莓派時，你不會使用虛擬環境。Grove 安裝腳本會全域安裝 Grove 的 Python 套件，因此如果你想使用虛擬環境，需要先設置虛擬環境，然後手動重新安裝 Grove 套件到該環境中。使用全域套件更簡單，特別是許多樹莓派開發者會為每個專案重新刷新乾淨的 SD 卡。
-
-    最後，這些命令會啟用 I<sup>2</sup>C 介面。
-
-1. 使用菜單或在終端中執行以下命令重新啟動樹莓派：
-
-    ```sh
-    sudo reboot
-    ```
-
-1. 當樹莓派重新啟動後，重新打開終端並執行以下命令安裝 [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn)——這是你將用來用 Python 編寫設備程式碼的編輯器。
-
-    ```sh
-    sudo apt install code
-    ```
-
-    安裝完成後，VS Code 將可從頂部菜單中訪問。
-
-    > 💁 如果你有偏好的工具，可以自由選擇任何 Python IDE 或編輯器來完成這些課程，但課程中的指導將基於 VS Code。
-
-1. 安裝 Pylance。這是 VS Code 的一個擴展，提供 Python 語言支持。請參考 [Pylance 擴展文檔](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 了解如何在 VS Code 中安裝該擴展。
-
-### 遠端訪問樹莓派進行編碼
-
-與其直接在樹莓派上編碼，你可以讓它以「無頭」模式運行，也就是不連接鍵盤/滑鼠/顯示器，並從你的電腦上使用 Visual Studio Code 進行配置和編碼。
-
-#### 設置樹莓派 OS
-
-要遠端編碼，需要將樹莓派 OS 安裝到 SD 卡上。
-
-##### 任務 - 設置樹莓派 OS
-
-設置無頭模式的樹莓派 OS。
-
-1. 從 [樹莓派 OS 軟體頁面](https://www.raspberrypi.org/software/) 下載 **Raspberry Pi Imager** 並安裝。
-
-1. 將 SD 卡插入電腦，必要時使用轉接器。
-
-1. 啟動 Raspberry Pi Imager。
-
-1. 在 Raspberry Pi Imager 中，選擇 **CHOOSE OS** 按鈕，然後選擇 *Raspberry Pi OS (Other)*，接著選擇 *Raspberry Pi OS Lite (32-bit)*。
-
-    ![Raspberry Pi Imager 中選擇 Raspberry Pi OS Lite](../../../../../translated_images/zh-MO/raspberry-pi-imager.24aedeab9e233d84.webp)
-
-    > 💁 Raspberry Pi OS Lite 是樹莓派 OS 的一個版本，沒有桌面 UI 或基於 UI 的工具。這些對無頭模式的樹莓派來說並不需要，並且使安裝更小，啟動時間更快。
-
-1. 選擇 **CHOOSE STORAGE** 按鈕，然後選擇你的 SD 卡。
-
-1. 按下 `Ctrl+Shift+X` 啟動 **Advanced Options**。這些選項允許在將樹莓派 OS 寫入 SD 卡之前進行一些預配置。
-
-    1. 勾選 **Enable SSH**，並為 `pi` 使用者設置密碼。這是你稍後登錄樹莓派時使用的密碼。
-
-    1. 如果你計劃通過 WiFi 連接樹莓派，勾選 **Configure WiFi**，並輸入你的 WiFi SSID 和密碼，還有選擇你的 WiFi 國家。如果你將使用乙太網線，則不需要這樣做。確保你連接的網路與電腦在同一網路中。
-
-    1. 勾選 **Set locale settings**，並設置你的國家和時區。
-
-    1. 選擇 **SAVE** 按鈕。
-
-1. 選擇 **WRITE** 按鈕將 OS 寫入 SD 卡。如果你使用 macOS，系統會要求你輸入密碼，因為寫入磁碟映像的底層工具需要特權訪問。
-
-OS 會被寫入 SD 卡，完成後系統會彈出該卡，並通知你。從電腦中取出 SD 卡，插入樹莓派，啟動樹莓派並等待約 2 分鐘讓其正常啟動。
-
-#### 連接到樹莓派
-
-下一步是遠端訪問樹莓派。你可以使用 `ssh`，該工具在 macOS、Linux 和最近版本的 Windows 上可用。
-
-##### 任務 - 連接到樹莓派
-
-遠端訪問樹莓派。
-
-1. 啟動終端或命令提示符，輸入以下命令連接到樹莓派：
-
-    ```sh
-    ssh pi@raspberrypi.local
-    ```
-
-    如果你使用的是舊版 Windows，且未安裝 `ssh`，可以使用 OpenSSH。安裝說明請參考 [OpenSSH 安裝文檔](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn)。
-
-1. 這應該會連接到樹莓派並要求輸入密碼。
-
-    能夠通過 `<hostname>.local` 在網路上找到電腦是 Linux 和 Windows 最近新增的一個功能。如果你使用的是 Linux 或 Windows，並且收到有關找不到主機名的錯誤，則需要安裝額外的軟體來啟用 ZeroConf 網路（Apple 稱之為 Bonjour）：
-
-    1. 如果你使用的是 Linux，使用以下命令安裝 Avahi：
-
-        ```sh
-        sudo apt-get install avahi-daemon
-        ```
-
-    1. 如果你使用的是 Windows，啟用 ZeroConf 最簡單的方法是安裝 [Bonjour Print Services for Windows](http://support.apple.com/kb/DL999)。你也可以安裝 [iTunes for Windows](https://www.apple.com/itunes/download/) 以獲得該工具的更新版本（該版本無法單獨下載）。
-
-    > 💁 如果你無法使用 `raspberrypi.local` 連接，則可以使用樹莓派的 IP 地址。請參考 [樹莓派 IP 地址文檔](https://www.raspberrypi.org/documentation/remote-access/ip-address.md) 獲取多種方法來獲取 IP 地址的說明。
-
-1. 輸入你在 Raspberry Pi Imager 高級選項中設置的密碼。
-
-#### 配置樹莓派上的軟體
-
-連接到樹莓派後，你需要確保操作系統是最新的，並安裝與 Grove 硬體互動的各種庫和工具。
-
-##### 任務 - 配置樹莓派上的軟體
-
-配置已安裝的樹莓派軟體並安裝 Grove 庫。
-
-1. 在你的 `ssh` 會話中，執行以下命令以更新並重新啟動樹莓派：
-
-    ```sh
-    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
-    ```
-
-    樹莓派將被更新並重新啟動。當樹莓派重新啟動時，`ssh` 會話將結束，因此等待約 30 秒後重新連接。
-
-1. 在重新連接的 `ssh` 會話中，執行以下命令以安裝 Grove 硬體所需的所有庫：
-
-    ```sh
-    sudo apt install git python3-dev python3-pip --yes
-
-    git clone https://github.com/Seeed-Studio/grove.py
-    cd grove.py
-    sudo pip3 install .
-
-    sudo raspi-config nonint do_i2c 0
-    ```
-
-    這些命令首先安裝 Git 和 Pip，用於安裝 Python 套件。
-
-    Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是其他人編寫並發布到網路上的程式碼包。你可以用一條命令將 Pip 套件安裝到電腦上，然後在程式碼中使用該套件。
-
-    Seeed Grove 的 Python 套件需要從原始碼安裝。這些命令會克隆包含該套件原始碼的倉庫，然後在本地安裝。
-
-    > 💁 默認情況下，當你安裝一個套件時，它會在電腦的所有地方可用，這可能會導致套件版本的問題——例如，一個應用程式依賴於某個版本的套件，而安裝新版本可能會破壞另一個應用程式。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，位於一個專用資料夾中，當你安裝 Pip 套件時，它們只會安裝到該資料夾中。在使用樹莓派時，你不會使用虛擬環境。Grove 安裝腳本會全域安裝 Grove 的 Python 套件，因此如果你想使用虛擬環境，需要先設置虛擬環境，然後手動重新安裝 Grove 套件到該環境中。使用全域套件更簡單，特別是許多樹莓派開發者會為每個專案重新刷新乾淨的 SD 卡。
-
-    最後，這些命令會啟用 I<sup>2</sup>C 介面。
-
-1. 執行以下命令重新啟動樹莓派：
-
-    ```sh
-    sudo reboot
-    ```
-
-    當樹莓派重新啟動時，`ssh` 會話將結束。無需重新連接。
-
-#### 配置 VS Code 進行遠端訪問
-
-樹莓派配置完成後，你可以使用 Visual Studio Code (VS Code) 從電腦連接到它——這是一款免費的開發者文本編輯器，你將用它來用 Python 編寫設備程式碼。
-
-##### 任務 - 配置 VS Code 進行遠端訪問
-
-安裝所需軟體並遠端連接到樹莓派。
-
-1. 按照 [VS Code 文檔](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 的說明在電腦上安裝 VS Code。
-
-1. 按照 [VS Code 遠端開發使用 SSH 文檔](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) 的說明安裝所需組件。
-
-1. 按照相同的說明，將 VS Code 連接到樹莓派。
-
-1. 連接後，按照 [管理擴展](https://code.visualstudio.com/docs/remote/ssh#_managing-extensions?WT.mc_id=academic-17441-jabenn) 的說明，將 [Pylance 擴展](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 遠端安裝到樹莓派上。
-
-## Hello world
-通常在學習一種新的程式語言或技術時，會先建立一個「Hello World」應用程式——一個小型應用程式，輸出類似於 `"Hello World"` 的文字，以確認所有工具已正確配置。
-
-針對樹莓派的 Hello World 應用程式將確保您已正確安裝 Python 和 Visual Studio Code。
-
-此應用程式將存放在名為 `nightlight` 的資料夾中，稍後在此作業的其他部分中，將使用不同的程式碼來建立夜燈應用程式。
-
-### 任務 - Hello World
-
-建立 Hello World 應用程式。
-
-1. 啟動 VS Code，可以直接在樹莓派上啟動，或者在您的電腦上啟動並使用 Remote SSH 擴展連接到樹莓派。
-
-1. 透過選擇 *Terminal -> New Terminal* 或按下 `` CTRL+` `` 開啟 VS Code 終端機。終端機將開啟至 `pi` 使用者的主目錄。
-
-1. 執行以下指令以建立程式碼的資料夾，並在該資料夾中建立一個名為 `app.py` 的 Python 檔案：
-
-    ```sh
-    mkdir nightlight
-    cd nightlight
-    touch app.py
-    ```
-
-1. 在 VS Code 中開啟此資料夾，選擇 *File -> Open...*，然後選擇 *nightlight* 資料夾，接著選擇 **OK**。
-
-    ![VS Code 開啟對話框顯示 nightlight 資料夾](../../../../../translated_images/zh-MO/vscode-open-nightlight-remote.d3d2a4011e30d535.webp)
-
-1. 從 VS Code 的檔案瀏覽器中開啟 `app.py` 檔案，並加入以下程式碼：
-
-    ```python
-    print('Hello World!')
-    ```
-
-    `print` 函數會將傳遞給它的內容輸出到終端機。
-
-1. 從 VS Code 終端機執行以下指令以運行您的 Python 應用程式：
-
-    ```sh
-    python app.py
-    ```
-
-    > 💁 如果您的系統同時安裝了 Python 2 和 Python 3（最新版本），可能需要明確使用 `python3` 來執行此程式碼。若系統安裝了 Python 2，則執行 `python` 時會使用 Python 2 而非 Python 3。預設情況下，最新版本的 Raspberry Pi OS 只安裝了 Python 3。
-
-    終端機中將出現以下輸出：
-
-    ```output
-    pi@raspberrypi:~/nightlight $ python3 app.py
-    Hello World!
-    ```
-
-> 💁 您可以在 [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi) 資料夾中找到此程式碼。
-
-😀 您的「Hello World」程式成功了！
-
----
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
deleted file mode 100644
index 37069a27d..000000000
--- a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
+++ /dev/null
@@ -1,245 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "52b4de6144b2efdced7797a5339d6035",
-  "translation_date": "2025-08-26T23:38:13+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
-  "language_code": "mo"
-}
--->
-# 虛擬單板電腦
-
-與其購買物聯網設備以及感測器和致動器，你可以使用自己的電腦來模擬物聯網硬體。[CounterFit 專案](https://github.com/CounterFit-IoT/CounterFit) 允許你在本地運行一個應用程式，模擬感測器和致動器等物聯網硬體，並通過本地 Python 程式碼訪問這些感測器和致動器。這些程式碼的編寫方式與在 Raspberry Pi 上使用實體硬體時相同。
-
-## 設置
-
-要使用 CounterFit，你需要在電腦上安裝一些免費的軟體。
-
-### 任務
-
-安裝所需的軟體。
-
-1. 安裝 Python。請參考 [Python 下載頁面](https://www.python.org/downloads/) 以獲取安裝最新版本 Python 的說明。
-
-1. 安裝 Visual Studio Code (VS Code)。這是你將用來編寫虛擬設備 Python 程式碼的編輯器。請參考 [VS Code 文件](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 以獲取安裝 VS Code 的說明。
-
-    > 💁 如果你有偏好的工具，可以自由選擇任何 Python IDE 或編輯器來完成這些課程，但課程中的說明將基於使用 VS Code。
-
-1. 安裝 VS Code 的 Pylance 擴展。這是為 VS Code 提供 Python 語言支持的擴展。請參考 [Pylance 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 以獲取在 VS Code 中安裝此擴展的說明。
-
-安裝和配置 CounterFit 應用的說明將在作業指導的相關部分給出，因為它是按每個專案安裝的。
-
-## Hello World
-
-在學習一種新的程式語言或技術時，通常會從創建一個 "Hello World" 應用開始——這是一個小型應用，輸出類似於 `"Hello World"` 的文字，以確認所有工具已正確配置。
-
-虛擬物聯網硬體的 Hello World 應用將確保你已正確安裝 Python 和 Visual Studio Code。它還會連接到 CounterFit，用於虛擬物聯網感測器和致動器。這個應用不會使用任何硬體，它只是連接以證明一切正常運行。
-
-這個應用將位於一個名為 `nightlight` 的資料夾中，並在作業的後續部分中使用不同的程式碼來構建夜燈應用。
-
-### 配置 Python 虛擬環境
-
-Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是由其他人編寫並發布到網路上的程式碼套件。你可以通過一條命令將 Pip 套件安裝到電腦上，然後在程式碼中使用該套件。你將使用 Pip 安裝一個與 CounterFit 通信的套件。
-
-默認情況下，當你安裝一個套件時，它在電腦上的任何地方都可用，這可能會導致套件版本的問題——例如，一個應用依賴於某個版本的套件，而當你為另一個應用安裝新版本時，可能會導致問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是在一個專用資料夾中的 Python 副本，當你安裝 Pip 套件時，它們只會安裝到該資料夾中。
-
-> 💁 如果你使用的是 Raspberry Pi，那麼你並未在該設備上設置虛擬環境來管理 Pip 套件，而是使用全域套件，因為 Grove 套件是通過安裝腳本全域安裝的。
-
-#### 任務 - 配置 Python 虛擬環境
-
-配置 Python 虛擬環境並安裝 CounterFit 的 Pip 套件。
-
-1. 在終端或命令行中，運行以下命令，在你選擇的位置創建並導航到一個新目錄：
-
-    ```sh
-    mkdir nightlight
-    cd nightlight
-    ```
-
-1. 現在運行以下命令，在 `.venv` 資料夾中創建一個虛擬環境：
-
-    ```sh
-    python3 -m venv .venv
-    ```
-
-    > 💁 你需要顯式調用 `python3` 來創建虛擬環境，以防你同時安裝了 Python 2 和 Python 3（最新版本）。如果安裝了 Python 2，則調用 `python` 將使用 Python 2 而不是 Python 3。
-
-1. 啟動虛擬環境：
-
-    * 在 Windows 上：
-        * 如果使用命令提示符或 Windows Terminal 中的命令提示符，運行：
-
-            ```cmd
-            .venv\Scripts\activate.bat
-            ```
-
-        * 如果使用 PowerShell，運行：
-
-            ```powershell
-            .\.venv\Scripts\Activate.ps1
-            ```
-
-            > 如果出現關於系統禁用腳本運行的錯誤，你需要通過設置適當的執行策略來啟用腳本運行。你可以以管理員身份啟動 PowerShell，然後運行以下命令：
-
-            ```powershell
-            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
-            ```
-
-            當被要求確認時輸入 `Y`。然後重新啟動 PowerShell 並重試。
-
-            如果需要，你可以稍後重置此執行策略。你可以在 [Microsoft Docs 的執行策略頁面](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn) 上閱讀更多相關內容。
-
-    * 在 macOS 或 Linux 上，運行：
-
-        ```cmd
-        source ./.venv/bin/activate
-        ```
-
-    > 💁 這些命令應在你運行創建虛擬環境命令的相同位置運行。你永遠不需要導航到 `.venv` 資料夾中，應始終從創建虛擬環境時所在的資料夾運行啟動命令以及任何安裝套件或運行程式的命令。
-
-1. 啟動虛擬環境後，默認的 `python` 命令將運行用於創建虛擬環境的 Python 版本。運行以下命令以獲取版本：
-
-    ```sh
-    python --version
-    ```
-
-    輸出應包含以下內容：
-
-    ```output
-    (.venv) ➜  nightlight python --version
-    Python 3.9.1
-    ```
-
-    > 💁 你的 Python 版本可能不同——只要是 3.6 或更高版本即可。如果不是，刪除此資料夾，安裝更新版本的 Python 並重試。
-
-1. 運行以下命令以安裝 CounterFit 的 Pip 套件。這些套件包括主要的 CounterFit 應用以及 Grove 硬體的 shims。這些 shims 允許你像使用 Grove 生態系統中的實體感測器和致動器一樣編寫程式碼，但它們連接到虛擬物聯網設備。
-
-    ```sh
-    pip install CounterFit
-    pip install counterfit-connection
-    pip install counterfit-shims-grove
-    ```
-
-    這些 Pip 套件將僅安裝在虛擬環境中，無法在其外部使用。
-
-### 編寫程式碼
-
-當 Python 虛擬環境準備就緒後，你可以編寫 "Hello World" 應用的程式碼。
-
-#### 任務 - 編寫程式碼
-
-創建一個 Python 應用，將 `"Hello World"` 輸出到控制台。
-
-1. 在虛擬環境中，從終端或命令行運行以下命令以創建一個名為 `app.py` 的 Python 文件：
-
-    * 在 Windows 上運行：
-
-        ```cmd
-        type nul > app.py
-        ```
-
-    * 在 macOS 或 Linux 上運行：
-
-        ```cmd
-        touch app.py
-        ```
-
-1. 在 VS Code 中打開當前資料夾：
-
-    ```sh
-    code .
-    ```
-
-    > 💁 如果你的終端在 macOS 上返回 `command not found`，這意味著 VS Code 尚未添加到你的 PATH。你可以按照 [VS Code 文件中從命令行啟動部分](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) 的說明將 VS Code 添加到 PATH，然後再次運行該命令。在 Windows 和 Linux 上，VS Code 默認會添加到 PATH。
-
-1. 當 VS Code 啟動時，它將啟動 Python 虛擬環境。選定的虛擬環境將顯示在底部狀態欄中：
-
-    ![VS Code 顯示選定的虛擬環境](../../../../../translated_images/zh-MO/vscode-virtual-env.8ba42e04c3d533cf.webp)
-
-1. 如果 VS Code Terminal 在啟動時已運行，則它不會啟動虛擬環境。最簡單的方法是使用 **Kill the active terminal instance** 按鈕關閉終端：
-
-    ![VS Code Kill the active terminal instance 按鈕](../../../../../translated_images/zh-MO/vscode-kill-terminal.1cc4de7c6f25ee08.webp)
-
-    你可以通過終端提示符上的虛擬環境名稱來判斷終端是否啟動了虛擬環境。例如，它可能是：
-
-    ```sh
-    (.venv) ➜  nightlight
-    ```
-
-    如果提示符中沒有 `.venv` 作為前綴，則終端未啟動虛擬環境。
-
-1. 通過選擇 *Terminal -> New Terminal* 或按下 `` CTRL+` `` 啟動新的 VS Code Terminal。新終端將加載虛擬環境，並在終端中顯示啟動此環境的命令。提示符也將包含虛擬環境的名稱（`.venv`）：
-
-    ```output
-    ➜  nightlight source .venv/bin/activate
-    (.venv) ➜  nightlight 
-    ```
-
-1. 從 VS Code 資源管理器中打開 `app.py` 文件，並添加以下程式碼：
-
-    ```python
-    print('Hello World!')
-    ```
-
-    `print` 函數會將傳遞給它的內容輸出到控制台。
-
-1. 從 VS Code 終端運行以下命令以運行你的 Python 應用：
-
-    ```sh
-    python app.py
-    ```
-
-    輸出將顯示以下內容：
-
-    ```output
-    (.venv) ➜  nightlight python app.py 
-    Hello World!
-    ```
-
-😀 你的 "Hello World" 程式成功了！
-
-### 連接 "硬體"
-
-作為第二個 "Hello World" 步驟，你將運行 CounterFit 應用並將程式碼連接到它。這相當於虛擬地將一些物聯網硬體插入開發套件。
-
-#### 任務 - 連接 "硬體"
-
-1. 從 VS Code 終端運行以下命令啟動 CounterFit 應用：
-
-    ```sh
-    counterfit
-    ```
-
-    該應用將開始運行並在瀏覽器中打開：
-
-    ![在瀏覽器中運行的 Counter Fit 應用](../../../../../translated_images/zh-MO/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png)
-
-    它將顯示為 *Disconnected*，右上角的 LED 為關閉狀態。
-
-1. 在 `app.py` 文件的頂部添加以下程式碼：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-    此程式碼從你之前安裝的 `counterfit-connection` pip 套件中導入 `CounterFitConnection` 類，然後初始化與運行在 `127.0.0.1`（一個始終可用於訪問本地電腦的 IP 地址，通常稱為 *localhost*）上的 CounterFit 應用的連接，端口為 5000。
-
-    > 💁 如果你有其他應用運行在 5000 端口，你可以通過更新程式碼中的端口來更改此設置，並使用 `CounterFit --port <port_number>` 運行 CounterFit，將 `<port_number>` 替換為你想使用的端口。
-
-1. 你需要通過選擇 **Create a new integrated terminal** 按鈕啟動新的 VS Code 終端。這是因為 CounterFit 應用正在當前終端中運行。
-
-    ![VS Code Create a new integrated terminal 按鈕](../../../../../translated_images/zh-MO/vscode-new-terminal.77db8fc0f9cd3182.webp)
-
-1. 在這個新終端中，像之前一樣運行 `app.py` 文件。CounterFit 的狀態將變為 **Connected**，LED 會亮起。
-
-    ![Counter Fit 顯示為已連接](../../../../../translated_images/zh-MO/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png)
-
-> 💁 你可以在 [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) 資料夾中找到這段程式碼。
-
-😀 你成功連接到硬體了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
deleted file mode 100644
index d261e1e4c..000000000
--- a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
+++ /dev/null
@@ -1,222 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
-  "translation_date": "2025-08-26T23:43:53+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
-  "language_code": "mo"
-}
--->
-# Wio Terminal
-
-[Seeed Studios 的 Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 是一款兼容 Arduino 的微控制器，內建 WiFi 以及一些感測器和執行器，並且可以透過名為 [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) 的硬體生態系統擴展更多感測器和執行器。
-
-![Seeed Studios 的 Wio Terminal](../../../../../translated_images/zh-MO/wio-terminal.b8299ee16587db9a.webp)
-
-## 設置
-
-要使用 Wio Terminal，您需要在電腦上安裝一些免費軟體。此外，在連接 WiFi 之前，您需要更新 Wio Terminal 的韌體。
-
-### 任務 - 設置
-
-安裝所需的軟體並更新韌體。
-
-1. 安裝 Visual Studio Code (VS Code)。這是您將用來編寫 C/C++ 設備程式碼的編輯器。請參考 [VS Code 文件](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 了解如何安裝 VS Code。
-
-    > 💁 另一個常用的 Arduino 開發 IDE 是 [Arduino IDE](https://www.arduino.cc/en/software)。如果您已熟悉此工具，可以使用它代替 VS Code 和 PlatformIO，但課程將基於使用 VS Code 的指導。
-
-1. 安裝 VS Code 的 PlatformIO 擴展。這是 VS Code 的一個擴展，支持用 C/C++ 編程微控制器。請參考 [PlatformIO 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide) 了解如何在 VS Code 中安裝此擴展。此擴展依賴於 Microsoft C/C++ 擴展，安裝 PlatformIO 時會自動安裝 C/C++ 擴展。
-
-1. 將 Wio Terminal 連接到電腦。Wio Terminal 底部有一個 USB-C 接口，需要將其連接到電腦的 USB 接口。Wio Terminal 附帶 USB-C 到 USB-A 的線纜，但如果您的電腦只有 USB-C 接口，則需要 USB-C 線纜或 USB-A 到 USB-C 轉接器。
-
-1. 按照 [Wio Terminal Wiki WiFi 概述文件](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/) 中的指導設置 Wio Terminal 並更新韌體。
-
-## Hello World
-
-在學習一種新的程式語言或技術時，通常會先建立一個 "Hello World" 應用程式——一個小型應用程式，輸出類似 `"Hello World"` 的文字，以確認所有工具已正確配置。
-
-Wio Terminal 的 Hello World 應用程式將確保您已正確安裝 Visual Studio Code 和 PlatformIO，並設置好微控制器開發環境。
-
-### 建立 PlatformIO 專案
-
-第一步是使用 PlatformIO 為 Wio Terminal 配置一個新專案。
-
-#### 任務 - 建立 PlatformIO 專案
-
-建立 PlatformIO 專案。
-
-1. 將 Wio Terminal 連接到電腦
-
-1. 啟動 VS Code
-
-1. 在側邊選單中找到 PlatformIO 圖標：
-
-    ![Platform IO 選單選項](../../../../../translated_images/zh-MO/vscode-platformio-menu.297be26b9733e5c4.webp)
-
-    選擇此選單項，然後選擇 *PIO Home -> Open*
-
-    ![Platform IO 開啟選項](../../../../../translated_images/zh-MO/vscode-platformio-home-open.3f9a41bfd3f4da1c.webp)
-
-1. 在歡迎畫面中，選擇 **+ New Project** 按鈕
-
-    ![新專案按鈕](../../../../../translated_images/zh-MO/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc8.webp)
-
-1. 在 *Project Wizard* 中配置專案：
-
-    1. 將專案命名為 `nightlight`
-
-    1. 在 *Board* 下拉選單中輸入 `WIO` 過濾板卡，並選擇 *Seeeduino Wio Terminal*
-
-    1. 將 *Framework* 保持為 *Arduino*
-
-    1. 可以選擇保留 *Use default location* 勾選，或者取消勾選並選擇專案位置
-
-    1. 選擇 **Finish** 按鈕
-
-    ![完成的專案向導](../../../../../translated_images/zh-MO/vscode-platformio-nightlight-project-wizard.5c64db4da6037420.webp)
-
-    PlatformIO 將下載編譯 Wio Terminal 程式碼所需的組件並建立您的專案。這可能需要幾分鐘。
-
-### 探索 PlatformIO 專案
-
-VS Code 的檔案總管將顯示由 PlatformIO 向導建立的多個檔案和資料夾。
-
-#### 資料夾
-
-* `.pio` - 此資料夾包含 PlatformIO 所需的臨時數據，例如庫或編譯的程式碼。如果刪除，會自動重新建立，且不需要將其添加到源代碼控制中（例如 GitHub）。
-* `.vscode` - 此資料夾包含 PlatformIO 和 VS Code 的配置。如果刪除，會自動重新建立，且不需要將其添加到源代碼控制中。
-* `include` - 此資料夾用於添加額外庫時需要的外部標頭檔案。在這些課程中不會使用此資料夾。
-* `lib` - 此資料夾用於您希望從程式碼中調用的外部庫。在這些課程中不會使用此資料夾。
-* `src` - 此資料夾包含應用程式的主要源代碼。最初，它只包含一個檔案 - `main.cpp`。
-* `test` - 此資料夾用於放置程式碼的單元測試。
-
-#### 檔案
-
-* `main.cpp` - 此檔案位於 `src` 資料夾中，包含應用程式的入口點。打開此檔案，內容如下：
-
-    ```cpp
-    #include <Arduino.h>
-    
-    void setup() {
-      // put your setup code here, to run once:
-    }
-    
-    void loop() {
-      // put your main code here, to run repeatedly:
-    }
-    ```
-
-    當設備啟動時，Arduino 框架將執行一次 `setup` 函數，然後反覆執行 `loop` 函數，直到設備關閉。
-
-* `.gitignore` - 此檔案列出了在將程式碼添加到 git 源代碼控制（例如上傳到 GitHub 儲存庫）時要忽略的檔案和目錄。
-
-* `platformio.ini` - 此檔案包含設備和應用程式的配置。打開此檔案，內容如下：
-
-    ```ini
-    [env:seeed_wio_terminal]
-    platform = atmelsam
-    board = seeed_wio_terminal
-    framework = arduino
-    ```
-
-    `[env:seeed_wio_terminal]` 部分包含 Wio Terminal 的配置。您可以有多個 `env` 部分，以便程式碼可以為多個板卡編譯。
-
-    其他值與專案向導的配置相匹配：
-
-  * `platform = atmelsam` 定義 Wio Terminal 使用的硬體（基於 ATSAMD51 的微控制器）
-  * `board = seeed_wio_terminal` 定義微控制器板卡的類型（Wio Terminal）
-  * `framework = arduino` 定義此專案使用 Arduino 框架。
-
-### 編寫 Hello World 應用程式
-
-現在可以開始編寫 Hello World 應用程式。
-
-#### 任務 - 編寫 Hello World 應用程式
-
-編寫 Hello World 應用程式。
-
-1. 在 VS Code 中打開 `main.cpp` 檔案
-
-1. 將程式碼更改為以下內容：
-
-    ```cpp
-    #include <Arduino.h>
-
-    void setup()
-    {
-        Serial.begin(9600);
-
-        while (!Serial)
-            ; // Wait for Serial to be ready
-    
-        delay(1000);
-    }
-    
-    void loop()
-    {
-        Serial.println("Hello World");
-        delay(5000);
-    }
-    ```
-
-    `setup` 函數初始化與串口的連接——在此情況下是用於連接 Wio Terminal 和電腦的 USB 接口。參數 `9600` 是 [波特率](https://wikipedia.org/wiki/Symbol_rate)（也稱為符號率），即每秒通過串口傳輸的數據速度（以位為單位）。此設置表示每秒傳輸 9,600 位（0 和 1）。然後它等待串口準備就緒。
-
-    `loop` 函數將行 `Hello World!` 發送到串口，因此會顯示 `Hello World!` 字符以及一個換行符。然後它會休眠 5,000 毫秒（5 秒）。`loop` 結束後，會再次執行，並不斷重複，直到微控制器關閉。
-
-1. 將 Wio Terminal 設置為上傳模式。每次上傳新程式碼到設備時都需要這樣做：
-
-    1. 快速向下拉動電源開關兩次——每次都會彈回到開啟位置。
-
-    1. 檢查 USB 接口右側的藍色狀態 LED。它應該在閃爍。
-
-    [![如何將 Wio Terminal 設置為上傳模式的影片](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
-    
-    點擊上方圖片觀看操作影片。
-
-1. 編譯並上傳程式碼到 Wio Terminal
-
-    1. 打開 VS Code 命令面板
-
-    1. 輸入 `PlatformIO Upload` 搜索上傳選項，並選擇 *PlatformIO: Upload*
-
-        ![命令面板中的 PlatformIO 上傳選項](../../../../../translated_images/zh-MO/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3.webp)
-
-        如果需要，PlatformIO 將自動編譯程式碼，然後上傳。
-
-    1. 程式碼將被編譯並上傳到 Wio Terminal
-
-        > 💁 如果您使用的是 macOS，可能會出現 *DISK NOT EJECTED PROPERLY* 的通知。這是因為 Wio Terminal 在閃存過程中會被掛載為磁碟，並在寫入編譯程式碼時斷開連接。您可以忽略此通知。
-
-    ⚠️ 如果出現有關上傳端口不可用的錯誤，首先確保 Wio Terminal 已連接到電腦，並通過屏幕左側的開關打開，並設置為上傳模式。底部的綠燈應該亮著，藍燈應該在閃爍。如果仍然出現錯誤，快速再次向下拉動開關兩次，強制 Wio Terminal 進入上傳模式，然後重試上傳。
-
-PlatformIO 提供了一個串口監視器，可以監控通過 USB 線纜從 Wio Terminal 發送的數據。這允許您監控 `Serial.println("Hello World");` 命令發送的數據。
-
-1. 打開 VS Code 命令面板
-
-1. 輸入 `PlatformIO Serial` 搜索串口監視器選項，並選擇 *PlatformIO: Serial Monitor*
-
-    ![命令面板中的 PlatformIO 串口監視器選項](../../../../../translated_images/zh-MO/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14.webp)
-
-    一個新終端將打開，串口發送的數據將流入此終端：
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Hello World
-    Hello World
-    ```
-
-    每 5 秒，`Hello World` 都會打印到串口監視器。
-
-> 💁 您可以在 [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal) 資料夾中找到此程式碼。
-
-😀 恭喜！您的 'Hello World' 程式成功運行！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/2-deeper-dive/README.md b/translations/mo/1-getting-started/lessons/2-deeper-dive/README.md
deleted file mode 100644
index 1878c29bd..000000000
--- a/translations/mo/1-getting-started/lessons/2-deeper-dive/README.md
+++ /dev/null
@@ -1,277 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
-  "translation_date": "2025-08-26T23:49:07+00:00",
-  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
-  "language_code": "mo"
-}
--->
-# 深入探討物聯網 (IoT)
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。課程分為兩段影片進行教學：一段為 1 小時的課程，另一段為 1 小時的辦公時間，深入探討課程中的部分內容並回答問題。
-
-[![課程 2：深入探討物聯網](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
-
-[![課程 2：深入探討物聯網 - 辦公時間](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
-
-## 簡介
-
-本課程將深入探討上一課中提到的一些概念。
-
-在本課程中，我們將涵蓋：
-
-* [物聯網應用的組成部分](../../../../../1-getting-started/lessons/2-deeper-dive)
-* [深入探討微控制器](../../../../../1-getting-started/lessons/2-deeper-dive)
-* [深入探討單板電腦](../../../../../1-getting-started/lessons/2-deeper-dive)
-
-## 物聯網應用的組成部分
-
-物聯網應用的兩個主要組成部分是 *網際網路* 和 *物件*。讓我們更詳細地了解這兩個部分。
-
-### 物件
-
-![Raspberry Pi 4](../../../../../translated_images/zh-MO/raspberry-pi-4.fd4590d308c3d456.webp)
-
-物聯網中的 **物件** 指的是能與物理世界互動的設備。這些設備通常是小型、低成本的電腦，運行速度較低且功耗低。例如，簡單的微控制器僅有幾千字節的 RAM（而非 PC 的幾 GB），運行速度僅有幾百 MHz（而非 PC 的 GHz），但功耗極低，有時甚至可以用電池運行數週、數月甚至數年。
-
-這些設備通過使用感測器來收集周圍環境的數據，或者通過控制輸出或執行器來進行物理改變。典型的例子是智能恆溫器——一種具有溫度感測器、可設置所需溫度的方式（如旋鈕或觸控屏），以及連接到加熱或冷卻系統的設備，當檢測到的溫度超出所需範圍時，系統會啟動。溫度感測器檢測到房間太冷，執行器則啟動加熱系統。
-
-![顯示溫度和旋鈕作為物聯網設備輸入，以及加熱器控制作為輸出的圖示](../../../../../translated_images/zh-MO/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png)
-
-物聯網設備的種類繁多，從專用硬體到一般用途設備，甚至包括您的智能手機！智能手機可以使用感測器檢測周圍環境，並使用執行器與世界互動——例如使用 GPS 感測器檢測您的位置，並使用揚聲器提供導航指示。
-
-✅ 想想您周圍的其他系統，它們如何通過感測器讀取數據並據此做出決策。一個例子是烤箱上的恆溫器。您能找到更多例子嗎？
-
-### 網際網路
-
-物聯網應用中的 **網際網路** 部分包括物聯網設備可以連接以發送和接收數據的應用，以及其他可以處理物聯網設備數據並幫助做出決策的應用。
-
-一種典型的設置是使用某種雲端服務，物聯網設備連接到該服務，該服務負責處理安全性、接收來自物聯網設備的消息以及向設備發送消息。該雲端服務還可以連接到其他應用，這些應用可以處理或存儲感測器數據，或者將感測器數據與其他系統的數據結合以做出決策。
-
-設備並不總是直接通過 WiFi 或有線連接到網際網路。有些設備使用網狀網路技術，例如藍牙，通過一個具有網際網路連接的集線器設備進行通信。
-
-以智能恆溫器為例，恆溫器通過家庭 WiFi 連接到雲端服務，並將溫度數據發送到該服務。雲端服務將數據寫入某種數據庫，讓房主可以通過手機應用查看當前和過去的溫度。雲端中的另一個服務知道房主想要的溫度，並通過雲端服務向物聯網設備發送消息，告訴加熱系統開啟或關閉。
-
-![顯示溫度和旋鈕作為物聯網設備輸入，物聯網設備與雲端的雙向通信，雲端與手機的雙向通信，以及加熱器控制作為物聯網設備輸出的圖示](../../../../../translated_images/zh-MO/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png)
-
-更智能的版本可以使用雲端中的 AI，結合其他物聯網設備（如佔用感測器）連接的其他感測器數據，以及天氣和您的日曆等數據，智能地設置溫度。例如，如果日曆顯示您正在度假，它可以關閉加熱；或者根據您使用的房間逐一關閉加熱，並從數據中學習以越來越準確。
-
-![顯示多個溫度感測器和旋鈕作為物聯網設備輸入，物聯網設備與雲端的雙向通信，雲端與手機、日曆和天氣服務的雙向通信，以及加熱器控制作為物聯網設備輸出的圖示](../../../../../translated_images/zh-MO/smarter-thermostat.a75855f15d2d9e63.webp)
-
-✅ 還有哪些數據可以幫助使網際網路連接的恆溫器更智能？
-
-### 邊緣上的物聯網
-
-雖然物聯網中的 "I" 代表網際網路，但這些設備並不一定需要連接到網際網路。在某些情況下，設備可以連接到 "邊緣" 設備——在本地網路上運行的網關設備，這意味著您可以在不通過網際網路的情況下處理數據。當您有大量數據或網際網路連接速度較慢時，這可能更快；它允許您在無法連接網際網路的情況下運行，例如在船上或在人道危機的災區；並且可以保護數據隱私。一些設備包含使用雲端工具創建的處理代碼，並在本地運行以收集和響應數據，而不需要使用網際網路連接來做出決策。
-
-一個例子是智能家居設備，例如 Apple HomePod、Amazon Alexa 或 Google Home，它們使用在雲端訓練的 AI 模型來聆聽您的聲音，但在設備本地運行。這些設備會在聽到某個詞或短語時 "喚醒"，然後才將您的語音通過網際網路發送進行處理。設備會在檢測到您語音中的停頓時停止發送語音。您在喚醒設備之前說的所有內容，以及設備停止聆聽後說的所有內容，都不會被發送到設備提供商的網際網路，因此是私密的。
-
-✅ 想想其他需要保護隱私的場景，因此數據處理最好在邊緣完成而不是在雲端。提示：想想帶有攝像頭或其他影像設備的物聯網設備。
-
-### 物聯網安全性
-
-任何網際網路連接都需要考慮安全性。有一個老笑話說 "物聯網中的 S 代表安全性"——物聯網中沒有 "S"，暗示它並不安全。
-
-物聯網設備連接到雲端服務，因此其安全性取決於雲端服務的安全性——如果您的雲端服務允許任何設備連接，那麼可能會發送惡意數據或遭受病毒攻擊。由於物聯網設備與其他設備互動並進行控制，這可能會帶來非常現實的後果。例如，[Stuxnet 蠕蟲](https://wikipedia.org/wiki/Stuxnet) 操控離心機中的閥門以損壞它們。黑客也曾利用[安全性漏洞訪問嬰兒監視器](https://www.npr.org/sections/thetwo-way/2018/06/05/617196788/s-c-mom-says-baby-monitor-was-hacked-experts-say-many-devices-are-vulnerable)和其他家庭監控設備。
-
-> 💁 有時物聯網設備和邊緣設備運行在完全與網際網路隔離的網路上，以保持數據的私密性和安全性。這被稱為 [空氣隔離](https://wikipedia.org/wiki/Air_gap_(networking))。
-
-## 深入探討微控制器
-
-在上一課中，我們介紹了微控制器。現在讓我們更深入地了解它們。
-
-### CPU
-
-CPU 是微控制器的 "大腦"。它是運行您的代碼並能夠向任何連接的設備發送和接收數據的處理器。CPU 可以包含一個或多個核心——本質上是一個或多個可以協同工作以運行您的代碼的 CPU。
-
-CPU 依賴於時鐘，每秒鐘滴答數百萬或數十億次。每次滴答或週期都同步 CPU 可以執行的操作。每次滴答，CPU 可以執行程序中的一條指令，例如從外部設備檢索數據或執行數學計算。這種規律的週期允許所有操作在下一條指令處理之前完成。
-
-時鐘週期越快，每秒可以處理的指令越多，因此 CPU 的速度越快。CPU 速度以 [赫茲 (Hz)](https://wikipedia.org/wiki/Hertz) 為單位測量，1 Hz 表示每秒一個週期或時鐘滴答。
-
-> 🎓 CPU 速度通常以 MHz 或 GHz 表示。1MHz 是 1 百萬 Hz，1GHz 是 1 十億 Hz。
-
-> 💁 CPU 使用 [取指-解碼-執行週期](https://wikipedia.org/wiki/Instruction_cycle) 執行程序。每次時鐘滴答，CPU 從記憶體中取指令，解碼，然後執行，例如使用算術邏輯單元 (ALU) 加法兩個數字。一些執行可能需要多個滴答才能完成，因此下一個週期將在指令完成後的下一次滴答運行。
-
-![取指-解碼-執行週期顯示取指令從存儲在 RAM 中的程序中取指令，然後在 CPU 上解碼並執行](../../../../../translated_images/zh-MO/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png)
-
-微控制器的時鐘速度遠低於桌上型或筆記型電腦，甚至大多數智能手機。比如 Wio Terminal 的 CPU 運行速度為 120MHz，即每秒 120,000,000 次週期。
-
-✅ 一台普通的 PC 或 Mac 的 CPU 具有多個核心，運行速度為多個 GHz，意味著時鐘每秒滴答數十億次。研究一下您電腦的時鐘速度，並比較它比 Wio Terminal 快多少倍。
-
-每次時鐘週期都會消耗電力並產生熱量。滴答越快，消耗的電力越多，產生的熱量越多。PC 有散熱片和風扇來散熱，否則它們會在幾秒鐘內過熱並關閉。微控制器通常沒有這些，因為它們運行得更冷，因此速度更慢。PC 通過主電源或大型電池運行幾小時，而微控制器可以通過小型電池運行數天、數月甚至數年。微控制器還可以有以不同速度運行的核心，當 CPU 的需求較低時切換到較慢的低功耗核心以減少功耗。
-
-> 💁 一些 PC 和 Mac 也採用了相同的快速高功耗核心和較慢低功耗核心的組合，根據運行的任務在節省電池和速度之間切換。例如，最新 Apple 筆記型電腦中的 M1 芯片可以在 4 個性能核心和 4 個效率核心之間切換，以根據運行的任務優化電池壽命或速度。
-
-✅ 做一些研究：閱讀 [Wikipedia CPU 文章](https://wikipedia.org/wiki/Central_processing_unit) 了解更多關於 CPU 的資訊。
-
-#### 任務
-
-調查 Wio Terminal。
-
-如果您正在使用 Wio Terminal 進行這些課程，嘗試找到 CPU。在 [Wio Terminal 產品頁面](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 的 *硬體概述* 部分找到內部結構的圖片，並嘗試通過背面的透明塑料窗口找到 CPU。
-
-### 記憶體
-
-微控制器通常有兩種類型的記憶體——程序記憶體和隨機存取記憶體 (RAM)。
-
-程序記憶體是非揮發性的，這意味著寫入其中的內容在設備斷電時仍然保留。這是存儲您的程序代碼的記憶體。
-
-RAM 是程序運行時使用的記憶體，包含程序分配的變數以及從外圍設備收集的數據。RAM 是揮發性的，當電源斷開時內容會丟失，實際上重置了您的程序。
-🎓 程式記憶體儲存你的程式碼，即使斷電也能保持不變。
-🎓 RAM 用於執行程式，當電源中斷時會被重置
-
-與 CPU 類似，微控制器上的記憶體比 PC 或 Mac 小得多。一台典型的 PC 可能有 8GB 的 RAM，也就是 8,000,000,000 字節，每個字節足以存儲一個字母或 0-255 範圍內的一個數字。而微控制器通常只有幾千字節 (KB) 的 RAM，其中 1KB 等於 1,000 字節。上述提到的 Wio Terminal 擁有 192KB 的 RAM，也就是 192,000 字節，比一般 PC 少了超過 40,000 倍！
-
-下圖顯示了 192KB 和 8GB 的相對大小差異——中心的小點代表 192KB。
-
-![192KB 和 8GB 的比較 - 超過 40,000 倍的差距](../../../../../translated_images/zh-MO/ram-comparison.6beb73541b42ac6f.webp)
-
-程式存儲空間也比 PC 小。一台典型的 PC 可能有 500GB 的硬碟用於程式存儲，而微控制器可能只有幾千字節或幾百萬字節 (MB) 的存儲空間 (1MB 等於 1,000KB 或 1,000,000 字節)。Wio Terminal 擁有 4MB 的程式存儲空間。
-
-✅ 做些研究：你正在使用的電腦有多少 RAM 和存儲空間？與微控制器相比如何？
-
-### 輸入/輸出
-
-微控制器需要輸入和輸出 (I/O) 連接來從感測器讀取數據並向致動器發送控制信號。它們通常包含一些通用輸入/輸出 (GPIO) 接腳。這些接腳可以在軟體中配置為輸入 (接收信號) 或輸出 (發送信號)。
-
-🧠⬅️ 輸入接腳用於從感測器讀取數值
-
-🧠➡️ 輸出接腳向致動器發送指令
-
-✅ 你將在後續課程中學到更多相關內容。
-
-#### 任務
-
-研究 Wio Terminal。
-
-如果你正在使用 Wio Terminal 進行這些課程，找到 GPIO 接腳。前往 [Wio Terminal 產品頁面](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 的 *Pinout 圖表* 部分，了解每個接腳的功能。Wio Terminal 附帶一張可以貼在背面的貼紙，上面標有接腳編號，如果尚未貼上，現在就貼上。
-
-### 實體大小
-
-微控制器通常尺寸很小，其中最小的一款 [Freescale Kinetis KL03 MCU](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/) 小到可以放進高爾夫球的凹槽中。PC 的 CPU 僅僅是處理器本身就可能有 40mm x 40mm 的大小，還不包括確保 CPU 運行時不過熱所需的散熱片和風扇，這些加起來比完整的微控制器大得多。Wio Terminal 開發套件包含微控制器、外殼、螢幕以及一系列連接和元件，其大小甚至比裸露的 Intel i9 CPU 還要小，更不用說加上散熱片和風扇後的尺寸了！
-
-| 裝置                          | 尺寸                  |
-| ----------------------------- | --------------------- |
-| Freescale Kinetis KL03        | 1.6mm x 2mm x 1mm     |
-| Wio Terminal                  | 72mm x 57mm x 12mm    |
-| Intel i9 CPU、散熱片和風扇     | 136mm x 145mm x 103mm |
-
-### 框架與作業系統
-
-由於速度和記憶體容量有限，微控制器不會運行像桌面電腦那樣的作業系統 (OS)。使你的電腦運行的作業系統 (Windows、Linux 或 macOS) 需要大量的記憶體和處理能力來執行微控制器完全不需要的任務。記住，微控制器通常被程式化來執行一個或多個非常特定的任務，而不像 PC 或 Mac 這樣的通用電腦需要支援使用者介面、播放音樂或影片、提供撰寫文件或程式碼的工具、玩遊戲或瀏覽網路。
-
-要在沒有 OS 的情況下程式化微控制器，你需要一些工具來構建程式碼，使其能夠在微控制器上運行，並使用 API 與任何周邊設備進行通信。每個微控制器都不同，因此製造商通常支援標準框架，讓你可以遵循標準的「配方」來構建程式碼，並使其能夠在支援該框架的任何微控制器上運行。
-
-你可以使用 OS 來程式化微控制器——通常被稱為即時作業系統 (RTOS)，這些系統旨在即時處理周邊設備的數據傳輸。這些作業系統非常輕量化，並提供以下功能：
-
-* 多執行緒，允許程式碼同時運行多個程式區塊，無論是在多核心上還是通過單核心輪流執行
-* 網路功能，允許安全地通過網路進行通信
-* 圖形使用者介面 (GUI) 元件，用於在有螢幕的裝置上構建使用者介面 (UI)
-
-✅ 閱讀一些不同的 RTOS：[Azure RTOS](https://azure.microsoft.com/services/rtos/?WT.mc_id=academic-17441-jabenn)、[FreeRTOS](https://www.freertos.org)、[Zephyr](https://www.zephyrproject.org)
-
-#### Arduino
-
-![Arduino 標誌](../../../../../images/arduino-logo.svg)
-
-[Arduino](https://www.arduino.cc) 可能是最受歡迎的微控制器框架，尤其是在學生、愛好者和製作者之間。Arduino 是一個開源電子平台，結合了軟體和硬體。你可以從 Arduino 本身或其他製造商購買 Arduino 兼容的開發板，然後使用 Arduino 框架進行程式設計。
-
-Arduino 開發板使用 C 或 C++ 進行程式設計。使用 C/C++ 可以使程式碼編譯得非常小並運行得非常快，這在像微控制器這樣受限的裝置上是必需的。Arduino 應用程式的核心被稱為 sketch，它是包含兩個函式的 C/C++ 程式碼——`setup` 和 `loop`。當開發板啟動時，Arduino 框架程式碼會先運行一次 `setup` 函式，然後不斷重複運行 `loop` 函式，直到電源關閉。
-
-你可以在 `setup` 函式中撰寫初始化程式碼，例如連接 WiFi 和雲端服務或初始化輸入和輸出接腳。在 `loop` 函式中撰寫處理程式碼，例如從感測器讀取數據並將其發送到雲端。通常你會在每次迴圈中加入延遲，例如，如果你只希望每 10 秒發送一次感測器數據，你可以在迴圈結尾加入 10 秒的延遲，讓微控制器進入睡眠模式以節省電力，然後在需要時 10 秒後再次運行迴圈。
-
-![Arduino sketch 首先運行 setup，然後不斷重複運行 loop](../../../../../translated_images/zh-MO/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png)
-
-✅ 這種程式架構被稱為 *事件迴圈* 或 *訊息迴圈*。許多應用程式在底層使用這種架構，並且是大多數運行在 Windows、macOS 或 Linux 等作業系統上的桌面應用程式的標準。`loop` 會監聽來自使用者介面元件（例如按鈕）或裝置（例如鍵盤）的訊息，並對其作出回應。你可以在這篇 [事件迴圈文章](https://wikipedia.org/wiki/Event_loop) 中閱讀更多內容。
-
-Arduino 提供了與微控制器和 I/O 接腳交互的標準函式庫，並在底層有不同的實現以支援不同的微控制器。例如，[`delay` 函式](https://www.arduino.cc/reference/en/language/functions/time/delay/) 會使程式暫停指定的時間，[`digitalRead` 函式](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) 會從指定的接腳讀取 `HIGH` 或 `LOW` 的值，無論程式在哪個開發板上運行。這些標準函式庫意味著為一塊開發板撰寫的 Arduino 程式碼可以重新編譯到任何其他 Arduino 開發板上並運行，只要接腳相同且開發板支援相同的功能。
-
-Arduino 還有一個龐大的第三方函式庫生態系統，允許你為 Arduino 專案添加額外功能，例如使用感測器和致動器或連接到雲端 IoT 服務。
-
-##### 任務
-
-研究 Wio Terminal。
-
-如果你正在使用 Wio Terminal 進行這些課程，重新閱讀你在上一課中撰寫的程式碼。找到 `setup` 和 `loop` 函式。監控序列埠輸出，觀察 `loop` 函式被反覆呼叫。嘗試在 `setup` 函式中添加程式碼以寫入序列埠，並觀察此程式碼在每次重新啟動時僅被呼叫一次。嘗試使用側面的電源開關重新啟動裝置，顯示此程式碼在每次裝置重新啟動時都會被呼叫。
-
-## 更深入了解單板電腦
-
-在上一課中，我們介紹了單板電腦。現在讓我們更深入地了解它們。
-
-### Raspberry Pi
-
-![Raspberry Pi 標誌](../../../../../translated_images/zh-MO/raspberry-pi-logo.4efaa16605cee054.webp)
-
-[Raspberry Pi 基金會](https://www.raspberrypi.org) 是一家來自英國的慈善機構，成立於 2009 年，旨在促進計算機科學的學習，特別是在學校層面。作為這一使命的一部分，他們開發了一款單板電腦，名為 Raspberry Pi。目前 Raspberry Pi 有三種版本——全尺寸版本、較小的 Pi Zero，以及可以嵌入最終 IoT 裝置中的計算模組。
-
-![Raspberry Pi 4](../../../../../translated_images/zh-MO/raspberry-pi-4.fd4590d308c3d456.webp)
-
-最新的全尺寸 Raspberry Pi 是 Raspberry Pi 4B。它擁有一個四核心 (4 核心) CPU，運行速度為 1.5GHz，2GB、4GB 或 8GB 的 RAM，千兆乙太網、WiFi、2 個支援 4k 螢幕的 HDMI 接口、一個音頻和複合視頻輸出接口、USB 接口 (2 個 USB 2.0 和 2 個 USB 3.0)、40 個 GPIO 接腳、一個 Raspberry Pi 相機模組的相機接口，以及一個 SD 卡插槽。所有這些都集成在一塊 88mm x 58mm x 19.5mm 的電路板上，並由 3A USB-C 電源供電。這些起價為 35 美元，比 PC 或 Mac 便宜得多。
-
-> 💁 還有一款 Pi400 一體式電腦，將 Pi4 集成到鍵盤中。
-
-![Raspberry Pi Zero](../../../../../translated_images/zh-MO/raspberry-pi-zero.f7a4133e1e7d54bb.webp)
-
-Pi Zero 更小，功耗更低。它擁有一個單核心 1GHz CPU，512MB 的 RAM，WiFi (在 Zero W 型號中)，一個 HDMI 接口、一個 micro-USB 接口、40 個 GPIO 接腳、一個 Raspberry Pi 相機模組的相機接口，以及一個 SD 卡插槽。它的尺寸為 65mm x 30mm x 5mm，功耗非常低。Zero 售價 5 美元，帶 WiFi 的 W 型號售價 10 美元。
-
-> 🎓 這兩款裝置的 CPU 都是 ARM 處理器，而不是大多數 PC 和 Mac 中的 Intel/AMD x86 或 x64 處理器。這些處理器類似於一些微控制器中的 CPU，以及幾乎所有的手機、Microsoft Surface X 和新的 Apple Silicon 基於 ARM 的 Apple Mac。
-
-所有 Raspberry Pi 版本都運行一個基於 Debian Linux 的作業系統，名為 Raspberry Pi OS。這個作業系統有一個精簡版，沒有桌面，非常適合不需要螢幕的「無頭」專案，還有一個完整版本，帶有完整的桌面環境，包括網頁瀏覽器、辦公應用程式、程式設計工具和遊戲。由於作業系統是 Debian Linux 的一個版本，你可以安裝任何在 Debian 上運行並為 Pi 的 ARM 處理器構建的應用程式或工具。
-
-#### 任務
-
-研究 Raspberry Pi。
-
-如果你正在使用 Raspberry Pi 進行這些課程，閱讀有關電路板上不同硬體元件的資料。
-
-* 你可以在 [Raspberry Pi 硬體文件頁面](https://www.raspberrypi.org/documentation/hardware/raspberrypi/) 上找到有關使用的處理器的詳細資訊。閱讀有關你正在使用的 Pi 的處理器的資料。
-* 找到 GPIO 接腳。在 [Raspberry Pi GPIO 文件](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md) 上閱讀更多相關內容。使用 [GPIO 接腳使用指南](https://www.raspberrypi.org/documentation/usage/gpio/README.md) 來識別 Pi 上的不同接腳。
-
-### 單板電腦程式設計
-
-單板電腦是完整的電腦，運行完整的作業系統。這意味著你可以使用多種程式語言、框架和工具來進行程式設計，而不像微控制器需要框架 (例如 Arduino) 的支援。大多數程式語言都有函式庫可以訪問 GPIO 接腳，從而向感測器和致動器發送和接收數據。
-
-✅ 你熟悉哪些程式語言？它們是否支援 Linux？
-
-在 Raspberry Pi 上構建 IoT 應用程式最常用的程式語言是 Python。Pi 有一個龐大的硬體生態系統，幾乎所有這些硬體都包含用於使用它們的 Python 函式庫。一些生態系統基於「帽子」——之所以叫這個名字，是因為它們像帽子一樣坐在 Pi 上，通過一個大插座連接到 40 個 GPIO 接腳。這些帽子提供額外的功能，例如螢幕、感測器、遙控車或適配器，允許你插入具有標準化電纜的感測器。
-### 專業物聯網部署中單板電腦的使用
-
-單板電腦不僅僅是開發套件，也被用於專業的物聯網部署。它們能夠提供強大的功能來控制硬體，並執行如運行機器學習模型等複雜任務。例如，有一款 [Raspberry Pi 4 計算模組](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/)，它具備 Raspberry Pi 4 的所有性能，但採用更緊湊且更便宜的形式，去掉了大多數的埠，專為安裝到定制硬體中而設計。
-
----
-
-## 🚀 挑戰
-
-上一課的挑戰是列出你家中、學校或工作場所中所有你能想到的物聯網設備。對於這些設備中的每一個，你認為它們是基於微控制器、單板電腦，還是兩者的結合？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
-
-## 回顧與自學
-
-* 閱讀 [Arduino 入門指南](https://www.arduino.cc/en/Guide/Introduction)，以更深入了解 Arduino 平台。
-* 閱讀 [Raspberry Pi 4 簡介](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)，學習更多關於 Raspberry Pi 的知識。
-* 在 [Electrical Engineering Journal 的文章「What the FAQ are CPUs, MPUs, MCUs, and GPUs」](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/) 中了解更多相關概念和縮寫。
-
-✅ 使用這些指南，結合 [硬體指南](../../../hardware.md) 中的連結所顯示的成本，決定你想使用哪種硬體平台，或者是否更願意使用虛擬設備。
-
-## 作業
-
-[比較與對比微控制器與單板電腦](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/mo/1-getting-started/lessons/2-deeper-dive/assignment.md
deleted file mode 100644
index a81265005..000000000
--- a/translations/mo/1-getting-started/lessons/2-deeper-dive/assignment.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "750bd75866471141f857240219084767",
-  "translation_date": "2025-08-26T23:50:53+00:00",
-  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
-  "language_code": "mo"
-}
--->
-# 比較與對比微控制器與單板電腦
-
-## 課程指導
-
-本課程介紹了微控制器與單板電腦。請建立一個表格來比較與對比它們，並列出至少兩個使用微控制器而非單板電腦的原因，以及至少兩個使用單板電腦而非微控制器的原因。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 建立一個表格比較微控制器與單板電腦 | 正確地列出多項比較與對比項目 | 僅列出少量項目 | 僅能列出一項或無法列出任何比較與對比項目 |
-| 使用其中一者的原因 | 能夠提供微控制器的兩個或以上原因，以及單板電腦的兩個或以上原因 | 僅能提供微控制器的1-2個原因，以及單板電腦的1-2個原因 | 無法提供微控制器或單板電腦的1個或以上原因 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/README.md
deleted file mode 100644
index 70caa8bfd..000000000
--- a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/README.md
+++ /dev/null
@@ -1,230 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
-  "translation_date": "2025-08-26T23:24:59+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
-  "language_code": "mo"
-}
--->
-# 使用感測器和致動器與物理世界互動
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩段影片進行教學——一段 1 小時的課程，以及一段 1 小時的辦公時間，深入探討課程內容並回答問題。
-
-[![課程 3：使用感測器和致動器與物理世界互動](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
-
-[![課程 3：使用感測器和致動器與物理世界互動 - 辦公時間](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
-
-## 簡介
-
-本課程介紹了 IoT 裝置的兩個重要概念——感測器和致動器。您將親自操作這些元件，為您的 IoT 專案添加光感測器，並根據光線強度控制 LED，實際上構建了一個夜燈。
-
-在本課程中，我們將涵蓋：
-
-* [什麼是感測器？](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [使用感測器](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [感測器類型](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [什麼是致動器？](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [使用致動器](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [致動器類型](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-
-## 什麼是感測器？
-
-感測器是感知物理世界的硬體裝置——它們測量周圍的一個或多個屬性，並將信息傳送到 IoT 裝置。感測器涵蓋了廣泛的設備，因為可以測量的事物種類繁多，從自然屬性（如空氣溫度）到物理交互（如運動）。
-
-一些常見的感測器包括：
-
-* 溫度感測器——這些感測器感知空氣溫度或它們所浸入物體的溫度。對於愛好者和開發者來說，這些感測器通常與氣壓和濕度感測器結合在一起。
-* 按鈕——這些感測器感知何時被按下。
-* 光感測器——這些感測器檢測光線強度，可以是特定顏色、紫外線、紅外線或一般可見光。
-* 攝像頭——這些感測器通過拍攝照片或流式視頻來感知世界的視覺表示。
-* 加速度計——這些感測器感知多方向的運動。
-* 麥克風——這些感測器感知聲音，可以是一般的聲音強度或方向性聲音。
-
-✅ 做一些研究。您的手機有哪些感測器？
-
-所有感測器都有一個共同點——它們將所感知的事物轉換為 IoT 裝置可以解讀的電信號。如何解讀這些電信號取決於感測器以及用於與 IoT 裝置通信的協議。
-
-## 使用感測器
-
-按照以下相關指南，將感測器添加到您的 IoT 裝置：
-
-* [Arduino - Wio Terminal](wio-terminal-sensor.md)
-* [單板電腦 - Raspberry Pi](pi-sensor.md)
-* [單板電腦 - 虛擬裝置](virtual-device-sensor.md)
-
-## 感測器類型
-
-感測器分為類比和數位兩種。
-
-### 類比感測器
-
-一些最基本的感測器是類比感測器。這些感測器接收來自 IoT 裝置的電壓，感測器元件調整該電壓，然後測量感測器返回的電壓以獲得感測器值。
-
-> 🎓 電壓是衡量電流從一個地方移動到另一個地方的推動力。例如，標準 AA 電池的電壓為 1.5V（V 是伏特的符號），可以以 1.5V 的推動力將電流從正極移動到負極。不同的電子硬體需要不同的電壓才能工作，例如 LED 可以在 2-3V 下發光，但 100W 的燈絲燈泡需要 240V。您可以在 [維基百科的電壓頁面](https://wikipedia.org/wiki/Voltage) 上了解更多。
-
-一個例子是電位器。這是一個可以在兩個位置之間旋轉的旋鈕，感測器測量旋轉角度。
-
-![一個電位器設置在中間位置，接收 5 伏特並返回 3.8 伏特](../../../../../translated_images/zh-MO/potentiometer.35a348b9ce22f6ec.webp)
-
-IoT 裝置會向電位器發送一個電信號，電壓例如 5 伏特（5V）。當調整電位器時，它會改變從另一端輸出的電壓。假設您有一個標有 0 到 [11](https://wikipedia.org/wiki/Up_to_eleven) 的電位器，例如放大器上的音量旋鈕。當電位器處於完全關閉位置（0）時，輸出為 0V（0 伏特）。當它處於完全開啟位置（11）時，輸出為 5V（5 伏特）。
-
-> 🎓 這是一個簡化的說明，您可以在 [維基百科的電位器頁面](https://wikipedia.org/wiki/Potentiometer) 上了解更多有關電位器和可變電阻的信息。
-
-感測器輸出的電壓由 IoT 裝置讀取，裝置可以根據該電壓做出反應。根據感測器的不同，該電壓可以是任意值，也可以映射到標準單位。例如，基於 [熱敏電阻](https://wikipedia.org/wiki/Thermistor) 的類比溫度感測器會根據溫度改變其電阻。輸出電壓可以通過代碼中的計算轉換為開氏溫標（Kelvin），並相應地轉換為攝氏（°C）或華氏（°F）。
-
-✅ 您認為如果感測器返回的電壓高於發送的電壓（例如來自外部電源）會發生什麼？⛔️ 請勿測試此情況。
-
-#### 類比到數位轉換
-
-IoT 裝置是數位的——它們無法處理類比值，只能處理 0 和 1。這意味著類比感測器的值需要轉換為數位信號才能被處理。許多 IoT 裝置具有類比到數位轉換器（ADCs），用於將類比輸入轉換為其值的數位表示。感測器也可以通過連接板與 ADC 一起工作。例如，在使用 Raspberry Pi 的 Seeed Grove 生態系統中，類比感測器連接到 Pi 上的特定端口，這些端口位於連接到 Pi 的 GPIO 引腳的 '帽子' 上，該帽子具有 ADC，可以將電壓轉換為數位信號，然後通過 Pi 的 GPIO 引腳發送。
-
-假設您有一個連接到 IoT 裝置的類比光感測器，該裝置使用 3.3V 並返回 1V 的值。這 1V 在數位世界中沒有意義，因此需要進行轉換。電壓將根據裝置和感測器的比例轉換為類比值。一個例子是 Seeed Grove 光感測器，它輸出 0 到 1,023 的值。對於該感測器在 3.3V 下運行，1V 的輸出將是一個值 300。IoT 裝置無法處理 300 作為類比值，因此該值將由 Grove '帽子' 轉換為 `0000000100101100`，即 300 的二進制表示。然後由 IoT 裝置處理。
-
-✅ 如果您不懂二進制，請進行一些研究以了解數字如何由 0 和 1 表示。[BBC Bitesize 的二進制入門課程](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) 是一個很好的起點。
-
-從編程的角度來看，所有這些通常由感測器附帶的庫處理，因此您不需要自己擔心這些轉換。對於 Grove 光感測器，您可以使用 Python 庫並調用 `light` 屬性，或者使用 Arduino 庫並調用 `analogRead` 來獲得值 300。
-
-### 數位感測器
-
-數位感測器與類比感測器一樣，使用電壓變化來檢測周圍的世界。不同之處在於它們輸出數位信號，通過僅測量兩種狀態或使用內置 ADC 來完成。數位感測器越來越普遍，以避免需要在連接板或 IoT 裝置上使用 ADC。
-
-最簡單的數位感測器是按鈕或開關。這是一個具有兩種狀態的感測器，開或關。
-
-![一個按鈕接收 5 伏特。未按下時返回 0 伏特，按下時返回 5 伏特](../../../../../translated_images/zh-MO/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png)
-
-IoT 裝置上的引腳（例如 GPIO 引腳）可以直接測量此信號作為 0 或 1。如果發送的電壓與返回的電壓相同，則讀取值為 1，否則讀取值為 0。無需轉換信號，它只能是 1 或 0。
-
-> 💁 電壓永遠不會完全精確，尤其是感測器中的元件會有一些電阻，因此通常會有容差。例如，Raspberry Pi 的 GPIO 引腳工作在 3.3V，並將返回信號高於 1.8V 的讀取為 1，低於 1.8V 的讀取為 0。
-
-* 3.3V 進入按鈕。按鈕未按下，因此輸出 0V，值為 0
-* 3.3V 進入按鈕。按鈕按下，因此輸出 3.3V，值為 1
-
-更高級的數位感測器讀取類比值，然後使用內置 ADC 將其轉換為數位信號。例如，數位溫度感測器仍然會以類比感測器相同的方式使用熱電偶，並仍然測量由熱電偶在當前溫度下的電阻引起的電壓變化。它不會返回類比值，而是依賴於裝置或連接板進行轉換，而是由內置的 ADC 將值轉換為一系列 0 和 1，並將其發送到 IoT 裝置。這些 0 和 1 的發送方式與按鈕的數位信號相同，其中 1 表示全電壓，0 表示 0V。
-
-![一個數位溫度感測器將類比讀數轉換為二進制數據，0 表示 0 伏特，1 表示 5 伏特，然後將其發送到 IoT 裝置](../../../../../translated_images/zh-MO/temperature-as-digital.85004491b977bae1.webp)
-
-發送數位數據使感測器能夠變得更加複雜，並發送更詳細的數據，甚至是加密數據以用於安全感測器。一個例子是攝像頭。這是一個捕捉圖像並以包含該圖像的數位數據形式發送的感測器，通常以壓縮格式（如 JPEG）發送到 IoT 裝置。它甚至可以通過捕捉圖像並逐幀發送完整圖像或壓縮視頻流來進行視頻流。
-
-## 什麼是致動器？
-
-致動器與感測器相反——它們將 IoT 裝置的電信號轉換為與物理世界的交互，例如發出光或聲音，或移動馬達。
-
-一些常見的致動器包括：
-
-* LED——當開啟時發出光
-* 喇叭——根據發送的信號發出聲音，從基本的蜂鳴器到可以播放音樂的音頻喇叭
-* 步進馬達——將信號轉換為一定量的旋轉，例如旋轉旋鈕 90°
-* 繼電器——這些是可以通過電信號開啟或關閉的開關。它們允許 IoT 裝置的小電壓開啟更大的電壓。
-* 屏幕——這些是更複雜的致動器，顯示多段顯示器上的信息。屏幕的範圍從簡單的 LED 顯示器到高解析度視頻顯示器。
-
-✅ 做一些研究。您的手機有哪些致動器？
-
-## 使用致動器
-
-按照以下相關指南，將致動器添加到您的 IoT 裝置，並由感測器控制，以構建 IoT 夜燈。它將從光感測器收集光線強度，並使用 LED 作為致動器，在檢測到光線強度過低時發出光。
-
-![作業的流程圖，顯示光線強度被讀取和檢查，並控制 LED](../../../../../translated_images/zh-MO/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png)
-
-* [Arduino - Wio Terminal](wio-terminal-actuator.md)
-* [單板電腦 - Raspberry Pi](pi-actuator.md)
-* [單板電腦 - 虛擬裝置](virtual-device-actuator.md)
-
-## 致動器類型
-
-與感測器類似，致動器分為類比和數位兩種。
-
-### 類比致動器
-
-類比致動器接收類比信號並將其轉換為某種交互，交互根據提供的電壓而改變。
-
-一個例子是可調光燈，例如您家中的燈。提供給燈的電壓量決定了燈的亮度。
-![低電壓下的燈光暗淡，高電壓下的燈光明亮](../../../../../translated_images/zh-MO/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png)
-
-就像感測器一樣，實際的物聯網設備使用的是數位信號，而非類比信號。這意味著要傳送類比信號，物聯網設備需要一個數位到類比轉換器（DAC），可以直接內建在物聯網設備中，也可以在連接板上。這個轉換器會將物聯網設備的0和1轉換成致動器可以使用的類比電壓。
-
-✅ 如果物聯網設備傳送的電壓超過致動器能承受的範圍，你認為會發生什麼事？
-⛔️ 請勿嘗試測試。
-
-#### 脈衝寬度調變
-
-另一種將物聯網設備的數位信號轉換為類比信號的方法是脈衝寬度調變（PWM）。這種方法涉及傳送許多短暫的數位脈衝，模擬出類比信號的效果。
-
-例如，你可以使用PWM來控制馬達的速度。
-
-假設你正在用5V電源控制一個馬達。你向馬達傳送一個短脈衝，將電壓切換到高電壓（5V）持續0.02秒。在這段時間內，馬達可以旋轉十分之一圈，或36°。信號接著暫停0.02秒，傳送低電壓信號（0V）。每次開啟和關閉的循環持續0.04秒，然後重複。
-
-![馬達以150 RPM進行脈衝寬度調變旋轉](../../../../../translated_images/zh-MO/pwm-motor-150rpm.83347ac04ca38482.webp)
-
-這意味著在一秒內，你有25次0.02秒的5V脈衝使馬達旋轉，每次脈衝後有0.02秒的0V暫停，馬達不旋轉。每次脈衝使馬達旋轉十分之一圈，這意味著馬達每秒完成2.5圈旋轉。你使用數位信號使馬達以每秒2.5圈或150 [每分鐘轉速](https://wikipedia.org/wiki/Revolutions_per_minute)（一種非標準的旋轉速度測量方式）旋轉。
-
-```output
-25 pulses per second x 0.1 rotations per pulse = 2.5 rotations per second
-2.5 rotations per second x 60 seconds in a minute = 150rpm
-```
-
-> 🎓 當PWM信號開啟一半時間，關閉另一半時間時，稱為[50%占空比](https://wikipedia.org/wiki/Duty_cycle)。占空比是信號處於開啟狀態相對於關閉狀態的百分比。
-
-![馬達以75 RPM進行脈衝寬度調變旋轉](../../../../../translated_images/zh-MO/pwm-motor-75rpm.a5e4c939934b6e14.webp)
-
-你可以透過改變脈衝的大小來改變馬達的速度。例如，使用相同的馬達，你可以保持相同的循環時間0.04秒，將開啟脈衝縮短一半至0.01秒，關閉脈衝延長至0.03秒。每秒的脈衝數量（25次）保持不變，但每次開啟脈衝的時間縮短了一半。縮短一半的脈衝只使馬達旋轉二十分之一圈，而每秒25次脈衝將完成1.25圈旋轉或75rpm。透過改變數位信號的脈衝速度，你將類比馬達的速度減半。
-
-```output
-25 pulses per second x 0.05 rotations per pulse = 1.25 rotations per second
-1.25 rotations per second x 60 seconds in a minute = 75rpm
-```
-
-✅ 如何保持馬達在低速時的旋轉平穩？你會選擇少量長脈衝和長暫停，還是大量非常短的脈衝和非常短的暫停？
-
-> 💁 一些感測器也使用PWM來將類比信號轉換為數位信號。
-
-> 🎓 你可以在[Wikipedia的脈衝寬度調變頁面](https://wikipedia.org/wiki/Pulse-width_modulation)上閱讀更多關於脈衝寬度調變的內容。
-
-### 數位致動器
-
-數位致動器，就像數位感測器一樣，要麼有兩個狀態由高或低電壓控制，要麼內建DAC，可以將數位信號轉換為類比信號。
-
-一個簡單的數位致動器是LED。當設備傳送數位信號1時，會傳送高電壓使LED亮起。當傳送數位信號0時，電壓降至0V，LED熄滅。
-
-![LED在0伏特時熄滅，在5伏特時亮起](../../../../../translated_images/zh-MO/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png)
-
-✅ 你能想到其他簡單的兩狀態致動器嗎？一個例子是電磁閥，它是一種電磁鐵，可以被激活來執行例如移動門栓鎖定/解鎖門的操作。
-
-更高級的數位致動器，例如螢幕，需要以特定格式傳送數位數據。它們通常附帶庫，讓傳送正確數據來控制它們變得更容易。
-
----
-
-## 🚀 挑戰
-
-上一課的挑戰是列出你家中、學校或工作場所中的所有物聯網設備，並判斷它們是基於微控制器還是單板電腦，或者是兩者的混合。
-
-對於你列出的每個設備，它們連接了哪些感測器和致動器？這些設備連接的每個感測器和致動器的用途是什麼？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
-
-## 回顧與自學
-
-* 在 [ThingLearn](http://thinglearn.jenlooper.com/curriculum/) 上閱讀有關電力和電路的內容。
-* 在 [Seeed Studios溫度感測器指南](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/) 上閱讀不同類型的溫度感測器。
-* 在 [Wikipedia LED頁面](https://wikipedia.org/wiki/Light-emitting_diode) 上閱讀有關LED的內容。
-
-## 作業
-
-[研究感測器和致動器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
deleted file mode 100644
index ec3c044cc..000000000
--- a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
+++ /dev/null
@@ -1,31 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c5a568320b1159394108544807895337",
-  "translation_date": "2025-08-26T23:26:14+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
-  "language_code": "mo"
-}
--->
-# 研究感測器與致動器
-
-## 說明
-
-本課程介紹了感測器與致動器。請研究並描述一個可以與物聯網開發套件搭配使用的感測器和致動器，包括以下內容：
-
-* 它的功能
-* 內部使用的電子元件/硬體
-* 它是類比還是數位
-* 它的輸入或測量單位及範圍
-
-## 評分標準
-
-| 評分標準 | 優異 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 描述感測器 | 詳細描述了一個感測器，涵蓋了上述所有4個部分。 | 描述了一個感測器，但僅涵蓋了上述2-3個部分。 | 描述了一個感測器，但僅涵蓋了上述1個部分。 |
-| 描述致動器 | 詳細描述了一個致動器，涵蓋了上述所有4個部分。 | 描述了一個致動器，但僅涵蓋了上述2-3個部分。 | 描述了一個致動器，但僅涵蓋了上述1個部分。 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
deleted file mode 100644
index dec345dc7..000000000
--- a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
+++ /dev/null
@@ -1,130 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4db8a3879a53490513571df2f6cf7641",
-  "translation_date": "2025-08-26T23:27:22+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
-  "language_code": "mo"
-}
--->
-# 建造夜燈 - Raspberry Pi
-
-在本課程中，您將在 Raspberry Pi 上添加 LED，並使用它來製作夜燈。
-
-## 硬體
-
-夜燈現在需要一個致動器。
-
-致動器是一個 **LED**，即[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數位致動器，具有兩種狀態：開啟和關閉。傳送值 1 會使 LED 開啟，傳送值 0 則會使其關閉。LED 是一個外部 Grove 致動器，需要連接到 Raspberry Pi 上的 Grove Base hat。
-
-夜燈邏輯的偽代碼如下：
-
-```output
-Check the light level.
-If the light is less than 300
-    Turn the LED on
-Otherwise
-    Turn the LED off
-```
-
-### 連接 LED
-
-Grove LED 是一個模組，包含多種 LED，您可以選擇喜歡的顏色。
-
-#### 任務 - 連接 LED
-
-連接 LED。
-
-![Grove LED](../../../../../translated_images/zh-MO/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png)
-
-1. 選擇您喜歡的 LED，並將其腳插入 LED 模組上的兩個孔中。
-
-    LED 是發光二極管，而二極管是一種只能單向導電的電子元件。這意味著 LED 必須以正確的方向連接，否則無法工作。
-
-    LED 的其中一隻腳是正極引腳，另一隻是負極引腳。LED 並非完全圓形，其中一側稍微平坦一些。稍微平坦的一側是負極引腳。當您將 LED 連接到模組時，請確保圓形一側的引腳連接到模組外側標記為 **+** 的插座，而平坦一側的引腳連接到模組中間較近的插座。
-
-1. LED 模組有一個旋鈕，可以用來調節亮度。首先使用小型十字螺絲刀將其逆時針旋轉到最亮。
-
-1. 將 Grove 電纜的一端插入 LED 模組上的插座。電纜只能以一種方向插入。
-
-1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Grove Base hat 上標記為 **D5** 的數位插座。此插座位於 GPIO 引腳旁邊的一排插座中，從左數第二個。
-
-![Grove LED 連接到 D5 插座](../../../../../translated_images/zh-MO/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png)
-
-## 程式設計夜燈
-
-現在可以使用 Grove 光線感測器和 Grove LED 來程式設計夜燈。
-
-### 任務 - 程式設計夜燈
-
-程式設計夜燈。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 在 VS Code 中打開您在本作業前一部分中建立的夜燈專案，可以直接在 Pi 上運行，也可以使用 Remote SSH 擴展連接。
-
-1. 在 `app.py` 文件中添加以下程式碼以匯入所需的庫。這段程式碼應添加到頂部，其他 `import` 行的下方。
-
-    ```python
-    from grove.grove_led import GroveLed
-    ```
-
-    `from grove.grove_led import GroveLed` 語句從 Grove Python 庫中匯入 `GroveLed`。此庫包含與 Grove LED 互動的程式碼。
-
-1. 在 `light_sensor` 宣告之後添加以下程式碼，以建立管理 LED 的類別實例：
-
-    ```python
-    led = GroveLed(5)
-    ```
-
-    `led = GroveLed(5)` 行建立了一個 `GroveLed` 類的實例，並連接到 **D5** 引腳——即 LED 所連接的 Grove 數位引腳。
-
-    > 💁 每個插座都有唯一的引腳編號。引腳 0、2、4 和 6 是類比引腳，引腳 5、16、18、22、24 和 26 是數位引腳。
-
-1. 在 `while` 迴圈內，並在 `time.sleep` 之前添加檢查光線水平的程式碼，以控制 LED 的開啟或關閉：
-
-    ```python
-    if light < 300:
-        led.on()
-    else:
-        led.off()
-    ```
-
-    此程式碼檢查 `light` 值。如果該值小於 300，則調用 `GroveLed` 類的 `on` 方法，向 LED 傳送數位值 1，將其開啟。如果光線值大於或等於 300，則調用 `off` 方法，傳送數位值 0，將其關閉。
-
-    > 💁 此程式碼應與 `print('Light level:', light)` 行保持相同的縮排級別，以確保它位於 while 迴圈內！
-
-    > 💁 當向致動器傳送數位值時，值 0 表示 0V，值 1 表示設備的最大電壓。對於 Raspberry Pi 使用的 Grove 感測器和致動器，值 1 的電壓為 3.3V。
-
-1. 在 VS Code 的終端中運行以下命令以執行您的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。
-
-    ```output
-    pi@raspberrypi:~/nightlight $ python3 app.py 
-    Light level: 634
-    Light level: 634
-    Light level: 634
-    Light level: 230
-    Light level: 104
-    Light level: 290
-    ```
-
-1. 遮住並移開光線感測器。注意當光線水平小於或等於 300 時，LED 會亮起；當光線水平大於 300 時，LED 會熄滅。
-
-    > 💁 如果 LED 沒有亮起，請確保其連接方向正確，並且旋鈕已調至最亮。
-
-![LED 連接到 Pi，隨光線水平變化而開啟和關閉](../../../../../images/pi-running-assignment-1-1.gif)
-
-> 💁 您可以在 [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi) 資料夾中找到此程式碼。
-
-😀 您的夜燈程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
deleted file mode 100644
index a9286534b..000000000
--- a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
+++ /dev/null
@@ -1,110 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "ea733bd0cdf2479e082373f765a08678",
-  "translation_date": "2025-08-26T23:22:10+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
-  "language_code": "mo"
-}
--->
-# 建造夜燈 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個光線感測器。
-
-## 硬體
-
-本課程使用的感測器是**光線感測器**，它利用[光電二極管](https://wikipedia.org/wiki/Photodiode)將光轉換為電信號。這是一種類比感測器，會傳送一個介於 0 到 1,000 的整數值，表示相對的光量，但不對應於任何標準測量單位，例如 [lux](https://wikipedia.org/wiki/Lux)。
-
-光線感測器是一個外部的 Grove 感測器，需要連接到 Raspberry Pi 上的 Grove Base hat。
-
-### 連接光線感測器
-
-用於檢測光線水平的 Grove 光線感測器需要連接到 Raspberry Pi。
-
-#### 任務 - 連接光線感測器
-
-連接光線感測器
-
-![Grove 光線感測器](../../../../../translated_images/zh-MO/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png)
-
-1. 將 Grove 電纜的一端插入光線感測器模組上的插座。電纜只能以一種方向插入。
-
-1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Grove Base hat 上標記為 **A0** 的類比插座。此插座位於 GPIO 引腳旁邊的一排插座中，從右數第二個。
-
-![Grove 光線感測器連接到 A0 插座](../../../../../translated_images/zh-MO/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png)
-
-## 程式設計光線感測器
-
-現在可以使用 Grove 光線感測器進行程式設計。
-
-### 任務 - 程式設計光線感測器
-
-程式設計裝置。
-
-1. 啟動 Raspberry Pi，等待其完成啟動。
-
-1. 在 VS Code 中打開您在本課程前一部分中建立的夜燈專案，可以直接在 Pi 上運行或使用 Remote SSH 擴展連接。
-
-1. 打開 `app.py` 文件，並移除其中的所有程式碼。
-
-1. 在 `app.py` 文件中添加以下程式碼以匯入所需的庫：
-
-    ```python
-    import time
-    from grove.grove_light_sensor_v1_2 import GroveLightSensor
-    ```
-
-    `import time` 語句匯入了 `time` 模組，稍後在本課程中會使用。
-
-    `from grove.grove_light_sensor_v1_2 import GroveLightSensor` 語句匯入了 Grove Python 庫中的 `GroveLightSensor`。此庫包含與 Grove 光線感測器互動的程式碼，並已在 Pi 設置期間全域安裝。
-
-1. 在上述程式碼之後添加以下程式碼，以建立管理光線感測器的類別實例：
-
-    ```python
-    light_sensor = GroveLightSensor(0)
-    ```
-
-    `light_sensor = GroveLightSensor(0)` 這一行建立了一個 `GroveLightSensor` 類別的實例，並連接到 **A0** 引腳——光線感測器所連接的 Grove 類比引腳。
-
-1. 在上述程式碼之後添加一個無限迴圈，用於輪詢光線感測器的值並將其輸出到控制台：
-
-    ```python
-    while True:
-        light = light_sensor.light
-        print('Light level:', light)
-    ```
-
-    這將使用 `GroveLightSensor` 類別的 `light` 屬性以 0-1,023 的範圍讀取當前光線水平。此屬性從引腳讀取類比值，然後將該值輸出到控制台。
-
-1. 在迴圈的末尾添加一秒的短暫休眠，因為不需要持續檢查光線水平。休眠可以降低裝置的功耗。
-
-    ```python
-    time.sleep(1)
-    ```
-
-1. 從 VS Code 的終端執行以下命令以運行您的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。遮住或移開光線感測器，值將發生變化：
-
-    ```output
-    pi@raspberrypi:~/nightlight $ python3 app.py 
-    Light level: 634
-    Light level: 634
-    Light level: 634
-    Light level: 230
-    Light level: 104
-    Light level: 290
-    ```
-
-> 💁 您可以在 [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi) 資料夾中找到此程式碼。
-
-😀 為您的夜燈程式添加感測器成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
deleted file mode 100644
index e0ea210a0..000000000
--- a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
+++ /dev/null
@@ -1,124 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9c640f93263fd9adbfda920739e09feb",
-  "translation_date": "2025-08-26T23:29:30+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
-  "language_code": "mo"
-}
--->
-# 建造夜燈 - 虛擬物聯網硬體
-
-在本課程的這部分，你將為虛擬物聯網設備添加一個 LED，並用它來創建夜燈。
-
-## 虛擬硬體
-
-夜燈需要一個執行器，通過 CounterFit 應用程式創建。
-
-這個執行器是一個 **LED**。在實體物聯網設備中，它是一個[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數位執行器，具有兩種狀態：開和關。傳送值 1 會打開 LED，傳送值 0 則會關閉 LED。
-
-夜燈邏輯的偽代碼如下：
-
-```output
-Check the light level.
-If the light is less than 300
-    Turn the LED on
-Otherwise
-    Turn the LED off
-```
-
-### 在 CounterFit 中添加執行器
-
-要使用虛擬 LED，你需要將其添加到 CounterFit 應用程式中。
-
-#### 任務 - 在 CounterFit 中添加執行器
-
-將 LED 添加到 CounterFit 應用程式中。
-
-1. 確保 CounterFit 網頁應用程式正在運行（從本作業的上一部分開始）。如果未運行，請啟動它並重新添加光感測器。
-
-1. 創建一個 LED：
-
-    1. 在 *Actuator* 面板的 *Create actuator* 框中，展開 *Actuator type* 下拉框並選擇 *LED*。
-
-    1. 將 *Pin* 設置為 *5*。
-
-    1. 選擇 **Add** 按鈕，在 Pin 5 上創建 LED。
-
-    ![LED 設置](../../../../../translated_images/zh-MO/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png)
-
-    LED 將被創建並顯示在執行器列表中。
-
-    ![已創建的 LED](../../../../../translated_images/zh-MO/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png)
-
-    LED 創建後，你可以使用 *Color* 選擇器更改顏色。選擇顏色後，點擊 **Set** 按鈕即可更改顏色。
-
-### 編程夜燈
-
-現在可以使用 CounterFit 的光感測器和 LED 來編程夜燈。
-
-#### 任務 - 編程夜燈
-
-編程夜燈。
-
-1. 在 VS Code 中打開你在本作業上一部分中創建的夜燈專案。如果需要，終止並重新創建終端以確保它使用虛擬環境運行。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部，其他 `import` 行之下，添加以下代碼以導入所需的庫：
-
-    ```python
-    from counterfit_shims_grove.grove_led import GroveLed
-    ```
-
-    `from counterfit_shims_grove.grove_led import GroveLed` 語句從 CounterFit Grove shim Python 庫中導入 `GroveLed`。此庫包含與 CounterFit 應用程式中創建的 LED 交互的代碼。
-
-1. 在 `light_sensor` 聲明之後添加以下代碼，以創建管理 LED 的類的實例：
-
-    ```python
-    led = GroveLed(5)
-    ```
-
-    `led = GroveLed(5)` 行創建了 `GroveLed` 類的實例，並連接到 Pin **5**——CounterFit Grove 的 LED 所連接的 Pin。
-
-1. 在 `while` 循環內，`time.sleep` 之前添加檢查光線水平並打開或關閉 LED 的代碼：
-
-    ```python
-    if light < 300:
-        led.on()
-    else:
-        led.off()
-    ```
-
-    此代碼檢查 `light` 值。如果該值小於 300，則調用 `GroveLed` 類的 `on` 方法，向 LED 傳送數位值 1，打開 LED。如果光線值大於或等於 300，則調用 `off` 方法，向 LED 傳送數位值 0，關閉 LED。
-
-    > 💁 此代碼應與 `print('Light level:', light)` 行保持相同的縮排級別，以確保它在 while 循環內！
-
-1. 從 VS Code 的終端運行以下命令以運行你的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。
-
-    ```output
-    (.venv) ➜  GroveTest python3 app.py 
-    Light level: 143
-    Light level: 244
-    Light level: 246
-    Light level: 253
-    ```
-
-1. 更改 *Value* 或 *Random* 設置，使光線水平在 300 以上和以下變化。LED 將會開啟和關閉。
-
-![CounterFit 應用程式中的 LED 隨光線水平變化而開啟和關閉](../../../../../images/virtual-device-running-assignment-1-1.gif)
-
-> 💁 你可以在 [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device) 文件夾中找到此代碼。
-
-😀 你的夜燈程式成功了！
-
----
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
deleted file mode 100644
index 000ab9602..000000000
--- a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
+++ /dev/null
@@ -1,124 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "11f10c6760fb8202cf368422702fdf70",
-  "translation_date": "2025-08-26T23:30:34+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
-  "language_code": "mo"
-}
--->
-# 建立夜燈 - 虛擬物聯網硬體
-
-在本課程的這部分，你將為虛擬物聯網設備添加一個光線感測器。
-
-## 虛擬硬體
-
-夜燈需要一個感測器，這個感測器是在 CounterFit 應用程式中創建的。
-
-這個感測器是一個**光線感測器**。在實體的物聯網設備中，它會是一個[光電二極體](https://wikipedia.org/wiki/Photodiode)，將光轉換為電信號。光線感測器是一種類比感測器，會傳送一個整數值，表示相對的光量，但這個值不會對應到任何標準的測量單位，例如 [lux](https://wikipedia.org/wiki/Lux)。
-
-### 將感測器添加到 CounterFit
-
-要使用虛擬光線感測器，你需要將它添加到 CounterFit 應用程式中。
-
-#### 任務 - 將感測器添加到 CounterFit
-
-將光線感測器添加到 CounterFit 應用程式中。
-
-1. 確保 CounterFit 網頁應用程式正在運行（從本作業的上一部分開始）。如果沒有，請啟動它。
-
-1. 創建一個光線感測器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框，選擇 *Light*。
-
-    1. 將 *Units* 保持為 *NoUnits*。
-
-    1. 確保 *Pin* 設置為 *0*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 0 上創建光線感測器。
-
-    ![光線感測器設置](../../../../../translated_images/zh-MO/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png)
-
-    光線感測器將被創建並顯示在感測器列表中。
-
-    ![已創建的光線感測器](../../../../../translated_images/zh-MO/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png)
-
-## 編寫光線感測器程式
-
-現在可以編寫程式來使用內建的光線感測器。
-
-### 任務 - 編寫光線感測器程式
-
-編寫設備程式。
-
-1. 在 VS Code 中打開你在本作業上一部分中創建的夜燈專案。如果需要，關閉並重新創建終端機以確保它正在使用虛擬環境運行。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部，與其他 `import` 語句一起添加以下程式碼，以匯入一些必要的庫：
-
-    ```python
-    import time
-    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
-    ```
-
-    `import time` 語句匯入了 Python 的 `time` 模組，稍後會在本作業中使用。
-
-    `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` 語句匯入了 CounterFit Grove shim Python 庫中的 `GroveLightSensor`。這個庫包含與 CounterFit 應用程式中創建的光線感測器互動的程式碼。
-
-1. 在文件底部添加以下程式碼，創建管理光線感測器的類別實例：
-
-    ```python
-    light_sensor = GroveLightSensor(0)
-    ```
-
-    `light_sensor = GroveLightSensor(0)` 這一行創建了一個 `GroveLightSensor` 類別的實例，連接到 **0** 號 Pin——這是 CounterFit Grove 中光線感測器連接的 Pin。
-
-1. 在上述程式碼後添加一個無限迴圈，輪詢光線感測器的值並將其輸出到控制台：
-
-    ```python
-    while True:
-        light = light_sensor.light
-        print('Light level:', light)
-    ```
-
-    這段程式碼使用 `GroveLightSensor` 類別的 `light` 屬性讀取當前的光線水平。該屬性從 Pin 讀取類比值，然後將該值輸出到控制台。
-
-1. 在 `while` 迴圈的末尾添加一個一秒的延遲，因為光線水平不需要被連續檢查。延遲可以減少設備的功耗。
-
-    ```python
-    time.sleep(1)
-    ```
-
-1. 在 VS Code 的終端機中運行以下命令來執行你的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。最初這個值會是 0。
-
-1. 在 CounterFit 應用程式中更改光線感測器的值，該值將被應用程式讀取。你可以通過以下兩種方式進行更改：
-
-    * 在光線感測器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。你輸入的數字將是感測器返回的值。
-
-    * 勾選 *Random* 選項，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次感測器讀取值時，它將讀取一個介於 *Min* 和 *Max* 之間的隨機數。
-
-    你設置的值將輸出到控制台。更改 *Value* 或 *Random* 設置以使值發生變化。
-
-    ```output
-    (.venv) ➜  GroveTest python3 app.py 
-    Light level: 143
-    Light level: 244
-    Light level: 246
-    Light level: 253
-    ```
-
-> 💁 你可以在 [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device) 資料夾中找到這段程式碼。
-
-😀 你的夜燈程式成功運行了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
deleted file mode 100644
index 2458da528..000000000
--- a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
+++ /dev/null
@@ -1,124 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "db44083b4dc6fb06eac83c4f16448940",
-  "translation_date": "2025-08-26T23:28:28+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
-  "language_code": "mo"
-}
--->
-# 建造夜燈 - Wio Terminal
-
-在本課程中，你將為 Wio Terminal 添加一個 LED，並使用它來製作夜燈。
-
-## 硬體
-
-夜燈現在需要一個致動器。
-
-致動器是一個 **LED**，即[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數位致動器，具有兩種狀態：開啟和關閉。傳送值 1 會開啟 LED，傳送值 0 則會關閉 LED。這是一個外部 Grove 致動器，需要連接到 Wio Terminal。
-
-夜燈邏輯的偽代碼如下：
-
-```output
-Check the light level.
-If the light is less than 300
-    Turn the LED on
-Otherwise
-    Turn the LED off
-```
-
-### 連接 LED
-
-Grove LED 是一個模組，包含多種 LED，允許你選擇顏色。
-
-#### 任務 - 連接 LED
-
-連接 LED。
-
-![一個 Grove LED](../../../../../translated_images/zh-MO/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png)
-
-1. 選擇你喜歡的 LED，並將 LED 的腳插入 LED 模組上的兩個孔中。
-
-    LED 是發光二極管，而二極管是一種只能單向導電的電子元件。這意味著 LED 必須以正確的方向連接，否則無法工作。
-
-    LED 的一隻腳是正極引腳，另一隻是負極引腳。LED 並非完全圓形，其中一側稍微平坦一些。稍微平坦的一側是負極引腳。當你將 LED 連接到模組時，確保圓形一側的引腳連接到模組外側標記為 **+** 的插座，而平坦一側的引腳連接到模組中間較近的插座。
-
-1. LED 模組有一個旋鈕，可以用來調節亮度。使用小型十字螺絲刀將旋鈕逆時針旋轉到最亮的位置。
-
-1. 將 Grove 電纜的一端插入 LED 模組上的插座。電纜只能以一種方向插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 屏幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
-
-    > 💁 右側的 Grove 插座可用於類比或數位感測器和致動器。左側插座僅用於 I2C 和數位感測器及致動器。
-
-![Grove LED 連接到右側插座](../../../../../translated_images/zh-MO/wio-led.265a1897e72d7f21.webp)
-
-## 程式設計夜燈
-
-現在可以使用內建的光感測器和 Grove LED 來程式設計夜燈。
-
-### 任務 - 程式設計夜燈
-
-程式設計夜燈。
-
-1. 在 VS Code 中打開你在本作業前一部分中建立的夜燈專案。
-
-1. 在 `setup` 函數的底部添加以下一行：
-
-    ```cpp
-    pinMode(D0, OUTPUT);
-    ```
-
-    這一行配置了用於通過 Grove 端口與 LED 通訊的引腳。
-
-    `D0` 引腳是右側 Grove 插座的數位引腳。此引腳被設置為 `OUTPUT`，表示它連接到致動器，並且數據將被寫入該引腳。
-
-1. 在 `loop` 函數中的 `delay` 之前立即添加以下程式碼：
-
-    ```cpp
-    if (light < 300)
-    {
-        digitalWrite(D0, HIGH);
-    }
-    else
-    {
-        digitalWrite(D0, LOW);
-    }
-    ```
-
-    此程式碼檢查 `light` 值。如果該值小於 300，則向 `D0` 數位引腳傳送 `HIGH` 值。此 `HIGH` 值為 1，開啟 LED。如果光線值大於或等於 300，則向引腳傳送 `LOW` 值 0，關閉 LED。
-
-    > 💁 當向致動器傳送數位值時，LOW 值為 0v，HIGH 值為設備的最大電壓。對於 Wio Terminal，HIGH 電壓為 3.3V。
-
-1. 重新連接 Wio Terminal 到你的電腦，並像之前一樣上傳新程式碼。
-
-1. 連接 Serial Monitor。光線值將輸出到終端。
-
-    ```output
-    > Executing task: platformio device monitor <
-
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Light value: 4
-    Light value: 5
-    Light value: 4
-    Light value: 158
-    Light value: 343
-    Light value: 348
-    Light value: 344
-    ```
-
-1. 遮住並移開光感測器。注意當光線值小於或等於 300 時，LED 會亮起；當光線值大於 300 時，LED 會熄滅。
-
-![LED 連接到 Wio，隨著光線值變化開啟和關閉](../../../../../images/wio-running-assignment-1-1.gif)
-
-> 💁 你可以在 [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal) 資料夾中找到此程式碼。
-
-😀 你的夜燈程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
deleted file mode 100644
index 8f59c45e9..000000000
--- a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
+++ /dev/null
@@ -1,87 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7f4ad0ef54f248b85b92187c94cf9dcb",
-  "translation_date": "2025-08-26T23:31:27+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
-  "language_code": "mo"
-}
--->
-# 添加感測器 - Wio Terminal
-
-在本課程中，您將使用 Wio Terminal 上的光感測器。
-
-## 硬體
-
-本課程使用的感測器是**光感測器**，它利用[光電二極體](https://wikipedia.org/wiki/Photodiode)將光轉換為電信號。這是一種類比感測器，會傳送一個從 0 到 1,023 的整數值，表示相對的光量，但不對應於任何標準的測量單位，例如 [lux](https://wikipedia.org/wiki/Lux)。
-
-光感測器內建於 Wio Terminal 中，可以透過背面的透明塑膠窗看到。
-
-![Wio Terminal 背面的光感測器](../../../../../translated_images/zh-MO/wio-light-sensor.b1f529f3c95f5165.webp)
-
-## 程式設計光感測器
-
-現在可以為裝置編寫程式以使用內建的光感測器。
-
-### 任務
-
-為裝置編寫程式。
-
-1. 在 VS Code 中打開您在本作業前一部分中建立的夜燈專案。
-
-1. 在 `setup` 函式的底部新增以下這一行：
-
-    ```cpp
-    pinMode(WIO_LIGHT, INPUT);
-    ```
-
-    這一行配置了用於與感測器硬體通信的引腳。
-
-    `WIO_LIGHT` 引腳是連接到內建光感測器的 GPIO 引腳編號。此引腳被設置為 `INPUT`，表示它連接到感測器，並將從該引腳讀取數據。
-
-1. 刪除 `loop` 函式的內容。
-
-1. 在現在空的 `loop` 函式中新增以下程式碼。
-
-    ```cpp
-    int light = analogRead(WIO_LIGHT);
-    Serial.print("Light value: ");
-    Serial.println(light);
-    ```
-
-    此程式碼從 `WIO_LIGHT` 引腳讀取一個類比值。這會從內建光感測器讀取一個 0 到 1,023 的值。然後，這個值會被傳送到序列埠，當此程式碼運行時，您可以在序列監視器中讀取它。`Serial.print` 會輸出文字但不換行，因此每一行都會以 `Light value:` 開頭，並以實際的光值結尾。
-
-1. 在 `loop` 的結尾新增一個一秒（1,000 毫秒）的短暫延遲，因為光線水平不需要被連續檢查。延遲可以減少裝置的功耗。
-
-    ```cpp
-    delay(1000);
-    ```
-
-1. 將 Wio Terminal 重新連接到您的電腦，並像之前一樣上傳新程式碼。
-
-1. 連接序列監視器。光值將輸出到終端機。遮住或移開 Wio Terminal 背面的光感測器，數值將會改變。
-
-    ```output
-    > Executing task: platformio device monitor <
-
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Light value: 4
-    Light value: 5
-    Light value: 4
-    Light value: 158
-    Light value: 343
-    Light value: 348
-    Light value: 344
-    ```
-
-> 💁 您可以在 [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 將感測器添加到您的夜燈程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/README.md b/translations/mo/1-getting-started/lessons/4-connect-internet/README.md
deleted file mode 100644
index c291339f5..000000000
--- a/translations/mo/1-getting-started/lessons/4-connect-internet/README.md
+++ /dev/null
@@ -1,466 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
-  "translation_date": "2025-08-26T23:15:56+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
-  "language_code": "mo"
-}
--->
-# 將您的設備連接到互聯網
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩個視頻進行教學——一個1小時的課程和一個1小時的辦公時間，深入探討課程的部分內容並回答問題。
-
-[![課程4：將您的設備連接到互聯網](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
-
-[![課程4：將您的設備連接到互聯網 - 辦公時間](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
-
-> 🎥 點擊上方圖片觀看視頻
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
-
-## 簡介
-
-IoT 中的 **I** 代表 **Internet**（互聯網）——雲端連接和服務使 IoT 設備的許多功能得以實現，例如從連接到設備的傳感器收集測量數據，或發送消息以控制執行器。IoT 設備通常使用標準通信協議連接到單一的雲端 IoT 服務，而該服務則與您的 IoT 應用的其他部分相連，例如 AI 服務用於根據數據做出智能決策，或網頁應用用於控制或報告。
-
-> 🎓 從傳感器收集並發送到雲端的數據稱為遙測。
-
-IoT 設備可以接收來自雲端的消息。這些消息通常包含命令——即指示執行某些操作的指令，無論是內部操作（例如重啟或更新固件），還是使用執行器（例如打開燈光）。
-
-本課程介紹了 IoT 設備用於連接雲端的一些通信協議，以及它們可能發送或接收的數據類型。您還將親自操作，為您的夜燈添加互聯網控制，將 LED 控制邏輯移至本地運行的“服務器”代碼。
-
-在本課程中，我們將涵蓋：
-
-* [通信協議](../../../../../1-getting-started/lessons/4-connect-internet)
-* [消息隊列遙測傳輸（MQTT）](../../../../../1-getting-started/lessons/4-connect-internet)
-* [遙測](../../../../../1-getting-started/lessons/4-connect-internet)
-* [命令](../../../../../1-getting-started/lessons/4-connect-internet)
-
-## 通信協議
-
-IoT 設備用於與互聯網通信的流行通信協議有很多。其中最流行的是基於某種代理的發布/訂閱消息。IoT 設備連接到代理並發布遙測數據，同時訂閱命令。雲端服務也連接到代理，訂閱所有遙測消息並發布命令，這些命令可以針對特定設備或設備組。
-
-![IoT 設備連接到代理並發布遙測數據，同時訂閱命令。雲端服務連接到代理，訂閱所有遙測數據並向特定設備發送命令。](../../../../../translated_images/zh-MO/pub-sub.7c7ed43fe9fd15d4.webp)
-
-MQTT 是 IoT 設備最流行的通信協議，本課程將介紹它。其他協議包括 AMQP 和 HTTP/HTTPS。
-
-## 消息隊列遙測傳輸（MQTT）
-
-[MQTT](http://mqtt.org) 是一種輕量級的開放標準消息協議，可在設備之間傳遞消息。它於1999年設計用於監控石油管道，15年後由 IBM 作為開放標準發布。
-
-MQTT 有一個單一的代理和多個客戶端。所有客戶端都連接到代理，代理根據需要將消息路由到相關客戶端。消息通過命名主題進行路由，而不是直接發送到個別客戶端。客戶端可以發布到某個主題，任何訂閱該主題的客戶端都會收到消息。
-
-![IoT 設備在 /telemetry 主題上發布遙測數據，雲端服務訂閱該主題](../../../../../translated_images/zh-MO/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png)
-
-✅ 做些研究。如果您有大量 IoT 設備，如何確保您的 MQTT 代理能夠處理所有消息？
-
-### 將您的 IoT 設備連接到 MQTT
-
-為夜燈添加互聯網控制的第一步是將其連接到 MQTT 代理。
-
-#### 任務
-
-將您的設備連接到 MQTT 代理。
-
-在本課程的這部分，您將把 IoT 夜燈連接到互聯網，以便遠程控制。稍後在本課程中，您的 IoT 設備將通過 MQTT 向公共 MQTT 代理發送光線水平的遙測消息，該消息將由您編寫的服務器代碼接收。此代碼將檢查光線水平並向設備發送命令消息，指示其打開或關閉 LED。
-
-這種設置的實際應用場景可能是從多個光線傳感器收集數據後再決定是否打開燈光，例如在有大量燈光的地方，如體育場。這樣可以避免僅因一個傳感器被雲層或鳥遮擋而打開燈光，而其他傳感器檢測到足夠的光線。
-
-✅ 還有哪些情況需要在發送命令之前評估多個傳感器的數據？
-
-為了簡化本次作業中 MQTT 代理的設置，您可以使用一個運行 [Eclipse Mosquitto](https://www.mosquitto.org) 的公共測試服務器，這是一個開源的 MQTT 代理。此測試代理可在 [test.mosquitto.org](https://test.mosquitto.org) 公開使用，且不需要設置帳戶，是測試 MQTT 客戶端和服務器的絕佳工具。
-
-> 💁 此測試代理是公開且不安全的。任何人都可以監聽您發布的內容，因此不應用於需要保密的數據。
-
-![作業的流程圖，顯示光線水平的讀取和檢查，以及 LED 的控制](../../../../../translated_images/zh-MO/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png)
-
-按照以下相關步驟將您的設備連接到 MQTT 代理：
-
-* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
-* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-mqtt.md)
-
-### 深入了解 MQTT
-
-主題可以有層次結構，客戶端可以使用通配符訂閱不同層次的主題。例如，您可以將溫度遙測消息發送到 `/telemetry/temperature` 主題，將濕度消息發送到 `/telemetry/humidity` 主題，然後在您的雲端應用中訂閱 `/telemetry/*` 主題以接收溫度和濕度的遙測消息。
-
-消息可以設置服務質量（QoS），以確定消息接收的保證程度。
-
-* 最多一次 - 消息僅發送一次，客戶端和代理不採取額外步驟確認交付（即發送後不再關注）。
-* 至少一次 - 發送方多次重試消息，直到收到確認（即確認交付）。
-* 恰好一次 - 發送方和接收方進行兩級握手，以確保僅接收一份消息（即保證交付）。
-
-✅ 哪些情況可能需要保證交付的消息，而不是發送後不再關注的消息？
-
-雖然 MQTT 的名稱中有消息隊列（Message Queueing），但它實際上並不支持消息隊列。這意味著如果客戶端斷開連接，然後重新連接，它不會接收到斷開期間發送的消息，除非這些消息已通過 QoS 過程開始處理。消息可以設置保留標誌。如果設置了此標誌，MQTT 代理將存儲該主題上最後發送的消息，並將其發送給後來訂閱該主題的客戶端。這樣，客戶端將始終獲得最新消息。
-
-MQTT 還支持保持連接功能，在消息之間的長時間間隔期間檢查連接是否仍然有效。
-
-> 🦟 [Eclipse Foundation 的 Mosquitto](https://mosquitto.org) 提供了一個免費的 MQTT 代理，您可以自行運行以實驗 MQTT，還有一個公共 MQTT 代理可用於測試您的代碼，托管於 [test.mosquitto.org](https://test.mosquitto.org)。
-
-MQTT 連接可以是公開和開放的，也可以通過用戶名和密碼或證書進行加密和安全保護。
-
-> 💁 MQTT 通過 TCP/IP 進行通信，這與 HTTP 使用的底層網絡協議相同，但使用不同的端口。您還可以通過 Websockets 使用 MQTT 與在瀏覽器中運行的網頁應用通信，或者在防火牆或其他網絡規則阻止標準 MQTT 連接的情況下使用。
-
-## 遙測
-
-遙測一詞源於希臘語，意為遠程測量。遙測是從傳感器收集數據並將其發送到雲端的行為。
-
-> 💁 最早的遙測設備之一於1874年在法國發明，通過物理電線將蒙特布朗的即時天氣和積雪深度數據傳送到巴黎。當時尚未有無線技術。
-
-讓我們回顧一下課程1中的智能溫控器示例。
-
-![一個使用多個房間傳感器的互聯網連接溫控器](../../../../../translated_images/zh-MO/telemetry.21e5d8b97649d2eb.webp)
-
-溫控器具有溫度傳感器以收集遙測數據。它很可能內置一個溫度傳感器，並可能通過無線協議（例如 [Bluetooth Low Energy](https://wikipedia.org/wiki/Bluetooth_Low_Energy)）連接到多個外部溫度傳感器。
-
-它可能發送的遙測數據示例如下：
-
-| 名稱 | 值 | 描述 |
-| ---- | ----- | ----------- |
-| `thermostat_temperature` | 18°C | 由溫控器內置溫度傳感器測量的溫度 |
-| `livingroom_temperature` | 19°C | 由遠程溫度傳感器測量的溫度，該傳感器已命名為 `livingroom` 以識別其所在房間 |
-| `bedroom_temperature` | 21°C | 由遠程溫度傳感器測量的溫度，該傳感器已命名為 `bedroom` 以識別其所在房間 |
-
-雲端服務可以使用這些遙測數據來決定發送哪些命令以控制加熱。
-
-### 從您的 IoT 設備發送遙測數據
-
-為夜燈添加互聯網控制的下一步是將光線水平的遙測數據發送到 MQTT 代理的遙測主題。
-
-#### 任務 - 從您的 IoT 設備發送遙測數據
-
-將光線水平的遙測數據發送到 MQTT 代理。
-
-數據以 JSON 格式編碼——JSON 是 JavaScript Object Notation 的縮寫，是一種使用鍵/值對以文本形式編碼數據的標準。
-
-✅ 如果您之前未接觸過 JSON，可以在 [JSON.org 文檔](https://www.json.org/) 中了解更多。
-
-按照以下相關步驟從您的設備向 MQTT 代理發送遙測數據：
-
-* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
-* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-telemetry.md)
-
-### 從 MQTT 代理接收遙測數據
-
-如果沒有接收端，發送遙測數據就沒有意義。光線水平的遙測數據需要有接收端來處理這些數據。該“服務器”代碼是您將作為更大 IoT 應用的一部分部署到雲端服務的代碼，但在這裡，您將在本地計算機上運行此代碼（或者如果您直接在 Raspberry Pi 上編碼，也可以在 Pi 上運行）。服務器代碼由一個 Python 應用組成，該應用通過 MQTT 接收光線水平的遙測消息。稍後在本課程中，您將使其回覆命令消息，指示打開或關閉 LED。
-
-✅ 做些研究：如果沒有接收端，MQTT 消息會發生什麼？
-
-#### 安裝 Python 和 VS Code
-
-如果您本地尚未安裝 Python 和 VS Code，您需要安裝它們以編寫服務器代碼。如果您使用虛擬 IoT 設備或在 Raspberry Pi 上工作，則可以跳過此步驟，因為您應該已經安裝並配置好。
-
-##### 任務 - 安裝 Python 和 VS Code
-
-安裝 Python 和 VS Code。
-
-1. 安裝 Python。請參考 [Python 下載頁面](https://www.python.org/downloads/) 以獲取安裝最新版本 Python 的說明。
-
-2. 安裝 Visual Studio Code (VS Code)。這是您將用來用 Python 編寫虛擬設備代碼的編輯器。請參考 [VS Code 文檔](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 以獲取安裝 VS Code 的說明。
-💁 您可以自由選擇任何 Python IDE 或編輯器來完成這些課程，如果您有偏好的工具，但課程中的指導將基於使用 VS Code。
-1. 安裝 VS Code 的 Pylance 擴充套件。這是一個為 VS Code 提供 Python 語言支援的擴充套件。請參考 [Pylance 擴充套件文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 以了解如何在 VS Code 中安裝此擴充套件。
-
-#### 配置 Python 虛擬環境
-
-Python 的一個強大功能是能夠安裝 [pip 套件](https://pypi.org)——這些是由其他人撰寫並發布到網路上的程式碼套件。你可以使用一個指令將 pip 套件安裝到你的電腦上，然後在程式碼中使用該套件。接下來你將使用 pip 安裝一個用於 MQTT 通訊的套件。
-
-預設情況下，當你安裝一個套件時，它會在你的電腦上全域可用，這可能會導致套件版本的問題，例如某個應用程式依賴於某個版本的套件，但當你為另一個應用程式安裝新版本時，可能會導致問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，存放在專用的資料夾中，當你安裝 pip 套件時，它們只會安裝到該資料夾中。
-
-##### 任務 - 配置 Python 虛擬環境
-
-配置 Python 虛擬環境並安裝 MQTT 的 pip 套件。
-
-1. 在終端或命令列中，執行以下指令以在你選擇的位置建立並進入一個新目錄：
-
-    ```sh
-    mkdir nightlight-server
-    cd nightlight-server
-    ```
-
-1. 現在執行以下指令，在 `.venv` 資料夾中建立虛擬環境：
-
-    ```sh
-    python3 -m venv .venv
-    ```
-
-    > 💁 你需要明確呼叫 `python3` 來建立虛擬環境，以防你的系統同時安裝了 Python 2 和 Python 3（最新版本）。如果安裝了 Python 2，呼叫 `python` 可能會使用 Python 2 而不是 Python 3。
-
-1. 啟動虛擬環境：
-
-    * 在 Windows 上：
-        * 如果你使用命令提示字元，或透過 Windows Terminal 使用命令提示字元，執行以下指令：
-
-            ```cmd
-            .venv\Scripts\activate.bat
-            ```
-
-        * 如果你使用 PowerShell，執行以下指令：
-
-            ```powershell
-            .\.venv\Scripts\Activate.ps1
-            ```
-
-    * 在 macOS 或 Linux 上，執行以下指令：
-
-        ```cmd
-        source ./.venv/bin/activate
-        ```
-
-    > 💁 這些指令應該在你執行建立虛擬環境的指令的同一位置執行。你永遠不需要進入 `.venv` 資料夾，應該始終在建立虛擬環境的資料夾中執行啟動指令以及任何安裝套件或執行程式碼的指令。
-
-1. 啟動虛擬環境後，預設的 `python` 指令將執行用於建立虛擬環境的 Python 版本。執行以下指令以檢查版本：
-
-    ```sh
-    python --version
-    ```
-
-    輸出類似以下內容：
-
-    ```output
-    (.venv) ➜  nightlight-server python --version
-    Python 3.9.1
-    ```
-
-    > 💁 你的 Python 版本可能不同——只要是 3.6 或更高版本即可。如果不是，請刪除此資料夾，安裝更新版本的 Python，然後重試。
-
-1. 執行以下指令以安裝 [Paho-MQTT](https://pypi.org/project/paho-mqtt/) 的 pip 套件，這是一個流行的 MQTT 庫。
-
-    ```sh
-    pip install paho-mqtt
-    ```
-
-    此 pip 套件僅會安裝在虛擬環境中，且在虛擬環境外不可用。
-
-#### 撰寫伺服器程式碼
-
-現在可以使用 Python 撰寫伺服器程式碼。
-
-##### 任務 - 撰寫伺服器程式碼
-
-撰寫伺服器程式碼。
-
-1. 在虛擬環境中，透過終端或命令列執行以下指令以建立名為 `app.py` 的 Python 檔案：
-
-    * 在 Windows 上執行：
-
-        ```cmd
-        type nul > app.py
-        ```
-
-    * 在 macOS 或 Linux 上執行：
-
-        ```cmd
-        touch app.py
-        ```
-
-1. 在 VS Code 中開啟目前資料夾：
-
-    ```sh
-    code .
-    ```
-
-1. 當 VS Code 啟動時，它會啟動 Python 虛擬環境。這會顯示在底部狀態列中：
-
-    ![VS Code 顯示選擇的虛擬環境](../../../../../translated_images/zh-MO/vscode-virtual-env.8ba42e04c3d533cf.webp)
-
-1. 如果 VS Code 的終端在啟動時已經在執行，它可能不會啟動虛擬環境。最簡單的解決方法是使用 **終止活動終端實例** 按鈕終止終端：
-
-    ![VS Code 終止活動終端實例按鈕](../../../../../translated_images/zh-MO/vscode-kill-terminal.1cc4de7c6f25ee08.webp)
-
-1. 透過選擇 *終端 -> 新終端* 或按下 `` CTRL+` `` 啟動新的 VS Code 終端。新的終端會載入虛擬環境，並在終端中顯示啟動指令。虛擬環境的名稱（`.venv`）也會顯示在提示符中：
-
-    ```output
-    ➜  nightlight-server source .venv/bin/activate
-    (.venv) ➜  nightlight 
-    ```
-
-1. 從 VS Code 的檔案瀏覽器中開啟 `app.py` 檔案，並加入以下程式碼：
-
-    ```python
-    import json
-    import time
-    
-    import paho.mqtt.client as mqtt
-    
-    id = '<ID>'
-    
-    client_telemetry_topic = id + '/telemetry'
-    client_name = id + 'nightlight_server'
-    
-    mqtt_client = mqtt.Client(client_name)
-    mqtt_client.connect('test.mosquitto.org')
-    
-    mqtt_client.loop_start()
-    
-    def handle_telemetry(client, userdata, message):
-        payload = json.loads(message.payload.decode())
-        print("Message received:", payload)
-    
-    mqtt_client.subscribe(client_telemetry_topic)
-    mqtt_client.on_message = handle_telemetry
-    
-    while True:
-        time.sleep(2)
-    ```
-
-    將第 6 行的 `<ID>` 替換為你在建立裝置程式碼時使用的唯一 ID。
-
-    ⚠️ 此 ID **必須**與你在裝置上使用的 ID 相同，否則伺服器程式碼將無法訂閱或發布到正確的主題。
-
-    此程式碼建立了一個具有唯一名稱的 MQTT 客戶端，並連接到 *test.mosquitto.org* broker。接著它啟動了一個處理迴圈，該迴圈在背景執行緒中運行，監聽任何已訂閱主題的訊息。
-
-    客戶端接著訂閱了 telemetry 主題的訊息，並定義了一個函數，當接收到訊息時會被呼叫。當接收到 telemetry 訊息時，`handle_telemetry` 函數會被呼叫，並將接收到的訊息打印到控制台。
-
-    最後，一個無限迴圈保持應用程式運行。MQTT 客戶端在背景執行緒中監聽訊息，並在主應用程式運行期間始終保持運行。
-
-1. 從 VS Code 的終端執行以下指令以運行你的 Python 應用程式：
-
-    ```sh
-    python app.py
-    ```
-
-    應用程式將開始監聽來自 IoT 裝置的訊息。
-
-1. 確保你的裝置正在運行並發送 telemetry 訊息。調整你的實體或虛擬裝置檢測的光線水平。接收到的訊息將打印到終端。
-
-    ```output
-    (.venv) ➜  nightlight-server python app.py
-    Message received: {'light': 0}
-    Message received: {'light': 400}
-    ```
-
-    nightlight 虛擬環境中的 app.py 檔案必須正在運行，nightlight-server 虛擬環境中的 app.py 檔案才能接收到發送的訊息。
-
-> 💁 你可以在 [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server) 資料夾中找到此程式碼。
-
-### 應該多久發送一次 telemetry？
-
-關於 telemetry 的一個重要考量是應該多久測量並發送一次數據？答案是——視情況而定。如果頻繁測量，你可以更快地對測量變化做出反應，但這會消耗更多電力、更多頻寬，生成更多數據，並需要更多的雲端資源來處理。你需要測量得足夠頻繁，但不能過於頻繁。
-
-對於溫控器，每隔幾分鐘測量一次可能已經足夠，因為溫度不會頻繁變化。如果你一天只測量一次，那麼可能會在晴天的中午因夜間溫度而加熱房屋；而如果你每秒測量一次，則會生成數千個不必要的重複溫度測量，這會影響使用者的網速和頻寬（對於有限頻寬計劃的使用者來說是個問題），消耗更多電力，這對於像遠端感測器這樣的電池供電裝置可能是個問題，並增加雲端計算資源的處理和存儲成本。
-
-如果你在監控工廠中某台機器的數據，而該機器如果故障可能會造成災難性損失和數百萬美元的收入損失，那麼可能需要每秒多次測量。浪費頻寬總比錯過顯示機器需要停止並修復的 telemetry 更好。
-
-> 💁 在這種情況下，你可能會考慮使用邊緣裝置來先處理 telemetry，以減少對網路的依賴。
-
-### 連線中斷
-
-網路連線可能不穩定，斷線是常見的情況。在這種情況下，IoT 裝置應該怎麼做——丟失數據，還是存儲數據直到連線恢復？答案同樣是視情況而定。
-
-對於溫控器，數據可能可以在新的溫度測量完成後丟失。加熱系統不會在意 20 分鐘前的溫度是 20.5°C，如果現在的溫度是 19°C，那麼現在的溫度才是決定加熱是否開啟的關鍵。
-
-對於機器，你可能希望保留數據，特別是如果這些數據用於趨勢分析。有些機器學習模型可以通過查看一段時間內的數據（例如過去一小時）來檢測數據流中的異常，並識別異常數據。這通常用於預測性維護，尋找可能即將發生故障的跡象，以便在故障發生前進行修理或更換。你可能希望每一個機器的 telemetry 都被發送，以便進行異常檢測，因此一旦 IoT 裝置重新連線，它將發送所有在網路中斷期間生成的 telemetry。
-
-IoT 裝置設計者還應考慮 IoT 裝置在網路中斷或因位置導致信號丟失時是否仍能使用。一個智能溫控器應該能在無法將 telemetry 發送到雲端的情況下做出有限的決策來控制加熱。
-
-[![這輛法拉利因為有人在地下室嘗試升級而變磚，因為沒有手機信號](../../../../../translated_images/zh-MO/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832)
-
-為了讓 MQTT 處理連線中斷，裝置和伺服器程式碼需要負責確保訊息的傳遞，例如要求所有發送的訊息都需要在回覆主題上收到回覆訊息，如果沒有收到回覆，則手動排隊以便稍後重播。
-
-## 指令
-
-指令是由雲端發送到裝置的訊息，用於指示裝置執行某些操作。大多數情況下，這涉及通過致動器輸出某些內容，但也可能是對裝置本身的指令，例如重新啟動或收集額外的 telemetry 並將其作為指令的回應返回。
-
-![一個連接到網路的溫控器接收到開啟加熱的指令](../../../../../translated_images/zh-MO/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png)
-
-例如，溫控器可能會接收到來自雲端的指令以開啟加熱。根據所有感測器的 telemetry 數據，如果雲端服務決定應該開啟加熱，它就會發送相關指令。
-
-### 向 MQTT broker 發送指令
-
-接下來，我們的網路控制夜燈需要伺服器程式碼向 IoT 裝置發送指令，以根據感測到的光線水平控制燈光。
-
-1. 在 VS Code 中開啟伺服器程式碼
-
-1. 在 `client_telemetry_topic` 宣告之後新增以下一行，以定義要發送指令的主題：
-
-    ```python
-    server_command_topic = id + '/commands'
-    ```
-
-1. 在 `handle_telemetry` 函數的結尾新增以下程式碼：
-
-    ```python
-    command = { 'led_on' : payload['light'] < 300 }
-    print("Sending message:", command)
-    
-    client.publish(server_command_topic, json.dumps(command))
-    ```
-
-    此程式碼向指令主題發送一個 JSON 訊息，其中 `led_on` 的值根據光線是否小於 300 設定為 true 或 false。如果光線小於 300，則發送 true 以指示裝置開啟 LED。
-
-1. 如前所述運行程式碼
-
-1. 調整你的實體或虛擬裝置檢測的光線水平。接收到的訊息和發送的指令將顯示在終端：
-
-    ```output
-    (.venv) ➜  nightlight-server python app.py
-    Message received: {'light': 0}
-    Sending message: {'led_on': True}
-    Message received: {'light': 400}
-    Sending message: {'led_on': False}
-    ```
-
-> 💁 telemetry 和指令分別在單一主題上發送。這意味著來自多個裝置的 telemetry 會出現在同一 telemetry 主題上，而發送給多個裝置的指令會出現在同一指令主題上。如果你希望向特定裝置發送指令，可以使用多個主題，並以唯一的裝置 ID 命名，例如 `/commands/device1`、`/commands/device2`。這樣裝置就可以只監聽針對該裝置的訊息。
-
-> 💁 你可以在 [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server) 資料夾中找到此程式碼。
-
-### 在 IoT 裝置上處理指令
-
-現在伺服器已經開始發送指令，你可以在 IoT 裝置上新增程式碼來處理指令並控制 LED。
-
-按照以下相關步驟來監聽來自 MQTT broker 的指令：
-
-* [Arduino - Wio Terminal](wio-terminal-commands.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 裝置](single-board-computer-commands.md)
-
-一旦程式碼撰寫完成並運行，嘗試改變光線水平。觀察伺服器和裝置的輸出，並在改變光線水平時觀察 LED 的反應。
-
-### 連線中斷
-
-如果雲端服務需要向離線的 IoT 裝置發送指令，應該怎麼做？答案同樣是視情況而定。
-
-如果最新的指令覆蓋了早期的指令，那麼早期的指令可能可以忽略。如果雲端服務發送了一個開啟加熱的指令，然後又發送了一個關閉加熱的指令，那麼可以忽略開啟指令並不重新發送。
-
-如果指令需要按順序處理，例如移動機器手臂向上，然後關閉抓取器，那麼需要在連線恢復後按順序發送。
-
-✅ 如何讓裝置或伺服器程式碼確保指令在 MQTT 上始終按順序發送並處理？
-
----
-
-## 🚀 挑戰
-
-在過去三節課的挑戰是列出你家中、學校或工作場所中的所有 IoT 裝置，並判斷它們是基於微控制器還是單板電腦，或者是兩者的混合，並思考它們使用了哪些感測器和致動器。
-對於這些設備，思考它們可能正在發送或接收什麼消息。它們發送了哪些遙測數據？可能接收到哪些消息或指令？你認為它們的安全性如何？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
-
-## 回顧與自學
-
-在 [MQTT 維基百科頁面](https://wikipedia.org/wiki/MQTT)上閱讀更多有關 MQTT 的內容。
-
-嘗試自己運行一個 MQTT broker，使用 [Mosquitto](https://www.mosquitto.org)，並從你的 IoT 設備和伺服器代碼連接到它。
-
-> 💁 提示 - Mosquitto 預設不允許匿名連接（即無需使用者名稱和密碼的連接），也不允許來自運行它的電腦外部的連接。
-> 你可以通過使用 [`mosquitto.conf` 配置文件](https://www.mosquitto.org/man/mosquitto-conf-5.html)進行修正，內容如下：
->
-> ```sh
-> listener 1883 0.0.0.0
-> allow_anonymous true
-> ```
-
-## 作業
-
-[比較並對比 MQTT 與其他通信協議](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/mo/1-getting-started/lessons/4-connect-internet/assignment.md
deleted file mode 100644
index 24a8ee430..000000000
--- a/translations/mo/1-getting-started/lessons/4-connect-internet/assignment.md
+++ /dev/null
@@ -1,28 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
-  "translation_date": "2025-08-26T23:18:27+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
-  "language_code": "mo"
-}
--->
-# 比較與對比 MQTT 與其他通訊協議
-
-## 說明
-
-本課程介紹了 MQTT 作為一種通訊協議。除此之外，還有其他協議，例如 AMQP 和 HTTP/HTTPS。
-
-請研究這兩種協議，並將它們與 MQTT 進行比較與對比。考慮以下幾個方面：功耗、安全性，以及在連線中斷時的訊息持久性。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需改進 |
-| -------- | ---- | ---- | ------ |
-| 比較 AMQP 與 MQTT | 能夠比較與對比 AMQP 與 MQTT，並涵蓋功耗、安全性以及訊息持久性。 | 能部分比較與對比 AMQP 與 MQTT，並涵蓋功耗、安全性以及訊息持久性中的兩項。 | 能部分比較與對比 AMQP 與 MQTT，並涵蓋功耗、安全性以及訊息持久性中的一項。 |
-| 比較 HTTP/HTTPS 與 MQTT | 能夠比較與對比 HTTP/HTTPS 與 MQTT，並涵蓋功耗、安全性以及訊息持久性。 | 能部分比較與對比 HTTP/HTTPS 與 MQTT，並涵蓋功耗、安全性以及訊息持久性中的兩項。 | 能部分比較與對比 HTTP/HTTPS 與 MQTT，並涵蓋功耗、安全性以及訊息持久性中的一項。 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
deleted file mode 100644
index fd4a388f8..000000000
--- a/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
+++ /dev/null
@@ -1,67 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c527ce85d69b1a3875366ec61cbed8aa",
-  "translation_date": "2025-08-26T23:09:53+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
-  "language_code": "mo"
-}
--->
-# 通過網絡控制夜燈 - 虛擬物聯網硬件與樹莓派
-
-在本課程的這部分，你將訂閱從 MQTT broker 發送到樹莓派或虛擬物聯網設備的指令。
-
-## 訂閱指令
-
-下一步是訂閱從 MQTT broker 發送的指令並對其作出回應。
-
-### 任務
-
-訂閱指令。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 如果你使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果你使用的是樹莓派，則不需要使用虛擬環境。
-
-1. 在 `client_telemetry_topic` 定義之後添加以下代碼：
-
-    ```python
-    server_command_topic = id + '/commands'
-    ```
-
-    `server_command_topic` 是設備將訂閱以接收 LED 指令的 MQTT 主題。
-
-1. 在主循環的上方，`mqtt_client.loop_start()` 行之後添加以下代碼：
-
-    ```python
-    def handle_command(client, userdata, message):
-        payload = json.loads(message.payload.decode())
-        print("Message received:", payload)
-    
-        if payload['led_on']:
-            led.on()
-        else:
-            led.off()
-    
-    mqtt_client.subscribe(server_command_topic)
-    mqtt_client.on_message = handle_command
-    ```
-
-    此代碼定義了一個函數 `handle_command`，該函數將消息作為 JSON 文檔讀取，並查找 `led_on` 屬性的值。如果該屬性設置為 `True`，則 LED 會被打開，否則會被關閉。
-
-    MQTT 客戶端會訂閱服務器發送消息的主題，並設置在接收到消息時調用 `handle_command` 函數。
-
-    > 💁 `on_message` 處理器會對所有訂閱的主題進行回調。如果你之後編寫的代碼需要監聽多個主題，可以從傳遞給處理函數的 `message` 對象中獲取消息所屬的主題。
-
-1. 以與上一部分作業相同的方式運行代碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光傳感器和 LED 已經在正確的引腳上創建。
-
-1. 調整你的物理或虛擬設備檢測到的光線水平。接收到的消息和發送的指令將顯示在終端上。LED 也會根據光線水平開啟或關閉。
-
-> 💁 你可以在 [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) 文件夾或 [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi) 文件夾中找到這段代碼。
-
-😀 恭喜！你已成功編寫代碼，使你的設備能夠響應來自 MQTT broker 的指令。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
deleted file mode 100644
index 8d910d2ad..000000000
--- a/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
+++ /dev/null
@@ -1,93 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "90fb93446e03c38f3c0e4009c2471906",
-  "translation_date": "2025-08-26T23:19:12+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
-  "language_code": "mo"
-}
--->
-# 通過網絡控制你的夜燈 - 虛擬物聯網硬件與樹莓派
-
-物聯網設備需要編寫代碼，通過 MQTT 與 *test.mosquitto.org* 通信，發送光傳感器讀取的遙測值，並接收控制 LED 的指令。
-
-在本課程的這部分，你將把樹莓派或虛擬物聯網設備連接到 MQTT broker。
-
-## 安裝 MQTT 客戶端套件
-
-為了與 MQTT broker 通信，你需要在樹莓派或虛擬設備的虛擬環境中安裝 MQTT 的 pip 套件。
-
-### 任務
-
-安裝 pip 套件
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 如果你使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果你使用的是樹莓派，則不需要使用虛擬環境。
-
-1. 運行以下命令來安裝 MQTT 的 pip 套件：
-
-    ```sh
-    pip3 install paho-mqtt
-    ```
-
-## 編寫設備代碼
-
-設備已準備好編寫代碼。
-
-### 任務
-
-編寫設備代碼。
-
-1. 在 `app.py` 文件的頂部添加以下導入：
-
-    ```python
-    import paho.mqtt.client as mqtt
-    ```
-
-    `paho.mqtt.client` 庫允許你的應用通過 MQTT 進行通信。
-
-1. 在光傳感器和 LED 的定義之後添加以下代碼：
-
-    ```python
-    id = '<ID>'
-
-    client_name = id + 'nightlight_client'
-    ```
-
-    將 `<ID>` 替換為一個唯一的 ID，該 ID 將用作此設備客戶端的名稱，並在稍後用於此設備發布和訂閱的主題名稱。*test.mosquitto.org* broker 是公共的，許多人都在使用，包括其他正在完成此作業的學生。擁有唯一的 MQTT 客戶端名稱和主題名稱可以確保你的代碼不會與其他人的代碼發生衝突。稍後在創建服務器代碼時，你也需要使用此 ID。
-
-    > 💁 你可以使用像 [GUIDGen](https://www.guidgen.com) 這樣的網站來生成唯一的 ID。
-
-    `client_name` 是此 MQTT 客戶端在 broker 上的唯一名稱。
-
-1. 在這段新代碼的下方添加以下代碼，以創建 MQTT 客戶端對象並連接到 MQTT broker：
-
-    ```python
-    mqtt_client = mqtt.Client(client_name)
-    mqtt_client.connect('test.mosquitto.org')
-    
-    mqtt_client.loop_start()
-
-    print("MQTT connected!")
-    ```
-
-    此代碼創建客戶端對象，連接到公共 MQTT broker，並啟動一個處理循環，該循環在後台線程中運行，監聽任何已訂閱主題的消息。
-
-1. 以與作業前一部分相同的方式運行代碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光傳感器和 LED 已在正確的引腳上創建。
-
-    ```output
-    (.venv) ➜  nightlight python app.py 
-    MQTT connected!
-    Light level: 0
-    Light level: 0
-    ```
-
-> 💁 你可以在 [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) 文件夾或 [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi) 文件夾中找到此代碼。
-
-😀 你已成功將設備連接到 MQTT broker。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
deleted file mode 100644
index 96f9aefd9..000000000
--- a/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
+++ /dev/null
@@ -1,74 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1226517aae5f5b6f904434670394c688",
-  "translation_date": "2025-08-26T23:10:30+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
-  "language_code": "mo"
-}
--->
-# 通過網絡控制你的夜燈 - 虛擬物聯網硬件與 Raspberry Pi
-
-在本課程的這部分，你將從 Raspberry Pi 或虛擬物聯網設備向 MQTT broker 發送光照水平的遙測數據。
-
-## 發佈遙測數據
-
-下一步是創建一個包含遙測數據的 JSON 文檔並將其發送到 MQTT broker。
-
-### 任務
-
-向 MQTT broker 發佈遙測數據。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 如果你使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果你使用的是 Raspberry Pi，則不需要使用虛擬環境。
-
-1. 在 `app.py` 文件的頂部添加以下導入：
-
-    ```python
-    import json
-    ```
-
-    `json` 庫用於將遙測數據編碼為 JSON 文檔。
-
-1. 在 `client_name` 聲明之後添加以下內容：
-
-    ```python
-    client_telemetry_topic = id + '/telemetry'
-    ```
-
-    `client_telemetry_topic` 是設備將光照水平發佈到的 MQTT 主題。
-
-1. 用以下內容替換文件末尾的 `while True:` 循環：
-
-    ```python
-    while True:
-        light = light_sensor.light
-        telemetry = json.dumps({'light' : light})
-
-        print("Sending telemetry ", telemetry)
-    
-        mqtt_client.publish(client_telemetry_topic, telemetry)
-    
-        time.sleep(5)
-    ```
-
-    此代碼將光照水平打包成 JSON 文檔並發佈到 MQTT broker。然後它會休眠以減少消息發送的頻率。
-
-1. 以與完成上一部分作業相同的方式運行代碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光傳感器和 LED 已在正確的引腳上創建。
-
-    ```output
-    (.venv) ➜  nightlight python app.py 
-    MQTT connected!
-    Sending telemetry  {"light": 0}
-    Sending telemetry  {"light": 0}
-    ```
-
-> 💁 你可以在 [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) 文件夾或 [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi) 文件夾中找到此代碼。
-
-😀 你已成功從設備發送遙測數據。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
deleted file mode 100644
index fb85399d3..000000000
--- a/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
+++ /dev/null
@@ -1,93 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
-  "translation_date": "2025-08-26T23:21:21+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
-  "language_code": "mo"
-}
--->
-# 通過網絡控制你的夜燈 - Wio Terminal
-
-在本課程的這部分，你將訂閱從 MQTT broker 發送到 Wio Terminal 的指令。
-
-## 訂閱指令
-
-下一步是訂閱從 MQTT broker 發送的指令，並對其作出響應。
-
-### 任務
-
-訂閱指令。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 在 `config.h` 文件的底部添加以下代碼，以定義指令的主題名稱：
-
-    ```cpp
-    const string SERVER_COMMAND_TOPIC = ID + "/commands";
-    ```
-
-    `SERVER_COMMAND_TOPIC` 是設備訂閱以接收 LED 指令的主題。
-
-1. 在 `reconnectMQTTClient` 函數的末尾添加以下行，以便在 MQTT 客戶端重新連接時訂閱指令主題：
-
-    ```cpp
-    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
-    ```
-
-1. 在 `reconnectMQTTClient` 函數下方添加以下代碼。
-
-    ```cpp
-    void clientCallback(char *topic, uint8_t *payload, unsigned int length)
-    {
-        char buff[length + 1];
-        for (int i = 0; i < length; i++)
-        {
-            buff[i] = (char)payload[i];
-        }
-        buff[length] = '\0';
-    
-        Serial.print("Message received:");
-        Serial.println(buff);
-    
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, buff);
-        JsonObject obj = doc.as<JsonObject>();
-    
-        bool led_on = obj["led_on"];
-    
-        if (led_on)
-            digitalWrite(D0, HIGH);
-        else
-            digitalWrite(D0, LOW);
-    }
-    ```
-
-    此函數將作為 MQTT 客戶端在接收到來自服務器的消息時調用的回調函數。
-
-    消息以無符號 8 位整數數組的形式接收，因此需要轉換為字符數組才能作為文本處理。
-
-    消息包含一個 JSON 文檔，並使用 ArduinoJson 庫進行解碼。JSON 文檔的 `led_on` 屬性被讀取，根據其值來控制 LED 的開啟或關閉。
-
-1. 在 `createMQTTClient` 函數中添加以下代碼：
-
-    ```cpp
-    client.setCallback(clientCallback);
-    ```
-
-    此代碼將 `clientCallback` 設置為在從 MQTT broker 接收到消息時調用的回調函數。
-
-    > 💁 `clientCallback` 處理器會針對所有訂閱的主題被調用。如果你之後編寫代碼來監聽多個主題，可以從回調函數傳遞的 `topic` 參數中獲取消息所屬的主題。
-
-1. 將代碼上傳到你的 Wio Terminal，並使用串行監視器查看發送到 MQTT broker 的光線水平。
-
-1. 調整你的物理或虛擬設備檢測到的光線水平。你將看到消息被接收以及指令在終端中被發送。你還會看到 LED 根據光線水平的變化而開啟或關閉。
-
-> 💁 你可以在 [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal) 文件夾中找到這段代碼。
-
-😀 恭喜！你已成功編寫代碼，使你的設備能夠響應來自 MQTT broker 的指令。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
deleted file mode 100644
index 527dad3d7..000000000
--- a/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
+++ /dev/null
@@ -1,251 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
-  "translation_date": "2025-08-26T23:20:27+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
-  "language_code": "mo"
-}
--->
-# 通過互聯網控制你的夜燈 - Wio Terminal
-
-物聯網設備需要編寫程式碼，使用 MQTT 與 *test.mosquitto.org* 通訊，發送光感測器讀取的遙測值，並接收控制 LED 的指令。
-
-在本課程的這部分，你將把 Wio Terminal 連接到 MQTT broker。
-
-## 安裝 WiFi 和 MQTT Arduino 函式庫
-
-為了與 MQTT broker 通訊，你需要安裝一些 Arduino 函式庫，使用 Wio Terminal 的 WiFi 晶片並與 MQTT 通訊。在開發 Arduino 設備時，你可以使用大量的函式庫，這些函式庫包含開源程式碼並實現了多種功能。Seeed 提供了 Wio Terminal 的函式庫，允許其通過 WiFi 通訊。其他開發者也發布了與 MQTT broker 通訊的函式庫，你將使用這些函式庫與你的設備進行互動。
-
-這些函式庫以原始碼形式提供，可以自動導入到 PlatformIO 並編譯到你的設備中。這樣，Arduino 函式庫可以在任何支援 Arduino 框架的設備上運行，前提是該設備具有函式庫所需的特定硬體。一些函式庫，例如 Seeed WiFi 函式庫，是針對特定硬體的。
-
-函式庫可以全域安裝並在需要時編譯，也可以安裝到特定專案中。在這次作業中，函式庫將安裝到專案中。
-
-✅ 你可以在 [PlatformIO 函式庫文檔](https://docs.platformio.org/en/latest/librarymanager/index.html) 中了解更多有關函式庫管理以及如何查找和安裝函式庫的資訊。
-
-### 任務 - 安裝 WiFi 和 MQTT Arduino 函式庫
-
-安裝 Arduino 函式庫。
-
-1. 在 VS Code 中打開夜燈專案。
-
-1. 在 `platformio.ini` 文件的末尾添加以下內容：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
-        seeed-studio/Seeed Arduino FS @ 2.1.1
-        seeed-studio/Seeed Arduino SFUD @ 2.0.2
-        seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
-        seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
-    ```
-
-    這將導入 Seeed WiFi 函式庫。`@ <number>` 語法指的是函式庫的特定版本號。
-
-    > 💁 你可以移除 `@ <number>` 以始終使用最新版本的函式庫，但不能保證後續版本能與下面的程式碼正常運行。此處的程式碼已使用該版本的函式庫進行測試。
-
-    這就是添加函式庫所需的全部操作。下次 PlatformIO 編譯專案時，它將下載這些函式庫的原始碼並編譯到你的專案中。
-
-1. 在 `lib_deps` 中添加以下內容：
-
-    ```ini
-    knolleary/PubSubClient @ 2.8
-    ```
-
-    這將導入 [PubSubClient](https://github.com/knolleary/pubsubclient)，一個 Arduino MQTT 客戶端。
-
-## 連接到 WiFi
-
-現在可以將 Wio Terminal 連接到 WiFi。
-
-### 任務 - 連接到 WiFi
-
-將 Wio Terminal 連接到 WiFi。
-
-1. 在 `src` 資料夾中建立一個名為 `config.h` 的新文件。你可以通過選擇 `src` 資料夾或其中的 `main.cpp` 文件，然後在資源管理器中選擇 **新文件** 按鈕來完成。當你的游標位於資源管理器上時，該按鈕才會出現。
-
-    ![新文件按鈕](../../../../../translated_images/zh-MO/vscode-new-file-button.182702340fe6723c.webp)
-
-1. 在此文件中添加以下程式碼以定義 WiFi 憑據的常數：
-
-    ```cpp
-    #pragma once
-
-    #include <string>
-    
-    using namespace std;
-    
-    // WiFi credentials
-    const char *SSID = "<SSID>";
-    const char *PASSWORD = "<PASSWORD>";
-    ```
-
-    將 `<SSID>` 替換為你的 WiFi SSID。將 `<PASSWORD>` 替換為你的 WiFi 密碼。
-
-1. 打開 `main.cpp` 文件。
-
-1. 在文件頂部添加以下 `#include` 指令：
-
-    ```cpp
-    #include <PubSubClient.h>
-    #include <rpcWiFi.h>
-    #include <SPI.h>
-    
-    #include "config.h"
-    ```
-
-    這將包含你之前添加的函式庫的標頭文件以及配置標頭文件。這些標頭文件是必需的，用於告訴 PlatformIO 導入函式庫中的程式碼。如果未顯式包含這些標頭文件，某些程式碼將不會被編譯，並且你會遇到編譯器錯誤。
-
-1. 在 `setup` 函數上方添加以下程式碼：
-
-    ```cpp
-    void connectWiFi()
-    {
-        while (WiFi.status() != WL_CONNECTED)
-        {
-            Serial.println("Connecting to WiFi..");
-            WiFi.begin(SSID, PASSWORD);
-            delay(500);
-        }
-    
-        Serial.println("Connected!");
-    }
-    ```
-
-    此程式碼在設備未連接到 WiFi 時進行迴圈，並嘗試使用配置標頭文件中的 SSID 和密碼進行連接。
-
-1. 在 `setup` 函數底部，配置引腳後，調用此函數。
-
-    ```cpp
-    connectWiFi();
-    ```
-
-1. 將此程式碼上傳到你的設備以檢查 WiFi 連接是否正常。你應該能在序列監視器中看到以下內容。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    ```
-
-## 連接到 MQTT
-
-Wio Terminal 連接到 WiFi 後，可以連接到 MQTT broker。
-
-### 任務 - 連接到 MQTT
-
-連接到 MQTT broker。
-
-1. 在 `config.h` 文件底部添加以下程式碼，以定義 MQTT broker 的連接詳細資訊：
-
-    ```cpp
-    // MQTT settings
-    const string ID = "<ID>";
-    
-    const string BROKER = "test.mosquitto.org";
-    const string CLIENT_NAME = ID + "nightlight_client";
-    ```
-
-    將 `<ID>` 替換為用作此設備客戶端名稱的唯一 ID，稍後用於此設備發布和訂閱的主題。*test.mosquitto.org* broker 是公共的，許多人都在使用，包括其他完成此作業的學生。擁有唯一的 MQTT 客戶端名稱和主題名稱可以確保你的程式碼不會與其他人的程式碼衝突。稍後在此作業中建立伺服器程式碼時，你也需要此 ID。
-
-    > 💁 你可以使用像 [GUIDGen](https://www.guidgen.com) 這樣的網站生成唯一 ID。
-
-    `BROKER` 是 MQTT broker 的 URL。
-
-    `CLIENT_NAME` 是此 MQTT 客戶端在 broker 上的唯一名稱。
-
-1. 打開 `main.cpp` 文件，並在 `connectWiFi` 函數下方、`setup` 函數上方添加以下程式碼：
-
-    ```cpp
-    WiFiClient wioClient;
-    PubSubClient client(wioClient);
-    ```
-
-    此程式碼使用 Wio Terminal WiFi 函式庫建立 WiFi 客戶端，並使用它建立 MQTT 客戶端。
-
-1. 在此程式碼下方添加以下內容：
-
-    ```cpp
-    void reconnectMQTTClient()
-    {
-        while (!client.connected())
-        {
-            Serial.print("Attempting MQTT connection...");
-    
-            if (client.connect(CLIENT_NAME.c_str()))
-            {
-                Serial.println("connected");
-            }
-            else
-            {
-                Serial.print("Retying in 5 seconds - failed, rc=");
-                Serial.println(client.state());
-                
-                delay(5000);
-            }
-        }
-    }
-    ```
-
-    此函數測試與 MQTT broker 的連接，並在未連接時重新連接。它會在未連接時進行迴圈，並嘗試使用配置標頭文件中定義的唯一客戶端名稱進行連接。
-
-    如果連接失敗，5 秒後重試。
-
-1. 在 `reconnectMQTTClient` 函數下方添加以下程式碼：
-
-    ```cpp
-    void createMQTTClient()
-    {
-        client.setServer(BROKER.c_str(), 1883);
-        reconnectMQTTClient();
-    }
-    ```
-
-    此程式碼為客戶端設置 MQTT broker，並設置接收到訊息時的回調函數。然後嘗試連接到 broker。
-
-1. 在 WiFi 連接後，在 `setup` 函數中調用 `createMQTTClient` 函數。
-
-1. 用以下程式碼替換整個 `loop` 函數：
-
-    ```cpp
-    void loop()
-    {
-        reconnectMQTTClient();
-        client.loop();
-    
-        delay(2000);
-    }
-    ```
-
-    此程式碼首先重新連接到 MQTT broker。這些連接很容易中斷，因此定期檢查並在必要時重新連接是值得的。然後調用 MQTT 客戶端的 `loop` 方法，處理任何在訂閱主題上接收到的訊息。此應用程式是單執行緒的，因此訊息無法在背景執行緒上接收，因此需要在主執行緒上分配時間來處理任何等待的網路連接訊息。
-
-    最後，2 秒的延遲確保光線水平不會發送得太頻繁，並減少設備的功耗。
-
-1. 將程式碼上傳到你的 Wio Terminal，並使用序列監視器查看設備連接到 WiFi 和 MQTT。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    source /Users/jimbennett/GitHub/IoT-For-Beginners/1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal/nightlight/.venv/bin/activate
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Attempting MQTT connection...connected
-    ```
-
-> 💁 你可以在 [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal) 資料夾中找到此程式碼。
-
-😀 你已成功將設備連接到 MQTT broker。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
deleted file mode 100644
index 20df617d0..000000000
--- a/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
+++ /dev/null
@@ -1,93 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
-  "translation_date": "2025-08-26T23:17:54+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
-  "language_code": "mo"
-}
--->
-# 通過互聯網控制夜燈 - Wio Terminal
-
-在本課程的這部分，你將把來自 Wio Terminal 的光線強度數據作為遙測數據發送到 MQTT broker。
-
-## 安裝 JSON Arduino 函式庫
-
-使用 JSON 是通過 MQTT 發送消息的一種常見方式。有一個 Arduino 的 JSON 函式庫，可以讓讀取和寫入 JSON 文件變得更加簡單。
-
-### 任務
-
-安裝 Arduino JSON 函式庫。
-
-1. 在 VS Code 中打開夜燈專案。
-
-1. 在 `platformio.ini` 文件的 `lib_deps` 列表中新增以下一行：
-
-    ```ini
-    bblanchon/ArduinoJson @ 6.17.3
-    ```
-
-    這將匯入 [ArduinoJson](https://arduinojson.org)，一個 Arduino 的 JSON 函式庫。
-
-## 發佈遙測數據
-
-下一步是創建一個包含遙測數據的 JSON 文件，並將其發送到 MQTT broker。
-
-### 任務 - 發佈遙測數據
-
-將遙測數據發佈到 MQTT broker。
-
-1. 在 `config.h` 文件的底部新增以下程式碼，定義 MQTT broker 的遙測主題名稱：
-
-    ```cpp
-    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
-    ```
-
-    `CLIENT_TELEMETRY_TOPIC` 是設備將用來發佈光線強度數據的主題。
-
-1. 打開 `main.cpp` 文件。
-
-1. 在文件頂部新增以下 `#include` 指令：
-
-    ```cpp
-    #include <ArduinoJSON.h>
-    ```
-
-1. 在 `loop` 函數內，`delay` 之前新增以下程式碼：
-
-    ```cpp
-    int light = analogRead(WIO_LIGHT);
-
-    DynamicJsonDocument doc(1024);
-    doc["light"] = light;
-
-    string telemetry;
-    serializeJson(doc, telemetry);
-
-    Serial.print("Sending telemetry ");
-    Serial.println(telemetry.c_str());
-
-    client.publish(CLIENT_TELEMETRY_TOPIC.c_str(), telemetry.c_str());
-    ```
-
-    這段程式碼會讀取光線強度，並使用 ArduinoJson 創建一個包含該數據的 JSON 文件。接著，將其序列化為字串，並通過 MQTT 客戶端發佈到遙測 MQTT 主題。
-
-1. 將程式碼上傳到你的 Wio Terminal，並使用序列監視器查看發送到 MQTT broker 的光線強度數據。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Attempting MQTT connection...connected
-    Sending telemetry {"light":652}
-    Sending telemetry {"light":612}
-    Sending telemetry {"light":583}
-    ```
-
-> 💁 你可以在 [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 恭喜！你已成功從設備發送遙測數據。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/README.md b/translations/mo/2-farm/README.md
deleted file mode 100644
index 08ac4af1c..000000000
--- a/translations/mo/2-farm/README.md
+++ /dev/null
@@ -1,34 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "428bda82d9e6016ecea7c797564bf081",
-  "translation_date": "2025-08-26T22:12:02+00:00",
-  "source_file": "2-farm/README.md",
-  "language_code": "mo"
-}
--->
-# 使用物聯網進行農業
-
-隨著人口增長，農業的需求也在增加。可用的土地面積不會改變，但氣候卻在變化——這給農民帶來了更多挑戰，尤其是那20億依靠自己種植的作物來維持生計的[自給農民](https://wikipedia.org/wiki/Subsistence_agriculture)。物聯網可以幫助農民更聰明地決定種植什麼以及何時收穫，提升產量，減少人工勞動，並檢測和處理害蟲問題。
-
-在這6節課中，您將學習如何應用物聯網來改善和自動化農業。
-
-> 💁 這些課程將使用一些雲端資源。如果您未完成此專案中的所有課程，請確保[清理您的專案](../clean-up.md)。
-
-## 主題
-
-1. [使用物聯網預測植物生長](lessons/1-predict-plant-growth/README.md)
-1. [檢測土壤濕度](lessons/2-detect-soil-moisture/README.md)
-1. [自動化植物澆水](lessons/3-automated-plant-watering/README.md)
-1. [將您的植物遷移到雲端](lessons/4-migrate-your-plant-to-the-cloud/README.md)
-1. [將您的應用邏輯遷移到雲端](lessons/5-migrate-application-to-the-cloud/README.md)
-1. [保護您的植物安全](lessons/6-keep-your-plant-secure/README.md)
-
-## 致謝
-
-所有課程均由[Jim Bennett](https://GitHub.com/JimBobBennett)以♥️撰寫。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/README.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/README.md
deleted file mode 100644
index 9dde1ca5a..000000000
--- a/translations/mo/2-farm/lessons/1-predict-plant-growth/README.md
+++ /dev/null
@@ -1,284 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d105b44deae539165855c976dcdeca99",
-  "translation_date": "2025-08-26T22:15:05+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
-  "language_code": "mo"
-}
--->
-## 使用物聯網預測植物生長
-
-![本課程概述的手繪筆記](../../../../../translated_images/zh-MO/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
-
-## 簡介
-
-植物需要某些條件才能生長——水、二氧化碳、養分、光和熱。在本課程中，您將學習如何通過測量空氣溫度來計算植物的生長和成熟速度。
-
-本課程將涵蓋以下內容：
-
-* [數字農業](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [溫度在農業中的重要性](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [測量環境溫度](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [生長度日 (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [使用溫度傳感器數據計算 GDD](../../../../../2-farm/lessons/1-predict-plant-growth)
-
-## 數字農業
-
-數字農業正在改變我們的耕作方式，通過工具收集、存儲和分析農業數據。我們目前正處於世界經濟論壇所描述的“第四次工業革命”時期，而數字農業的興起被稱為“第四次農業革命”或“農業 4.0”。
-
-> 🎓 “數字農業”這個術語還包括整個“農業價值鏈”，即從農場到餐桌的整個過程。它包括在食品運輸和加工過程中追蹤產品質量、倉庫和電子商務系統，甚至拖拉機租賃應用程序！
-
-這些變化使農民能夠提高產量，減少化肥和農藥的使用，並更有效地利用水資源。雖然主要在富裕國家使用，但傳感器和其他設備的價格正在逐漸下降，使其在發展中國家也越來越容易獲得。
-
-數字農業支持的一些技術包括：
-
-* 溫度測量——測量溫度使農民能夠預測植物的生長和成熟。
-* 自動灌溉——測量土壤濕度並在土壤過於乾燥時啟動灌溉系統，而不是定時灌溉。定時灌溉可能導致作物在炎熱乾燥的時期缺水，或在下雨時過度灌溉。通過僅在土壤需要時灌溉，農民可以優化水的使用。
-* 害蟲控制——農民可以使用自動機器人或無人機上的攝像頭檢查害蟲，然後僅在需要的地方施用農藥，減少農藥的使用量並減少農藥流入當地水源。
-
-✅ 做一些研究。還有哪些技術可以用來提高農業產量？
-
-> 🎓 “精準農業”這個術語用來描述基於每塊田地甚至田地的一部分進行觀察、測量和響應。這包括測量水分、養分和害蟲水平並準確響應，例如僅灌溉田地的一小部分。
-
-## 溫度在農業中的重要性
-
-在學習植物時，大多數學生都會學到水、光、二氧化碳和養分的重要性。植物還需要溫暖才能生長——這就是為什麼植物在春天隨著溫度升高而開花，為什麼雪花蓮或水仙花會因短暫的暖和天氣而提前萌芽，以及為什麼溫室和暖房能促進植物生長。
-
-> 🎓 暖房和溫室的功能相似，但有一個重要的區別。暖房是人工加熱的，能讓農民更精確地控制溫度；溫室則依賴陽光提供溫暖，通常只能通過窗戶或其他開口來排熱。
-
-植物有基礎溫度、最佳溫度和最高溫度，這些溫度值基於每日平均溫度。
-
-* 基礎溫度——這是植物生長所需的最低每日平均溫度。
-* 最佳溫度——這是植物生長最快的最佳每日平均溫度。
-* 最高溫度——這是植物能承受的最高溫度。超過此溫度，植物會停止生長以保存水分並維持生命。
-
-> 💁 這些是平均溫度，基於白天和夜晚的溫度平均值。植物還需要白天和夜晚的不同溫度，以便更有效地進行光合作用並在夜晚節省能量。
-
-每種植物的基礎溫度、最佳溫度和最高溫度值都不同。這就是為什麼有些植物在熱帶國家生長良好，而有些植物則適合寒冷的國家。
-
-✅ 做一些研究。看看您花園、學校或當地公園中的植物，是否能找到它們的基礎溫度。
-
-![一個顯示溫度與生長率關係的圖表，溫度升高時生長率上升，溫度過高時生長率下降](../../../../../translated_images/zh-MO/plant-growth-temp-graph.c6d69c9478e6ca83.webp)
-
-上圖顯示了一個生長率與溫度的關係示例圖表。在基礎溫度以下，植物不會生長。生長率在最佳溫度時達到峰值，然後在超過此溫度後下降。在最高溫度時，生長停止。
-
-此圖表的形狀因植物種類而異。有些植物在最佳溫度以上的下降更陡峭，有些植物從基礎溫度到最佳溫度的上升更緩慢。
-
-> 💁 農民要想獲得最佳生長效果，需要了解植物的三個溫度值以及它們的圖表形狀。
-
-如果農民能控制溫度，例如在商業暖房中，他們就可以為植物進行最佳化。例如，商業暖房中種植的番茄白天溫度設置為約 25°C，夜間設置為約 20°C，以獲得最快的生長速度。
-
-> 🍅 結合這些溫度值、人工光源、肥料和受控的二氧化碳水平，商業種植者可以全年種植和收穫。
-
-## 測量環境溫度
-
-溫度傳感器可以與物聯網設備一起使用來測量環境溫度。
-
-### 任務 - 測量溫度
-
-按照相關指南使用您的物聯網設備監測溫度：
-
-* [Arduino - Wio Terminal](wio-terminal-temp.md)
-* [單板電腦 - Raspberry Pi](pi-temp.md)
-* [單板電腦 - 虛擬設備](virtual-device-temp.md)
-
-## 生長度日 (GDD)
-
-生長度日（也稱為生長度單位）是一種基於溫度測量植物生長的方法。假設植物有足夠的水分、養分和二氧化碳，溫度決定了生長速度。
-
-生長度日（GDD）每天計算，作為一天的平均溫度（以攝氏度計算）超過植物基礎溫度的部分。每種植物需要一定數量的 GDD 才能生長、開花或成熟並產出作物。每天的 GDD 越多，植物生長越快。
-
-> 🇺🇸 對於美國人來說，生長度日也可以用華氏度計算。5 GDD（以攝氏度計算）相當於 9 GDD（以華氏度計算）。
-
-完整的 GDD 計算公式稍微複雜，但通常使用簡化公式作為良好的近似值：
-
-![GDD = T max + T min 除以 2，減去 T base](../../../../../translated_images/zh-MO/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.png)
-
-* **GDD** - 生長度日的數量
-* **T max** - 每日最高溫度（攝氏度）
-* **T min** - 每日最低溫度（攝氏度）
-* **T base** - 植物的基礎溫度（攝氏度）
-
-> 💁 有些變體處理 T max 超過 30°C 或 T min 低於 T base 的情況，但我們暫時忽略這些。
-
-### 示例 - 玉米 🌽
-
-根據品種不同，玉米（或稱為玉蜀黍）需要 800 到 2,700 GDD 才能成熟，基礎溫度為 10°C。
-
-在基礎溫度以上的第一天，測得以下溫度：
-
-| 測量值 | 溫度 °C |
-| :----- | :-----: |
-| 最高溫度 | 16      |
-| 最低溫度 | 12      |
-
-將這些數值代入公式：
-
-* T max = 16
-* T min = 12
-* T base = 10
-
-計算結果為：
-
-![GDD = 16 + 12 除以 2，減去 10，結果為 4](../../../../../translated_images/zh-MO/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.png)
-
-玉米在那一天獲得了 4 GDD。假設一種需要 800 GDD 才能成熟的玉米品種，它還需要 796 GDD 才能達到成熟。
-
-✅ 做一些研究。看看您花園、學校或當地公園中的植物，是否能找到它們成熟或產出作物所需的 GDD 數量。
-
-## 使用溫度傳感器數據計算 GDD
-
-植物的生長並不是固定日期的——例如，您不能種下一顆種子並確定植物會在 100 天後準確結果。相反，農民可以大致了解植物的生長時間，然後每天檢查作物是否準備好。
-
-在大型農場中，這會對勞動力產生巨大影響，並且農民可能會錯過意外提前成熟的作物。通過測量溫度，農民可以計算植物獲得的 GDD，從而只需在接近預期成熟時進行檢查。
-
-通過使用物聯網設備收集溫度數據，農民可以在植物接近成熟時自動收到通知。典型的架構是物聯網設備測量溫度，然後使用類似 MQTT 的技術通過互聯網發布這些遙測數據。服務器代碼會監聽這些數據並將其保存到某個地方，例如數據庫。這樣，數據可以稍後進行分析，例如每天晚上計算當天的 GDD，累計每種作物的 GDD，並在植物接近成熟時發出警報。
-
-![遙測數據被發送到服務器並保存到數據庫](../../../../../translated_images/zh-MO/save-telemetry-database.ddc9c6bea0c5ba39.webp)
-
-服務器代碼還可以增強數據，添加額外的信息。例如，物聯網設備可以發布一個標識符來指示是哪個設備，服務器代碼可以使用此標識符查找設備的位置以及它正在監測的作物。它還可以添加基本數據，例如當前時間，因為某些物聯網設備沒有必要的硬件來準確跟蹤時間，或者需要額外的代碼通過互聯網讀取當前時間。
-
-✅ 您認為為什麼不同的田地可能會有不同的溫度？
-
-### 任務 - 發布溫度信息
-
-按照相關指南使用您的物聯網設備通過 MQTT 發布溫度數據，以便稍後進行分析：
-
-* [Arduino - Wio Terminal](wio-terminal-temp-publish.md)
-* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-temp-publish.md)
-
-### 任務 - 捕獲並存儲溫度信息
-
-一旦物聯網設備開始發布遙測數據，服務器代碼可以編寫來訂閱這些數據並存儲它們。服務器代碼將數據保存到逗號分隔值 (CSV) 文件，而不是保存到數據庫。CSV 文件以文本形式存儲數據，每行是一條記錄，每個值由逗號分隔。它是一種方便、可讀性高且支持良好的文件存儲方式。
-
-CSV 文件將有兩列——*日期* 和 *溫度*。*日期* 列設置為服務器接收到消息的當前日期和時間，*溫度* 來自遙測消息。
-
-1. 重複第 4 課中的步驟，創建服務器代碼以訂閱遙測數據。您不需要添加發布命令的代碼。
-
-    這些步驟包括：
-
-    * 配置並激活 Python 虛擬環境
-
-    * 安裝 paho-mqtt pip 套件
-
-    * 編寫代碼以監聽發布到遙測主題的 MQTT 消息
-
-      > ⚠️ 如果需要，您可以參考 [第 4 課中創建 Python 應用程序以接收遙測數據的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#receive-telemetry-from-the-mqtt-broker)。
-
-    將此項目的文件夾命名為 `temperature-sensor-server`。
-
-1. 確保 `client_name` 反映此項目：
-
-    ```cpp
-    client_name = id + 'temperature_sensor_server'
-    ```
-
-1. 在文件頂部的現有導入語句下添加以下導入：
-
-    ```python
-    from os import path
-    import csv
-    from datetime import datetime
-    ```
-
-    這導入了一個用於讀取文件的庫、一個與 CSV 文件交互的庫，以及一個幫助處理日期和時間的庫。
-
-1. 在 `handle_telemetry` 函數之前添加以下代碼：
-
-    ```python
-    temperature_file_name = 'temperature.csv'
-    fieldnames = ['date', 'temperature']
-    
-    if not path.exists(temperature_file_name):
-        with open(temperature_file_name, mode='w') as csv_file:
-            writer = csv.DictWriter(csv_file, fieldnames=fieldnames)
-            writer.writeheader()
-    ```
-
-    此代碼聲明了一些常量，用於指定要寫入的文件名以及 CSV 文件的列標題名稱。CSV 文件的第一行通常包含用逗號分隔的列標題。
-
-    然後代碼檢查 CSV 文件是否已存在。如果不存在，則創建該文件並在第一行添加列標題。
-
-1. 在 `handle_telemetry` 函數末尾添加以下代碼：
-
-    ```python
-    with open(temperature_file_name, mode='a') as temperature_file:        
-        temperature_writer = csv.DictWriter(temperature_file, fieldnames=fieldnames)
-        temperature_writer.writerow({'date' : datetime.now().astimezone().replace(microsecond=0).isoformat(), 'temperature' : payload['temperature']})
-    ```
-此程式碼會開啟 CSV 檔案，然後在最後新增一列資料。這一列包含以人類可讀格式顯示的當前日期和時間，接著是從 IoT 裝置接收到的溫度數據。資料會以 [ISO 8601 格式](https://wikipedia.org/wiki/ISO_8601) 儲存，包含時區資訊，但不包含微秒。
-
-1. 像之前一樣執行此程式，確保你的 IoT 裝置正在傳送數據。一個名為 `temperature.csv` 的 CSV 檔案會在相同的資料夾中建立。打開檔案後，你會看到日期/時間和溫度測量值：
-
-    ```output
-    date,temperature
-    2021-04-19T17:21:36-07:00,25
-    2021-04-19T17:31:36-07:00,24
-    2021-04-19T17:41:36-07:00,25
-    ```
-
-1. 執行此程式一段時間以收集數據。理想情況下，你應該執行一整天以收集足夠的數據來進行 GDD 計算。
-
-    
-> 💁 如果你使用的是虛擬 IoT 裝置，請勾選隨機選項並設定一個範圍，以避免每次返回的溫度值都相同。
-    ![勾選隨機選項並設定範圍](../../../../../translated_images/zh-MO/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f.webp) 
-
-    > 💁 如果你想執行一整天，請確保執行伺服器程式的電腦不會進入睡眠模式，可以透過更改電源設定，或者執行類似 [這個保持系統活躍的 Python 腳本](https://github.com/jaqsparow/keep-system-active) 來實現。
-    
-> 💁 你可以在 [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server) 資料夾中找到這段程式碼。
-
-### 任務 - 使用儲存的數據計算 GDD
-
-當伺服器捕捉到溫度數據後，可以計算植物的 GDD。
-
-手動執行的步驟如下：
-
-1. 找到植物的基準溫度。例如，草莓的基準溫度是 10°C。
-
-1. 從 `temperature.csv` 中找到當天的最高和最低溫度。
-
-1. 使用之前提到的 GDD 計算公式來計算 GDD。
-
-例如，如果當天的最高溫度是 25°C，最低溫度是 12°C：
-
-![GDD = 25 + 12 除以 2，然後從結果中減去 10，得到 8.5](../../../../../translated_images/zh-MO/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png)
-
-* 25 + 12 = 37
-* 37 / 2 = 18.5
-* 18.5 - 10 = 8.5
-
-因此，草莓獲得了 **8.5** GDD。草莓需要大約 250 GDD 才能結果，所以還需要一段時間。
-
----
-
-## 🚀 挑戰
-
-植物的生長不僅需要熱量，還需要其他條件。還需要哪些條件？
-
-針對這些條件，找找是否有感測器可以測量它們。有沒有執行器可以控制這些條件的水平？你會如何組合一個或多個 IoT 裝置來優化植物的生長？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
-
-## 複習與自學
-
-* 在 [數位農業維基百科頁面](https://wikipedia.org/wiki/Digital_agriculture) 閱讀更多關於數位農業的資訊。同時也可以在 [精準農業維基百科頁面](https://wikipedia.org/wiki/Precision_agriculture) 閱讀更多關於精準農業的內容。
-* 完整的生長度日計算比這裡提供的簡化公式更為複雜。閱讀更多關於更複雜的公式以及如何處理低於基準溫度的情況，請參考 [生長度日維基百科頁面](https://wikipedia.org/wiki/Growing_degree-day)。
-* 如果我們仍然使用相同的農業方法，未來可能會面臨糧食短缺的問題。了解更多關於高科技農業技術，請觀看這段 [未來高科技農場的 YouTube 影片](https://www.youtube.com/watch?v=KIEOuKD9KX8)。
-
-## 作業
-
-[使用 Jupyter Notebook 視覺化 GDD 數據](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/assignment.md
deleted file mode 100644
index 678186700..000000000
--- a/translations/mo/2-farm/lessons/1-predict-plant-growth/assignment.md
+++ /dev/null
@@ -1,57 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
-  "translation_date": "2025-08-26T22:17:03+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
-  "language_code": "mo"
-}
--->
-# 使用 Jupyter Notebook 視覺化 GDD 數據
-
-## 說明
-
-在本課程中，你使用 IoT 感測器收集了 GDD 數據。要獲得良好的 GDD 數據，你需要收集多天的數據。為了幫助視覺化溫度數據並計算 GDD，你可以使用像 [Jupyter Notebooks](https://jupyter.org) 這樣的工具來分析數據。
-
-首先，收集幾天的數據。你需要確保你的伺服器程式在 IoT 裝置運行期間始終保持運行，可以通過調整電源管理設置或運行類似 [這個保持系統活躍的 Python 腳本](https://github.com/jaqsparow/keep-system-active) 來實現。
-
-一旦你有了溫度數據，你可以使用此 repo 中的 Jupyter Notebook 來視覺化數據並計算 GDD。Jupyter Notebook 將程式碼和說明混合在稱為 *cells* 的區塊中，通常是 Python 程式碼。你可以閱讀說明，然後逐塊執行每段程式碼。你也可以編輯程式碼。例如，在此 Notebook 中，你可以編輯用於計算植物 GDD 的基準溫度。
-
-1. 建立一個名為 `gdd-calculation` 的資料夾
-
-1. 下載 [gdd.ipynb](./code-notebook/gdd.ipynb) 檔案並將其複製到 `gdd-calculation` 資料夾中。
-
-1. 複製由 MQTT 伺服器生成的 `temperature.csv` 檔案
-
-1. 在 `gdd-calculation` 資料夾中建立一個新的 Python 虛擬環境。
-
-1. 安裝一些 Jupyter Notebook 所需的 pip 套件，以及管理和繪製數據所需的庫：
-
-    ```sh
-    pip install --upgrade pip
-    pip install pandas
-    pip install matplotlib
-    pip install jupyter
-    ```
-
-1. 在 Jupyter 中運行 Notebook：
-
-    ```sh
-    jupyter notebook gdd.ipynb
-    ```
-
-    Jupyter 會啟動並在瀏覽器中打開 Notebook。按照 Notebook 中的說明逐步操作，視覺化測量的溫度並計算生長度日。
-
-    ![Jupyter Notebook](../../../../../translated_images/zh-MO/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png)
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 數據收集 | 收集至少 2 天完整的數據 | 收集至少 1 天完整的數據 | 收集部分數據 |
-| 計算 GDD | 成功運行 Notebook 並計算 GDD | 成功運行 Notebook | 無法運行 Notebook |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/mo/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
deleted file mode 100644
index 424ab226c..000000000
--- a/translations/mo/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
+++ /dev/null
@@ -1,167 +0,0 @@
-{
- "cells": [
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "# 生長度日\n",
-    "\n",
-    "此筆記本載入儲存在 CSV 檔案中的溫度數據並進行分析。它繪製溫度圖表，顯示每天的最高和最低溫度，並計算 GDD。\n",
-    "\n",
-    "使用此筆記本的方法：\n",
-    "\n",
-    "* 將 `temperature.csv` 檔案複製到與此筆記本相同的資料夾中\n",
-    "* 使用上方的 **▶︎ Run** 按鈕執行所有單元格。這將執行選定的單元格，然後移至下一個單元格。\n"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "在下面的單元格中，將 `base_temperature` 設置為植物的基礎溫度。\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": 2,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "base_temperature = 10"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "現在需要使用 pandas 加載 CSV 文件\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "import pandas as pd\n",
-    "import matplotlib.pyplot as plt\n",
-    "\n",
-    "# Read the temperature CSV file\n",
-    "df = pd.read_csv('temperature.csv')"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": []
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "plt.figure(figsize=(20, 10))\n",
-    "plt.plot(df['date'], df['temperature'])\n",
-    "plt.xticks(rotation='vertical');"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "一旦讀取了數據，就可以按 `date` 欄位分組，並提取每個日期的最低和最高溫度。\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "# Convert datetimes to pure dates so we can group by the date\n",
-    "df['date'] = pd.to_datetime(df['date']).dt.date\n",
-    "\n",
-    "# Group the data by date so it can be analyzed by date\n",
-    "data_by_date = df.groupby('date')\n",
-    "\n",
-    "# Get the minimum and maximum temperatures for each date\n",
-    "min_by_date = data_by_date.min()\n",
-    "max_by_date = data_by_date.max()\n",
-    "\n",
-    "# Join the min and max temperatures into one dataframe and flatten it\n",
-    "min_max_by_date = min_by_date.join(max_by_date, on='date', lsuffix='_min', rsuffix='_max')\n",
-    "min_max_by_date = min_max_by_date.reset_index()"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "GDD 可以使用標準 GDD 方程式計算\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "def calculate_gdd(row):\n",
-    "    return ((row['temperature_max'] + row['temperature_min']) / 2) - base_temperature\n",
-    "\n",
-    "# Calculate the GDD for each row\n",
-    "min_max_by_date['gdd'] = min_max_by_date.apply (lambda row: calculate_gdd(row), axis=1)\n",
-    "\n",
-    "# Print the results\n",
-    "print(min_max_by_date[['date', 'gdd']].to_string(index=False))"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": []
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "\n---\n\n**免責聲明**：  \n本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。\n"
-   ]
-  }
- ],
- "metadata": {
-  "kernelspec": {
-   "display_name": "Python 3",
-   "language": "python",
-   "name": "python3"
-  },
-  "language_info": {
-   "codemirror_mode": {
-    "name": "ipython",
-    "version": 3
-   },
-   "file_extension": ".py",
-   "mimetype": "text/x-python",
-   "name": "python",
-   "nbconvert_exporter": "python",
-   "pygments_lexer": "ipython3",
-   "version": "3.9.1"
-  },
-  "metadata": {
-   "interpreter": {
-    "hash": "aee8b7b246df8f9039afb4144a1f6fd8d2ca17a180786b69acc140d282b71a49"
-   }
-  },
-  "coopTranslator": {
-   "original_hash": "8fcf954f6042f0bf3601a2c836a09574",
-   "translation_date": "2025-08-27T01:06:18+00:00",
-   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
-   "language_code": "mo"
-  }
- },
- "nbformat": 4,
- "nbformat_minor": 2
-}
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/pi-temp.md
deleted file mode 100644
index dd22e060c..000000000
--- a/translations/mo/2-farm/lessons/1-predict-plant-growth/pi-temp.md
+++ /dev/null
@@ -1,125 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
-  "translation_date": "2025-08-26T22:21:40+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
-  "language_code": "mo"
-}
--->
-# 測量溫度 - Raspberry Pi
-
-在本課程的這部分，你將為 Raspberry Pi 添加一個溫度感測器。
-
-## 硬體
-
-你將使用的感測器是 [DHT11 濕度與溫度感測器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)，它將兩個感測器結合在一個模組中。這是一款相當受歡迎的感測器，市面上有許多結合溫度、濕度，有時甚至包含大氣壓力的感測器。溫度感測器部分是一個負溫度係數（NTC）熱敏電阻，這是一種電阻會隨著溫度升高而降低的熱敏電阻。
-
-這是一個數位感測器，因此內建了一個 ADC（模數轉換器），用於生成包含溫度和濕度數據的數位信號，供微控制器讀取。
-
-### 連接溫度感測器
-
-Grove 溫度感測器可以連接到 Raspberry Pi。
-
-#### 任務
-
-連接溫度感測器
-
-![Grove 溫度感測器](../../../../../translated_images/zh-MO/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png)
-
-1. 將 Grove 線纜的一端插入濕度與溫度感測器的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 線纜的另一端連接到 Pi 上 Grove Base Hat 的數位插座 **D5**。這個插座位於 GPIO 引腳旁邊的一排插座中，從左數第二個。
-
-![Grove 溫度感測器連接到插座 A0](../../../../../translated_images/zh-MO/pi-temperature-sensor.3ff82fff672c8e56.webp)
-
-## 編寫溫度感測器程式
-
-現在可以編寫程式來使用已連接的溫度感測器。
-
-### 任務
-
-編寫程式。
-
-1. 啟動 Raspberry Pi，等待其完成開機。
-
-1. 啟動 VS Code，可以直接在 Raspberry Pi 上啟動，也可以通過 Remote SSH 擴展連接。
-
-    > ⚠️ 如果需要，可以參考[第 1 課中有關設置和啟動 VS Code 的說明](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
-
-1. 在終端中，於 `pi` 使用者的主目錄中創建一個名為 `temperature-sensor` 的新資料夾。在該資料夾中創建一個名為 `app.py` 的檔案：
-
-    ```sh
-    mkdir temperature-sensor
-    cd temperature-sensor
-    touch app.py
-    ```
-
-1. 在 VS Code 中打開這個資料夾。
-
-1. 要使用溫度與濕度感測器，需要安裝一個額外的 Pip 套件。在 VS Code 的終端中執行以下命令，將該 Pip 套件安裝到 Raspberry Pi 上：
-
-    ```sh
-    pip3 install seeed-python-dht
-    ```
-
-1. 在 `app.py` 檔案中添加以下程式碼以匯入所需的函式庫：
-
-    ```python
-    import time
-    from seeed_dht import DHT
-    ```
-
-    `from seeed_dht import DHT` 語句從 `seeed_dht` 模組中匯入了 `DHT` 感測器類別，用於與 Grove 溫度感測器互動。
-
-1. 在上述程式碼之後添加以下程式碼，創建一個管理溫度感測器的類別實例：
-
-    ```python
-    sensor = DHT("11", 5)
-    ```
-
-    這段程式碼聲明了一個 `DHT` 類別的實例，用於管理**數位濕度與溫度感測器**。第一個參數告訴程式使用的是 *DHT11* 感測器——你使用的函式庫還支援該感測器的其他變體。第二個參數告訴程式感測器連接到 Grove Base Hat 的數位插座 `D5`。
-
-    > ✅ 請記住，每個插座都有唯一的引腳編號。引腳 0、2、4 和 6 是類比引腳，引腳 5、16、18、22、24 和 26 是數位引腳。
-
-1. 在上述程式碼之後添加一個無限迴圈，用於輪詢溫度感測器的值並將其輸出到控制台：
-
-    ```python
-    while True:
-        _, temp = sensor.read()
-        print(f'Temperature {temp}°C')
-    ```
-
-    呼叫 `sensor.read()` 會返回一個包含濕度和溫度的元組。你只需要溫度值，因此可以忽略濕度值。然後將溫度值輸出到控制台。
-
-1. 在迴圈的最後添加一個 10 秒的延遲，因為不需要持續檢查溫度值。延遲可以減少裝置的功耗。
-
-    ```python
-    time.sleep(10)
-    ```
-
-1. 在 VS Code 的終端中執行以下命令來運行你的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    你應該會看到溫度值輸出到控制台。使用某些東西來加熱感測器，例如用手指按住它，或者使用風扇，觀察數值的變化：
-
-    ```output
-    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
-    Temperature 26°C
-    Temperature 26°C
-    Temperature 28°C
-    Temperature 30°C
-    Temperature 32°C
-    ```
-
-> 💁 你可以在 [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi) 資料夾中找到這段程式碼。
-
-😀 你的溫度感測器程式成功運行了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
deleted file mode 100644
index e71f3e964..000000000
--- a/translations/mo/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
+++ /dev/null
@@ -1,71 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4efc74299e19f5d08f2f3f34451a11ba",
-  "translation_date": "2025-08-26T22:16:22+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
-  "language_code": "mo"
-}
--->
-# 發佈溫度 - 虛擬物聯網硬體與樹莓派
-
-在本課程中，您將透過 MQTT 發佈由樹莓派或虛擬物聯網設備檢測到的溫度值，以便稍後用於計算 GDD。
-
-## 發佈溫度
-
-一旦讀取到溫度值，就可以透過 MQTT 發佈到某些「伺服器」代碼，該代碼將讀取這些值並存儲它們，以便用於 GDD 計算。
-
-### 任務 - 發佈溫度
-
-編程設備以發佈溫度數據。
-
-1. 如果尚未打開，請打開 `temperature-sensor` 應用程式專案。
-
-1. 重複您在第 4 課中所做的步驟以連接到 MQTT 並發送遙測數據，您將使用相同的公共 Mosquitto broker。
-
-    這些步驟包括：
-
-    - 添加 MQTT pip 套件
-    - 添加連接到 MQTT broker 的代碼
-    - 添加發佈遙測數據的代碼
-
-    > ⚠️ 如有需要，請參考 [連接到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md) 和 [發送遙測數據的指導](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md)（第 4 課）。
-
-1. 確保 `client_name` 反映此專案的名稱：
-
-    ```python
-    client_name = id + 'temperature_sensor_client'
-    ```
-
-1. 對於遙測數據，與其發送光線值，不如發送從 DHT 感測器讀取的溫度值，並將其作為 JSON 文件中的 `temperature` 屬性：
-
-    ```python
-    _, temp = sensor.read()
-    telemetry = json.dumps({'temperature' : temp})
-    ```
-
-1. 溫度值不需要頻繁讀取——在短時間內不會有太大變化，因此將 `time.sleep` 設置為 10 分鐘：
-
-    ```cpp
-    time.sleep(10 * 60);
-    ```
-
-    > 💁 `sleep` 函數以秒為單位，因此為了更容易閱讀，該值是通過計算得出的。1 分鐘有 60 秒，因此 10 x (1 分鐘的 60 秒) 得出 10 分鐘的延遲。
-
-1. 以與之前作業部分相同的方式運行代碼。如果您使用的是虛擬物聯網設備，請確保 CounterFit 應用程式正在運行，並且濕度和溫度感測器已在正確的引腳上創建。
-
-    ```output
-    pi@raspberrypi:~/temperature-sensor $ python3 app.py
-    MQTT connected!
-    Sending telemetry  {"temperature": 25}
-    Sending telemetry  {"temperature": 25}
-    ```
-
-> 💁 您可以在 [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) 資料夾或 [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi) 資料夾中找到此代碼。
-
-😀 您已成功將溫度作為遙測數據從您的設備發佈出去。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
deleted file mode 100644
index 9bee49b94..000000000
--- a/translations/mo/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
+++ /dev/null
@@ -1,154 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
-  "translation_date": "2025-08-26T22:20:24+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
-  "language_code": "mo"
-}
--->
-# 測量溫度 - 虛擬物聯網硬體
-
-在本課程中，您將為虛擬物聯網設備添加一個溫度感測器。
-
-## 虛擬硬體
-
-虛擬物聯網設備將使用模擬的 Grove 數位濕度與溫度感測器。這樣的設置與使用搭載實體 Grove DHT11 感測器的 Raspberry Pi 相同。
-
-該感測器結合了一個**溫度感測器**和一個**濕度感測器**，但在本實驗中，您只需關注溫度感測器的部分。在實體物聯網設備中，溫度感測器通常是一個[熱敏電阻](https://wikipedia.org/wiki/Thermistor)，通過感應電阻隨溫度變化的改變來測量溫度。溫度感測器通常是數位感測器，內部會將測量到的電阻轉換為攝氏度（或開氏度、華氏度）的溫度。
-
-### 將感測器添加到 CounterFit
-
-要使用虛擬濕度和溫度感測器，您需要將這兩個感測器添加到 CounterFit 應用中。
-
-#### 任務 - 將感測器添加到 CounterFit
-
-將濕度和溫度感測器添加到 CounterFit 應用中。
-
-1. 在您的電腦上建立一個名為 `temperature-sensor` 的資料夾，並在其中創建一個名為 `app.py` 的單一檔案，設置 Python 虛擬環境，並添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，您可以參考[第 1 課中有關創建和設置 CounterFit Python 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 安裝一個額外的 Pip 套件，用於安裝 DHT11 感測器的 CounterFit shim。確保您是在啟用虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install counterfit-shims-seeed-python-dht
-    ```
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建一個濕度感測器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Humidity*。
-
-    1. 將 *Units* 保持為 *Percentage*。
-
-    1. 確保 *Pin* 設置為 *5*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 5 上創建濕度感測器。
-
-    ![濕度感測器設置](../../../../../translated_images/zh-MO/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png)
-
-    濕度感測器將被創建並顯示在感測器列表中。
-
-    ![已創建的濕度感測器](../../../../../translated_images/zh-MO/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png)
-
-1. 創建一個溫度感測器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Temperature*。
-
-    1. 將 *Units* 保持為 *Celsius*。
-
-    1. 確保 *Pin* 設置為 *6*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 6 上創建溫度感測器。
-
-    ![溫度感測器設置](../../../../../translated_images/zh-MO/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png)
-
-    溫度感測器將被創建並顯示在感測器列表中。
-
-    ![已創建的溫度感測器](../../../../../translated_images/zh-MO/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png)
-
-## 編寫溫度感測器應用程式
-
-現在可以使用 CounterFit 感測器來編寫溫度感測器應用程式。
-
-### 任務 - 編寫溫度感測器應用程式
-
-編寫溫度感測器應用程式。
-
-1. 確保 `temperature-sensor` 應用已在 VS Code 中打開。
-
-1. 打開 `app.py` 檔案。
-
-1. 在 `app.py` 的頂部添加以下程式碼，將應用連接到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在 `app.py` 檔案中添加以下程式碼以匯入所需的函式庫：
-
-    ```python
-    import time
-    from counterfit_shims_seeed_python_dht import DHT
-    ```
-
-    `from seeed_dht import DHT` 語句匯入了 `DHT` 感測器類，用於通過 `counterfit_shims_seeed_python_dht` 模組的 shim 與虛擬 Grove 溫度感測器進行互動。
-
-1. 在上述程式碼之後添加以下程式碼，創建一個管理虛擬濕度和溫度感測器的類別實例：
-
-    ```python
-    sensor = DHT("11", 5)
-    ```
-
-    這聲明了一個 `DHT` 類的實例，用於管理虛擬的**數位濕度與溫度感測器**。第一個參數告訴程式使用的是虛擬 *DHT11* 感測器。第二個參數告訴程式感測器連接到埠 `5`。
-
-    > 💁 CounterFit 通過連接兩個感測器來模擬這個結合的濕度與溫度感測器，一個濕度感測器連接到創建 `DHT` 類時指定的埠，另一個溫度感測器運行在下一個埠。如果濕度感測器在埠 5 上，shim 預期溫度感測器在埠 6 上。
-
-1. 在上述程式碼之後添加一個無限迴圈，用於輪詢溫度感測器的值並將其打印到控制台：
-
-    ```python
-    while True:
-        _, temp = sensor.read()
-        print(f'Temperature {temp}°C')
-    ```
-
-    調用 `sensor.read()` 會返回一個包含濕度和溫度的元組。您只需要溫度值，因此可以忽略濕度值。然後將溫度值打印到控制台。
-
-1. 在 `loop` 的末尾添加一個 10 秒的小延遲，因為不需要連續檢查溫度水平。延遲可以減少設備的功耗。
-
-    ```python
-    time.sleep(10)
-    ```
-
-1. 在啟用虛擬環境的 VS Code 終端中，運行以下命令來執行您的 Python 應用程式：
-
-    ```sh
-    python app.py
-    ```
-
-1. 在 CounterFit 應用中更改溫度感測器的值，該值將被應用程式讀取。您可以通過以下兩種方式進行更改：
-
-    * 在溫度感測器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。您輸入的數字將成為感測器返回的值。
-
-    * 勾選 *Random* 選框，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次感測器讀取值時，將讀取一個介於 *Min* 和 *Max* 之間的隨機數。
-
-    您應該能在控制台中看到您設置的值。更改 *Value* 或 *Random* 設置以查看值的變化。
-
-    ```output
-    (.venv) ➜  temperature-sensor python app.py
-    Temperature 28.25°C
-    Temperature 30.71°C
-    Temperature 25.17°C
-    ```
-
-> 💁 您可以在 [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device) 資料夾中找到此程式碼。
-
-😀 恭喜！您的溫度感測器程式成功運行！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
deleted file mode 100644
index d3aa46027..000000000
--- a/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
+++ /dev/null
@@ -1,82 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "df28cd649cd892bcce034e064913b2f3",
-  "translation_date": "2025-08-26T22:19:04+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
-  "language_code": "mo"
-}
--->
-# 發佈溫度 - Wio Terminal
-
-在本課程中，您將透過 MQTT 發佈由 Wio Terminal 偵測到的溫度值，以便稍後用於計算 GDD。
-
-## 發佈溫度
-
-一旦讀取到溫度值，就可以透過 MQTT 發佈到某些「伺服器」程式碼，該程式碼將讀取這些值並儲存，準備用於 GDD 計算。微控制器無法直接從網路讀取時間，也無法內建實時時鐘來追蹤時間，設備需要被編程以執行此操作，前提是它具備必要的硬體。
-
-為了簡化本課程的內容，時間不會與感測器數據一起發送，而是可以在伺服器程式碼接收到訊息後再添加。
-
-### 任務
-
-編程設備以發佈溫度數據。
-
-1. 打開 `temperature-sensor` Wio Terminal 專案
-
-1. 重複您在第 4 課中所做的步驟以連接到 MQTT 並發送遙測數據，您將使用相同的公共 Mosquitto broker。
-
-    這些步驟包括：
-
-    - 在 `.ini` 文件中添加 Seeed WiFi 和 MQTT 函式庫
-    - 添加配置文件和連接 WiFi 的程式碼
-    - 添加連接到 MQTT broker 的程式碼
-    - 添加發佈遙測數據的程式碼
-
-    > ⚠️ 如有需要，請參考 [連接到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) 和 [發送遙測數據的指導](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md)（第 4 課）。
-
-1. 確保 `config.h` 標頭文件中的 `CLIENT_NAME` 反映此專案：
-
-    ```cpp
-    const string CLIENT_NAME = ID + "temperature_sensor_client";
-    ```
-
-1. 對於遙測數據，將讀取的 DHT 感測器溫度值作為 JSON 文件中的 `temperature` 屬性發送，而不是發送光線值，通過修改 `main.cpp` 中的 `loop` 函數：
-
-    ```cpp
-    float temp_hum_val[2] = {0};
-    dht.readTempAndHumidity(temp_hum_val);
-
-    DynamicJsonDocument doc(1024);
-    doc["temperature"] = temp_hum_val[1];
-    ```
-
-1. 溫度值不需要頻繁讀取——在短時間內它不會有太大變化，因此將 `loop` 函數中的 `delay` 設置為 10 分鐘：
-
-    ```cpp
-    delay(10 * 60 * 1000);
-    ```
-
-    > 💁 `delay` 函數以毫秒為單位，因此為了更容易閱讀，該值是通過計算得出的。1,000 毫秒等於 1 秒，60 秒等於 1 分鐘，因此 10 x (60 秒/分鐘) x (1000 毫秒/秒) 得出 10 分鐘的延遲。
-
-1. 將程式上傳到您的 Wio Terminal，並使用序列監視器查看溫度是否已成功發送到 MQTT broker。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Attempting MQTT connection...connected
-    Sending telemetry {"temperature":25}
-    Sending telemetry {"temperature":25}
-    ```
-
-> 💁 您可以在 [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您已成功將設備的溫度作為遙測數據發佈。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
deleted file mode 100644
index 9a4c55abb..000000000
--- a/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
+++ /dev/null
@@ -1,143 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "59263d094f20b302053888cd236880c3",
-  "translation_date": "2025-08-26T22:18:12+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
-  "language_code": "mo"
-}
--->
-# 測量溫度 - Wio Terminal
-
-在本課程中，您將為 Wio Terminal 添加一個溫度感測器，並從中讀取溫度值。
-
-## 硬體
-
-Wio Terminal 需要一個溫度感測器。
-
-您將使用的感測器是 [DHT11 濕度和溫度感測器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)，它將兩個感測器結合在一個封裝中。這是一款相當流行的感測器，市面上有許多商業化的感測器結合了溫度、濕度，有時還包括大氣壓力。溫度感測器部分是一個負溫度係數（NTC）熱敏電阻，這是一種隨著溫度升高電阻會降低的熱敏電阻。
-
-這是一個數位感測器，因此內建了 ADC（模擬數位轉換器），可以生成包含溫度和濕度數據的數位信號，供微控制器讀取。
-
-### 連接溫度感測器
-
-Grove 溫度感測器可以連接到 Wio Terminal 的數位端口。
-
-#### 任務 - 連接溫度感測器
-
-連接溫度感測器。
-
-![Grove 溫度感測器](../../../../../translated_images/zh-MO/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png)
-
-1. 將 Grove 電纜的一端插入濕度和溫度感測器上的插座。它只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到您的電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 螢幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
-
-![Grove 溫度感測器連接到右側插座](../../../../../translated_images/zh-MO/wio-temperature-sensor.2934928f38c7f79a.webp)
-
-## 程式設計溫度感測器
-
-現在可以為 Wio Terminal 編寫程式以使用連接的溫度感測器。
-
-### 任務 - 程式設計溫度感測器
-
-編寫程式。
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `temperature-sensor`。在 `setup` 函數中添加程式碼以配置序列埠。
-
-    > ⚠️ 如果需要，您可以參考 [專案 1，第 1 課中創建 PlatformIO 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project)。
-
-1. 在專案的 `platformio.ini` 文件中添加 Seeed Grove 濕度和溫度感測器庫的依賴項：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
-    ```
-
-    > ⚠️ 如果需要，您可以參考 [專案 1，第 4 課中向 PlatformIO 專案添加庫的指導](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries)。
-
-1. 在文件頂部的現有 `#include <Arduino.h>` 下添加以下 `#include` 指令：
-
-    ```cpp
-    #include <DHT.h>
-    #include <SPI.h>
-    ```
-
-    這些指令導入了與感測器互動所需的文件。`DHT.h` 標頭文件包含感測器本身的程式碼，而添加 `SPI.h` 標頭則確保在應用程式編譯時鏈接了與感測器通信所需的程式碼。
-
-1. 在 `setup` 函數之前，宣告 DHT 感測器：
-
-    ```cpp
-    DHT dht(D0, DHT11);
-    ```
-
-    這宣告了一個管理 **D**igital **H**umidity 和 **T**emperature 感測器的 `DHT` 類實例。此感測器連接到 Wio Terminal 的 `D0` 端口，即右側的 Grove 插座。第二個參數告訴程式使用的是 *DHT11* 感測器——您使用的庫支援此感測器的其他變體。
-
-1. 在 `setup` 函數中，添加程式碼以設置序列連接：
-
-    ```cpp
-    void setup()
-    {
-        Serial.begin(9600);
-    
-        while (!Serial)
-            ; // Wait for Serial to be ready
-    
-        delay(1000);
-    }
-    ```
-
-1. 在 `setup` 函數的最後一個 `delay` 之後，添加啟動 DHT 感測器的呼叫：
-
-    ```cpp
-    dht.begin();
-    ```
-
-1. 在 `loop` 函數中，添加程式碼以呼叫感測器並將溫度打印到序列埠：
-
-    ```cpp
-    void loop()
-    {
-        float temp_hum_val[2] = {0};
-        dht.readTempAndHumidity(temp_hum_val);
-        Serial.print("Temperature: ");
-        Serial.print(temp_hum_val[1]);
-        Serial.println ("°C");
-    
-        delay(10000);
-    }
-    ```
-
-    此程式碼宣告了一個包含 2 個浮點數的空陣列，並將其傳遞給 `DHT` 實例上的 `readTempAndHumidity` 呼叫。此呼叫會填充陣列中的 2 個值——濕度存放在陣列的第 0 項（請記住，在 C++ 中，陣列是從 0 開始的，因此第 0 項是陣列中的“第一”項），溫度存放在第 1 項。
-
-    溫度從陣列的第 1 項讀取，並打印到序列埠。
-
-    > 🇺🇸 溫度以攝氏度讀取。對於美國人，若要將攝氏度轉換為華氏度，請將讀取的攝氏值除以 5，然後乘以 9，最後加上 32。例如，20°C 的溫度讀數轉換為 ((20/5)*9) + 32 = 68°F。
-
-1. 編譯並上傳程式碼到 Wio Terminal。
-
-    > ⚠️ 如果需要，您可以參考 [專案 1，第 1 課中創建 PlatformIO 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app)。
-
-1. 上傳完成後，您可以使用序列監視器監控溫度：
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Temperature: 25.00°C
-    Temperature: 25.00°C
-    Temperature: 25.00°C
-    Temperature: 24.00°C
-    ```
-
-> 💁 您可以在 [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的溫度感測器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/mo/2-farm/lessons/2-detect-soil-moisture/README.md
deleted file mode 100644
index b0d7543fe..000000000
--- a/translations/mo/2-farm/lessons/2-detect-soil-moisture/README.md
+++ /dev/null
@@ -1,169 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
-  "translation_date": "2025-08-26T22:47:59+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
-  "language_code": "mo"
-}
--->
-C，發音為 *I-squared-C*，是一種多控制器、多周邊設備的通訊協議，任何連接的設備都可以作為控制器或周邊設備，通過 I²C 線路（用於傳輸數據的通訊系統名稱）進行通訊。數據以地址封包的形式傳輸，每個封包包含目標設備的地址。
-
-> 💁 這種模型過去常被稱為主/從（master/slave），但由於其與奴隸制的聯想，這種術語正在被棄用。[開源硬件協會（Open Source Hardware Association）已採用控制器/周邊設備（controller/peripheral）](https://www.oshwa.org/a-resolution-to-redefine-spi-signal-names/)，但您可能仍會看到對舊術語的引用。
-
-設備在連接到 I²C 線路時會有一個地址，該地址通常是硬編碼在設備上的。例如，Seeed 的每種 Grove 感測器都有相同的地址，因此所有光感測器都有相同的地址，所有按鈕的地址則與光感測器的地址不同。一些設備可以通過更改跳線設置或焊接引腳來更改地址。
-
-I²C 線路由 2 條主要的數據線以及 2 條電源線組成：
-
-| 線路 | 名稱 | 描述 |
-| ---- | --------- | ----------- |
-| SDA | 串行數據（Serial Data） | 用於在設備之間傳輸數據的線路。 |
-| SCL | 串行時鐘（Serial Clock） | 傳輸由控制器設定速率的時鐘信號的線路。 |
-| VCC | 電壓公共集電極（Voltage Common Collector） | 為設備提供電源。這條線通過上拉電阻連接到 SDA 和 SCL 線，當沒有設備作為控制器時，該電阻會將信號切換為關閉狀態。 |
-| GND | 接地（Ground） | 為電路提供公共接地。 |
-
-![I2C 線路，3 個設備連接到 SDA 和 SCL 線，共享一條接地線](../../../../../translated_images/zh-MO/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png)
-
-在傳輸數據時，一個設備會發出啟動條件（start condition），表示它準備好傳輸數據。此時它將成為控制器。控制器接著發送目標設備的地址，以及它是要讀取還是寫入數據。在數據傳輸完成後，控制器會發送停止條件（stop condition），表示它已完成。之後，另一個設備可以成為控制器，進行數據的發送或接收。
-
-2<sup>C 有速度限制，並有三種不同模式以固定速度運行。最快的是高速模式，最大速度為 3.4Mbps（每秒百萬位元），但很少有設備支持這種速度。例如，Raspberry Pi 的速度限制在 400Kbps（每秒千位元）的快速模式。標準模式的速度為 100Kbps。
-
-> 💁 如果您使用的是帶有 Grove Base hat 的 Raspberry Pi 作為物聯網硬件，您會看到板上有多個 I<sup>2</sup>C 插槽，可以用來與 I<sup>2</sup>C 感測器通信。類比 Grove 感測器也使用 I<sup>2</sup>C 與 ADC 將類比值作為數位數據傳輸，因此您使用的光感測器模擬了一個類比引腳，通過 I<sup>2</sup>C 傳輸值，因為 Raspberry Pi 僅支持數位引腳。
-
-### 通用非同步接收器-發射器 (UART)
-
-UART 涉及允許兩個設備通信的物理電路。每個設備都有兩個通信引腳——發射 (Tx) 和接收 (Rx)，第一個設備的 Tx 引腳連接到第二個設備的 Rx 引腳，第二個設備的 Tx 引腳連接到第一個設備的 Rx 引腳。這允許數據雙向傳輸。
-
-* 設備 1 從其 Tx 引腳發送數據，設備 2 在其 Rx 引腳接收數據
-* 設備 1 在其 Rx 引腳接收由設備 2 從其 Tx 引腳發送的數據
-
-![UART 的 Tx 引腳連接到另一個芯片的 Rx 引腳，反之亦然](../../../../../translated_images/zh-MO/uart.d0dbd3fb9e3728c6.webp)
-
-> 🎓 數據一次傳輸一位，這被稱為 *串行* 通信。大多數操作系統和微控制器都有 *串行端口*，即可以發送和接收串行數據的連接，這些連接可供您的代碼使用。
-
-UART 設備有一個 [波特率](https://wikipedia.org/wiki/Symbol_rate)（也稱為符號率），即數據以每秒位數發送和接收的速度。一個常見的波特率是 9,600，這意味著每秒發送 9,600 位（0 和 1）數據。
-
-UART 使用起始位和停止位——即它發送一個起始位來指示即將發送一個字節（8 位）數據，然後在發送 8 位後發送一個停止位。
-
-UART 的速度取決於硬件，但即使是最快的實現也不超過 6.5 Mbps（每秒百萬位元，或每秒發送的 0 或 1 的數量）。
-
-您可以通過 GPIO 引腳使用 UART——可以將一個引腳設置為 Tx，另一個設置為 Rx，然後將它們連接到另一個設備。
-
-> 💁 如果您使用的是帶有 Grove Base hat 的 Raspberry Pi 作為物聯網硬件，您會看到板上有一個 UART 插槽，可以用來與使用 UART 協議的感測器通信。
-
-### 串行外設接口 (SPI)
-
-SPI 設計用於短距離通信，例如在微控制器上與存儲設備（如快閃記憶體）通信。它基於控制器/外設模型，單個控制器（通常是物聯網設備的處理器）與多個外設交互。控制器通過選擇一個外設並發送或請求數據來控制一切。
-
-> 💁 與 I<sup>2</sup>C 一樣，控制器和外設這些術語是最近的變化，因此您可能仍會看到舊術語。
-
-SPI 控制器使用 3 條線，外加每個外設 1 條額外的線。外設使用 4 條線。這些線包括：
-
-| 線 | 名稱 | 描述 |
-| ---- | --------- | ----------- |
-| COPI | 控制器輸出，外設輸入 | 這條線用於將數據從控制器發送到外設。 |
-| CIPO | 控制器輸入，外設輸出 | 這條線用於將數據從外設發送到控制器。 |
-| SCLK | 串行時鐘 | 這條線以控制器設置的速率發送時鐘信號。 |
-| CS   | 芯片選擇 | 控制器有多條線，每條線連接到相應外設的 CS 線。 |
-
-![SPI 與一個控制器和兩個外設](../../../../../translated_images/zh-MO/spi.297431d6f98b386b.webp)
-
-CS 線用於一次激活一個外設，通過 COPI 和 CIPO 線通信。當控制器需要更換外設時，它會停用連接到當前活動外設的 CS 線，然後激活連接到下一個外設的 CS 線。
-
-SPI 是 *全雙工* 的，這意味著控制器可以同時通過 COPI 和 CIPO 線從同一外設發送和接收數據。SPI 使用 SCLK 線上的時鐘信號使設備保持同步，因此與直接通過 UART 發送不同，它不需要起始位和停止位。
-
-SPI 沒有定義的速度限制，實現通常能夠每秒傳輸多兆字節的數據。
-
-物聯網開發套件通常支持通過一些 GPIO 引腳使用 SPI。例如，在 Raspberry Pi 上，您可以使用 GPIO 引腳 19、21、23、24 和 26 進行 SPI。
-
-### 無線
-
-一些感測器可以通過標準無線協議通信，例如藍牙（主要是低功耗藍牙，或 BLE）、LoRaWAN（一種**長**距離低功耗網絡協議）或 WiFi。這些協議允許遠程感測器不需要物理連接到物聯網設備。
-
-一個例子是商業土壤濕度感測器。這些感測器會測量田地中的土壤濕度，然後通過 LoRaWAN 將數據發送到集線設備，該設備會處理數據或將其發送到互聯網。這允許感測器遠離管理數據的物聯網設備，從而降低功耗並減少對大型 WiFi 網絡或長電纜的需求。
-
-BLE 在高級感測器中很受歡迎，例如戴在手腕上的健身追蹤器。這些設備結合了多個感測器，並通過 BLE 將感測器數據發送到物聯網設備（如您的手機）。
-
-✅ 您身上、家中或學校中是否有任何藍牙感測器？這些可能包括溫度感測器、佔用感測器、設備追蹤器和健身設備。
-
-商業設備的一種流行連接方式是 Zigbee。Zigbee 使用 WiFi 在設備之間形成網狀網絡，每個設備盡可能多地連接到附近的設備，形成像蜘蛛網一樣的大量連接。當一個設備想要向互聯網發送消息時，它可以將消息發送到最近的設備，然後由這些設備轉發給其他附近的設備，如此類推，直到到達協調器並發送到互聯網。
-
-> 🐝 Zigbee 的名稱來源於蜜蜂返回蜂巢後的搖擺舞。
-
-## 測量土壤中的濕度水平
-
-您可以使用土壤濕度感測器、物聯網設備和一盆植物或附近的一片土壤來測量土壤的濕度水平。
-
-### 任務 - 測量土壤濕度
-
-按照相關指南使用您的物聯網設備測量土壤濕度：
-
-* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)
-* [單板電腦 - Raspberry Pi](pi-soil-moisture.md)
-* [單板電腦 - 虛擬設備](virtual-device-soil-moisture.md)
-
-## 感測器校準
-
-感測器依賴於測量電氣特性，例如電阻或電容。
-
-> 🎓 電阻，以歐姆 (Ω) 為單位，表示電流通過某物時的阻力大小。當電壓施加到材料上時，通過它的電流量取決於材料的電阻。您可以在 [電阻的維基百科頁面](https://wikipedia.org/wiki/Electrical_resistance_and_conductance) 上閱讀更多內容。
-
-> 🎓 電容，以法拉 (F) 為單位，表示元件或電路收集和儲存電能的能力。您可以在 [電容的維基百科頁面](https://wikipedia.org/wiki/Capacitance) 上閱讀更多內容。
-
-這些測量值並不總是有用的——想像一下，一個溫度感測器給您的測量值是 22.5KΩ！因此，測量值需要通過校準轉換為有用的單位——即將測量值與測量的物理量匹配，以便將新測量值轉換為正確的單位。
-
-一些感測器是預先校準的。例如，您在上一課中使用的溫度感測器已經校準，可以返回以 °C 為單位的溫度測量值。在工廠中，第一個感測器會暴露於一系列已知溫度下，並測量電阻。然後，這些數據會用於建立一個計算公式，將測量值從 Ω（電阻單位）轉換為 °C。
-
-> 💁 計算電阻與溫度的公式稱為 [Steinhart–Hart 方程](https://wikipedia.org/wiki/Steinhart–Hart_equation)。
-
-### 土壤濕度感測器校準
-
-土壤濕度是通過重力含水量或體積含水量測量的。
-
-* 重力含水量是每單位重量的土壤中水的重量，以每公斤乾土中的公斤水數量來測量
-* 體積含水量是每單位體積的土壤中水的體積，以每立方米乾土中的立方米水數量來測量
-
-> 🇺🇸 對於美國人，由於單位的一致性，這些可以用磅代替公斤或立方英尺代替立方米來測量。
-
-土壤濕度感測器測量電阻或電容——這不僅隨土壤濕度而變化，還隨土壤類型變化，因為土壤中的成分會改變其電氣特性。理想情況下，感測器應該進行校準——即從感測器獲取讀數並與使用更科學方法獲得的測量值進行比較。例如，實驗室可以通過對特定田地的樣本進行幾次測量來計算重力土壤濕度，然後使用這些數據校準感測器，將感測器讀數與重力土壤濕度匹配。
-
-![電壓與土壤濕度含量的圖表](../../../../../translated_images/zh-MO/soil-moisture-to-voltage.df86d80cda158700.webp)
-
-上圖顯示了如何校準感測器。對土壤樣本捕獲電壓，然後通過比較濕重與乾重（測量濕重，然後在烤箱中烘乾並測量乾重）在實驗室中測量。獲取幾個讀數後，可以將其繪製在圖表上並擬合一條線。這條線可以用來將物聯網設備的土壤濕度感測器讀數轉換為實際的土壤濕度測量值。
-
-💁 對於電阻式土壤濕度感測器，電壓隨土壤濕度增加而增加。對於電容式土壤濕度感測器，電壓隨土壤濕度增加而減少，因此這些圖表的斜率會向下，而不是向上。
-
-![從圖表中插值的土壤濕度值](../../../../../translated_images/zh-MO/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf.webp)
-
-上圖顯示了土壤濕度感測器的電壓讀數，通過將其對應到圖表上的線，可以計算出實際的土壤濕度。
-
-這種方法意味著農民只需要為一片田地獲取幾個實驗室測量值，然後他們就可以使用物聯網設備測量土壤濕度——大大加快了測量的速度。
-
----
-
-## 🚀 挑戰
-
-電阻式和電容式土壤濕度感測器有許多不同之處。這些差異是什麼？哪種類型（如果有的話）對農民來說是最好的選擇？這個答案在發展中國家和已開發國家之間是否會改變？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
-
-## 回顧與自學
-
-閱讀有關感測器和執行器使用的硬件和協議的資料：
-
-* [GPIO 維基百科頁面](https://wikipedia.org/wiki/General-purpose_input/output)
-* [UART 維基百科頁面](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)
-* [SPI 維基百科頁面](https://wikipedia.org/wiki/Serial_Peripheral_Interface)
-* [I<sup>2</sup>C 維基百科頁面](https://wikipedia.org/wiki/I²C)
-* [Zigbee 維基百科頁面](https://wikipedia.org/wiki/Zigbee)
-
-## 作業
-
-[校準您的感測器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/mo/2-farm/lessons/2-detect-soil-moisture/assignment.md
deleted file mode 100644
index bad19602d..000000000
--- a/translations/mo/2-farm/lessons/2-detect-soil-moisture/assignment.md
+++ /dev/null
@@ -1,61 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "506d21b544d5de47406c89ad496a21cd",
-  "translation_date": "2025-08-26T22:51:03+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
-  "language_code": "mo"
-}
--->
-# 校準您的感測器
-
-## 指導說明
-
-在本課程中，您收集了土壤濕度感測器的讀數，範圍為0-1023。為了將這些數值轉換為實際的土壤濕度讀數，您需要校準您的感測器。您可以通過測量土壤樣本並計算這些樣本的重力土壤濕度含量來完成校準。
-
-您需要多次重複以下步驟，每次使用不同濕度的土壤來獲取所需的讀數。
-
-1. 使用土壤濕度感測器進行一次土壤濕度讀數，並記錄下此讀數。
-
-1. 取一份土壤樣本並稱重，記錄下此重量。
-
-1. 將土壤烘乾——最好的方法是使用110°C（230°F）的溫暖烤箱烘乾幾個小時，您也可以在陽光下烘乾，或者將其放置在溫暖、乾燥的地方直到土壤完全乾燥。乾燥後的土壤應該是粉狀且鬆散的。
-
-    > 💁 在實驗室中，為了獲得最準確的結果，您應該在烤箱中烘乾48-72小時。如果您的學校有烘乾烤箱，請嘗試使用這些設備進行更長時間的烘乾。烘乾時間越長，樣本越乾燥，結果越準確。
-
-1. 再次稱重土壤。
-
-    > 🔥 如果您是在烤箱中烘乾的，請確保土壤已經冷卻！
-
-重力土壤濕度的計算公式如下：
-
-![土壤濕度百分比公式：濕土重量減去乾土重量，除以乾土重量，再乘以100](../../../../../translated_images/zh-MO/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png)
-
-* W - 濕土的重量  
-* W - 乾土的重量  
-
-例如，假設您有一份土壤樣本，濕重為212克，乾重為197克。
-
-![填入計算公式的範例](../../../../../translated_images/zh-MO/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png)
-
-* W = 212克  
-* W = 197克  
-* 212 - 197 = 15  
-* 15 / 197 = 0.076  
-* 0.076 * 100 = 7.6%  
-
-在此範例中，土壤的重力土壤濕度為7.6%。
-
-當您至少有3個樣本的讀數後，繪製一張土壤濕度百分比與土壤濕度感測器讀數的圖表，並添加一條最佳擬合線。您可以使用此圖表根據感測器讀數來計算重力土壤濕度含量，方法是從擬合線上讀取相應的值。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ----- | ----- | -------- |
-| 收集校準數據 | 至少收集3個校準樣本 | 至少收集2個校準樣本 | 至少收集1個校準樣本 |
-| 進行校準讀數 | 成功繪製校準圖表，並根據感測器讀數轉換為重力土壤濕度含量 | 成功繪製校準圖表 | 無法繪製圖表 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/mo/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
deleted file mode 100644
index 58e6b7db9..000000000
--- a/translations/mo/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
+++ /dev/null
@@ -1,108 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
-  "translation_date": "2025-08-26T22:53:12+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
-  "language_code": "mo"
-}
--->
-# 測量土壤濕度 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個電容式土壤濕度傳感器，並從中讀取數據。
-
-## 硬體
-
-Raspberry Pi 需要一個電容式土壤濕度傳感器。
-
-您將使用的傳感器是 [電容式土壤濕度傳感器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)，它通過檢測土壤的電容來測量土壤濕度，這是一個會隨著土壤濕度變化而改變的特性。當土壤濕度增加時，電壓會降低。
-
-這是一個類比傳感器，因此使用類比引腳，並通過 Pi 上的 Grove Base Hat 中的 10 位 ADC 將電壓轉換為 1-1,023 的數位信號。然後通過 Pi 的 GPIO 引腳以 I²C 傳輸。
-
-### 連接土壤濕度傳感器
-
-Grove 土壤濕度傳感器可以連接到 Raspberry Pi。
-
-#### 任務 - 連接土壤濕度傳感器
-
-連接土壤濕度傳感器。
-
-![Grove 土壤濕度傳感器](../../../../../translated_images/zh-MO/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png)
-
-1. 將 Grove 電纜的一端插入土壤濕度傳感器上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove Base Hat 的類比插座 **A0**。這個插座位於 GPIO 引腳旁邊的一排插座中，從右數第二個。
-
-![Grove 土壤濕度傳感器連接到 A0 插座](../../../../../translated_images/zh-MO/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png)
-
-1. 將土壤濕度傳感器插入土壤中。傳感器上有一條“最高位置線”——一條白線。將傳感器插入到該線以下但不要超過該線。
-
-![Grove 土壤濕度傳感器插入土壤中](../../../../../translated_images/zh-MO/soil-moisture-sensor-in-soil.bfad91002bda5e96.webp)
-
-## 編程土壤濕度傳感器
-
-現在可以為 Raspberry Pi 編程以使用連接的土壤濕度傳感器。
-
-### 任務 - 編程土壤濕度傳感器
-
-編程設備。
-
-1. 啟動 Raspberry Pi，並等待其啟動完成。
-
-1. 啟動 VS Code，可以直接在 Pi 上啟動，或者通過 Remote SSH 擴展連接。
-
-    > ⚠️ 如果需要，您可以參考 [夜燈課程 1 中的設置和啟動 VS Code 的說明](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
-
-1. 在終端中，於 `pi` 用戶的主目錄中創建一個名為 `soil-moisture-sensor` 的新資料夾。在此資料夾中創建一個名為 `app.py` 的檔案。
-
-1. 在 VS Code 中打開此資料夾。
-
-1. 將以下程式碼添加到 `app.py` 檔案中以匯入一些所需的庫：
-
-    ```python
-    import time
-    from grove.adc import ADC
-    ```
-
-    `import time` 語句匯入了 `time` 模組，稍後將在此任務中使用。
-
-    `from grove.adc import ADC` 語句從 Grove Python 庫中匯入了 `ADC`。此庫包含與 Pi Base Hat 上的類比數位轉換器互動並從類比傳感器讀取電壓的程式碼。
-
-1. 在此程式碼下方添加以下程式碼以創建 `ADC` 類的實例：
-
-    ```python
-    adc = ADC()
-    ```
-
-1. 添加一個無限迴圈，從 A0 引腳上的 ADC 讀取數據，並將結果寫入控制台。此迴圈可以在每次讀取之間休眠 10 秒。
-
-    ```python
-    while True:
-        soil_moisture = adc.read(0)
-        print("Soil moisture:", soil_moisture)
-
-        time.sleep(10)
-    ```
-
-1. 運行 Python 應用程式。您將在控制台中看到土壤濕度的測量值。向土壤中添加一些水，或者將傳感器從土壤中取出，觀察數值的變化。
-
-    ```output
-    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
-    Soil moisture: 615
-    Soil moisture: 612
-    Soil moisture: 498
-    Soil moisture: 493
-    Soil moisture: 490
-    Soil Moisture: 388
-    ```
-
-    在上述範例輸出中，您可以看到隨著水的添加，電壓下降。
-
-> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/2-detect-soil-moisture/code/pi) 資料夾中找到此程式碼。
-
-😀 您的土壤濕度傳感器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/mo/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
deleted file mode 100644
index 35a45a0f0..000000000
--- a/translations/mo/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
+++ /dev/null
@@ -1,123 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2bf65f162bcebd35fbcba5fd245afac4",
-  "translation_date": "2025-08-26T22:52:07+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
-  "language_code": "mo"
-}
--->
-# 測量土壤濕度 - 虛擬物聯網硬體
-
-在本課程中，您將為虛擬物聯網設備添加一個電容式土壤濕度傳感器，並從中讀取數據。
-
-## 虛擬硬體
-
-虛擬物聯網設備將使用模擬的 Grove 電容式土壤濕度傳感器。這樣的設置與使用 Raspberry Pi 和實體 Grove 電容式土壤濕度傳感器的操作方式相同。
-
-在實體物聯網設備中，土壤濕度傳感器是一種電容式傳感器，通過檢測土壤的電容來測量濕度。當土壤濕度改變時，電容也會隨之改變。隨著土壤濕度的增加，電壓會降低。
-
-這是一個模擬傳感器，因此使用模擬的 10 位 ADC（模數轉換器）來報告 1 到 1,023 的數值。
-
-### 將土壤濕度傳感器添加到 CounterFit
-
-要使用虛擬土壤濕度傳感器，您需要將其添加到 CounterFit 應用中。
-
-#### 任務 - 將土壤濕度傳感器添加到 CounterFit
-
-將土壤濕度傳感器添加到 CounterFit 應用中。
-
-1. 在您的電腦上創建一個名為 `soil-moisture-sensor` 的資料夾，並在其中創建一個名為 `app.py` 的單一文件，設置一個 Python 虛擬環境，並添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，您可以參考[第 1 課中有關創建和設置 CounterFit Python 專案的說明](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建一個土壤濕度傳感器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Soil Moisture*。
-
-    1. 將 *Units* 保持為 *NoUnits*。
-
-    1. 確保 *Pin* 設置為 *0*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 0 上創建 *Soil Moisture* 傳感器。
-
-    ![土壤濕度傳感器設置](../../../../../translated_images/zh-MO/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png)
-
-    土壤濕度傳感器將被創建並顯示在傳感器列表中。
-
-    ![已創建的土壤濕度傳感器](../../../../../translated_images/zh-MO/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png)
-
-## 編寫土壤濕度傳感器應用程式
-
-現在可以使用 CounterFit 傳感器來編寫土壤濕度傳感器應用程式。
-
-### 任務 - 編寫土壤濕度傳感器應用程式
-
-編寫土壤濕度傳感器應用程式。
-
-1. 確保 `soil-moisture-sensor` 應用已在 VS Code 中打開。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下代碼，以連接應用到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在 `app.py` 文件中添加以下代碼以導入一些必要的庫：
-
-    ```python
-    import time
-    from counterfit_shims_grove.adc import ADC
-    ```
-
-    `import time` 語句導入了 `time` 模組，稍後將在此任務中使用。
-
-    `from counterfit_shims_grove.adc import ADC` 語句導入了 `ADC` 類，用於與可連接到 CounterFit 傳感器的虛擬模擬到數字轉換器進行交互。
-
-1. 在此代碼下方添加以下代碼以創建 `ADC` 類的實例：
-
-    ```python
-    adc = ADC()
-    ```
-
-1. 添加一個無限循環，從 Pin 0 的 ADC 讀取數據，並將結果寫入控制台。該循環可以在每次讀取之間休眠 10 秒。
-
-    ```python
-    while True:
-        soil_moisture = adc.read(0)
-        print("Soil moisture:", soil_moisture)
-    
-        time.sleep(10)
-    ```
-
-1. 在 CounterFit 應用中更改土壤濕度傳感器的值，該值將被應用讀取。您可以通過以下兩種方式進行更改：
-
-    * 在土壤濕度傳感器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。您輸入的數字將是傳感器返回的值。
-
-    * 勾選 *Random* 選框，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次傳感器讀取值時，將讀取 *Min* 和 *Max* 範圍內的隨機數字。
-
-1. 運行 Python 應用。您將在控制台中看到土壤濕度測量值。更改 *Value* 或 *Random* 設置以查看值的變化。
-
-    ```output
-    (.venv) ➜ soil-moisture-sensor $ python app.py 
-    Soil moisture: 615
-    Soil moisture: 612
-    Soil moisture: 498
-    Soil moisture: 493
-    Soil moisture: 490
-    Soil Moisture: 388
-    ```
-
-> 💁 您可以在 [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device) 資料夾中找到此代碼。
-
-😀 您的土壤濕度傳感器程式運行成功！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/mo/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
deleted file mode 100644
index 8004a35f1..000000000
--- a/translations/mo/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
+++ /dev/null
@@ -1,117 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0d55caa8c23d73635b7559102cd17b8a",
-  "translation_date": "2025-08-26T22:49:30+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
-  "language_code": "mo"
-}
--->
-# 測量土壤濕度 - Wio Terminal
-
-在本課程中，您將為 Wio Terminal 添加一個電容式土壤濕度傳感器，並從中讀取數值。
-
-## 硬體
-
-Wio Terminal 需要一個電容式土壤濕度傳感器。
-
-您將使用的傳感器是 [電容式土壤濕度傳感器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)，它通過檢測土壤的電容來測量土壤濕度。當土壤濕度改變時，電容也會隨之改變。隨著土壤濕度增加，電壓會下降。
-
-這是一個類比傳感器，因此需要連接到 Wio Terminal 的類比引腳，並使用內建的 ADC（類比數位轉換器）生成 0-1023 的數值。
-
-### 連接土壤濕度傳感器
-
-Grove 土壤濕度傳感器可以連接到 Wio Terminal 的可配置類比/數位端口。
-
-#### 任務 - 連接土壤濕度傳感器
-
-連接土壤濕度傳感器。
-
-![Grove 土壤濕度傳感器](../../../../../translated_images/zh-MO/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png)
-
-1. 將 Grove 電纜的一端插入土壤濕度傳感器上的插座。電纜只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 電纜的另一端插入 Wio Terminal 屏幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
-
-![Grove 土壤濕度傳感器連接到右側插座](../../../../../translated_images/zh-MO/wio-soil-moisture-sensor.46919b61c3f6cb74.webp)
-
-1. 將土壤濕度傳感器插入土壤中。傳感器上有一條“最高位置線”——一條白色線條。將傳感器插入土壤，直到白色線條，但不要超過該線條。
-
-![土壤中的 Grove 土壤濕度傳感器](../../../../../translated_images/zh-MO/soil-moisture-sensor-in-soil.bfad91002bda5e96.webp)
-
-1. 現在可以將 Wio Terminal 連接到您的電腦。
-
-## 程式設計土壤濕度傳感器
-
-現在可以為 Wio Terminal 編程以使用連接的土壤濕度傳感器。
-
-### 任務 - 程式設計土壤濕度傳感器
-
-為設備編程。
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `soil-moisture-sensor`。在 `setup` 函數中添加程式碼以配置序列埠。
-
-    > ⚠️ 如果需要，您可以參考 [專案 1，課程 1 中創建 PlatformIO 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project)。
-
-1. 此傳感器沒有專用的程式庫，您可以使用內建的 Arduino [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/) 函數從類比引腳讀取數值。首先，配置類比引腳為輸入，以便可以從中讀取數值，將以下程式碼添加到 `setup` 函數中。
-
-    ```cpp
-    pinMode(A0, INPUT);
-    ```
-
-    這將 `A0` 引腳（類比/數位組合引腳）設置為輸入引腳，以便可以讀取電壓。
-
-1. 在 `loop` 函數中添加以下程式碼以從該引腳讀取電壓：
-
-    ```cpp
-    int soil_moisture = analogRead(A0);
-    ```
-
-1. 在此程式碼下方，添加以下程式碼以將數值打印到序列埠：
-
-    ```cpp
-    Serial.print("Soil Moisture: ");
-    Serial.println(soil_moisture);
-    ```
-
-1. 最後在末尾添加 10 秒的延遲：
-
-    ```cpp
-    delay(10000);
-    ```
-
-1. 編譯並上傳程式碼到 Wio Terminal。
-
-    > ⚠️ 如果需要，您可以參考 [專案 1，課程 1 中創建 PlatformIO 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app)。
-
-1. 上傳完成後，您可以使用序列監視器監測土壤濕度。向土壤中添加一些水，或將傳感器從土壤中移除，觀察數值的變化。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Soil Moisture: 526
-    Soil Moisture: 529
-    Soil Moisture: 521
-    Soil Moisture: 494
-    Soil Moisture: 454
-    Soil Moisture: 456
-    Soil Moisture: 395
-    Soil Moisture: 388
-    Soil Moisture: 394
-    Soil Moisture: 391
-    ```
-
-    在上面的範例輸出中，您可以看到隨著水的添加，電壓下降。
-
-> 💁 您可以在 [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的土壤濕度傳感器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/3-automated-plant-watering/README.md b/translations/mo/2-farm/lessons/3-automated-plant-watering/README.md
deleted file mode 100644
index fcce07c7e..000000000
--- a/translations/mo/2-farm/lessons/3-automated-plant-watering/README.md
+++ /dev/null
@@ -1,314 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
-  "translation_date": "2025-08-26T22:25:28+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
-  "language_code": "mo"
-}
--->
-# 自動植物澆水系統
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [IoT 初學者項目 2 - 數字農業系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。
-
-[![IoT 驅動的自動植物澆水系統](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
-
-## 簡介
-
-在上一課中，你學習了如何監測土壤濕度。在本課中，你將學習如何構建一個自動澆水系統的核心組件，該系統能根據土壤濕度進行反應。你還將了解有關時間的知識——傳感器可能需要一些時間來響應變化，而執行器可能需要時間來改變傳感器測量的屬性。
-
-本課將涵蓋以下內容：
-
-* [從低功率 IoT 設備控制高功率設備](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [控制繼電器](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [通過 MQTT 控制植物](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [傳感器和執行器的響應時間](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [為植物控制伺服器添加時間控制](../../../../../2-farm/lessons/3-automated-plant-watering)
-
-## 從低功率 IoT 設備控制高功率設備
-
-IoT 設備使用低電壓。雖然這足以驅動傳感器和低功率執行器（如 LED），但對於控制更大的硬件（例如用於灌溉的水泵）來說，電壓太低。即使是用於室內植物的小型水泵，其電流需求也超過了 IoT 開發板的承受能力，可能會損壞電路板。
-
-> 🎓 電流以安培（A）為單位測量，是指流經電路的電量。電壓提供推動力，而電流則表示推動的量。你可以在 [維基百科的電流頁面](https://wikipedia.org/wiki/Electric_current) 上了解更多。
-
-解決方案是將水泵連接到外部電源，並使用執行器來開關水泵，就像你用手指開關燈一樣。用手指翻動開關所需的能量非常少，但這能將燈連接到 110v/240v 的市電。
-
-![燈開關將電力接通燈泡](../../../../../translated_images/zh-MO/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png)
-
-> 🎓 [市電](https://wikipedia.org/wiki/Mains_electricity) 是指通過國家基礎設施向家庭和企業提供的電力。
-
-✅ IoT 設備通常提供 3.3V 或 5V，電流小於 1 安培（1A）。相比之下，市電通常為 230V（北美為 120V，日本為 100V），能為需要 30A 電流的設備提供電力。
-
-有多種執行器可以完成這項工作，包括可以模仿手指動作的機械裝置，最常見的是繼電器。
-
-### 繼電器
-
-繼電器是一種電機機械開關，它將電信號轉換為機械運動以打開或關閉開關。繼電器的核心是一個電磁鐵。
-
-> 🎓 [電磁鐵](https://wikipedia.org/wiki/Electromagnet) 是通過電流流過線圈而產生的磁鐵。當電流接通時，線圈被磁化；當電流斷開時，線圈失去磁性。
-
-![當接通時，電磁鐵產生磁場，打開輸出電路的開關](../../../../../translated_images/zh-MO/relay-on.4db16a0fd6b66926.webp)
-
-在繼電器中，控制電路為電磁鐵供電。當電磁鐵接通時，它拉動一個杠杆，移動開關，閉合一對觸點並完成輸出電路。
-
-![當斷開時，電磁鐵不產生磁場，關閉輸出電路的開關](../../../../../translated_images/zh-MO/relay-off.c34a178a2960fecd.webp)
-
-當控制電路斷開時，電磁鐵關閉，釋放杠杆並打開觸點，關閉輸出電路。繼電器是一種數字執行器——高信號打開繼電器，低信號關閉繼電器。
-
-輸出電路可以用來為額外的硬件供電，例如灌溉系統。IoT 設備可以打開繼電器，完成輸出電路以為灌溉系統供電，植物得到澆水。然後 IoT 設備可以關閉繼電器，切斷灌溉系統的電源，停止澆水。
-
-![繼電器打開，啟動水泵向植物供水](../../../../../images/strawberry-pump.gif)
-
-在上面的視頻中，繼電器被打開。繼電器上的 LED 亮起，表示它已啟動（某些繼電器板上有 LED 指示繼電器的開啟或關閉狀態），電力被送到水泵，啟動水泵並向植物供水。
-
-> 💁 繼電器還可以用來在兩個輸出電路之間切換，而不是僅僅打開或關閉一個電路。當杠杆移動時，它將開關從完成一個輸出電路移動到完成另一個輸出電路，通常共享一個公共電源或公共接地連接。
-
-✅ 做一些研究：繼電器有多種類型，差異包括控制電路在通電時是打開還是關閉繼電器，或者是否有多個輸出電路。了解這些不同類型。
-
-當杠杆移動時，你通常可以聽到它與電磁鐵接觸時發出的清晰的“咔嗒”聲。
-
-> 💁 繼電器可以被接線設計成在接通時實際上斷開繼電器的電源，關閉繼電器，然後重新接通電源，依此類推。這意味著繼電器會非常快速地“咔嗒”作響，產生嗡嗡聲。這是一些早期電門鈴中的蜂鳴器的工作原理。
-
-### 繼電器功率
-
-電磁鐵啟動並拉動杠杆所需的功率不大，可以使用 IoT 開發板的 3.3V 或 5V 輸出進行控制。輸出電路可以承載更多功率，取決於繼電器，包括市電電壓甚至更高的工業用電功率。這樣，IoT 開發板可以控制灌溉系統，從單個植物的小型水泵到整個商業農場的大型工業系統。
-
-![一個 Grove 繼電器，標註了控制電路、輸出電路和繼電器](../../../../../translated_images/zh-MO/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png)
-
-上圖顯示了一個 Grove 繼電器。控制電路連接到 IoT 設備，使用 3.3V 或 5V 打開或關閉繼電器。輸出電路有兩個端子，任一端子可以是電源或接地。輸出電路可以處理高達 250V、10A 的電力，足以驅動一系列市電設備。你還可以找到能處理更高功率的繼電器。
-
-![通過繼電器連接的水泵](../../../../../translated_images/zh-MO/pump-wired-to-relay.66c5cfc0d8918990.webp)
-
-在上圖中，通過繼電器為水泵供電。一根紅色電線將 USB 電源的 +5V 端子連接到繼電器的輸出電路的一個端子，另一根紅色電線將輸出電路的另一端子連接到水泵。一根黑色電線將水泵連接到 USB 電源的接地端子。當繼電器打開時，它完成電路，向水泵提供 5V 電壓，啟動水泵。
-
-## 控制繼電器
-
-你可以使用 IoT 開發板控制繼電器。
-
-### 任務 - 控制繼電器
-
-按照相關指南，使用你的 IoT 設備控制繼電器：
-
-* [Arduino - Wio Terminal](wio-terminal-relay.md)
-* [單板計算機 - Raspberry Pi](pi-relay.md)
-* [單板計算機 - 虛擬設備](virtual-device-relay.md)
-
-## 通過 MQTT 控制植物
-
-目前你的繼電器是由 IoT 設備直接控制，基於單一的土壤濕度讀數。在商業灌溉系統中，控制邏輯通常是集中化的，這樣可以根據多個傳感器的數據進行澆水決策，並且可以在一個地方更改所有配置。為了模擬這一點，你可以通過 MQTT 控制繼電器。
-
-### 任務 - 通過 MQTT 控制繼電器
-
-1. 在你的 `soil-moisture-sensor` 項目中添加相關的 MQTT 庫/pip 包和代碼以連接到 MQTT。將客戶端 ID 命名為 `soilmoisturesensor_client`，並在前面加上你的 ID。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中連接到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt)。
-
-1. 添加相關設備代碼以使用土壤濕度設置發送遙測數據。對於遙測消息，將屬性命名為 `soil_moisture`。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中發送遙測數據到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device)。
-
-1. 在名為 `soil-moisture-sensor-server` 的文件夾中創建一些本地伺服器代碼以訂閱遙測數據並發送命令來控制繼電器。將命令消息中的屬性命名為 `relay_on`，並將客戶端 ID 命名為 `soilmoisturesensor_server`，並在前面加上你的 ID。保持與你在項目 1，第 4 課中編寫的伺服器代碼相同的結構，因為你將在本課程中繼續添加代碼。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中發送遙測數據到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) 和 [通過 MQTT 發送命令](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker)。
-
-1. 添加相關設備代碼以根據接收到的命令控制繼電器，使用消息中的 `relay_on` 屬性。如果 `soil_moisture` 大於 450，則發送 true 給 `relay_on`，否則發送 false，邏輯與你之前為 IoT 設備添加的邏輯相同。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中響應 MQTT 命令的指導](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device)。
-
-> 💁 你可以在 [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt) 文件夾中找到這段代碼。
-
-確保代碼在你的設備和本地伺服器上運行，並通過改變土壤濕度水平進行測試，可以通過改變虛擬傳感器發送的值，或者通過向土壤添加水或移除傳感器來改變土壤濕度。
-
-## 傳感器和執行器的響應時間
-
-在第 3 課中，你構建了一個夜燈——當光傳感器檢測到低光水平時，LED 立即亮起。光傳感器能夠即時檢測光線變化，設備能快速響應，僅受限於 `loop` 函數或 `while True:` 循環的延遲時間。作為 IoT 開發者，你不能總是依賴如此快速的反饋循環。
-
-### 土壤濕度的響應時間
-
-如果你在上一課中使用了物理傳感器測量土壤濕度，你可能會注意到在澆水後，土壤濕度讀數需要幾秒鐘才會下降。這並不是因為傳感器速度慢，而是因為水需要時間滲透到土壤中。
-💁 如果你在感測器附近澆水，可能會看到讀數迅速下降，然後又回升——這是因為感測器附近的水分擴散到土壤其他部分，導致感測器周圍的土壤濕度降低。
-![土壤濕度測量值為658，在澆水過程中不會改變，只有在水滲透到土壤後才會降至320](../../../../../translated_images/zh-MO/soil-moisture-travel.a0e31af222cf1438.webp)
-
-在上圖中，土壤濕度讀數顯示為658。植物被澆水，但這個讀數並不會立即改變，因為水尚未到達感測器。甚至在水到達感測器之前澆水可能已經完成，然後讀數才會下降以反映新的濕度水平。
-
-如果你正在撰寫基於土壤濕度水平通過繼電器控制灌溉系統的程式碼，你需要考慮這種延遲並在你的物聯網設備中建立更智能的時間控制。
-
-✅ 花點時間思考如何實現這一點。
-
-### 控制感測器和執行器的時間
-
-假設你被指派建造一個農場的灌溉系統。根據土壤類型，理想的植物土壤濕度水平已被確定為匹配模擬電壓讀數400-450。
-
-你可以像夜燈一樣編程設備——只要感測器讀數高於450，就啟動繼電器以啟動水泵。問題是水需要一段時間才能從水泵通過土壤到達感測器。感測器在檢測到450的濕度水平時會停止供水，但水泵的水仍會繼續滲透到土壤中，導致濕度水平繼續下降。最終結果是浪費水，並可能損害植物根部。
-
-✅ 記住——過多的水和過少的水一樣對植物有害，並且浪費了珍貴的資源。
-
-更好的解決方案是理解執行器啟動和感測器讀取的屬性改變之間存在延遲。這意味著感測器不僅需要等待一段時間再測量值，執行器也需要在下一次感測器測量之前關閉一段時間。
-
-每次繼電器應該開啟多久？最好謹慎行事，只讓繼電器開啟短時間，然後等待水滲透，再重新檢查濕度水平。畢竟，你可以隨時再次啟動水泵添加更多水，但你無法從土壤中移除水。
-
-> 💁 這種時間控制非常特定於你正在建造的物聯網設備、測量的屬性以及使用的感測器和執行器。
-
-![一株草莓植物通過水泵連接到水源，水泵通過繼電器控制。繼電器和植物中的土壤濕度感測器都連接到樹莓派](../../../../../translated_images/zh-MO/strawberry-with-pump.b410fc72ac6aabad.webp)
-
-例如，我有一株草莓植物，配有土壤濕度感測器和通過繼電器控制的水泵。我觀察到當我添加水時，大約需要20秒才能使土壤濕度讀數穩定。這意味著我需要關閉繼電器並等待20秒再檢查濕度水平。我寧願水少一些也不願水過多——我可以隨時再次啟動水泵，但我無法從植物中移除水。
-
-![步驟1，測量濕度。步驟2，添加水。步驟3，等待水滲透到土壤。步驟4，重新測量濕度](../../../../../translated_images/zh-MO/soil-moisture-delay.865f3fae206db01d.webp)
-
-這意味著最佳的澆水流程可能如下：
-
-* 啟動水泵5秒
-* 等待20秒
-* 檢查土壤濕度
-* 如果濕度水平仍高於需求，重複上述步驟
-
-5秒可能對水泵來說太長，特別是當濕度水平僅略高於所需水平時。最佳的方式是嘗試，然後根據感測器數據進行調整，形成一個持續的反饋循環。這甚至可以導致更精細的時間控制，例如每超過所需濕度100，啟動水泵1秒，而不是固定的5秒。
-
-✅ 做些研究：是否有其他時間考量？是否可以在任何土壤濕度過低的時候澆水，或者是否有特定的時間適合或不適合澆水？
-
-> 💁 天氣預測也可以納入考量，用於控制室外種植的自動澆水系統。如果預測有雨，澆水可以暫停，直到雨停後再進行。此時土壤可能已經足夠濕潤，不需要澆水，比在雨前澆水更有效率。
-
-## 為植物控制伺服器添加時間控制
-
-伺服器程式碼可以修改以添加澆水流程的時間控制，並等待土壤濕度水平的改變。控制繼電器時間的伺服器邏輯如下：
-
-1. 接收到遙測訊息
-1. 檢查土壤濕度水平
-1. 如果濕度水平正常，則不執行任何操作。如果讀數過高（表示土壤濕度過低），則：
-    1. 發送指令啟動繼電器
-    1. 等待5秒
-    1. 發送指令關閉繼電器
-    1. 等待20秒讓土壤濕度水平穩定
-
-澆水流程，即從接收到遙測訊息到準備再次處理土壤濕度水平的過程，大約需要25秒。我們每10秒發送一次土壤濕度水平，因此在伺服器等待土壤濕度穩定期間可能會收到訊息，這可能會啟動另一個澆水流程。
-
-有兩種解決方法：
-
-* 更改物聯網設備程式碼，使其每分鐘只發送一次遙測訊息，這樣澆水流程可以在下一次訊息發送之前完成
-* 在澆水流程期間取消訂閱遙測訊息
-
-第一種選擇對於大型農場來說並不總是好的解決方案。農民可能希望在澆水過程中捕捉土壤濕度水平，以便稍後分析，例如了解農場不同區域的水流情況，以指導更有針對性的澆水。第二種選擇更好——程式碼只是忽略無法使用的遙測訊息，但遙測訊息仍然存在，供其他可能訂閱的服務使用。
-
-> 💁 物聯網數據並非僅由一個設備發送到一個服務，而是許多設備可以將數據發送到一個代理，許多服務可以從代理中接收數據。例如，一個服務可以監聽土壤濕度數據並將其存儲到資料庫中以供稍後分析。另一個服務也可以監聽相同的遙測訊息以控制灌溉系統。
-
-### 任務 - 為植物控制伺服器添加時間控制
-
-更新你的伺服器程式碼，使繼電器運行5秒，然後等待20秒。
-
-1. 如果尚未打開，請在 VS Code 中打開 `soil-moisture-sensor-server` 資料夾。確保虛擬環境已啟動。
-
-1. 打開 `app.py` 文件
-
-1. 在現有的匯入語句下方添加以下程式碼：
-
-    ```python
-    import threading
-    ```
-
-    此語句從 Python 庫中匯入 `threading`，threading 允許 Python 在等待期間執行其他程式碼。
-
-1. 在處理遙測訊息的 `handle_telemetry` 函數之前添加以下程式碼：
-
-    ```python
-    water_time = 5
-    wait_time = 20
-    ```
-
-    這定義了繼電器運行的時間（`water_time`）以及之後檢查土壤濕度的等待時間（`wait_time`）。
-
-1. 在此程式碼下方添加以下內容：
-
-    ```python
-    def send_relay_command(client, state):
-        command = { 'relay_on' : state }
-        print("Sending message:", command)
-        client.publish(server_command_topic, json.dumps(command))
-    ```
-
-    此程式碼定義了一個名為 `send_relay_command` 的函數，用於通過 MQTT 發送指令來控制繼電器。遙測訊息被創建為字典，然後轉換為 JSON 字串。傳遞到 `state` 的值決定繼電器應該開啟還是關閉。
-
-1. 在 `send_relay_code` 函數之後添加以下程式碼：
-
-    ```python
-    def control_relay(client):
-        print("Unsubscribing from telemetry")
-        mqtt_client.unsubscribe(client_telemetry_topic)
-    
-        send_relay_command(client, True)
-        time.sleep(water_time)
-        send_relay_command(client, False)
-    
-        time.sleep(wait_time)
-    
-        print("Subscribing to telemetry")
-        mqtt_client.subscribe(client_telemetry_topic)
-    ```
-
-    此程式碼定義了一個函數，用於基於所需的時間控制繼電器。它首先取消訂閱遙測訊息，以便在澆水期間不處理土壤濕度訊息。接著它發送指令啟動繼電器，然後等待 `water_time`，再發送指令關閉繼電器。最後它等待 `wait_time` 秒讓土壤濕度水平穩定，然後重新訂閱遙測訊息。
-
-1. 將 `handle_telemetry` 函數更改為以下內容：
-
-    ```python
-    def handle_telemetry(client, userdata, message):
-        payload = json.loads(message.payload.decode())
-        print("Message received:", payload)
-    
-        if payload['soil_moisture'] > 450:
-            threading.Thread(target=control_relay, args=(client,)).start()
-    ```
-
-    此程式碼檢查土壤濕度水平。如果濕度水平大於450，則土壤需要澆水，並調用 `control_relay` 函數。此函數在單獨的執行緒中運行，作為背景執行。
-
-1. 確保你的物聯網設備正在運行，然後運行此程式碼。更改土壤濕度水平並觀察繼電器的行為——它應該運行5秒，然後至少保持關閉20秒，只有在土壤濕度水平不足時才會再次啟動。
-
-    ```output
-    (.venv) ➜  soil-moisture-sensor-server ✗ python app.py
-    Message received: {'soil_moisture': 457}
-    Unsubscribing from telemetry
-    Sending message: {'relay_on': True}
-    Sending message: {'relay_on': False}
-    Subscribing to telemetry
-    Message received: {'soil_moisture': 302}
-    ```
-
-    在模擬灌溉系統中測試此程式碼的一個好方法是使用乾燥的土壤，然後在繼電器開啟時手動倒水，並在繼電器關閉時停止倒水。
-
-> 💁 你可以在 [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing) 資料夾中找到此程式碼。
-
-> 💁 如果你想使用水泵建造一個真實的灌溉系統，你可以使用 [6V 水泵](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) 和 [USB 終端電源](https://www.adafruit.com/product/3628)。確保水泵的電源或輸出通過繼電器連接。
-
----
-
-## 🚀 挑戰
-
-你能想到其他物聯網或電氣設備也有類似的問題嗎？即執行器的結果需要一段時間才能到達感測器。你家裡或學校可能有幾個這樣的例子。
-
-* 它們測量什麼屬性？
-* 屬性在執行器使用後需要多長時間才能改變？
-* 屬性超過所需值是否可以接受？
-* 如果需要，如何將屬性返回到所需值？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
-
-## 回顧與自學
-
-* 閱讀更多關於繼電器的內容，包括它們在電話交換機中的歷史用途：[繼電器維基百科頁面](https://wikipedia.org/wiki/Relay)。
-
-## 作業
-
-[建造更高效的澆水流程](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/mo/2-farm/lessons/3-automated-plant-watering/assignment.md
deleted file mode 100644
index 326a675b4..000000000
--- a/translations/mo/2-farm/lessons/3-automated-plant-watering/assignment.md
+++ /dev/null
@@ -1,54 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
-  "translation_date": "2025-08-26T22:28:05+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
-  "language_code": "mo"
-}
--->
-# 建立更高效的灌溉週期
-
-## 說明
-
-本課程介紹了如何通過感測器數據控制繼電器，而該繼電器可以進一步控制灌溉系統的水泵。對於一塊特定的土壤，運行水泵固定的時間長度應該始終對土壤濕度產生相同的影響。這意味著你可以了解灌溉幾秒鐘對應於土壤濕度讀數的某個下降值。利用這些數據，你可以建立一個更可控的灌溉系統。
-
-在這個作業中，你將計算水泵應該運行多長時間以達到特定的土壤濕度上升。
-
-> ⚠️ 如果你使用的是虛擬 IoT 硬體，你可以完成這個過程，但需要通過在繼電器開啟時每秒手動增加固定的土壤濕度讀數來模擬結果。
-
-1. 從乾燥的土壤開始。測量土壤濕度。
-
-1. 添加固定量的水，可以通過運行水泵 1 秒或倒入固定量的水來完成。
-
-    > 水泵應始終以恆定的速率運行，因此每秒運行的水泵應提供相同量的水。
-
-1. 等待土壤濕度穩定後進行讀數。
-
-1. 重複多次並建立一個結果表。以下是此表的範例。
-
-    | 總水泵運行時間 | 土壤濕度 | 減少量 |
-    | --- | --: | -: |
-    | 乾燥 | 643 |  0 |
-    | 1秒  | 621 | 22 |
-    | 2秒  | 601 | 20 |
-    | 3秒  | 579 | 22 |
-    | 4秒  | 560 | 19 |
-    | 5秒  | 539 | 21 |
-    | 6秒  | 521 | 18 |
-
-1. 計算每秒水量對土壤濕度的平均影響。在上述範例中，每秒水量平均使讀數下降 20.3。
-
-1. 使用這些數據改進伺服器代碼的效率，讓水泵運行所需的時間以達到所需的土壤濕度水平。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 捕捉土壤濕度數據 | 能夠在添加固定水量後捕捉多次讀數 | 能夠在添加固定水量後捕捉部分讀數 | 只能捕捉一兩次讀數，或無法使用固定水量 |
-| 校準伺服器代碼 | 能夠計算土壤濕度讀數的平均減少量，並更新伺服器代碼以使用此數據 | 能夠計算平均減少量，但無法更新伺服器代碼，或無法正確計算平均值，但能正確更新伺服器代碼 | 無法計算平均值，或無法更新伺服器代碼 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/mo/2-farm/lessons/3-automated-plant-watering/pi-relay.md
deleted file mode 100644
index 723cf8b01..000000000
--- a/translations/mo/2-farm/lessons/3-automated-plant-watering/pi-relay.md
+++ /dev/null
@@ -1,123 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
-  "translation_date": "2025-08-26T22:30:02+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
-  "language_code": "mo"
-}
--->
-# 控制繼電器 - Raspberry Pi
-
-在本課程中，您將在 Raspberry Pi 上添加一個繼電器，並根據土壤濕度的水平來控制它，除了土壤濕度傳感器之外。
-
-## 硬體
-
-Raspberry Pi 需要一個繼電器。
-
-您將使用的是 [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)，這是一個常開型繼電器（意味著當沒有信號發送到繼電器時，輸出電路是開路或斷開的），可以處理高達 250V 和 10A 的輸出電路。
-
-這是一個數位執行器，因此需要連接到 Grove Base Hat 上的數位引腳。
-
-### 連接繼電器
-
-Grove 繼電器可以連接到 Raspberry Pi。
-
-#### 任務
-
-連接繼電器。
-
-![一個 Grove 繼電器](../../../../../translated_images/zh-MO/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png)
-
-1. 將 Grove 電纜的一端插入繼電器上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove Base Hat 上標記為 **D5** 的數位插座。這個插座位於 GPIO 引腳旁邊那排插座的第二個位置。保持土壤濕度傳感器連接到 **A0** 插座。
-
-![Grove 繼電器連接到 D5 插座，土壤濕度傳感器連接到 A0 插座](../../../../../translated_images/zh-MO/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png)
-
-1. 如果土壤濕度傳感器還沒有插入土壤，請將其插入土壤中（如果是從上一課程中留下的，則可能已經插入）。
-
-## 編程控制繼電器
-
-現在可以編程 Raspberry Pi 來使用已連接的繼電器。
-
-### 任務
-
-編程設備。
-
-1. 啟動 Raspberry Pi，並等待其啟動完成。
-
-1. 在 VS Code 中打開上一課程中的 `soil-moisture-sensor` 專案（如果尚未打開）。您將在此專案中進行添加。
-
-1. 在現有的匯入語句下方，將以下代碼添加到 `app.py` 文件中：
-
-    ```python
-    from grove.grove_relay import GroveRelay
-    ```
-
-    這段語句從 Grove Python 庫中匯入 `GroveRelay`，以便與 Grove 繼電器進行互動。
-
-1. 在 `ADC` 類的聲明下方，添加以下代碼來創建一個 `GroveRelay` 實例：
-
-    ```python
-    relay = GroveRelay(5)
-    ```
-
-    這段代碼使用 **D5** 引腳（您連接繼電器的數位引腳）創建了一個繼電器。
-
-1. 為了測試繼電器是否正常工作，將以下代碼添加到 `while True:` 迴圈中：
-
-    ```python
-    relay.on()
-    time.sleep(.5)
-    relay.off()
-    ```
-
-    這段代碼會打開繼電器，等待 0.5 秒，然後關閉繼電器。
-
-1. 運行 Python 應用程式。繼電器將每 10 秒打開和關閉一次，打開和關閉之間有 0.5 秒的延遲。您會聽到繼電器的開啟和關閉聲音。當繼電器打開時，Grove 板上的 LED 會亮起，關閉時則熄滅。
-
-    ![繼電器開啟和關閉](../../../../../images/relay-turn-on-off.gif)
-
-## 根據土壤濕度控制繼電器
-
-現在繼電器已經可以正常工作，您可以根據土壤濕度讀數來控制它。
-
-### 任務
-
-控制繼電器。
-
-1. 刪除您為測試繼電器而添加的 3 行代碼。用以下代碼替換它們：
-
-    ```python
-    if soil_moisture > 450:
-        print("Soil Moisture is too low, turning relay on.")
-        relay.on()
-    else:
-        print("Soil Moisture is ok, turning relay off.")
-        relay.off()
-    ```
-
-    這段代碼會檢查土壤濕度傳感器的讀數。如果讀數高於 450，則打開繼電器；如果低於 450，則關閉繼電器。
-
-    > 💁 請記住，電容式土壤濕度傳感器的讀數越低，土壤中的濕度越高，反之亦然。
-
-1. 運行 Python 應用程式。您將看到繼電器根據土壤濕度水平開啟或關閉。嘗試在乾燥的土壤中測試，然後添加水。
-
-    ```output
-    Soil Moisture: 638
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 452
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 347
-    Soil Moisture is ok, turning relay off.
-    ```
-
-> 💁 您可以在 [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi) 資料夾中找到這段代碼。
-
-😀 您的土壤濕度傳感器控制繼電器程式已成功完成！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/mo/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
deleted file mode 100644
index a7e37ff3e..000000000
--- a/translations/mo/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
+++ /dev/null
@@ -1,127 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
-  "translation_date": "2025-08-26T22:31:09+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
-  "language_code": "mo"
-}
--->
-# 控制繼電器 - 虛擬物聯網硬體
-
-在本課程的這部分，您將在虛擬物聯網設備中添加繼電器，除了土壤濕度感測器外，還根據土壤濕度水平來控制它。
-
-## 虛擬硬體
-
-虛擬物聯網設備將使用模擬的 Grove 繼電器。這使得本實驗室與使用 Raspberry Pi 和實體 Grove 繼電器的操作保持一致。
-
-在實體物聯網設備中，繼電器通常是常開型繼電器（意味著當沒有信號傳送到繼電器時，輸出電路是開路或斷開的）。這類繼電器可以處理高達 250V 和 10A 的輸出電路。
-
-### 在 CounterFit 中添加繼電器
-
-要使用虛擬繼電器，您需要將其添加到 CounterFit 應用程式中。
-
-#### 任務
-
-將繼電器添加到 CounterFit 應用程式。
-
-1. 如果尚未打開，請在 VS Code 中打開上一課的 `soil-moisture-sensor` 專案。您將在此專案中進行添加。
-
-1. 確保 CounterFit 網頁應用程式正在運行。
-
-1. 創建一個繼電器：
-
-    1. 在 *Actuators* 面板中的 *Create actuator* 框中，展開 *Actuator type* 下拉框並選擇 *Relay*。
-
-    1. 將 *Pin* 設置為 *5*。
-
-    1. 選擇 **Add** 按鈕以在 Pin 5 上創建繼電器。
-
-    ![繼電器設置](../../../../../translated_images/zh-MO/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png)
-
-    繼電器將被創建並顯示在致動器列表中。
-
-    ![已創建的繼電器](../../../../../translated_images/zh-MO/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png)
-
-## 編程繼電器
-
-現在可以編程土壤濕度感測器應用程式以使用虛擬繼電器。
-
-### 任務
-
-編程虛擬設備。
-
-1. 如果尚未打開，請在 VS Code 中打開上一課的 `soil-moisture-sensor` 專案。您將在此專案中進行添加。
-
-1. 在現有的匯入語句下方，將以下程式碼添加到 `app.py` 文件中：
-
-    ```python
-    from counterfit_shims_grove.grove_relay import GroveRelay
-    ```
-
-    此語句從 Grove Python shim 庫中匯入 `GroveRelay`，以與虛擬 Grove 繼電器進行互動。
-
-1. 在 `ADC` 類的宣告下方添加以下程式碼，以創建一個 `GroveRelay` 實例：
-
-    ```python
-    relay = GroveRelay(5)
-    ```
-
-    這會使用 Pin **5** 創建一個繼電器，該 Pin 是您連接繼電器的地方。
-
-1. 為了測試繼電器是否正常工作，將以下程式碼添加到 `while True:` 迴圈中：
-
-    ```python
-    relay.on()
-    time.sleep(.5)
-    relay.off()
-    ```
-
-    此程式碼會打開繼電器，等待 0.5 秒，然後關閉繼電器。
-
-1. 運行 Python 應用程式。繼電器將每 10 秒打開和關閉一次，並在打開和關閉之間有半秒的延遲。您將看到 CounterFit 應用程式中的虛擬繼電器隨著繼電器的打開和關閉而閉合和斷開。
-
-    ![虛擬繼電器打開和關閉](../../../../../images/virtual-relay-turn-on-off.gif)
-
-## 根據土壤濕度控制繼電器
-
-現在繼電器已正常工作，可以根據土壤濕度讀數進行控制。
-
-### 任務
-
-控制繼電器。
-
-1. 刪除您添加的用於測試繼電器的 3 行程式碼。用以下程式碼替換它們：
-
-    ```python
-    if soil_moisture > 450:
-        print("Soil Moisture is too low, turning relay on.")
-        relay.on()
-    else:
-        print("Soil Moisture is ok, turning relay off.")
-        relay.off()
-    ```
-
-    此程式碼檢查來自土壤濕度感測器的土壤濕度水平。如果濕度值高於 450，則打開繼電器；如果低於 450，則關閉繼電器。
-
-    > 💁 請記住，電容式土壤濕度感測器的讀數越低，土壤中的濕度越高，反之亦然。
-
-1. 運行 Python 應用程式。您將看到繼電器根據土壤濕度水平打開或關閉。更改土壤濕度感測器的 *Value* 或 *Random* 設置以查看值的變化。
-
-    ```output
-    Soil Moisture: 638
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 452
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 347
-    Soil Moisture is ok, turning relay off.
-    ```
-
-> 💁 您可以在 [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device) 資料夾中找到此程式碼。
-
-😀 恭喜！您的虛擬土壤濕度感測器成功控制了繼電器！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/mo/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
deleted file mode 100644
index 38cb53ea1..000000000
--- a/translations/mo/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
+++ /dev/null
@@ -1,25 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
-  "translation_date": "2025-08-26T22:29:08+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
-  "language_code": "mo"
-}
--->
-# 控制繼電器 - Wio Terminal
-
-在本課程中，您將在 Wio Terminal 上添加一個繼電器，除了土壤濕度傳感器外，還可以根據土壤濕度水平來控制它。
-
-## 硬體
-
-Wio Terminal 需要一個繼電器。
-
-您將使用的是 [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)，這是一個常開型繼電器（意味著當沒有信號發送到繼電器時，輸出電路是開路或斷開的），它可以處理最高 250V 和 10A 的輸出電路。
-
-這是一個數位執行器，因此需要連接到 Wio Terminal 的數位引腳。模擬/數位組合端口已經被土壤濕度傳感器使用，因此繼電器需要插入另一個端口，該端口是組合 I
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
deleted file mode 100644
index 0667ae0bd..000000000
--- a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
+++ /dev/null
@@ -1,451 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4d8e7a066d75b625e7a979c14157041d",
-  "translation_date": "2025-08-26T22:57:44+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
-  "language_code": "mo"
-}
--->
-# 將植物遷移到雲端
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [IoT 初學者第二項目 - 數字農業系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。
-
-[![使用 Azure IoT Hub 將設備連接到雲端](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
-
-## 簡介
-
-在上一課中，你學習了如何將植物連接到 MQTT broker，並通過本地運行的伺服器代碼控制繼電器。這構成了從家中單個植物到商業農場使用的互聯網連接自動灌溉系統的核心。
-
-IoT 設備通過公共 MQTT broker 進行通信，這是一種演示原理的方式，但並不是最可靠或安全的方法。在本課中，你將學習雲端以及公共雲服務提供的 IoT 功能。你還將學習如何將植物從公共 MQTT broker 遷移到這些雲服務之一。
-
-本課將涵蓋以下內容：
-
-* [什麼是雲端？](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [創建雲端訂閱](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [雲端 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [在雲端創建 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [與 IoT Hub 通信](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [將設備連接到 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-
-## 什麼是雲端？
-
-在雲端出現之前，當公司想要向員工提供服務（例如數據庫或文件存儲）或向公眾提供服務（例如網站）時，他們需要建立並運行數據中心。這可能是一個有少量計算機的房間，也可能是一個有大量計算機的建築。公司需要管理所有事情，包括：
-
-* 購買計算機
-* 硬件維護
-* 電力和冷卻
-* 網絡
-* 安全性，包括建築安全和計算機上的軟件安全
-* 軟件安裝和更新
-
-這可能非常昂貴，需要各種技能的員工，並且在需要時改變速度非常慢。例如，如果一家在線商店需要為繁忙的假期季節做準備，他們需要提前幾個月計劃購買更多硬件、配置它、安裝它並安裝運行銷售流程的軟件。在假期季節結束後，銷售量下降，他們可能會留下閒置的計算機，直到下一個繁忙季節。
-
-✅ 你認為這樣的方式能讓公司快速行動嗎？如果一家在線服裝零售商因某位名人穿著他們的服裝而突然流行起來，他們能否快速增加計算能力以支持突然增加的訂單？
-
-### 別人的計算機
-
-雲端常被戲稱為「別人的計算機」。最初的想法很簡單——與其購買計算機，不如租用別人的計算機。雲計算提供商會管理巨大的數據中心。他們負責購買和安裝硬件、管理電力和冷卻、網絡、建築安全、硬件和軟件更新等所有事情。作為客戶，你只需租用所需的計算機，需求增加時租用更多，需求減少時減少租用。這些雲端數據中心分布在世界各地。
-
-![Microsoft 雲端數據中心](../../../../../translated_images/zh-MO/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png)
-![Microsoft 雲端數據中心擴展計劃](../../../../../translated_images/zh-MO/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png)
-
-這些數據中心的面積可以達到數平方公里。上面的圖片拍攝於幾年前的 Microsoft 雲端數據中心，展示了初始規模以及擴展計劃。擴展清理出的區域超過 5 平方公里。
-
-> 💁 這些數據中心需要大量的電力，有些甚至擁有自己的發電站。由於其規模和雲提供商的投資，它們通常非常環保。相比於大量小型數據中心，它們更高效，主要使用可再生能源運行，雲提供商努力減少浪費、降低水資源使用並重新植樹以彌補因建設數據中心而砍伐的森林。你可以在 [Azure 可持續性網站](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn) 上了解更多關於雲提供商如何致力於可持續發展的信息。
-
-✅ 做一些研究：了解主要的雲端服務，例如 [Microsoft 的 Azure](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) 或 [Google 的 GCP](https://cloud.google.com)。他們有多少個數據中心？這些數據中心分布在哪些地方？
-
-使用雲端可以降低公司的成本，並使公司能專注於自己最擅長的事情，將雲計算專業知識交給提供商。公司不再需要租用或購買數據中心空間、向不同的提供商支付連接和電力費用或僱用專家。相反，他們只需向雲提供商支付一張月度賬單，所有事情都由提供商處理。
-
-雲提供商可以利用規模經濟降低成本，批量購買計算機以降低成本，投資工具以減少維護工作量，甚至設計和建造自己的硬件以改善雲端服務。
-
-### Microsoft Azure
-
-Azure 是 Microsoft 的開發者雲端，也是你在這些課程中將使用的雲端。以下視頻提供了 Azure 的簡短概述：
-
-[![Azure 概述視頻](../../../../../translated_images/zh-MO/what-is-azure-video-thumbnail.20174db09e03bbb8.webp)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
-
-## 創建雲端訂閱
-
-要使用雲端服務，你需要向雲提供商註冊訂閱。在本課中，你將註冊 Microsoft Azure 訂閱。如果你已經有 Azure 訂閱，可以跳過此任務。此處描述的訂閱詳情在撰寫時是正確的，但可能會有所更改。
-
-> 💁 如果你通過學校訪問這些課程，你可能已經有可用的 Azure 訂閱。向你的老師確認。
-
-有兩種不同類型的免費 Azure 訂閱可以註冊：
-
-* **Azure for Students** - 這是專為 18 歲以上學生設計的訂閱。註冊時不需要信用卡，你可以使用學校的電子郵件地址驗證你是學生。註冊後，你將獲得 100 美元的雲端資源使用額，以及包括 IoT 服務免費版本在內的免費服務。此訂閱有效期為 12 個月，每年可續訂，只要你仍是學生。
-
-* **Azure 免費訂閱** - 這是為非學生設計的訂閱。註冊時需要信用卡，但不會扣款，僅用於驗證你是真人而非機器人。你在前 30 天內可獲得 200 美元的信用額，用於任何服務，並享受 Azure 服務的免費層。一旦信用額用完，除非你轉換為按使用付費訂閱，否則不會扣款。
-
-> 💁 Microsoft 確實提供了 Azure for Students Starter 訂閱，供 18 歲以下學生使用，但在撰寫時此訂閱不支持任何 IoT 服務。
-
-### 任務 - 註冊免費雲端訂閱
-
-如果你是 18 歲以上的學生，可以註冊 Azure for Students 訂閱。你需要使用學校的電子郵件地址進行驗證。你可以通過以下兩種方式完成：
-
-* 在 [education.github.com/pack](https://education.github.com/pack) 註冊 GitHub 學生開發者包。這將使你能夠訪問一系列工具和優惠，包括 GitHub 和 Microsoft Azure。註冊開發者包後，你可以激活 Azure for Students 優惠。
-
-* 直接在 [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn) 註冊 Azure for Students 帳戶。
-
-> ⚠️ 如果你的學校電子郵件地址未被認可，請在 [此 repo 提交問題](https://github.com/Microsoft/IoT-For-Beginners/issues)，我們將嘗試將其添加到 Azure for Students 的允許列表中。
-
-如果你不是學生，或者沒有有效的學校電子郵件地址，可以註冊 Azure 免費訂閱。
-
-* 在 [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn) 註冊 Azure 免費訂閱。
-
-## 雲端 IoT 服務
-
-你一直使用的公共測試 MQTT broker 是一個很好的學習工具，但作為商業用途的工具存在一些缺點：
-
-* **可靠性** - 它是一個免費服務，沒有任何保證，可能隨時關閉
-* **安全性** - 它是公共的，因此任何人都可以監聽你的遙測數據或發送命令控制你的硬件
-* **性能** - 它設計僅用於少量測試消息，因此無法應對大量消息的傳輸
-* **發現性** - 無法知道有哪些設備已連接
-
-雲端 IoT 服務解決了這些問題。它們由大型雲提供商維護，這些提供商在可靠性方面投入巨大，並隨時解決可能出現的問題。它們內置了安全性，防止黑客讀取你的數據或發送惡意命令。它們還具有高性能，能夠每天處理數百萬條消息，並利用雲端根據需要進行擴展。
-
-> 💁 雖然你需要支付月費來享受這些優勢，但大多數雲提供商都提供有限消息數量或設備連接的 IoT 服務免費版本。這些免費版本通常足夠開發者學習服務。在本課中，你將使用免費版本。
-
-IoT 設備可以通過設備 SDK（提供與服務功能交互的代碼庫）或直接通過通信協議（如 MQTT 或 HTTP）連接到雲端服務。設備 SDK 通常是最簡單的路徑，因為它處理所有事情，例如知道要發布或訂閱哪些主題，以及如何處理安全性。
-
-![設備通過設備 SDK 連接到服務。伺服器代碼也通過 SDK 連接到服務](../../../../../translated_images/zh-MO/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png)
-
-你的設備然後通過該服務與應用程序的其他部分通信——類似於你通過 MQTT 發送遙測數據和接收命令。這通常使用服務 SDK 或類似的庫。消息從設備發送到服務，應用程序的其他部分可以讀取這些消息，並將消息發送回設備。
-
-![沒有有效密鑰的設備無法連接到 IoT 服務](../../../../../translated_images/zh-MO/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png)
-
-這些服務通過了解所有可以連接並發送數據的設備來實現安全性，這可以通過預先註冊設備或提供設備密鑰或證書來完成，設備可以在首次連接時使用這些密鑰或證書向服務註冊。未知設備無法連接，如果嘗試，服務會拒絕連接並忽略它們發送的消息。
-
-✅ 做一些研究：開放的 IoT 服務允許任何設備或代碼連接會有哪些缺點？你能找到黑客利用這種情況的具體例子嗎？
-
-應用程序的其他部分可以連接到 IoT 服務，了解所有已連接或註冊的設備，並直接與它們進行批量或單獨通信。
-💁 IoT 服務還提供額外的功能，雲端供應商也有其他服務和應用程式可以連接到該服務。例如，如果您想將所有設備發送的遙測訊息存儲到資料庫中，通常只需在雲端供應商的配置工具中點擊幾下，就能將服務連接到資料庫並將資料流入。
-## 在雲端建立 IoT 服務
-
-現在您已擁有 Azure 訂閱，您可以註冊一個 IoT 服務。Microsoft 的 IoT 服務稱為 Azure IoT Hub。
-
-![Azure IoT Hub 標誌](../../../../../translated_images/zh-MO/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png)
-
-以下影片提供了 Azure IoT Hub 的簡短概述：
-
-[![Azure IoT Hub 概述影片](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
-
-> 🎥 點擊上方圖片觀看影片
-
-✅ 花點時間進行研究，閱讀 [Microsoft IoT Hub 文件](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn) 中的 IoT Hub 概述。
-
-Azure 提供的雲端服務可以透過網頁式入口網站或命令列介面 (CLI) 進行配置。這次任務中，您將使用 CLI。
-
-### 任務 - 安裝 Azure CLI
-
-要使用 Azure CLI，首先需要在您的 PC 或 Mac 上安裝它。
-
-1. 按照 [Azure CLI 文件](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn) 中的指示安裝 CLI。
-
-1. Azure CLI 支援多種擴展功能，這些擴展功能可用於管理各種 Azure 服務。透過命令列或終端機執行以下命令來安裝 IoT 擴展：
-
-    ```sh
-    az extension add --name azure-iot
-    ```
-
-1. 從命令列或終端機執行以下命令，使用 Azure CLI 登錄您的 Azure 訂閱。
-
-    ```sh
-    az login
-    ```
-
-    預設瀏覽器將啟動一個網頁。使用您註冊 Azure 訂閱的帳戶登錄。登錄完成後，您可以關閉瀏覽器標籤頁。
-
-1. 如果您有多個 Azure 訂閱，例如學校提供的訂閱和您自己的 Azure for Students 訂閱，您需要選擇要使用的訂閱。執行以下命令列出您有權訪問的所有訂閱：
-
-    ```sh
-    az account list --output table
-    ```
-
-    在輸出中，您將看到每個訂閱的名稱以及其 `SubscriptionId`。
-
-    ```output
-    ➜  ~ az account list --output table
-    Name                    CloudName    SubscriptionId                        State    IsDefault
-    ----------------------  -----------  ------------------------------------  -------  -----------
-    School-subscription     AzureCloud   cb30cde9-814a-42f0-a111-754cb788e4e1  Enabled  True
-    Azure for Students      AzureCloud   fa51c31b-162c-4599-add6-781def2e1fbf  Enabled  False
-    ```
-
-    要選擇您要使用的訂閱，請使用以下命令：
-
-    ```sh
-    az account set --subscription <SubscriptionId>
-    ```
-
-    將 `<SubscriptionId>` 替換為您要使用的訂閱 ID。執行此命令後，重新執行列出帳戶的命令。您將看到 `IsDefault` 列已標記為 `True`，表示您剛剛設置的訂閱。
-
-### 任務 - 建立資源群組
-
-Azure 服務，例如 IoT Hub 實例、虛擬機器、資料庫或 AI 服務，被稱為 **資源**。每個資源都必須位於 **資源群組** 中，資源群組是一個或多個資源的邏輯分組。
-
-> 💁 使用資源群組意味著您可以一次管理多個服務。例如，完成此專案的所有課程後，您可以刪除資源群組，所有資源將自動刪除。
-
-1. Azure 在全球有多個資料中心，分為不同的區域。當您建立 Azure 資源或資源群組時，您需要指定要在哪裡建立它。執行以下命令以獲取位置列表：
-
-    ```sh
-    az account list-locations --output table
-    ```
-
-    您將看到一個位置列表。這個列表會很長。
-
-    > 💁 截至撰寫本文時，您可以部署到 65 個位置。
-
-    ```output
-        ➜  ~ az account list-locations --output table
-    DisplayName               Name                 RegionalDisplayName
-    ------------------------  -------------------  -------------------------------------
-    East US                   eastus               (US) East US
-    East US 2                 eastus2              (US) East US 2
-    South Central US          southcentralus       (US) South Central US
-    ...
-    ```
-
-    記下距您最近的區域的 `Name` 列中的值。您可以在 [Azure 地理位置頁面](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn) 上的地圖中找到這些區域。
-
-1. 執行以下命令以建立名為 `soil-moisture-sensor` 的資源群組。資源群組名稱必須在您的訂閱中是唯一的。
-
-    ```sh
-    az group create --name soil-moisture-sensor \
-                    --location <location>
-    ```
-
-    將 `<location>` 替換為您在上一步中選擇的位置。
-
-### 任務 - 建立 IoT Hub
-
-現在您可以在資源群組中建立 IoT Hub 資源。
-
-1. 使用以下命令建立您的 IoT Hub 資源：
-
-    ```sh
-    az iot hub create --resource-group soil-moisture-sensor \
-                      --sku F1 \
-                      --partition-count 2 \
-                      --name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您的 Hub 名稱。此名稱必須是全球唯一的——即任何人建立的 IoT Hub 都不能有相同的名稱。此名稱用於指向 Hub 的 URL，因此需要唯一。使用類似 `soil-moisture-sensor-` 的名稱，並在末尾添加唯一標識符，例如一些隨機字或您的名字。
-
-    `--sku F1` 選項表示使用免費層。免費層每天支援 8,000 條消息以及大多數付費層的功能。
-
-    > 🎓 Azure 服務的不同定價級別稱為層。每個層都有不同的成本，並提供不同的功能或數據量。
-
-    > 💁 如果您想了解更多有關定價的信息，可以查看 [Azure IoT Hub 定價指南](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn)。
-
-    `--partition-count 2` 選項定義 IoT Hub 支援的數據流數量。更多分區可以減少多個設備從 IoT Hub 讀寫時的數據阻塞。分區超出了這些課程的範圍，但此值需要設置以建立免費層 IoT Hub。
-
-    > 💁 每個訂閱只能有一個免費層 IoT Hub。
-
-IoT Hub 將被建立。這可能需要一分鐘左右完成。
-
-## 與 IoT Hub 通訊
-
-在上一課中，您使用 MQTT 並在不同的主題上來回發送消息，每個主題有不同的用途。IoT Hub 不使用不同的主題發送消息，而是有多種定義的方式供設備與 Hub 通訊，或 Hub 與設備通訊。
-
-> 💁 在底層，IoT Hub 與您的設備之間的通訊可以使用 MQTT、HTTPS 或 AMQP。
-
-* 設備到雲端 (D2C) 消息 - 這些是從設備發送到 IoT Hub 的消息，例如遙測數據。您的應用程式代碼可以從 IoT Hub 中讀取這些消息。
-
-    > 🎓 在底層，IoT Hub 使用一個 Azure 服務稱為 [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn)。當您編寫代碼來讀取發送到 Hub 的消息時，這些通常被稱為事件。
-
-* 雲端到設備 (C2D) 消息 - 這些是從應用程式代碼通過 IoT Hub 發送到 IoT 設備的消息。
-
-* 直接方法請求 - 這些是從應用程式代碼通過 IoT Hub 發送到 IoT 設備的消息，用於請求設備執行某些操作，例如控制執行器。這些消息需要回應，以便您的應用程式代碼知道是否成功處理。
-
-* 設備雙胞胎 - 這些是 JSON 文件，保持設備與 IoT Hub 之間的同步，用於存儲設備報告的設置或其他屬性，或者應由 IoT Hub 設置在設備上的屬性（稱為期望值）。
-
-IoT Hub 可以存儲消息和直接方法請求一段可配置的時間（默認為一天），因此如果設備或應用程式代碼失去連接，重新連接後仍然可以檢索離線期間發送的消息。設備雙胞胎永久保存在 IoT Hub 中，因此設備可以隨時重新連接並獲取最新的設備雙胞胎。
-
-✅ 進行研究：閱讀 IoT Hub 文件中的 [設備到雲端通訊指南](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn) 和 [雲端到設備通訊指南](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn)。
-
-## 連接您的設備到 IoT 服務
-
-Hub 建立後，您的 IoT 設備可以連接到它。只有註冊的設備可以連接到服務，因此您需要先註冊您的設備。註冊後，您可以獲得一個連接字串，設備可以使用它進行連接。此連接字串是設備專屬的，包含有關 IoT Hub、設備以及允許此設備連接的密鑰的信息。
-
-> 🎓 連接字串是一個通用術語，指包含連接詳細信息的一段文字。它們在連接 IoT Hub、資料庫和許多其他服務時使用。通常包括服務的標識符，例如 URL，以及安全信息，例如密鑰。這些字串會傳遞給 SDK 用於連接服務。
-
-> ⚠️ 連接字串應保持安全！安全性將在未來的課程中詳細介紹。
-
-### 任務 - 註冊您的 IoT 設備
-
-可以使用 Azure CLI 將 IoT 設備註冊到您的 IoT Hub。
-
-1. 執行以下命令註冊設備：
-
-    ```sh
-    az iot hub device-identity create --device-id soil-moisture-sensor \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-    這將建立一個 ID 為 `soil-moisture-sensor` 的設備。
-
-1. 當您的 IoT 設備使用 SDK 連接到 IoT Hub 時，它需要使用一個連接字串，該字串提供 Hub 的 URL 以及密鑰。執行以下命令以獲取連接字串：
-
-    ```sh
-    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
-                                                      --output table \
-                                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-1. 保存輸出中顯示的連接字串，稍後您將需要它。
-
-### 任務 - 將您的 IoT 設備連接到雲端
-
-按照相關指南將您的 IoT 設備連接到雲端：
-
-* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-connect-hub.md)
-
-### 任務 - 監控事件
-
-目前，您不需要更新您的伺服器代碼。您可以使用 Azure CLI 監控來自 IoT 設備的事件。
-
-1. 確保您的 IoT 設備正在運行並發送土壤濕度遙測值。
-
-1. 在命令提示符或終端機中執行以下命令以監控發送到 IoT Hub 的消息：
-
-    ```sh
-    az iot hub monitor-events --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-    您將在控制台輸出中看到消息，這些消息是由您的 IoT 設備發送的。
-
-    ```output
-    Starting event monitor, use ctrl-c to stop...
-    {
-        "event": {
-            "origin": "soil-moisture-sensor",
-            "module": "",
-            "interface": "",
-            "component": "",
-            "payload": "{\"soil_moisture\": 376}"
-        }
-    },
-    {
-        "event": {
-            "origin": "soil-moisture-sensor",
-            "module": "",
-            "interface": "",
-            "component": "",
-            "payload": "{\"soil_moisture\": 381}"
-        }
-    }
-    ```
-
-    `payload` 的內容將與您的 IoT 設備發送的消息匹配。
-
-    > 截至撰寫本文時，`az iot` 擴展在 Apple Silicon 上尚未完全運作。如果您使用的是 Apple Silicon 設備，您需要使用其他方式監控消息，例如使用 [Visual Studio Code 的 Azure IoT 工具](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging)。
-
-1. 這些消息附帶了一些自動添加的屬性，例如發送的時間戳。這些屬性被稱為 *註解*。要查看所有消息註解，請使用以下命令：
-
-    ```sh
-    az iot hub monitor-events --properties anno --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-    您將在控制台輸出中看到消息，這些消息是由您的 IoT 設備發送的。
-
-    ```output
-    Starting event monitor, use ctrl-c to stop...
-    {
-        "event": {
-            "origin": "soil-moisture-sensor",
-            "module": "",
-            "interface": "",
-            "component": "",
-            "properties": {},
-            "annotations": {
-                "iothub-connection-device-id": "soil-moisture-sensor",
-                "iothub-connection-auth-method": "{\"scope\":\"device\",\"type\":\"sas\",\"issuer\":\"iothub\",\"acceptingIpFilterRule\":null}",
-                "iothub-connection-auth-generation-id": "637553997165220462",
-                "iothub-enqueuedtime": 1619976150288,
-                "iothub-message-source": "Telemetry",
-                "x-opt-sequence-number": 1379,
-                "x-opt-offset": "550576",
-                "x-opt-enqueued-time": 1619976150277
-            },
-            "payload": "{\"soil_moisture\": 381}"
-        }
-    }
-    ```
-
-    註解中的時間值是 [UNIX 時間](https://wikipedia.org/wiki/Unix_time)，表示自 1970 年 1 月 1 日午夜以來的秒數。
-
-    完成後退出事件監控。
-
-### 任務 - 控制您的 IoT 設備
-
-您還可以使用 Azure CLI 在您的 IoT 設備上調用直接方法。
-
-1. 在命令提示符或終端機中執行以下命令以調用 IoT 設備上的 `relay_on` 方法：
-
-    ```sh
-    az iot hub invoke-device-method --device-id soil-moisture-sensor \
-                                    --method-name relay_on \
-                                    --method-payload '{}' \
-                                    --hub-name <hub_name>
-    ```
-
-    替換 `
-<hub_name>
-` 使用您為 IoT Hub 設定的名稱。
-
-這會發送一個直接方法請求，指定的方法名稱為 `method-name`。直接方法可以包含一個作為方法數據的有效負載，這可以在 `method-payload` 參數中以 JSON 格式指定。
-
-您會看到繼電器打開，並從 IoT 裝置中看到相應的輸出：
-
-```output
-    Direct method received -  relay_on
-    ```
-
-1. 重複上述步驟，但將 `--method-name` 設為 `relay_off`。您會看到繼電器關閉，並從 IoT 裝置中看到相應的輸出。
-
----
-
-## 🚀 挑戰
-
-IoT Hub 的免費層每天允許 8,000 條訊息。您撰寫的程式碼每 10 秒發送一次遙測訊息。每 10 秒發送一條訊息，每天會發送多少條訊息？
-
-思考一下，土壤濕度測量應該多頻繁發送？如何修改您的程式碼以保持在免費層的限制內，同時能夠根據需要進行檢查但不過於頻繁？如果您想要新增第二個裝置，又該怎麼辦？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
-
-## 回顧與自學
-
-IoT Hub SDK 是開源的，適用於 Arduino 和 Python。在 GitHub 的程式碼倉庫中，有許多範例展示如何使用不同的 IoT Hub 功能。
-
-* 如果您使用的是 Wio Terminal，請查看 [GitHub 上的 Arduino 範例](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples)
-* 如果您使用的是 Raspberry Pi 或虛擬裝置，請查看 [GitHub 上的 Python 範例](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples)
-
-## 作業
-
-[了解雲端服務](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
deleted file mode 100644
index 809b0b359..000000000
--- a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
+++ /dev/null
@@ -1,33 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "bfd35499bd68d7d740242bfea784bbeb",
-  "translation_date": "2025-08-26T22:59:16+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
-  "language_code": "mo"
-}
--->
-# 認識雲端服務
-
-## 說明
-
-雲端服務，例如 Microsoft 的 Azure，不僅僅是提供租用的計算資源。主要的雲端服務類型包括：
-
-* 基礎設施即服務 (IaaS)
-* 平台即服務 (PaaS)
-* 無伺服器架構
-* 軟體即服務 (SaaS)
-
-了解這些不同類型的服務，並解釋它們是什麼以及它們之間的差異。說明哪些服務類型與 IoT 開發者相關。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 解釋不同的雲端服務類型 | 清楚解釋了所有 4 種服務類型 | 能夠解釋 3 種服務類型 | 僅能解釋 1 或 2 種服務類型 |
-| 解釋與 IoT 相關的服務類型 | 描述了哪些服務類型與 IoT 開發者相關並解釋了原因 | 描述了哪些服務類型與 IoT 開發者相關，但未解釋原因 | 無法描述哪些服務類型與 IoT 開發者相關 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
deleted file mode 100644
index 55e77251c..000000000
--- a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
+++ /dev/null
@@ -1,130 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3ac42e284a7222c0e83d2d43231a364f",
-  "translation_date": "2025-08-26T23:00:14+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
-  "language_code": "mo"
-}
--->
-# 將您的 IoT 裝置連接到雲端 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，您將把虛擬 IoT 裝置或 Raspberry Pi 連接到 IoT Hub，以傳送遙測數據並接收指令。
-
-## 將裝置連接到 IoT Hub
-
-下一步是將您的裝置連接到 IoT Hub。
-
-### 任務 - 連接到 IoT Hub
-
-1. 在 VS Code 中打開 `soil-moisture-sensor` 資料夾。如果您使用的是虛擬 IoT 裝置，請確保終端中虛擬環境已啟動。
-
-1. 安裝一些額外的 Pip 套件：
-
-    ```sh
-    pip3 install azure-iot-device
-    ```
-
-    `azure-iot-device` 是一個用於與 IoT Hub 通訊的函式庫。
-
-1. 在 `app.py` 文件的頂部，現有的匯入語句下方，添加以下匯入語句：
-
-    ```python
-    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
-    ```
-
-    此程式碼匯入了與 IoT Hub 通訊的 SDK。
-
-1. 移除 `import paho.mqtt.client as mqtt` 這行，因為此函式庫已不再需要。移除所有 MQTT 相關程式碼，包括主題名稱、所有使用 `mqtt_client` 的程式碼以及 `handle_command`。保留 `while True:` 迴圈，只需刪除該迴圈中的 `mqtt_client.publish` 行即可。
-
-1. 在匯入語句下方添加以下程式碼：
-
-    ```python
-    connection_string = "<connection string>"
-    ```
-
-    將 `<connection string>` 替換為您在本課程早些時候為裝置檢索到的連接字串。
-
-    > 💁 這並非最佳做法。連接字串不應存儲在原始程式碼中，因為它可能被檢入版本控制系統並被任何人發現。我們在此處這樣做是為了簡化操作。理想情況下，您應使用環境變數和像 [`python-dotenv`](https://pypi.org/project/python-dotenv/) 這樣的工具。您將在後續課程中學到更多相關內容。
-
-1. 在此程式碼下方，添加以下程式碼以建立一個可以與 IoT Hub 通訊的裝置客戶端物件並連接它：
-
-    ```python
-    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
-
-    print('Connecting')
-    device_client.connect()
-    print('Connected')
-    ```
-
-1. 執行此程式碼。您將看到您的裝置已成功連接。
-
-    ```output
-    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
-    Connecting
-    Connected
-    Soil moisture: 379
-    ```
-
-## 傳送遙測數據
-
-現在您的裝置已連接，您可以將遙測數據傳送到 IoT Hub，而不是 MQTT broker。
-
-### 任務 - 傳送遙測數據
-
-1. 在 `while True` 迴圈內，睡眠之前添加以下程式碼：
-
-    ```python
-    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
-    device_client.send_message(message)
-    ```
-
-    此程式碼建立了一個包含土壤濕度讀數的 JSON 字串的 IoT Hub `Message`，然後將其作為裝置到雲端的訊息傳送到 IoT Hub。
-
-## 處理指令
-
-您的裝置需要處理來自伺服器程式碼的指令，以控制繼電器。這是通過直接方法請求發送的。
-
-## 任務 - 處理直接方法請求
-
-1. 在 `while True` 迴圈之前添加以下程式碼：
-
-    ```python
-    def handle_method_request(request):
-        print("Direct method received - ", request.name)
-    
-        if request.name == "relay_on":
-            relay.on()
-        elif request.name == "relay_off":
-            relay.off()    
-    ```
-
-    此程式碼定義了一個方法 `handle_method_request`，當 IoT Hub 呼叫直接方法時會執行。每個直接方法都有一個名稱，此程式碼預期方法名稱為 `relay_on` 用於打開繼電器，以及 `relay_off` 用於關閉繼電器。
-
-    > 💁 這也可以通過單一的直接方法請求來實現，將繼電器的期望狀態作為有效負載傳遞，該有效負載可以通過方法請求傳遞並從 `request` 物件中獲取。
-
-1. 直接方法需要一個回應，以告知呼叫程式碼該方法已被處理。在 `handle_method_request` 函數的末尾添加以下程式碼，以建立對請求的回應：
-
-    ```python
-    method_response = MethodResponse.create_from_method_request(request, 200)
-    device_client.send_method_response(method_response)
-    ```
-
-    此程式碼向直接方法請求發送一個 HTTP 狀態碼為 200 的回應，並將其返回給 IoT Hub。
-
-1. 在此函數定義下方添加以下程式碼：
-
-    ```python
-    device_client.on_method_request_received = handle_method_request
-    ```
-
-    此程式碼告訴 IoT Hub 客戶端在呼叫直接方法時執行 `handle_method_request` 函數。
-
-> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) 或 [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device) 資料夾中找到此程式碼。
-
-😀 您的土壤濕度感測器程式已成功連接到您的 IoT Hub！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
deleted file mode 100644
index 67e974de6..000000000
--- a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
+++ /dev/null
@@ -1,306 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "28320305a35ea3bc59c41fe146a2e6ed",
-  "translation_date": "2025-08-26T23:01:39+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
-  "language_code": "mo"
-}
--->
-# 將您的 IoT 裝置連接到雲端 - Wio Terminal
-
-在本課程的這部分，您將把 Wio Terminal 連接到 IoT Hub，以傳送遙測數據並接收指令。
-
-## 將您的裝置連接到 IoT Hub
-
-下一步是將您的裝置連接到 IoT Hub。
-
-### 任務 - 連接到 IoT Hub
-
-1. 在 VS Code 中打開 `soil-moisture-sensor` 專案。
-
-1. 打開 `platformio.ini` 文件。移除 `knolleary/PubSubClient` 庫的依賴項。這個庫是用來連接到公共 MQTT broker 的，但連接到 IoT Hub 不需要它。
-
-1. 添加以下庫依賴項：
-
-    ```ini
-    seeed-studio/Seeed Arduino RTC @ 2.0.0
-    arduino-libraries/AzureIoTHub @ 1.6.0
-    azure/AzureIoTUtility @ 1.6.1
-    azure/AzureIoTProtocol_MQTT @ 1.6.0
-    azure/AzureIoTProtocol_HTTP @ 1.6.0
-    azure/AzureIoTSocket_WiFi @ 1.0.2
-    ```
-
-    `Seeed Arduino RTC` 庫提供了與 Wio Terminal 的實時時鐘交互的代碼，用於追蹤時間。其餘的庫則允許您的 IoT 裝置連接到 IoT Hub。
-
-1. 在 `platformio.ini` 文件的底部添加以下內容：
-
-    ```ini
-    build_flags =
-        -DDONT_USE_UPLOADTOBLOB
-    ```
-
-    這設置了一個編譯器標誌，在編譯 Arduino IoT Hub 代碼時需要。
-
-1. 打開 `config.h` 標頭文件。移除所有 MQTT 設定，並添加以下裝置連接字串的常量：
-
-    ```cpp
-    // IoT Hub settings
-    const char *CONNECTION_STRING = "<connection string>";
-    ```
-
-    將 `<connection string>` 替換為您之前複製的裝置連接字串。
-
-1. 連接到 IoT Hub 使用基於時間的令牌。這意味著 IoT 裝置需要知道當前時間。與 Windows、macOS 或 Linux 等操作系統不同，微控制器不會自動通過網路同步當前時間。因此，您需要添加代碼以從 [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) 伺服器獲取當前時間。一旦獲取了時間，它可以存儲在 Wio Terminal 的實時時鐘中，允許在稍後日期請求正確的時間，假設裝置未斷電。新增一個名為 `ntp.h` 的文件，並添加以下代碼：
-
-    ```cpp
-    #pragma once
-    
-    #include "DateTime.h"
-    #include <time.h>
-    #include "samd/NTPClientAz.h"
-    #include <sys/time.h>
-
-    static void initTime()
-    {
-        WiFiUDP _udp;
-        time_t epochTime = (time_t)-1;
-        NTPClientAz ntpClient;
-
-        ntpClient.begin();
-
-        while (true)
-        {
-            epochTime = ntpClient.getEpochTime("0.pool.ntp.org");
-
-            if (epochTime == (time_t)-1)
-            {
-                Serial.println("Fetching NTP epoch time failed! Waiting 2 seconds to retry.");
-                delay(2000);
-            }
-            else
-            {
-                Serial.print("Fetched NTP epoch time is: ");
-
-                char buff[32];
-                sprintf(buff, "%.f", difftime(epochTime, (time_t)0));
-                Serial.println(buff);
-                break;
-            }
-        }
-
-        ntpClient.end();
-
-        struct timeval tv;
-        tv.tv_sec = epochTime;
-        tv.tv_usec = 0;
-
-        settimeofday(&tv, NULL);
-    }
-    ```
-
-    此代碼的細節超出了本課程的範圍。它定義了一個名為 `initTime` 的函數，用於從 NTP 伺服器獲取當前時間並用它設置 Wio Terminal 的時鐘。
-
-1. 打開 `main.cpp` 文件，移除所有 MQTT 代碼，包括 `PubSubClient.h` 標頭文件、`PubSubClient` 變數的聲明、`reconnectMQTTClient` 和 `createMQTTClient` 方法，以及對這些變數和方法的任何調用。此文件應僅包含連接 WiFi、獲取土壤濕度並創建 JSON 文檔的代碼。
-
-1. 在 `main.cpp` 文件的頂部添加以下 `#include` 指令，以包含 IoT Hub 庫和設置時間的標頭文件：
-
-    ```cpp
-    #include <AzureIoTHub.h>
-    #include <AzureIoTProtocol_MQTT.h>
-    #include <iothubtransportmqtt.h>
-    #include "ntp.h"
-    ```
-
-1. 在 `setup` 函數的末尾添加以下調用以設置當前時間：
-
-    ```cpp
-    initTime();
-    ```
-
-1. 在文件的頂部，包含指令下方添加以下變數聲明：
-
-    ```cpp
-    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
-    ```
-
-    這聲明了一個 `IOTHUB_DEVICE_CLIENT_LL_HANDLE`，用於連接到 IoT Hub 的句柄。
-
-1. 在此下方添加以下代碼：
-
-    ```cpp
-    static void connectionStatusCallback(IOTHUB_CLIENT_CONNECTION_STATUS result, IOTHUB_CLIENT_CONNECTION_STATUS_REASON reason, void *user_context)
-    {
-        if (result == IOTHUB_CLIENT_CONNECTION_AUTHENTICATED)
-        {
-            Serial.println("The device client is connected to iothub");
-        }
-        else
-        {
-            Serial.println("The device client has been disconnected");
-        }
-    }
-    ```
-
-    這聲明了一個回調函數，當連接到 IoT Hub 的狀態改變（例如連接或斷開）時會被調用。狀態會被發送到串口。
-
-1. 在此下方添加一個函數以連接到 IoT Hub：
-
-    ```cpp
-    void connectIoTHub()
-    {
-        IoTHub_Init();
-    
-        _device_ll_handle = IoTHubDeviceClient_LL_CreateFromConnectionString(CONNECTION_STRING, MQTT_Protocol);
-        
-        if (_device_ll_handle == NULL)
-        {
-            Serial.println("Failure creating Iothub device. Hint: Check your connection string.");
-            return;
-        }
-    
-        IoTHubDeviceClient_LL_SetConnectionStatusCallback(_device_ll_handle, connectionStatusCallback, NULL);
-    }
-    ```
-
-    此代碼初始化 IoT Hub 庫代碼，然後使用 `config.h` 標頭文件中的連接字串創建連接。此連接基於 MQTT。如果連接失敗，會將此信息發送到串口——如果您在輸出中看到此信息，請檢查連接字串。最後，設置了連接狀態回調。
-
-1. 在 `setup` 函數中，將此函數調用添加到 `initTime` 調用的下方：
-
-    ```cpp
-    connectIoTHub();
-    ```
-
-1. 與 MQTT 客戶端一樣，此代碼在單一線程上運行，因此需要時間來處理由 Hub 發送和發送到 Hub 的消息。在 `loop` 函數的頂部添加以下內容以完成此操作：
-
-    ```cpp
-    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
-    ```
-
-1. 編譯並上傳此代碼。您將在串口監視器中看到連接：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Fetched NTP epoch time is: 1619983687
-    Sending telemetry {"soil_moisture":391}
-    The device client is connected to iothub
-    ```
-
-    在輸出中，您可以看到 NTP 時間被獲取，接著是裝置客戶端連接。連接可能需要幾秒鐘，因此在裝置連接時，您可能會在輸出中看到土壤濕度。
-
-    > 💁 您可以使用像 [unixtimestamp.com](https://www.unixtimestamp.com) 這樣的網站將 NTP 的 UNIX 時間轉換為更易讀的版本。
-
-## 傳送遙測數據
-
-現在您的裝置已連接，您可以將遙測數據傳送到 IoT Hub，而不是 MQTT broker。
-
-### 任務 - 傳送遙測數據
-
-1. 在 `setup` 函數上方添加以下函數：
-
-    ```cpp
-    void sendTelemetry(const char *telemetry)
-    {
-        IOTHUB_MESSAGE_HANDLE message_handle = IoTHubMessage_CreateFromString(telemetry);
-        IoTHubDeviceClient_LL_SendEventAsync(_device_ll_handle, message_handle, NULL, NULL);
-        IoTHubMessage_Destroy(message_handle);
-    }
-    ```
-
-    此代碼從作為參數傳遞的字串創建 IoT Hub 消息，將其發送到 Hub，然後清理消息對象。
-
-1. 在 `loop` 函數中，將此代碼調用添加到遙測數據發送到串口的行之後：
-
-    ```cpp
-    sendTelemetry(telemetry.c_str());
-    ```
-
-## 處理指令
-
-您的裝置需要處理來自伺服器代碼的指令，以控制繼電器。這是通過直接方法請求發送的。
-
-## 任務 - 處理直接方法請求
-
-1. 在 `connectIoTHub` 函數之前添加以下代碼：
-
-    ```cpp
-    int directMethodCallback(const char *method_name, const unsigned char *payload, size_t size, unsigned char **response, size_t *response_size, void *userContextCallback)
-    {
-        Serial.printf("Direct method received %s\r\n", method_name);
-    
-        if (strcmp(method_name, "relay_on") == 0)
-        {
-            digitalWrite(PIN_WIRE_SCL, HIGH);
-        }
-        else if (strcmp(method_name, "relay_off") == 0)
-        {
-            digitalWrite(PIN_WIRE_SCL, LOW);
-        }
-    }
-    ```
-
-    此代碼定義了一個回調方法，當 IoT Hub 庫接收到直接方法請求時可以調用。請求的方法通過 `method_name` 參數傳遞。此函數將調用的方法打印到串口，然後根據方法名稱打開或關閉繼電器。
-
-    > 💁 這也可以通過單一直接方法請求實現，將繼電器的期望狀態作為有效負載傳遞，該有效負載可以通過 `payload` 參數獲得。
-
-1. 在 `directMethodCallback` 函數的末尾添加以下代碼：
-
-    ```cpp
-    char resultBuff[16];
-    sprintf(resultBuff, "{\"Result\":\"\"}");
-    *response_size = strlen(resultBuff);
-    *response = (unsigned char *)malloc(*response_size);
-    memcpy(*response, resultBuff, *response_size);
-
-    return IOTHUB_CLIENT_OK;
-    ```
-
-    直接方法請求需要響應，響應分為兩部分——作為文本的響應和返回代碼。此代碼將創建以下 JSON 文檔作為結果：
-
-    ```JSON
-    {
-        "Result": ""
-    }
-    ```
-
-    然後將其複製到 `response` 參數中，並在 `response_size` 參數中設置此響應的大小。此代碼然後返回 `IOTHUB_CLIENT_OK`，表示方法已正確處理。
-
-1. 在 `connectIoTHub` 函數的末尾添加以下代碼以連接回調：
-
-    ```cpp
-    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
-    ```
-
-1. `loop` 函數將調用 `IoTHubDeviceClient_LL_DoWork` 函數以處理 IoT Hub 發送的事件。由於 `delay` 的原因，此函數僅每 10 秒調用一次，這意味著直接方法僅每 10 秒處理一次。為了提高效率，10 秒的延遲可以分為多個較短的延遲，每次都調用 `IoTHubDeviceClient_LL_DoWork`。為此，在 `loop` 函數上方添加以下代碼：
-
-    ```cpp
-    void work_delay(int delay_time)
-    {
-        int current = 0;
-        do
-        {
-            IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
-            delay(100);
-            current += 100;
-        } while (current < delay_time);
-    }
-    ```
-
-    此代碼將重複循環，調用 `IoTHubDeviceClient_LL_DoWork` 並每次延遲 100 毫秒。它將根據 `delay_time` 參數的值執行多次，這意味著裝置最多等待 100 毫秒來處理直接方法請求。
-
-1. 在 `loop` 函數中，移除對 `IoTHubDeviceClient_LL_DoWork` 的調用，並將 `delay(10000)` 替換為以下代碼以調用此新函數：
-
-    ```cpp
-    work_delay(10000);
-    ```
-
-> 💁 您可以在 [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal) 文件夾中找到此代碼。
-
-😀 您的土壤濕度感測器程式已成功連接到 IoT Hub！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
deleted file mode 100644
index 9e3bee00a..000000000
--- a/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
+++ /dev/null
@@ -1,654 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
-  "translation_date": "2025-08-26T22:39:28+00:00",
-  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
-  "language_code": "mo"
-}
--->
-# 將您的應用程式邏輯遷移到雲端
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-MO/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [IoT 初學者專案 2 - 數位農業系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。
-
-[![使用無伺服器程式碼控制您的 IoT 裝置](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
-
-## 簡介
-
-在上一課中，您學會了如何將植物土壤濕度監測和繼電器控制連接到基於雲端的 IoT 服務。下一步是將控制繼電器定時的伺服器程式碼移至雲端。在本課中，您將學習如何使用無伺服器函數來完成這一過程。
-
-本課將涵蓋以下內容：
-
-* [什麼是無伺服器？](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [建立無伺服器應用程式](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [建立 IoT Hub 事件觸發器](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [從無伺服器程式碼發送直接方法請求](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [將您的無伺服器程式碼部署到雲端](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-
-## 什麼是無伺服器？
-
-無伺服器，或稱無伺服器運算，是指建立小型程式碼塊，這些程式碼會在雲端中根據不同類型的事件執行。當事件發生時，您的程式碼會被執行，並接收有關該事件的數據。這些事件可以來自多種來源，包括網頁請求、放入佇列的訊息、資料庫中數據的變更，或 IoT 裝置發送到 IoT 服務的訊息。
-
-![事件從 IoT 服務發送到無伺服器服務，並由多個同時執行的函數處理](../../../../../translated_images/zh-MO/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png)
-
-> 💁 如果您之前使用過資料庫觸發器，可以將其視為類似的概念，即程式碼因事件（如插入一行）而觸發。
-
-![當多個事件同時發生時，無伺服器服務會擴展以同時執行所有事件](../../../../../translated_images/zh-MO/serverless-scaling.f8c769adf0413fd1.webp)
-
-您的程式碼僅在事件發生時執行，其他時間不會保持活躍。事件發生時，程式碼會被載入並執行。這使得無伺服器具有很高的可擴展性——如果多個事件同時發生，雲端提供商可以根據需要同時執行多個函數，分配到可用的伺服器上。不過，這也意味著如果需要在事件之間共享資訊，您需要將其儲存在資料庫等地方，而不是記憶體中。
-
-您的程式碼以函數的形式撰寫，並將事件的詳細資訊作為參數傳遞。您可以使用多種程式語言來撰寫這些無伺服器函數。
-
-> 🎓 無伺服器也被稱為「函數即服務」（Functions as a Service，FaaS），因為每個事件觸發器都以程式碼中的函數形式實現。
-
-儘管名稱是「無伺服器」，但實際上仍然使用伺服器。這個名稱的由來是因為作為開發者，您不需要關心執行程式碼所需的伺服器，您只需關心程式碼是否能根據事件執行。雲端提供商有一個無伺服器*執行環境*，負責管理伺服器分配、網路、儲存、CPU、記憶體等所有執行程式碼所需的資源。這種模式意味著您無法按伺服器付費，因為沒有伺服器的概念。相反，您按程式碼執行的時間和使用的記憶體量付費。
-
-> 💰 無伺服器是雲端中執行程式碼最便宜的方式之一。例如，截至撰寫本文時，有一個雲端提供商允許所有無伺服器函數每月執行總計 1,000,000 次之前免費，超過後每 1,000,000 次執行收費 0.20 美元。當您的程式碼未執行時，您不需要付費。
-
-對於 IoT 開發者來說，無伺服器模型非常理想。您可以撰寫一個函數，當任何連接到雲端 IoT 服務的 IoT 裝置發送訊息時觸發執行。您的程式碼將處理所有發送的訊息，但僅在需要時執行。
-
-✅ 回顧您之前撰寫的伺服器程式碼，該程式碼通過 MQTT 接收訊息。這段程式碼如何在雲端中以無伺服器方式執行？您認為程式碼需要如何修改以支援無伺服器運算？
-
-> 💁 無伺服器模型正在擴展到其他雲端服務，不僅限於執行程式碼。例如，雲端中有無伺服器資料庫，使用無伺服器定價模型，按對資料庫的請求次數（如查詢或插入）付費，通常根據完成請求所需的工作量定價。例如，根據主鍵選擇一行的操作成本低於執行多表聯結並返回數千行的複雜操作。
-
-## 建立無伺服器應用程式
-
-Microsoft 的無伺服器運算服務稱為 Azure Functions。
-
-![Azure Functions 標誌](../../../../../translated_images/zh-MO/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png)
-
-以下的短影片提供了 Azure Functions 的概覽：
-
-[![Azure Functions 概覽影片](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
-
-> 🎥 點擊上方圖片觀看影片
-
-✅ 花點時間研究並閱讀 [Microsoft Azure Functions 文件](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn) 中的 Azure Functions 概覽。
-
-要撰寫 Azure Functions，您需要選擇一種程式語言來建立 Azure Functions 應用程式。Azure Functions 原生支援 Python、JavaScript、TypeScript、C#、F#、Java 和 Powershell。在本課中，您將學習如何使用 Python 撰寫 Azure Functions 應用程式。
-
-> 💁 Azure Functions 還支援自訂處理器，因此您可以使用任何支援 HTTP 請求的語言撰寫函數，包括像 COBOL 這樣的舊語言。
-
-Functions 應用程式由一個或多個*觸發器*組成——這些觸發器是響應事件的函數。您可以在一個 Functions 應用程式中包含多個觸發器，並共享通用的設定。例如，您的 Functions 應用程式的設定檔案中可以包含 IoT Hub 的連接詳細資訊，應用程式中的所有函數都可以使用這些資訊來連接和監聽事件。
-
-### 任務 - 安裝 Azure Functions 工具
-
-> 截至撰寫本文時，Azure Functions 的程式碼工具在 Apple Silicon 上的 Python 專案中尚未完全運作。您需要使用基於 Intel 的 Mac、Windows PC 或 Linux PC。
-
-Azure Functions 的一大特色是您可以在本地執行它們。與雲端中使用的執行環境相同，您可以在自己的電腦上運行，撰寫程式碼來響應 IoT 訊息，並在本地測試和除錯。一旦對程式碼感到滿意，就可以將其部署到雲端。
-
-Azure Functions 工具以 CLI 的形式提供，稱為 Azure Functions Core Tools。
-
-1. 按照 [Azure Functions Core Tools 文件](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn) 中的指示安裝 Azure Functions Core Tools。
-
-1. 安裝 VS Code 的 Azure Functions 擴展。此擴展提供建立、除錯和部署 Azure Functions 的支援。請參考 [Azure Functions 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions) 了解如何在 VS Code 中安裝此擴展。
-
-當您將 Azure Functions 應用程式部署到雲端時，它需要使用少量的雲端儲存來存放應用程式檔案和日誌檔案等內容。在本地執行 Functions 應用程式時，您仍然需要連接到雲端儲存，但可以使用名為 [Azurite](https://github.com/Azure/Azurite) 的儲存模擬器。這個模擬器在本地運行，但模擬雲端儲存的行為。
-
-> 🎓 在 Azure 中，Azure Functions 使用的儲存是 Azure 儲存帳戶。這些帳戶可以存放檔案、Blob、表格中的數據或佇列中的數據。您可以在多個應用程式之間共享一個儲存帳戶，例如 Functions 應用程式和 Web 應用程式。
-
-1. Azurite 是一個 Node.js 應用程式，因此您需要安裝 Node.js。您可以在 [Node.js 官網](https://nodejs.org/) 上找到下載和安裝指示。如果您使用的是 Mac，也可以從 [Homebrew](https://formulae.brew.sh/formula/node) 安裝。
-
-1. 使用以下命令安裝 Azurite（`npm` 是安裝 Node.js 時附帶的工具）：
-
-    ```sh
-    npm install -g azurite
-    ```
-
-1. 建立一個名為 `azurite` 的資料夾，供 Azurite 用於存放數據：
-
-    ```sh
-    mkdir azurite
-    ```
-
-1. 啟動 Azurite，並將新建的資料夾作為參數傳遞：
-
-    ```sh
-    azurite --location azurite
-    ```
-
-    Azurite 儲存模擬器將啟動，並準備好供本地 Functions 執行環境連接。
-
-    ```output
-    ➜  ~ azurite --location azurite  
-    Azurite Blob service is starting at http://127.0.0.1:10000
-    Azurite Blob service is successfully listening at http://127.0.0.1:10000
-    Azurite Queue service is starting at http://127.0.0.1:10001
-    Azurite Queue service is successfully listening at http://127.0.0.1:10001
-    Azurite Table service is starting at http://127.0.0.1:10002
-    Azurite Table service is successfully listening at http://127.0.0.1:10002
-    ```
-
-### 任務 - 建立 Azure Functions 專案
-
-Azure Functions CLI 可用於建立新的 Functions 應用程式。
-
-1. 建立一個資料夾來存放您的 Functions 應用程式，並進入該資料夾。將其命名為 `soil-moisture-trigger`：
-
-    ```sh
-    mkdir soil-moisture-trigger
-    cd soil-moisture-trigger
-    ```
-
-1. 在此資料夾中建立一個 Python 虛擬環境：
-
-    ```sh
-    python3 -m venv .venv
-    ```
-
-1. 啟用虛擬環境：
-
-    * 在 Windows 上：
-        * 如果您使用的是命令提示字元或 Windows Terminal 中的命令提示字元，執行以下命令：
-
-            ```cmd
-            .venv\Scripts\activate.bat
-            ```
-
-        * 如果您使用的是 PowerShell，執行以下命令：
-
-            ```powershell
-            .\.venv\Scripts\Activate.ps1
-            ```
-
-    * 在 macOS 或 Linux 上，執行以下命令：
-
-        ```cmd
-        source ./.venv/bin/activate
-        ```
-
-    > 💁 這些命令應在您建立虛擬環境的相同位置執行。您永遠不需要進入 `.venv` 資料夾，應始終從建立虛擬環境的資料夾執行啟用命令以及任何安裝套件或執行程式碼的命令。
-
-1. 執行以下命令，在此資料夾中建立 Functions 應用程式：
-
-    ```sh
-    func init --worker-runtime python soil-moisture-trigger
-    ```
-
-    這將在當前資料夾中建立三個檔案：
-
-    * `host.json` - 此 JSON 文件包含您的 Functions 應用程式的設定。您不需要修改這些設定。
-    * `local.settings.json` - 此 JSON 文件包含應用程式在本地執行時使用的設定，例如 IoT Hub 的連接字串。這些設定僅限本地使用，不應加入到原始碼控制中。當您將應用程式部署到雲端時，這些設定不會被部署，而是從應用程式設定中載入。本課稍後將介紹這一點。
-    * `requirements.txt` - 這是一個 [Pip requirements 文件](https://pip.pypa.io/en/stable/user_guide/#requirements-files)，包含執行 Functions 應用程式所需的 Pip 套件。
-
-1. `local.settings.json` 文件中有一個設定是 Functions 應用程式將使用的儲存帳戶。預設為空，因此需要設定。要連接到 Azurite 本地儲存模擬器，將此值設定為以下內容：
-
-    ```json
-    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
-    ```
-
-1. 使用 requirements 文件安裝必要的 Pip 套件：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-    > 💁 必要的 Pip 套件需要在此文件中，這樣當 Functions 應用程式部署到雲端時，執行環境可以確保安裝正確的套件。
-
-1. 為了測試一切是否正常運作，您可以啟動 Functions 執行環境。執行以下命令來啟動：
-
-    ```sh
-    func start
-    ```
-
-    您將看到執行環境啟動，並報告未找到任何作業函數（觸發器）。
-
-    ```output
-    (.venv) ➜  soil-moisture-trigger func start
-    Found Python version 3.9.1 (python3).
-    
-    Azure Functions Core Tools
-    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
-    Function Runtime Version: 3.0.15417.0
-    
-    [2021-05-05T01:24:46.795Z] No job functions found.
-    ```
-> ⚠️ 如果收到防火牆通知，請授予訪問權限，因為 `func` 應用程式需要能夠讀寫您的網路。
-> ⚠️ 如果您使用 macOS，輸出中可能會出現警告：
->
-> ```output
-    > (.venv) ➜  soil-moisture-trigger func start
-    > Found Python version 3.9.1 (python3).
-    >
-    > Azure Functions Core Tools
-    > Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
-    > Function Runtime Version: 3.0.15417.0
-    >
-    > [2021-06-16T08:18:28.315Z] Cannot create directory for shared memory usage: /dev/shm/AzureFunctions
-    > [2021-06-16T08:18:28.316Z] System.IO.FileSystem: Access to the path '/dev/shm/AzureFunctions' is denied. Operation not permitted.
-    > [2021-06-16T08:18:30.361Z] No job functions found.
-    > ```
->
-> 只要 Functions 應用程式能正確啟動並列出正在執行的函數，您可以忽略這些警告。如 [Microsoft Docs Q&A 中的這個問題](https://docs.microsoft.com/answers/questions/396617/azure-functions-core-tools-error-osx-devshmazurefu.html?WT.mc_id=academic-17441-jabenn) 所述，這些警告可以忽略。
-
-1. 按下 `ctrl+c` 停止 Functions 應用程式。
-
-1. 在 VS Code 中打開目前的資料夾，可以直接打開 VS Code，然後選擇此資料夾，或者執行以下指令：
-
-    ```sh
-    code .
-    ```
-
-    VS Code 會偵測到您的 Functions 專案，並顯示一個通知：
-
-    ```output
-    Detected an Azure Functions Project in folder "soil-moisture-trigger" that may have been created outside of
-    VS Code. Initialize for optimal use with VS Code?
-    ```
-
-    ![通知](../../../../../translated_images/zh-MO/vscode-azure-functions-init-notification.bd19b49229963edb.webp)
-
-    從通知中選擇 **Yes**。
-
-1. 確保 Python 虛擬環境在 VS Code 的終端機中正在運行。如果需要，請終止並重新啟動。
-
-## 建立 IoT Hub 事件觸發器
-
-Functions 應用程式是無伺服器代碼的外殼。為了回應 IoT Hub 的事件，您可以在此應用程式中新增一個 IoT Hub 觸發器。此觸發器需要連接到 IoT Hub 傳送的訊息流並進行回應。要獲取這些訊息流，您的觸發器需要連接到 IoT Hub 的 *Event Hub 相容端點*。
-
-IoT Hub 是基於另一個 Azure 服務 Azure Event Hubs。Event Hubs 是一個允許您傳送和接收訊息的服務，而 IoT Hub 擴展了此功能以支援 IoT 裝置。連接到 IoT Hub 以讀取訊息的方式與使用 Event Hubs 的方式相同。
-
-✅ 做一些研究：閱讀 [Azure Event Hubs 文件](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn) 中的概述。基本功能與 IoT Hub 有何不同？
-
-IoT 裝置要連接到 IoT Hub，必須使用一個秘密金鑰以確保只有授權的裝置能夠連接。同樣地，當連接以讀取訊息時，您的代碼需要一個包含秘密金鑰以及 IoT Hub 詳細資訊的連接字串。
-
-> 💁 預設的連接字串具有 **iothubowner** 權限，這使得任何使用它的代碼都能擁有 IoT Hub 的完整權限。理想情況下，您應該使用最低必要權限進行連接。這部分內容將在下一課中介紹。
-
-一旦觸發器連接成功，函數中的代碼將會在每次有訊息傳送到 IoT Hub 時被呼叫，無論是哪個裝置傳送的訊息。觸發器會將訊息作為參數傳遞。
-
-### 任務 - 獲取 Event Hub 相容端點的連接字串
-
-1. 從 VS Code 的終端機執行以下指令以獲取 IoT Hub 的 Event Hub 相容端點的連接字串：
-
-    ```sh
-    az iot hub connection-string show --default-eventhub \
-                                      --output table \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您為 IoT Hub 使用的名稱。
-
-1. 在 VS Code 中打開 `local.settings.json` 文件。在 `Values` 部分中新增以下值：
-
-    ```json
-    "IOT_HUB_CONNECTION_STRING": "<connection string>"
-    ```
-
-    將 `<connection string>` 替換為上一步中的值。您需要在上一行後添加逗號以使其成為有效的 JSON。
-
-### 任務 - 建立事件觸發器
-
-現在您可以建立事件觸發器了。
-
-1. 從 VS Code 的終端機，在 `soil-moisture-trigger` 資料夾中執行以下指令：
-
-    ```sh
-    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
-    ```
-
-    這會建立一個名為 `iot-hub-trigger` 的新函數。此觸發器將連接到 IoT Hub 的 Event Hub 相容端點，因此您可以使用 Event Hub 觸發器。沒有特定的 IoT Hub 觸發器。
-
-這將在 `soil-moisture-trigger` 資料夾中建立一個名為 `iot-hub-trigger` 的資料夾，該資料夾包含此函數。資料夾內的文件包括：
-
-* `__init__.py` - 這是包含觸發器的 Python 代碼文件，使用標準的 Python 文件命名規則將此資料夾轉換為 Python 模組。
-
-    此文件包含以下代碼：
-
-    ```python
-    import logging
-
-    import azure.functions as func
-
-
-    def main(event: func.EventHubEvent):
-        logging.info('Python EventHub trigger processed an event: %s',
-                    event.get_body().decode('utf-8'))
-    ```
-
-    觸發器的核心是 `main` 函數。每次 IoT Hub 傳送訊息時，該函數都會被呼叫，並將訊息作為 `event` 參數傳遞。該函數的核心功能是記錄事件。
-
-* `function.json` - 此文件包含觸發器的配置。主要配置在名為 `bindings` 的部分中。綁定是 Azure Functions 與其他 Azure 服務之間的連接。此函數有一個輸入綁定到 Event Hub - 它連接到 Event Hub 並接收數據。
-
-    > 💁 您也可以有輸出綁定，將函數的輸出傳送到其他服務。例如，您可以新增一個輸出綁定到資料庫，並將 IoT Hub 的事件從函數返回，這樣事件就會自動插入到資料庫中。
-
-    ✅ 做一些研究：閱讀 [Azure Functions 觸發器和綁定概念文件](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python) 中的綁定相關內容。
-
-    `bindings` 部分包括綁定的配置。以下值值得注意：
-
-  * `"type": "eventHubTrigger"` - 指定函數需要監聽 Event Hub 的事件
-  * `"name": "events"` - Event Hub 事件的參數名稱。這與 Python 代碼中 `main` 函數的參數名稱一致。
-  * `"direction": "in"` - 這是一個輸入綁定，Event Hub 的數據進入函數
-  * `"connection": ""` - 定義要從設置中讀取連接字串的名稱。在本地運行時，將從 `local.settings.json` 文件中讀取此設置。
-
-    > 💁 連接字串不能存儲在 `function.json` 文件中，必須從設置中讀取。這是為了防止意外暴露連接字串。
-
-1. 由於 [Azure Functions 模板中的一個錯誤](https://github.com/Azure/azure-functions-templates/issues/1250)，`function.json` 文件中的 `cardinality` 欄位值不正確。將此欄位的值從 `many` 更新為 `one`：
-
-    ```json
-    "cardinality": "one",
-    ```
-
-1. 更新 `function.json` 文件中 `"connection"` 的值，使其指向您在 `local.settings.json` 文件中新增的值：
-
-    ```json
-    "connection": "IOT_HUB_CONNECTION_STRING",
-    ```
-
-    > 💁 請記住 - 這需要指向設置，而不是包含實際的連接字串。
-
-1. 連接字串包含 `eventHubName` 值，因此 `function.json` 文件中的此值需要清空。將此值更新為空字串：
-
-    ```json
-    "eventHubName": "",
-    ```
-
-### 任務 - 運行事件觸發器
-
-1. 確保您未運行 IoT Hub 事件監視器。如果此監視器與 Functions 應用程式同時運行，Functions 應用程式將無法連接並消耗事件。
-
-    > 💁 多個應用程式可以使用不同的 *消費者群組* 連接到 IoT Hub 的端點。這部分內容將在後續課程中介紹。
-
-1. 要運行 Functions 應用程式，請從 VS Code 的終端機執行以下指令：
-
-    ```sh
-    func start
-    ```
-
-    Functions 應用程式將啟動，並發現 `iot-hub-trigger` 函數。它將處理過去一天內已傳送到 IoT Hub 的所有事件。
-
-    ```output
-    (.venv) ➜  soil-moisture-trigger func start
-    Found Python version 3.9.1 (python3).
-    
-    Azure Functions Core Tools
-    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
-    Function Runtime Version: 3.0.15417.0
-    
-    Functions:
-    
-            iot-hub-trigger: eventHubTrigger
-    
-    For detailed output, run func with --verbose flag.
-    [2021-05-05T02:44:07.517Z] Worker process started and initialized.
-    [2021-05-05T02:44:09.202Z] Executing 'Functions.iot-hub-trigger' (Reason='(null)', Id=802803a5-eae9-4401-a1f4-176631456ce4)
-    [2021-05-05T02:44:09.205Z] Trigger Details: PartitionId: 0, Offset: 1011240-1011632, EnqueueTimeUtc: 2021-05-04T19:04:04.2030000Z-2021-05-04T19:04:04.3900000Z, SequenceNumber: 2546-2547, Count: 2
-    [2021-05-05T02:44:09.352Z] Python EventHub trigger processed an event: {"soil_moisture":628}
-    [2021-05-05T02:44:09.354Z] Python EventHub trigger processed an event: {"soil_moisture":624}
-    [2021-05-05T02:44:09.395Z] Executed 'Functions.iot-hub-trigger' (Succeeded, Id=802803a5-eae9-4401-a1f4-176631456ce4, Duration=245ms)
-    ```
-
-    每次函數被呼叫時，輸出中都會顯示 `Executing 'Functions.iot-hub-trigger'` 和 `Executed 'Functions.iot-hub-trigger'` 的區塊，您可以看到每次函數呼叫處理了多少訊息。
-
-1. 確保您的 IoT 裝置正在運行，您將在 Functions 應用程式中看到新的土壤濕度訊息。
-
-1. 停止並重新啟動 Functions 應用程式。您會看到它不會再次處理之前的訊息，只會處理新的訊息。
-
-> 💁 VS Code 也支援調試您的 Functions。您可以通過點擊代碼行的邊框、將光標放在代碼行上並選擇 *Run -> Toggle breakpoint*，或按下 `F9` 來設置斷點。您可以通過選擇 *Run -> Start debugging*、按下 `F5` 或選擇 *Run and debug* 面板並點擊 **Start debugging** 按鈕來啟動調試器。這樣您可以查看正在處理的事件的詳細資訊。
-
-#### 疑難排解
-
-* 如果出現以下錯誤：
-
-    ```output
-    The listener for function 'Functions.iot-hub-trigger' was unable to start. Microsoft.WindowsAzure.Storage: Connection refused. System.Net.Http: Connection refused. System.Private.CoreLib: Connection refused.
-    ```
-
-    檢查 Azurite 是否正在運行，並且您已在 `local.settings.json` 文件中將 `AzureWebJobsStorage` 設置為 `UseDevelopmentStorage=true`。
-
-* 如果出現以下錯誤：
-
-    ```output
-    System.Private.CoreLib: Exception while executing function: Functions.iot-hub-trigger. System.Private.CoreLib: Result: Failure Exception: AttributeError: 'list' object has no attribute 'get_body'
-    ```
-
-    檢查您是否已將 `function.json` 文件中的 `cardinality` 設置為 `one`。
-
-* 如果出現以下錯誤：
-
-    ```output
-    Azure.Messaging.EventHubs: The path to an Event Hub may be specified as part of the connection string or as a separate value, but not both.  Please verify that your connection string does not have the `EntityPath` token if you are passing an explicit Event Hub name. (Parameter 'connectionString').
-    ```
-
-    檢查您是否已將 `function.json` 文件中的 `eventHubName` 設置為空字串。
-
-## 從無伺服器代碼發送直接方法請求
-
-到目前為止，您的 Functions 應用程式正在使用 Event Hub 相容端點監聽來自 IoT Hub 的訊息。現在您需要向 IoT 裝置發送命令。這是通過使用 *Registry Manager* 連接到 IoT Hub 來完成的。Registry Manager 是一個工具，允許您查看哪些裝置已註冊到 IoT Hub，並通過發送雲到裝置訊息、直接方法請求或更新裝置雙胞胎與這些裝置進行通信。您也可以使用它來註冊、更新或刪除 IoT Hub 中的 IoT 裝置。
-
-要連接到 Registry Manager，您需要一個連接字串。
-
-### 任務 - 獲取 Registry Manager 連接字串
-
-1. 要獲取連接字串，請執行以下指令：
-
-    ```sh
-    az iot hub connection-string show --policy-name service \
-                                      --output table \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您為 IoT Hub 使用的名稱。
-
-    連接字串是根據 *ServiceConnect* 策略請求的，使用 `--policy-name service` 參數。當您請求連接字串時，可以指定該連接字串允許的權限。ServiceConnect 策略允許您的代碼連接並向 IoT 裝置發送訊息。
-
-    ✅ 做一些研究：閱讀 [IoT Hub 權限文件](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn) 中的不同策略。
-
-1. 在 VS Code 中打開 `local.settings.json` 文件。在 `Values` 部分中新增以下值：
-
-    ```json
-    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
-    ```
-
-    將 `<connection string>` 替換為上一步中的值。您需要在上一行後添加逗號以使其成為有效的 JSON。
-
-### 任務 - 向裝置發送直接方法請求
-
-1. Registry Manager 的 SDK 可通過 Pip 套件獲得。在 `requirements.txt` 文件中新增以下行以添加此套件的依賴：
-
-    ```sh
-    azure-iot-hub
-    ```
-
-1. 確保 VS Code 終端機已啟動虛擬環境，並執行以下指令以安裝 Pip 套件：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-1. 在 `__init__.py` 文件中新增以下導入：
-
-    ```python
-    import json
-    import os
-    from azure.iot.hub import IoTHubRegistryManager
-    from azure.iot.hub.models import CloudToDeviceMethod
-    ```
-
-    這導入了一些系統庫，以及與 Registry Manager 交互並發送直接方法請求的庫。
-
-1. 移除 `main` 方法中的代碼，但保留方法本身。
-
-1. 在 `main` 方法中新增以下代碼：
-
-    ```python
-    body = json.loads(event.get_body().decode('utf-8'))
-    device_id = event.iothub_metadata['connection-device-id']
-
-    logging.info(f'Received message: {body} from {device_id}')
-    ```
-
-    此代碼提取事件的主體，其中包含 IoT 裝置傳送的 JSON 訊息。
-
-    然後從訊息的註解中獲取裝置 ID。事件的主體包含作為遙測傳送的訊息，`iothub_metadata` 字典包含 IoT Hub 設置的屬性，例如發送者的裝置 ID 和訊息的傳送時間。
-
-    此資訊隨後被記錄。當您在本地運行 Functions 應用程式時，您將在終端機中看到這些日誌。
-
-1. 在此代碼下方新增以下代碼：
-
-    ```python
-    soil_moisture = body['soil_moisture']
-
-    if soil_moisture > 450:
-        direct_method = CloudToDeviceMethod(method_name='relay_on', payload='{}')
-    else:
-        direct_method = CloudToDeviceMethod(method_name='relay_off', payload='{}')
-    ```
-
-    此代碼從訊息中獲取土壤濕度。然後檢查土壤濕度，根據值創建一個輔助類別，用於 `relay_on` 或 `relay_off` 直接方法。方法請求不需要有效載荷，因此傳送一個空的 JSON 文件。
-
-1. 在此代碼下方新增以下代碼：
-
-    ```python
-    logging.info(f'Sending direct method request for {direct_method.method_name} for device {device_id}')
-
-    registry_manager_connection_string = os.environ['REGISTRY_MANAGER_CONNECTION_STRING']
-    registry_manager = IoTHubRegistryManager(registry_manager_connection_string)
-    ```
-此程式碼從 `local.settings.json` 檔案中載入 `REGISTRY_MANAGER_CONNECTION_STRING`。此檔案中的值會作為環境變數提供，並可透過 `os.environ` 函數讀取，該函數會返回所有環境變數的字典。
-
-> 💁 當此程式碼部署到雲端時，`local.settings.json` 檔案中的值將設置為 *應用程式設定*，並可從環境變數中讀取。
-
-接著，程式碼使用連接字串建立 Registry Manager 輔助類別的實例。
-
-1. 在下方新增以下程式碼：
-
-    ```python
-    registry_manager.invoke_device_method(device_id, direct_method)
-
-    logging.info('Direct method request sent!')
-    ```
-
-    此程式碼指示 Registry Manager 將直接方法請求發送至傳送遙測資料的裝置。
-
-    > 💁 在之前課程中使用 MQTT 建立的應用程式版本中，繼電器控制指令會發送至所有裝置。程式碼假設您只有一個裝置。此版本的程式碼僅向單一裝置發送方法請求，因此如果您有多個濕度感測器和繼電器的設置，該程式碼能向正確的裝置發送正確的直接方法請求。
-
-1. 執行 Functions 應用程式，並確保您的 IoT 裝置正在傳送資料。您將看到訊息被處理以及直接方法請求被發送。將土壤濕度感測器移入和移出土壤，觀察數值變化以及繼電器的開啟和關閉。
-
-> 💁 您可以在 [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions) 資料夾中找到此程式碼。
-
-## 將無伺服器程式碼部署到雲端
-
-您的程式碼現在已在本地運行，下一步是將 Functions 應用程式部署到雲端。
-
-### 任務 - 建立雲端資源
-
-您的 Functions 應用程式需要部署到 Azure 中的 Functions App 資源，該資源位於您為 IoT Hub 建立的資源群組內。您還需要在 Azure 中建立一個儲存帳戶，以取代您在本地運行的模擬儲存。
-
-1. 執行以下指令以建立儲存帳戶：
-
-    ```sh
-    az storage account create --resource-group soil-moisture-sensor \
-                              --sku Standard_LRS \
-                              --name <storage_name> 
-    ```
-
-    將 `<storage_name>` 替換為您的儲存帳戶名稱。此名稱必須是全球唯一的，因為它是用於存取儲存帳戶的 URL 的一部分。您只能使用小寫字母和數字，不能使用其他字元，且名稱限制為 24 個字元。可以使用類似 `sms` 的名稱，並在後面加上唯一識別碼，例如隨機字詞或您的名字。
-
-    `--sku Standard_LRS` 選擇定價層級，選擇最低成本的一般用途帳戶。儲存帳戶沒有免費層，您需支付使用費用。成本相對較低，最昂貴的儲存每月每 GB 不超過美金 0.05。
-
-    ✅ 在 [Azure 儲存帳戶定價頁面](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn) 上了解定價。
-
-1. 執行以下指令以建立 Functions App：
-
-    ```sh
-    az functionapp create --resource-group soil-moisture-sensor \
-                          --runtime python \
-                          --functions-version 3 \
-                          --os-type Linux \
-                          --consumption-plan-location <location> \
-                          --storage-account <storage_name> \
-                          --name <functions_app_name>
-    ```
-
-    將 `<location>` 替換為您在上一課程中建立資源群組時使用的位置。
-
-    將 `<storage_name>` 替換為您在上一步中建立的儲存帳戶名稱。
-
-    將 `<functions_app_name>` 替換為您的 Functions App 的唯一名稱。此名稱必須是全球唯一的，因為它是用於存取 Functions App 的 URL 的一部分。可以使用類似 `soil-moisture-sensor-` 的名稱，並在後面加上唯一識別碼，例如隨機字詞或您的名字。
-
-    `--functions-version 3` 選項設置 Azure Functions 的版本。版本 3 是最新版本。
-
-    `--os-type Linux` 指示 Functions 執行環境使用 Linux 作為操作系統來托管這些函數。函數可以托管在 Linux 或 Windows 上，具體取決於使用的程式語言。Python 應用程式僅支援 Linux。
-
-### 任務 - 上傳您的應用程式設定
-
-在開發 Functions App 時，您將一些設定存儲在 `local.settings.json` 檔案中，用於 IoT Hub 的連接字串。這些設定需要寫入 Azure 中的 Functions App 的應用程式設定，以便您的程式碼使用。
-
-> 🎓 `local.settings.json` 檔案僅用於本地開發設定，且不應提交到版本控制系統（如 GitHub）。部署到雲端時，使用應用程式設定。應用程式設定是託管在雲端的鍵值對，可透過程式碼或執行環境從環境變數中讀取。
-
-1. 執行以下指令以在 Functions App 的應用程式設定中設置 `IOT_HUB_CONNECTION_STRING`：
-
-    ```sh
-    az functionapp config appsettings set --resource-group soil-moisture-sensor \
-                                          --name <functions_app_name> \
-                                          --settings "IOT_HUB_CONNECTION_STRING=<connection string>"
-    ```
-
-    將 `<functions_app_name>` 替換為您為 Functions App 使用的名稱。
-
-    將 `<connection string>` 替換為 `local.settings.json` 檔案中的 `IOT_HUB_CONNECTION_STRING` 值。
-
-1. 重複上述步驟，但將 `REGISTRY_MANAGER_CONNECTION_STRING` 的值設置為 `local.settings.json` 檔案中的相應值。
-
-執行這些指令後，會輸出 Functions App 的所有應用程式設定列表。您可以使用此列表檢查值是否正確設置。
-
-> 💁 您會看到已設置的 `AzureWebJobsStorage` 值。在您的 `local.settings.json` 檔案中，此值設置為使用本地儲存模擬器。當您建立 Functions App 時，您將儲存帳戶作為參數傳遞，此值會自動設置。
-
-### 任務 - 將 Functions App 部署到雲端
-
-現在 Functions App 已準備好，您的程式碼可以部署。
-
-1. 從 VS Code 的終端執行以下指令以發布 Functions App：
-
-    ```sh
-    func azure functionapp publish <functions_app_name>
-    ```
-
-    將 `<functions_app_name>` 替換為您為 Functions App 使用的名稱。
-
-程式碼將被打包並發送到 Functions App，然後進行部署並啟動。會有大量的終端輸出，最後會確認部署完成並列出已部署的函數。在此情況下，列表中僅包含觸發器。
-
-```output
-Deployment successful.
-Remote build succeeded!
-Syncing triggers...
-Functions in soil-moisture-sensor:
-    iot-hub-trigger - [eventHubTrigger]
-```
-
-確保您的 IoT 裝置正在運行。透過調整土壤濕度或將感測器移入和移出土壤來改變濕度水平。您將看到繼電器隨著土壤濕度的變化而開啟和關閉。
-
----
-
-## 🚀 挑戰
-
-在上一課程中，您透過在繼電器開啟時取消訂閱 MQTT 訊息，以及在繼電器關閉後短暫時間內取消訂閱，來管理繼電器的時間。此方法在此處無法使用——您無法取消訂閱 IoT Hub 觸發器。
-
-思考在 Functions App 中處理此問題的不同方法。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
-
-## 回顧與自學
-
-* 在 [維基百科的無伺服器運算頁面](https://wikipedia.org/wiki/Serverless_computing) 上了解無伺服器運算。
-* 閱讀 Azure 上使用無伺服器的相關內容，包括更多範例：[Azure 部落格文章 - 為您的 IoT 需求採用無伺服器](https://azure.microsoft.com/blog/go-serverless-for-your-iot-needs/?WT.mc_id=academic-17441-jabenn)。
-* 在 [Azure Functions YouTube 頻道](https://www.youtube.com/c/AzureFunctions) 上了解更多 Azure Functions 的資訊。
-
-## 作業
-
-[新增手動繼電器控制](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
deleted file mode 100644
index f2f7a1b63..000000000
--- a/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
+++ /dev/null
@@ -1,70 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
-  "translation_date": "2025-08-26T22:41:46+00:00",
-  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
-  "language_code": "mo"
-}
--->
-# 添加手動繼電器控制
-
-## 說明
-
-無伺服器代碼可以由多種方式觸發，包括 HTTP 請求。你可以使用 HTTP 觸發器為繼電器控制添加手動覆蓋功能，允許使用者通過網頁請求開啟或關閉繼電器。
-
-在這個任務中，你需要為你的 Functions App 添加兩個 HTTP 觸發器，用於開啟和關閉繼電器，並重複利用本課所學的內容來向設備發送指令。
-
-一些提示：
-
-* 你可以使用以下命令為現有的 Functions App 添加一個 HTTP 觸發器：
-
-    ```sh
-    func new --name <trigger name> --template "HTTP trigger"
-    ```
-
-    將 `<trigger name>` 替換為你的 HTTP 觸發器名稱。可以使用類似 `relay_on` 和 `relay_off` 的名稱。
-
-* HTTP 觸發器可以設置訪問控制。預設情況下，它們需要在 URL 中附帶特定函數的 API 金鑰才能運行。對於這個任務，你可以移除這個限制，讓任何人都能運行該函數。為此，請將 HTTP 觸發器的 `function.json` 文件中的 `authLevel` 設置更新為以下內容：
-
-    ```json
-    "authLevel": "anonymous"
-    ```
-
-    > 💁 你可以在 [Function access keys documentation](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys) 中閱讀更多關於訪問控制的內容。
-
-* HTTP 觸發器預設支持 GET 和 POST 請求。這意味著你可以使用網頁瀏覽器來調用它們——網頁瀏覽器會發送 GET 請求。
-
-    當你在本地運行 Functions App 時，你會看到觸發器的 URL：
-
-    ```output
-    Functions:
-
-        relay_off: [GET,POST] http://localhost:7071/api/relay_off
-
-        relay_on: [GET,POST] http://localhost:7071/api/relay_on
-
-        iot-hub-trigger: eventHubTrigger
-    ```
-
-    將該 URL 粘貼到瀏覽器中並按下 `return`，或者在 VS Code 的終端窗口中 `Ctrl+點擊`（macOS 上為 `Cmd+點擊`）該鏈接以在默認瀏覽器中打開。這將運行觸發器。
-
-    > 💁 注意，URL 中包含 `/api`——HTTP 觸發器預設位於 `api` 子域中。
-
-* 當你部署 Functions App 時，HTTP 觸發器的 URL 將是：
-
-    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
-
-    其中 `<functions app name>` 是你的 Functions App 的名稱，`<trigger name>` 是你的觸發器名稱。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 創建 HTTP 觸發器 | 創建了兩個觸發器來開啟和關閉繼電器，並使用了合適的名稱 | 創建了一個具有合適名稱的觸發器 | 無法創建任何觸發器 |
-| 通過 HTTP 觸發器控制繼電器 | 能夠將兩個觸發器連接到 IoT Hub，並正確控制繼電器 | 能夠將一個觸發器連接到 IoT Hub，並正確控制繼電器 | 無法將觸發器連接到 IoT Hub |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/README.md
deleted file mode 100644
index 74a01c651..000000000
--- a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/README.md
+++ /dev/null
@@ -1,245 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
-  "translation_date": "2025-08-26T23:05:36+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
-  "language_code": "mo"
-}
--->
-# 保護您的植物安全
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
-
-## 簡介
-
-在之前的幾節課中，您已經創建了一個土壤監測物聯網設備並將其連接到雲端。但如果競爭農場的駭客成功控制了您的物聯網設備會怎麼樣？如果他們發送高土壤濕度的假數據，導致您的植物永遠得不到澆水，或者讓您的灌溉系統一直運行，最終因過度澆水而殺死植物並讓您付出高昂的水費？
-
-在本課程中，您將學習如何保護物聯網設備的安全。由於這是該項目的最後一課，您還將學習如何清理雲端資源，以減少潛在的成本。
-
-本課程將涵蓋以下內容：
-
-* [為什麼需要保護物聯網設備的安全？](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-* [加密技術](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-* [保護您的物聯網設備](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-* [生成並使用 X.509 證書](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-
-> 🗑 這是該項目的最後一課，因此在完成本課程和作業後，請記得清理您的雲端服務。您需要這些服務來完成作業，因此請確保先完成作業。
->
-> 如果需要，請參考[清理項目指南](../../../clean-up.md)以獲取相關指導。
-
-## 為什麼需要保護物聯網設備的安全？
-
-物聯網安全涉及確保只有預期的設備能夠連接到您的雲端物聯網服務並發送遙測數據，並且只有您的雲端服務能夠向您的設備發送指令。物聯網數據可能包含個人信息，例如醫療或隱私數據，因此整個應用程序需要考慮安全性以防止數據洩漏。
-
-如果您的物聯網應用程序不安全，可能會面臨以下風險：
-
-* 假設備可能發送錯誤數據，導致您的應用程序做出錯誤反應。例如，它們可能發送持續的高土壤濕度讀數，導致您的灌溉系統永遠不啟動，植物因缺水而死亡。
-* 未授權的用戶可能會讀取物聯網設備的數據，包括個人或商業關鍵數據。
-* 駭客可能會發送指令以控制設備，可能會損壞設備或連接的硬件。
-* 通過連接到物聯網設備，駭客可能利用此途徑訪問其他網絡，進而進入私人系統。
-* 惡意用戶可能會訪問個人數據並利用這些數據進行勒索。
-
-這些是真實世界中的情景，並且經常發生。之前的課程中已經提到了一些例子，以下是更多案例：
-
-* 2018 年，駭客利用魚缸溫控器的開放 WiFi 接入點入侵了一家賭場的網絡並竊取數據。[The Hacker News - Casino Gets Hacked Through Its Internet-Connected Fish Tank Thermometer](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
-* 2016 年，Mirai Botnet 發動了針對 Dyn（互聯網服務提供商）的拒絕服務攻擊，導致大部分互聯網癱瘓。該僵屍網絡使用惡意軟件連接到使用默認用戶名和密碼的物聯網設備（如 DVR 和攝像頭），並從那裡發動攻擊。[The Guardian - DDoS attack that disrupted internet was largest of its kind in history, experts say](https://www.theguardian.com/technology/2016/oct/26/ddos-attack-dyn-mirai-botnet)
-* Spiral Toys 的 CloudPets 連接玩具用戶數據庫在互聯網上公開可用。[Troy Hunt - Data from connected CloudPets teddy bears leaked and ransomed, exposing kids' voice messages](https://www.troyhunt.com/data-from-connected-cloudpets-teddy-bears-leaked-and-ransomed-exposing-kids-voice-messages/)
-* Strava 標記了您跑步時經過的其他跑者並顯示他們的路線，讓陌生人能夠看到您的住址。[Kim Komndo - Fitness app could lead a stranger right to your home — change this setting](https://www.komando.com/security-privacy/strava-fitness-app-privacy/755349/)
-
-✅ 做一些研究：搜索更多物聯網數據洩漏或物聯網設備被駭的案例，尤其是與個人物品（如互聯網連接的牙刷或體重秤）相關的案例。思考這些駭客行為可能對受害者或客戶造成的影響。
-
-> 💁 安全性是一個非常廣泛的主題，本課程僅涉及一些基本內容，例如設備如何連接到雲端。未涵蓋的主題包括監控數據在傳輸過程中的變化、直接駭入設備或更改設備配置。物聯網駭客威脅如此之大，以至於像 [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn) 這樣的工具已被開發出來。這些工具類似於您電腦上的防病毒和安全工具，但專為小型、低功耗的物聯網設備設計。
-
-## 加密技術
-
-當設備連接到物聯網服務時，它會使用一個 ID 來識別自己。問題是這個 ID 可以被複製——駭客可以設置一個惡意設備，使用與真實設備相同的 ID，但發送虛假數據。
-
-![真實設備和惡意設備可能使用相同的 ID 發送遙測數據](../../../../../translated_images/zh-MO/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png)
-
-解決方法是將發送的數據轉換為一種加密格式，使用設備和雲端都知道的某種值來加密數據。這個過程稱為*加密*，用於加密數據的值稱為*加密密鑰*。
-
-![如果使用加密，只有加密的消息會被接受，其他消息會被拒絕](../../../../../translated_images/zh-MO/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png)
-
-雲端服務可以使用一個過程稱為*解密*將數據轉換回可讀格式，使用相同的加密密鑰或一個*解密密鑰*。如果加密的消息無法通過密鑰解密，則表明設備已被駭客入侵，消息會被拒絕。
-
-執行加密和解密的技術稱為*密碼學*。
-
-### 早期的密碼學
-
-最早的密碼學類型是替換密碼，最早可追溯到 3,500 年前。替換密碼涉及用一個字母替換另一個字母。例如，[凱撒密碼](https://wikipedia.org/wiki/Caesar_cipher)涉及按一定數量移動字母表，只有加密消息的發送者和預期接收者知道要移動多少個字母。
-
-[維吉尼亞密碼](https://wikipedia.org/wiki/Vigenère_cipher)進一步發展，使用單詞加密文本，使原始文本中的每個字母按不同的數量移動，而不是始終按相同的字母數移動。
-
-密碼學被廣泛用於各種目的，例如在古代美索不達米亞保護陶工的釉料配方、在印度寫秘密情書或在古埃及保護魔法咒語。
-
-### 現代密碼學
-
-現代密碼學更加先進，比早期方法更難破解。現代密碼學使用複雜的數學方法加密數據，擁有太多可能的密鑰，使暴力破解攻擊幾乎不可能。
-
-密碼學在安全通信中有很多用途。如果您正在 GitHub 上閱讀此頁面，您可能會注意到網站地址以 *HTTPS* 開頭，這意味著您的瀏覽器與 GitHub 的網絡服務器之間的通信是加密的。如果有人能夠讀取您的瀏覽器與 GitHub 之間的互聯網流量，他們也無法讀取數據，因為數據是加密的。您的電腦甚至可能加密硬盤上的所有數據，因此如果有人偷走它，沒有您的密碼就無法讀取任何數據。
-
-> 🎓 HTTPS 代表超文本傳輸協議 **安全**
-
-不幸的是，並非所有事物都是安全的。有些設備沒有安全性，有些設備使用容易破解的密鑰，有些甚至所有同類型的設備都使用相同的密鑰。有報導稱一些非常私密的物聯網設備都使用相同的密碼來通過 WiFi 或藍牙連接。如果您能連接到自己的設備，您也能連接到其他人的設備。一旦連接，您可能會訪問一些非常私密的數據，或者控制他們的設備。
-
-> 💁 儘管現代密碼學非常複雜，並且聲稱破解加密可能需要數十億年，但隨著量子計算的興起，所有已知的加密可能在非常短的時間內被破解！
-
-### 對稱密鑰和非對稱密鑰
-
-加密分為兩種類型——對稱和非對稱。
-
-**對稱**加密使用相同的密鑰加密和解密數據。發送者和接收者都需要知道相同的密鑰。這是最不安全的類型，因為密鑰需要以某種方式共享。為了讓發送者向接收者發送加密消息，發送者可能首先需要向接收者發送密鑰。
-
-![對稱密鑰加密使用相同的密鑰加密和解密消息](../../../../../translated_images/zh-MO/send-message-symmetric-key.a2e8ad0d495896ff.webp)
-
-如果密鑰在傳輸過程中被竊取，或者發送者或接收者被駭客入侵並找到密鑰，加密就可能被破解。
-
-![對稱密鑰加密只有在駭客未獲得密鑰的情況下才安全——如果密鑰被竊取，駭客可以攔截並解密消息](../../../../../translated_images/zh-MO/send-message-symmetric-key-hacker.e7cb53db1707adfb.webp)
-
-**非對稱**加密使用兩個密鑰——加密密鑰和解密密鑰，稱為公鑰/私鑰對。公鑰用於加密消息，但不能用於解密；私鑰用於解密消息，但不能用於加密。
-
-![非對稱加密使用不同的密鑰加密和解密。加密密鑰會發送給任何消息發送者，以便他們在向擁有密鑰的接收者發送消息之前加密消息](../../../../../translated_images/zh-MO/send-message-asymmetric.7abe327c62615b8c.webp)
-
-接收者共享其公鑰，發送者使用此公鑰加密消息。一旦消息被發送，接收者使用其私鑰解密消息。非對稱加密更安全，因為私鑰由接收者保密，從不共享。任何人都可以擁有公鑰，因為它只能用於加密消息。
-
-對稱加密比非對稱加密更快，非對稱加密更安全。一些系統會同時使用兩者——使用非對稱加密加密並共享對稱密鑰，然後使用對稱密鑰加密所有數據。這使得在發送者和接收者之間共享對稱密鑰更安全，並且在加密和解密數據時更快。
-
-## 保護您的物聯網設備
-
-物聯網設備可以使用對稱或非對稱加密進行保護。對稱加密更簡單，但安全性較低。
-
-### 對稱密鑰
-
-當您設置物聯網設備與 IoT Hub 交互時，您使用了一個連接字符串。一個示例連接字符串如下：
-
-```output
-HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
-```
-
-此連接字符串由三部分組成，使用分號分隔，每部分包含一個鍵和值：
-
-| 鍵 | 值 | 描述 |
-| --- | ----- | ----------- |
-| HostName | `soil-moisture-sensor.azure-devices.net` | IoT Hub 的 URL |
-| DeviceId | `soil-moisture-sensor` | 設備的唯一 ID |
-| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | 設備和 IoT Hub 都知道的對稱密鑰 |
-
-此連接字符串的最後一部分 `SharedAccessKey` 是設備和 IoT Hub 都知道的對稱密鑰。此密鑰不會從設備發送到雲端，也不會從雲端發送到設備。它僅用於加密發送或接收的數據。
-
-✅ 做一個實驗：如果您在連接物聯網設備時更改連接字符串中的 `SharedAccessKey` 部分，您認為會發生什麼？試試看。
-
-當設備首次嘗試連接時，它會發送一個共享訪問簽名（SAS）令牌，其中包括 IoT Hub 的 URL、一個訪問簽名的到期時間戳（通常是當前時間後一天）以及一個簽名。此簽名由 URL 和到期時間組成，並使用連接字符串中的共享訪問密鑰加密。
-
-IoT Hub 使用共享訪問密鑰解密此簽名，如果解密後的值與 URL 和到期時間匹配，則允許設備連接。它還會驗證當前時間是否早於到期時間，以防止惡意設備捕獲真實設備的 SAS 令牌並使用它。
-
-這是一種優雅的方式來驗證發送者是否是正確的設備。通過以解密和加密形式發送一些已知數據，服務器可以通過解密加密數據並確保結果與發送的解密版本匹配來驗證設備。如果匹配，則表明發送者和接收者擁有相同的對稱加密密鑰。
-💁 由於到期時間的限制，您的 IoT 裝置需要知道準確的時間，通常是從 [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) 伺服器讀取。如果時間不準確，連線將會失敗。
-在連接後，所有從設備發送到 IoT Hub 或從 IoT Hub 發送到設備的數據都將使用共享訪問密鑰進行加密。
-
-✅ 如果多個設備共享相同的連接字串，您認為會發生什麼？
-
-> 💁 將此密鑰存儲在代碼中是一種不良的安全做法。如果黑客獲得您的源代碼，他們就能獲得您的密鑰。此外，在發布代碼時也會更加困難，因為您需要為每個設備重新編譯以更新密鑰。更好的方法是從硬件安全模組（HSM）加載此密鑰——這是一個存儲加密值的 IoT 設備芯片，您的代碼可以讀取這些值。
->
-> 在學習 IoT 時，通常更容易將密鑰放入代碼中，就像您在之前的課程中所做的那樣，但您必須確保此密鑰未被檢入公共源代碼控制。
-
-設備有兩個密鑰以及兩個對應的連接字串。這使您可以輪換密鑰——即在第一個密鑰被泄露時切換到另一個密鑰，並重新生成第一個密鑰。
-
-### X.509 證書
-
-當您使用公鑰/私鑰對進行非對稱加密時，您需要向任何想要向您發送數據的人提供您的公鑰。問題是，接收者如何確定這確實是您的公鑰，而不是其他人冒充您？與其直接提供密鑰，您可以將公鑰放入由可信第三方驗證的證書中，這種證書稱為 X.509 證書。
-
-X.509 證書是包含公鑰部分的數字文件。它們通常由一系列被稱為[證書授權機構](https://wikipedia.org/wiki/Certificate_authority) (CAs) 的可信組織簽發，並由 CA 進行數字簽名以表明密鑰是有效的並且來自您。您信任證書以及公鑰的來源，因為您信任 CA，就像您信任護照或駕照一樣，因為您信任簽發它的國家。證書需要付費，因此您也可以“自簽”，即自己創建並簽署證書，用於測試目的。
-
-> 💁 切勿在正式發布中使用自簽證書。
-
-這些證書包含多個字段，包括公鑰的來源、簽發它的 CA 的詳細信息、有效期以及公鑰本身。在使用證書之前，最好通過檢查它是否由原始 CA 簽署來驗證它。
-
-✅ 您可以在 [Microsoft Understanding X.509 Public Key Certificates tutorial](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields) 中閱讀證書字段的完整列表。
-
-使用 X.509 證書時，發送者和接收者都擁有自己的公鑰和私鑰，以及包含公鑰的 X.509 證書。他們會交換 X.509 證書，使用彼此的公鑰加密發送的數據，並使用自己的私鑰解密接收到的數據。
-
-![與其共享公鑰，您可以共享證書。證書的使用者可以通過檢查簽署它的證書授權機構來驗證它是否來自您。](../../../../../translated_images/zh-MO/send-message-certificate.9cc576ac1e46b76e.webp)
-
-使用 X.509 證書的一大優勢是它們可以在設備之間共享。您可以創建一個證書，將其上傳到 IoT Hub，並用於所有設備。每個設備只需要知道私鑰即可解密從 IoT Hub 接收到的消息。
-
-設備用於加密發送到 IoT Hub 的消息的證書由 Microsoft 發布。這是許多 Azure 服務使用的相同證書，有時內置於 SDK 中。
-
-> 💁 請記住，公鑰就是公鑰。Azure 公鑰只能用於加密發送到 Azure 的數據，不能用於解密，因此可以隨處共享，包括在源代碼中。例如，您可以在 [Azure IoT C SDK 源代碼](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c) 中看到它。
-
-✅ X.509 證書中有很多術語。您可以在 [The layman’s guide to X.509 certificate jargon](https://techcommunity.microsoft.com/t5/internet-of-things/the-layman-s-guide-to-x-509-certificate-jargon/ba-p/2203540?WT.mc_id=academic-17441-jabenn) 中閱讀一些常見術語的定義。
-
-## 生成並使用 X.509 證書
-
-生成 X.509 證書的步驟如下：
-
-1. 創建公鑰/私鑰對。最廣泛使用的生成公鑰/私鑰對的算法之一是 [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem))(RSA)。
-
-1. 提交公鑰及相關數據進行簽名，可以由 CA 簽名，也可以自簽。
-
-Azure CLI 提供了命令來在 IoT Hub 中創建新的設備身份，並自動生成公鑰/私鑰對以及自簽證書。
-
-> 💁 如果您想查看詳細步驟，而不是使用 Azure CLI，您可以在 [Microsoft IoT Hub 文檔中的使用 OpenSSL 創建自簽證書教程](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn) 中找到。
-
-### 任務 - 使用 X.509 證書創建設備身份
-
-1. 運行以下命令以註冊新的設備身份，並自動生成密鑰和證書：
-
-    ```sh
-    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
-                                      --am x509_thumbprint \
-                                      --output-dir . \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-    這將創建一個 ID 為 `soil-moisture-sensor-x509` 的設備，以區分您在上一課中創建的設備身份。此命令還會在當前目錄中創建兩個文件：
-
-    * `soil-moisture-sensor-x509-key.pem` - 此文件包含設備的私鑰。
-    * `soil-moisture-sensor-x509-cert.pem` - 此文件是設備的 X.509 證書。
-
-    請妥善保管這些文件！私鑰文件不應被檢入公共源代碼控制。
-
-### 任務 - 在設備代碼中使用 X.509 證書
-
-按照相關指南，使用 X.509 證書將您的 IoT 設備連接到雲端：
-
-* [Arduino - Wio Terminal](wio-terminal-x509.md)
-* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-x509.md)
-
----
-
-## 🚀 挑戰
-
-創建、管理和刪除 Azure 服務（如資源組和 IoT Hub）有多種方法。一種方法是使用 [Azure Portal](https://portal.azure.com?WT.mc_id=academic-17441-jabenn)——一個基於網頁的界面，提供 GUI 來管理您的 Azure 服務。
-
-前往 [portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) 並探索該入口。看看您是否能使用該入口創建一個 IoT Hub，然後將其刪除。
-
-**提示** - 通過入口創建服務時，您不需要提前創建資源組，可以在創建服務時創建資源組。完成後請確保刪除它！
-
-您可以在 [Azure portal documentation](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn) 中找到大量文檔、教程和指南。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
-
-## 回顧與自學
-
-* 在 [Wikipedia 的密碼學歷史頁面](https://wikipedia.org/wiki/History_of_cryptography) 上閱讀密碼學的歷史。
-* 在 [Wikipedia 的 X.509 頁面](https://wikipedia.org/wiki/X.509) 上閱讀有關 X.509 證書的內容。
-
-## 作業
-
-[構建一個新的 IoT 設備](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/assignment.md
deleted file mode 100644
index 91ffa88a7..000000000
--- a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/assignment.md
+++ /dev/null
@@ -1,29 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
-  "translation_date": "2025-08-26T23:07:00+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
-  "language_code": "mo"
-}
--->
-# 建立一個新的物聯網設備
-
-## 說明
-
-在過去的六堂課中，你已經學習了數位農業的相關知識，以及如何使用物聯網設備收集數據來預測植物生長，並根據土壤濕度讀數自動灌溉。
-
-運用你所學的知識，使用一個感測器和執行器來建立一個新的物聯網設備。將遙測數據傳送到 IoT Hub，並使用無伺服器程式碼來控制執行器。你可以使用在本課程或之前的專案中已使用過的感測器和執行器，或者如果你有其他硬體，可以嘗試一些新的組件。
-
-## 評分標準
-
-| 評分項目 | 卓越 | 合格 | 需要改進 |
-| -------- | ----- | ----- | -------- |
-| 為物聯網設備編寫程式以使用感測器和執行器 | 成功編寫程式，讓物聯網設備能與感測器和執行器協作 | 成功編寫程式，讓物聯網設備能與感測器或執行器協作 | 無法編寫程式讓物聯網設備使用感測器或執行器 |
-| 將物聯網設備連接到 IoT Hub | 成功部署 IoT Hub，並能傳送遙測數據及接收命令 | 成功部署 IoT Hub，並能傳送遙測數據或接收命令 | 無法部署 IoT Hub，或無法讓物聯網設備與其通信 |
-| 使用無伺服器程式碼控制執行器 | 成功部署 Azure Function，並能根據遙測事件觸發來控制設備 | 成功部署 Azure Function，能根據遙測事件觸發，但無法控制執行器 | 無法部署 Azure Function |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
deleted file mode 100644
index f61837f5a..000000000
--- a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
+++ /dev/null
@@ -1,71 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9aea84bcc7520222b0e1c50469d62d6a",
-  "translation_date": "2025-08-26T23:07:42+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
-  "language_code": "mo"
-}
--->
-# 使用 X.509 憑證連接您的設備程式碼 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，您將使用 X.509 憑證將虛擬 IoT 設備或 Raspberry Pi 連接到您的 IoT Hub。
-
-## 將設備連接到 IoT Hub
-
-下一步是使用 X.509 憑證將您的設備連接到 IoT Hub。
-
-### 任務 - 連接到 IoT Hub
-
-1. 將密鑰和憑證檔案複製到包含您 IoT 設備程式碼的資料夾。如果您透過 VS Code Remote SSH 使用 Raspberry Pi 並在您的 PC 或 Mac 上建立了密鑰，您可以將檔案拖放到 VS Code 的檔案總管中以完成複製。
-
-1. 打開 `app.py` 檔案
-
-1. 要使用 X.509 憑證進行連接，您需要 IoT Hub 的主機名稱以及 X.509 憑證。首先，在建立設備客戶端之前，新增以下程式碼以建立包含主機名稱的變數：
-
-    ```python
-    host_name = "<host_name>"
-    ```
-
-    將 `<host_name>` 替換為您的 IoT Hub 的主機名稱。您可以從 `connection_string` 中的 `HostName` 部分獲取主機名稱。它將是您的 IoT Hub 的名稱，結尾為 `.azure-devices.net`
-
-1. 在此程式碼下方，宣告一個包含設備 ID 的變數：
-
-    ```python
-    device_id = "soil-moisture-sensor-x509"
-    ```
-
-1. 您需要一個包含 X.509 檔案的 `X509` 類別實例。將 `X509` 新增到從 `azure.iot.device` 模組匯入的類別列表中：
-
-    ```python
-    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
-    ```
-
-1. 使用您的憑證和密鑰檔案建立一個 `X509` 類別實例，將以下程式碼新增到 `host_name` 宣告的下方：
-
-    ```python
-    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
-    ```
-
-    這將使用之前建立的 `soil-moisture-sensor-x509-cert.pem` 和 `soil-moisture-sensor-x509-key.pem` 檔案來建立 `X509` 類別。
-
-1. 將使用連接字串建立 `device_client` 的程式碼行替換為以下程式碼：
-
-    ```python
-    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
-    ```
-
-    這將使用 X.509 憑證進行連接，而不是使用連接字串。
-
-1. 刪除包含 `connection_string` 變數的程式碼行。
-
-1. 執行您的程式碼。監控發送到 IoT Hub 的訊息，並像之前一樣發送直接方法請求。您將看到設備連接並發送土壤濕度讀數，同時接收直接方法請求。
-
-> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) 或 [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device) 資料夾中找到此程式碼。
-
-😀 您的土壤濕度感測器程式已使用 X.509 憑證成功連接到您的 IoT Hub！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
deleted file mode 100644
index bc7e8b871..000000000
--- a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
+++ /dev/null
@@ -1,17 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8a74f789f3c1bf41a13c007190360c19",
-  "translation_date": "2025-08-26T23:08:07+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
-  "language_code": "mo"
-}
--->
-# 在您的設備代碼中使用 X.509 憑證 - Wio Terminal
-
-在撰寫本文時，Azure Arduino SDK 尚不支援 X.509 憑證。如果您想嘗試使用 X.509 憑證，可以參考[使用 Python SDK 的虛擬 IoT 設備說明](single-board-computer-x509.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/README.md b/translations/mo/3-transport/README.md
deleted file mode 100644
index 2c5ac9822..000000000
--- a/translations/mo/3-transport/README.md
+++ /dev/null
@@ -1,38 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e978534a245b000725ed2a048f943213",
-  "translation_date": "2025-08-27T00:34:59+00:00",
-  "source_file": "3-transport/README.md",
-  "language_code": "mo"
-}
--->
-# 從農場到工廠的運輸 - 使用物聯網追蹤食品配送
-
-許多農民種植作物是為了銷售——他們可能是商業農民，出售所有種植的作物，或者是自給自足的農民，出售多餘的農產品以購買生活必需品。不管是哪種情況，食品都需要從農場運送到消費者手中，通常依賴於大宗運輸，從農場到集散中心或加工廠，再到商店。例如，一位番茄農民會收割番茄，將番茄裝箱，將箱子裝上卡車，然後運送到加工廠。番茄會在加工廠進行分揀，接著以加工食品、零售銷售或餐廳消費的形式送到消費者手中。
-
-物聯網可以幫助改善這個供應鏈，通過追蹤食品的運輸情況——確保司機按照規定的路線行駛，監控車輛位置，並在車輛到達時發出警報，以便食品能夠迅速卸貨並準備加工。
-
-> 🎓 *供應鏈* 是指製造和交付某物品的一系列活動。例如，在番茄種植中，供應鏈包括種子、土壤、肥料和水的供應，番茄的種植，將番茄運送到集散中心，運送到超市的地方集散中心，再運送到個別超市，擺放到貨架上，然後售賣給消費者並帶回家食用。每個步驟就像鏈條中的一個環節。
-
-> 🎓 供應鏈中的運輸部分被稱為 *物流*。
-
-在這四節課中，你將學習如何應用物聯網技術來改善供應鏈，通過監控食品被裝載到（虛擬）卡車上，並追蹤卡車運輸到目的地的過程。你將學習GPS追蹤技術，如何存儲和可視化GPS數據，以及如何在卡車到達目的地時接收警報。
-
-> 💁 這些課程將使用一些雲端資源。如果你未完成此專案中的所有課程，請確保[清理你的專案](../clean-up.md)。
-
-## 主題
-
-1. [位置追蹤](lessons/1-location-tracking/README.md)
-1. [存儲位置數據](lessons/2-store-location-data/README.md)
-1. [可視化位置數據](lessons/3-visualize-location-data/README.md)
-1. [地理圍欄](lessons/4-geofences/README.md)
-
-## 致謝
-
-所有課程由 [Jen Looper](https://github.com/jlooper) 和 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/README.md b/translations/mo/3-transport/lessons/1-location-tracking/README.md
deleted file mode 100644
index 351d0d53b..000000000
--- a/translations/mo/3-transport/lessons/1-location-tracking/README.md
+++ /dev/null
@@ -1,215 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
-  "translation_date": "2025-08-27T00:48:09+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/README.md",
-  "language_code": "mo"
-}
--->
-# 位置追蹤
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-MO/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
-
-## 簡介
-
-將食物從農場送到消費者手中的主要過程包括將裝滿農產品的箱子裝載到卡車、船隻、飛機或其他商業運輸工具上，並將食物送到某個地方——要麼直接送到客戶手中，要麼送到中央樞紐或倉庫進行處理。從農場到消費者的整個端到端過程被稱為*供應鏈*。以下是亞利桑那州立大學 W. P. Carey 商學院的一段影片，詳細介紹了供應鏈的概念及其管理方式。
-
-[![什麼是供應鏈管理？來自亞利桑那州立大學 W. P. Carey 商學院的影片](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
-
-> 🎥 點擊上方圖片觀看影片
-
-添加物聯網（IoT）設備可以大幅改善供應鏈管理，幫助您了解物品的位置、更好地規劃運輸和貨物處理，並能更快速地應對問題。
-
-在管理車輛車隊（如卡車）時，了解每輛車在特定時間的位置非常有幫助。車輛可以安裝 GPS 感測器，將其位置發送到物聯網系統，讓車主能夠精確定位車輛的位置、查看行駛路線，並了解車輛何時會到達目的地。由於大多數車輛在 WiFi 覆蓋範圍之外運行，因此它們使用行動網路來傳輸這類數據。有時，GPS 感測器內建於更複雜的物聯網設備中，例如電子行車日誌。這些設備可以追蹤卡車的行駛時間，以確保駕駛員遵守當地關於工作時數的法律。
-
-在本課程中，您將學習如何使用全球定位系統（GPS）感測器來追蹤車輛的位置。
-
-本課程將涵蓋以下內容：
-
-* [連網車輛](../../../../../3-transport/lessons/1-location-tracking)
-* [地理空間座標](../../../../../3-transport/lessons/1-location-tracking)
-* [全球定位系統（GPS）](../../../../../3-transport/lessons/1-location-tracking)
-* [讀取 GPS 感測器數據](../../../../../3-transport/lessons/1-location-tracking)
-* [NMEA GPS 數據](../../../../../3-transport/lessons/1-location-tracking)
-* [解碼 GPS 感測器數據](../../../../../3-transport/lessons/1-location-tracking)
-
-## 連網車輛
-
-物聯網正在改變貨物運輸的方式，通過創建*連網車輛*車隊，這些車輛連接到中央 IT 系統，報告其位置和其他感測器數據。擁有一個連網車輛車隊有許多好處：
-
-* **位置追蹤** - 您可以隨時精確定位車輛的位置，這樣可以：
-  * 當車輛即將到達目的地時收到警報，為卸貨工作做好準備
-  * 定位被盜車輛
-  * 將位置和路線數據與交通問題結合，允許您在行駛途中重新規劃車輛路線
-  * 符合法規要求。例如，一些國家根據車輛在公共道路上的行駛里程收取稅費（如[紐西蘭的道路使用費](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/)），因此知道車輛何時在公共道路上行駛與私人道路上行駛，可以更輕鬆地計算應繳稅額
-  * 在車輛故障時知道派遣維修人員的位置
-
-* **駕駛員數據監控** - 確保駕駛員遵守速度限制、以適當的速度轉彎、提前且有效地剎車，並安全駕駛。連網車輛還可以配備攝像頭記錄事故，這些數據可以與保險掛鉤，為良好駕駛員提供優惠費率。
-
-* **駕駛時數合規性** - 確保駕駛員僅在法律允許的時數內駕駛，根據發動機啟動和關閉的時間進行監控。
-
-這些好處可以結合使用，例如，將駕駛時數合規性與位置追蹤結合，重新規劃駕駛員的路線，確保他們在允許的駕駛時數內到達目的地。這些還可以與其他車輛特定的數據結合，例如來自冷藏卡車的溫度數據，允許在當前路線無法保持貨物溫度時重新規劃路線。
-
-> 🎓 物流是將貨物從一個地方運輸到另一個地方的過程，例如從農場經過一個或多個倉庫運送到超市。農民將番茄裝箱，裝載到卡車上，運送到中央倉庫，然後再裝載到可能包含不同類型農產品的第二輛卡車上，最終送到超市。
-
-車輛追蹤的核心組件是 GPS——能夠在地球上精確定位的感測器。在本課程中，您將學習如何使用 GPS 感測器，首先從了解如何在地球上定義位置開始。
-
-## 地理空間座標
-
-地理空間座標用於定義地球表面上的點，類似於如何使用座標在電腦螢幕上繪製像素或在十字繡中定位針腳。對於單個點，您需要一對座標。例如，位於美國華盛頓州雷德蒙德的微軟園區的座標是 47.6423109, -122.1390293。
-
-### 緯度與經度
-
-地球是一個球體——一個三維的圓。因此，點的位置是通過將其分為 360 度來定義的，這與圓的幾何學相同。緯度測量從北到南的度數，經度測量從東到西的度數。
-
-> 💁 沒有人真正知道為什麼圓被分為 360 度的最初原因。[維基百科上的角度（度）頁面](https://wikipedia.org/wiki/Degree_(angle))介紹了一些可能的原因。
-
-![緯線從北極的 90°，到赤道的 0°，再到南極的 -90°](../../../../../translated_images/zh-MO/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png)
-
-緯度是通過圍繞地球並與赤道平行的線來測量的，將北半球和南半球各分為 90°。赤道是 0°，北極是 90°，也稱為北緯 90°，南極是 -90°，或南緯 90°。
-
-經度是測量東西方向的度數。經度的 0° 起點稱為*本初子午線*，於 1884 年被定義為一條從北極到南極穿過[英國格林威治皇家天文台](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich)的線。
-
-![經線從本初子午線的 0°，到西經 -180°，再到東經 180°](../../../../../translated_images/zh-MO/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png)
-
-> 🎓 子午線是一條從北極到南極的假想直線，形成一個半圓。
-
-要測量某一點的經度，您需要測量從本初子午線到穿過該點的子午線沿赤道的度數。經度範圍從 -180°（西經 180°），經過本初子午線的 0°，到 180°（東經 180°）。180° 和 -180° 指的是同一點，即反子午線或 180 度子午線。這是一條位於本初子午線對側的子午線。
-
-> 💁 反子午線不應與國際日期變更線混淆，雖然它們大致位於相同位置，但國際日期變更線並不是一條直線，會根據地緣政治邊界進行調整。
-
-✅ 做一些研究：試著找出您目前位置的緯度和經度。
-
-### 度、分、秒與十進制度數
-
-傳統上，緯度和經度的度數測量使用的是六十進制（sexagesimal）數字系統，這是一種由古巴比倫人使用的數字系統，他們最早測量並記錄了時間和距離。您可能每天都在使用六十進制而不自知，例如將小時分為 60 分鐘，將分鐘分為 60 秒。
-
-緯度和經度以度、分和秒為單位測量，其中 1 分是 1/60 度，1 秒是 1/60 分。
-
-例如，在赤道上：
-
-* 1° 緯度約為 **111.3 公里**
-* 1 分緯度為 111.3/60 = **1.855 公里**
-* 1 秒緯度為 1.855/60 = **0.031 公里**
-
-分的符號是一個單引號，秒的符號是雙引號。例如，2 度 17 分 43 秒可以寫作 2°17'43"。秒的小數部分以小數表示，例如半秒為 0°0'0.5"。
-
-電腦不使用六十進制，因此在大多數電腦系統中，這些座標以十進制度數表示。例如，2°17'43" 表示為 2.295277。通常省略度數符號。
-
-一個點的座標總是以 `緯度, 經度` 的格式給出，因此前面提到的微軟園區座標 47.6423109,-122.117198 表示：
-
-* 緯度為 47.6423109（赤道以北 47.6423109 度）
-* 經度為 -122.1390293（本初子午線以西 122.1390293 度）。
-
-![微軟園區位於 47.6423109,-122.117198](../../../../../translated_images/zh-MO/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png)
-
-## 全球定位系統（GPS）
-
-GPS 系統利用多顆繞地球運行的衛星來定位您的位置。您可能在不知不覺中使用過 GPS 系統，例如在手機上的地圖應用（如 Apple 地圖或 Google 地圖）中查看您的位置，或者在叫車應用（如 Uber 或 Lyft）中查看車輛的位置，或者在車輛中使用衛星導航（sat-nav）。
-
-> 🎓 衛星導航中的“衛星”指的就是 GPS 衛星！
-
-GPS 系統的工作原理是多顆衛星發送信號，信號中包含每顆衛星的當前位置和精確的時間戳。這些信號通過無線電波傳輸，並由 GPS 感測器中的天線接收。GPS 感測器會檢測這些信號，並根據當前時間測量信號從衛星到達感測器所需的時間。由於無線電波的速度是恆定的，GPS 感測器可以使用發送的時間戳計算感測器與衛星之間的距離。通過結合至少 3 顆衛星的數據和發送的位置，GPS 感測器能夠精確定位其在地球上的位置。
-
-> 💁 GPS 感測器需要天線來檢測無線電波。內建 GPS 的卡車和汽車通常將天線安裝在擋風玻璃或車頂，以獲得良好的信號。如果您使用的是單獨的 GPS 系統，例如智能手機或物聯網設備，則需要確保 GPS 系統或手機內建的天線能夠清楚地看到天空，例如安裝在擋風玻璃上。
-
-![通過知道感測器與多顆衛星的距離，可以計算出位置](../../../../../translated_images/zh-MO/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png)
-
-GPS 衛星繞地球運行，並非固定在感測器上方，因此位置數據包括海拔高度（相對於海平面）以及緯度和經度。
-
-GPS 曾經受到美國軍方的限制，準確度約為 5 米。這一限制於 2000 年被取消，現在 GPS 的準確度可達 30 公分。然而，由於信號干擾，並非總能達到這種準確度。
-
-✅ 如果您有智能手機，打開地圖應用，看看您的位置有多準確。可能需要一段時間讓手機檢測多顆衛星以獲得更準確的位置。
-💁 衛星內部配備了極為精準的原子鐘，但由於愛因斯坦的特殊相對論和廣義相對論所預測的現象，隨著速度增加時間會變慢，因此與地球上的原子鐘相比，衛星的時間每天會漂移38微秒（0.0000038秒）。這是因為衛星的運行速度比地球自轉速度更快。這種時間漂移現象已被用來證明特殊相對論和廣義相對論的預測，並且在設計GPS系統時必須進行調整。從字面上來說，GPS衛星上的時間運行得更慢。
-全球定位系統（GPS）已由多個國家和政治聯盟開發並部署，包括美國、俄羅斯、日本、印度、歐盟和中國。現代GPS感測器可以連接到大多數這些系統，以獲得更快、更準確的定位。
-
-> 🎓 每個部署中的衛星群被稱為星座。
-
-## 讀取GPS感測器數據
-
-大多數GPS感測器通過UART傳送GPS數據。
-
-> ⚠️ UART已在[專案2，課程2](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart)中介紹。如果需要，請回顧該課程。
-
-您可以在您的物聯網設備上使用GPS感測器來獲取GPS數據。
-
-### 任務 - 連接GPS感測器並讀取GPS數據
-
-按照相關指南使用您的物聯網設備讀取GPS數據：
-
-* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
-* [單板電腦 - Raspberry Pi](pi-gps-sensor.md)
-* [單板電腦 - 虛擬設備](virtual-device-gps-sensor.md)
-
-## NMEA GPS數據
-
-當您運行代碼時，您可能會看到輸出中出現一些看似亂碼的內容。事實上，這是標準的GPS數據，並且每一部分都有其意義。
-
-GPS感測器使用NMEA消息輸出數據，遵循NMEA 0183標準。NMEA是[全國海洋電子協會](https://www.nmea.org)的縮寫，這是一個美國的貿易組織，負責制定海洋電子設備之間的通信標準。
-
-> 💁 該標準是專有的，售價至少為2000美元，但有足夠的信息已公開，使得大部分標準已被逆向工程並可用於開源和其他非商業代碼。
-
-這些消息是基於文本的。每條消息由一個以`$`字符開頭的*句子*組成，後面是2個字符表示消息的來源（例如，美國GPS系統的GP，俄羅斯GPS系統GLONASS的GN），以及3個字符表示消息的類型。消息的其餘部分是用逗號分隔的字段，最後以換行符結束。
-
-一些可能接收到的消息類型包括：
-
-| 類型 | 描述 |
-| ---- | ----------- |
-| GGA | GPS定位數據，包括GPS感測器的緯度、經度和海拔，以及用於計算定位的可見衛星數量。 |
-| ZDA | 當前日期和時間，包括當地時區。 |
-| GSV | 可見衛星的詳細信息 - 定義為GPS感測器可以檢測到信號的衛星。 |
-
-> 💁 GPS數據包括時間戳，因此您的物聯網設備可以從GPS感測器獲取時間，而不需要依賴NTP伺服器或內部實時時鐘。
-
-GGA消息使用`(dd)dmm.mmmm`格式提供當前位置，並附帶一個字符表示方向。格式中的`d`表示度，`m`表示分，秒則以分的小數表示。例如，2°17'43"將表示為217.716666667 - 2度，17.716666667分。
-
-方向字符可以是`N`或`S`表示緯度的北或南，`E`或`W`表示經度的東或西。例如，緯度2°17'43"的方向字符為`N`，而-2°17'43"的方向字符為`S`。
-
-例如 - NMEA句子`$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
-
-* 緯度部分是`4738.538654,N`，轉換為十進制度數為47.6423109。`4738.538654`表示47.6423109，方向為`N`（北），因此是正緯度。
-
-* 經度部分是`12208.341758,W`，轉換為十進制度數為-122.1390293。`12208.341758`表示122.1390293°，方向為`W`（西），因此是負經度。
-
-## 解碼GPS感測器數據
-
-與其使用原始的NMEA數據，不如將其解碼為更有用的格式。有多個開源庫可以幫助從原始NMEA消息中提取有用的數據。
-
-### 任務 - 解碼GPS感測器數據
-
-按照相關指南使用您的物聯網設備解碼GPS感測器數據：
-
-* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
-* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-gps-decode.md)
-
----
-
-## 🚀 挑戰
-
-自己編寫一個NMEA解碼器！不依賴第三方庫解碼NMEA句子，您能否編寫自己的解碼器來從NMEA句子中提取緯度和經度？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
-
-## 回顧與自學
-
-* 在[維基百科的地理坐標系統頁面](https://wikipedia.org/wiki/Geographic_coordinate_system)上閱讀更多關於地理坐標的信息。
-* 在[維基百科的本初子午線頁面](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies)上了解地球以外其他天體的本初子午線。
-* 研究由歐盟、日本、俄羅斯、印度和美國等世界各國政府和政治聯盟開發的各種GPS系統。
-
-## 作業
-
-[調查其他GPS數據](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/assignment.md b/translations/mo/3-transport/lessons/1-location-tracking/assignment.md
deleted file mode 100644
index 9d7715bbb..000000000
--- a/translations/mo/3-transport/lessons/1-location-tracking/assignment.md
+++ /dev/null
@@ -1,29 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
-  "translation_date": "2025-08-27T00:49:23+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
-  "language_code": "mo"
-}
--->
-# 調查其他 GPS 數據
-
-## 說明
-
-從您的 GPS 感測器接收到的 NMEA 訊息中，除了位置資訊外，還包含其他數據。請調查這些額外的數據，並將其應用於您的 IoT 裝置中。
-
-例如 - 您能否獲取當前的日期和時間？如果您使用的是微控制器，是否可以像在上一個專案中使用 NTP 信號設置時鐘一樣，使用 GPS 數據來設置時鐘？您能否獲取海拔高度（即海平面以上的高度）或當前速度？
-
-如果您使用的是虛擬 IoT 裝置，則可以使用工具 [nmeagen.org](https://www.nmeagen.org) 生成的 NMEA 訊息來獲取其中一些數據。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 獲取更多 GPS 數據 | 能夠獲取並使用更多 GPS 數據，無論是作為遙測數據還是用於設置 IoT 裝置 | 能夠獲取更多 GPS 數據，但無法使用這些數據 | 無法獲取更多 GPS 數據 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/mo/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
deleted file mode 100644
index 3d758c1da..000000000
--- a/translations/mo/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
+++ /dev/null
@@ -1,193 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
-  "translation_date": "2025-08-27T00:51:22+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
-  "language_code": "mo"
-}
--->
-# 讀取 GPS 數據 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個 GPS 感測器，並從中讀取數據。
-
-## 硬體
-
-Raspberry Pi 需要一個 GPS 感測器。
-
-您將使用的感測器是 [Grove GPS Air530 感測器](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)。這款感測器可以連接到多個 GPS 系統，以快速且準確地定位。感測器由兩部分組成——感測器的核心電子元件，以及通過細線連接的外部天線，用於接收來自衛星的無線電波。
-
-這是一個 UART 感測器，因此會通過 UART 傳輸 GPS 數據。
-
-## 連接 GPS 感測器
-
-Grove GPS 感測器可以連接到 Raspberry Pi。
-
-### 任務 - 連接 GPS 感測器
-
-連接 GPS 感測器。
-
-![Grove GPS 感測器](../../../../../translated_images/zh-MO/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png)
-
-1. 將 Grove 電纜的一端插入 GPS 感測器上的插槽。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到安裝在 Pi 上的 Grove Base Hat 上標有 **UART** 的 UART 插槽。該插槽位於中間排，靠近 SD 卡插槽的一側，與 USB 埠和乙太網插槽相對的一端。
-
-    ![Grove GPS 感測器連接到 UART 插槽](../../../../../translated_images/zh-MO/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png)
-
-1. 將 GPS 感測器放置在附加天線可以看到天空的位置——理想情況下靠近窗戶或在戶外。天線周圍沒有障礙物時，信號會更清晰。
-
-## 編程 GPS 感測器
-
-現在可以為 Raspberry Pi 編寫程式，以使用連接的 GPS 感測器。
-
-### 任務 - 編程 GPS 感測器
-
-編寫設備程式。
-
-1. 啟動 Raspberry Pi，並等待其啟動完成。
-
-1. GPS 感測器有兩個 LED 指示燈——藍色 LED 在傳輸數據時閃爍，綠色 LED 在接收到來自衛星的數據時每秒閃爍一次。啟動 Raspberry Pi 時，確保藍色 LED 閃爍。幾分鐘後，綠色 LED 會開始閃爍——如果沒有，您可能需要重新調整天線的位置。
-
-1. 啟動 VS Code，可以直接在 Raspberry Pi 上啟動，也可以通過 Remote SSH 擴展連接。
-
-    > ⚠️ 如果需要，您可以參考[第 1 課中有關設置和啟動 VS Code 的說明](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
-
-1. 對於支持藍牙的新版本 Raspberry Pi，藍牙使用的串口與 Grove UART 埠使用的串口會發生衝突。為了解決這個問題，請執行以下操作：
-
-    1. 在 VS Code 的終端中，使用以下命令通過 `nano` 編輯 `/boot/config.txt` 文件，`nano` 是內建的終端文字編輯器：
-
-        ```sh
-        sudo nano /boot/config.txt
-        ```
-
-        > 由於需要使用 `sudo` 權限（提升的權限）來編輯此文件，因此無法直接通過 VS Code 編輯。
-
-    1. 使用方向鍵移動到文件末尾，然後複製以下代碼並粘貼到文件末尾：
-
-        ```ini
-        dtoverlay=pi3-miniuart-bt
-        dtoverlay=pi3-disable-bt
-        enable_uart=1
-        ```
-
-        您可以使用設備的常規鍵盤快捷鍵粘貼（Windows、Linux 或 Raspberry Pi OS 上為 `Ctrl+v`，macOS 上為 `Cmd+v`）。
-
-    1. 按 `Ctrl+x` 保存文件並退出 nano。當系統詢問是否保存修改的緩衝區時，按 `y`，然後按 `Enter` 確認覆蓋 `/boot/config.txt`。
-
-        > 如果出現錯誤，您可以選擇不保存退出，然後重複這些步驟。
-
-    1. 使用以下命令在 nano 中編輯 `/boot/cmdline.txt` 文件：
-
-        ```sh
-        sudo nano /boot/cmdline.txt
-        ```
-
-    1. 該文件包含多個用空格分隔的鍵/值對。刪除鍵為 `console` 的所有鍵/值對。它們可能看起來像這樣：
-
-        ```output
-        console=serial0,115200 console=tty1 
-        ```
-
-        您可以使用方向鍵導航到這些條目，然後使用常規的 `del` 或 `backspace` 鍵刪除。
-
-        例如，如果原始文件如下所示：
-
-        ```output
-        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
-        ```
-
-        新版本將如下所示：
-
-        ```output
-        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
-        ```
-
-    1. 按照上述步驟保存文件並退出 nano。
-
-    1. 重新啟動 Raspberry Pi，然後在 Pi 重啟後重新連接到 VS Code。
-
-1. 在終端中，為 `pi` 用戶的主目錄創建一個名為 `gps-sensor` 的新文件夾。在該文件夾中創建一個名為 `app.py` 的文件。
-
-1. 在 VS Code 中打開該文件夾。
-
-1. GPS 模組通過串口發送 UART 數據。安裝 `pyserial` Pip 套件，以便從 Python 程式碼與串口通信：
-
-    ```sh
-    pip3 install pyserial
-    ```
-
-1. 將以下代碼添加到您的 `app.py` 文件中：
-
-    ```python
-    import time
-    import serial
-    
-    serial = serial.Serial('/dev/ttyAMA0', 9600, timeout=1)
-    serial.reset_input_buffer()
-    serial.flush()
-    
-    def print_gps_data(line):
-        print(line.rstrip())
-    
-    while True:
-        line = serial.readline().decode('utf-8')
-    
-        while len(line) > 0:
-            print_gps_data(line)
-            line = serial.readline().decode('utf-8')
-    
-        time.sleep(1)
-    ```
-
-    此代碼從 `pyserial` Pip 套件中導入 `serial` 模組。然後，它連接到 `/dev/ttyAMA0` 串口——這是 Grove Pi Base Hat 用於其 UART 埠的串口地址。接著，它清除該串口的任何現有數據。
-
-    接下來，定義了一個名為 `print_gps_data` 的函數，用於將傳遞給它的行打印到控制台。
-
-    然後，代碼進行無限循環，在每次循環中從串口讀取盡可能多的文本行。對於每一行，它都會調用 `print_gps_data` 函數。
-
-    在讀取所有數據後，循環會休眠 1 秒，然後再次嘗試。
-
-1. 運行此代碼。您將看到來自 GPS 感測器的原始輸出，類似於以下內容：
-
-    ```output
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
-    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
-    $GPGSV,1,1,00*79
-    $BDGSV,1,1,00*68
-    ```
-
-    > 如果在停止並重新啟動代碼時遇到以下錯誤之一，請在您的 while 循環中添加一個 `try - except` 塊。
-
-      ```output
-      UnicodeDecodeError: 'utf-8' codec can't decode byte 0x93 in position 0: invalid start byte
-      UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 0: invalid continuation byte
-      ```
-
-    ```python
-    while True:
-        try:
-            line = serial.readline().decode('utf-8')
-              
-            while len(line) > 0:
-                print_gps_data()
-                line = serial.readline().decode('utf-8')
-      
-        # There's a random chance the first byte being read is part way through a character.
-        # Read another full line and continue.
-
-        except UnicodeDecodeError:
-            line = serial.readline().decode('utf-8')
-
-    time.sleep(1)
-    ```
-
-> 💁 您可以在 [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi) 文件夾中找到此代碼。
-
-😀 恭喜！您的 GPS 感測器程式運行成功！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/mo/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
deleted file mode 100644
index 5e74b93b7..000000000
--- a/translations/mo/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
+++ /dev/null
@@ -1,75 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "cbb8c285bc64c5192fae3368fb5077d2",
-  "translation_date": "2025-08-27T00:50:08+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
-  "language_code": "mo"
-}
--->
-# 解碼 GPS 數據 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，你將解碼由 Raspberry Pi 或虛擬 IoT 裝置從 GPS 感測器讀取的 NMEA 訊息，並提取緯度和經度。
-
-## 解碼 GPS 數據
-
-一旦從串口讀取到原始 NMEA 數據，就可以使用開源 NMEA 庫進行解碼。
-
-### 任務 - 解碼 GPS 數據
-
-編寫程式以解碼 GPS 數據。
-
-1. 如果尚未開啟，請打開 `gps-sensor` 應用程式專案。
-
-1. 安裝 `pynmea2` 的 Pip 套件。此套件包含解碼 NMEA 訊息的程式碼。
-
-    ```sh
-    pip3 install pynmea2
-    ```
-
-1. 在 `app.py` 文件的導入部分新增以下程式碼，以導入 `pynmea2` 模組：
-
-    ```python
-    import pynmea2
-    ```
-
-1. 用以下內容替換 `print_gps_data` 函數的內容：
-
-    ```python
-    msg = pynmea2.parse(line)
-    if msg.sentence_type == 'GGA':
-        lat = pynmea2.dm_to_sd(msg.lat)
-        lon = pynmea2.dm_to_sd(msg.lon)
-
-        if msg.lat_dir == 'S':
-            lat = lat * -1
-
-        if msg.lon_dir == 'W':
-            lon = lon * -1
-
-        print(f'{lat},{lon} - from {msg.num_sats} satellites')
-    ```
-
-    此程式碼將使用 `pynmea2` 庫解析從 UART 串口讀取的行。
-
-    如果訊息的句子類型是 `GGA`，則表示這是一個位置固定訊息，並進行處理。緯度和經度值將從訊息中讀取，並從 NMEA `(d)ddmm.mmmm` 格式轉換為十進制度數。`dm_to_sd` 函數執行此轉換。
-
-    接著檢查緯度的方向，如果緯度是南方，則將其值轉換為負數。同樣地，若經度是西方，也會轉換為負數。
-
-    最後，座標將與用於定位的衛星數量一起打印到控制台。
-
-1. 執行程式碼。如果你使用的是虛擬 IoT 裝置，請確保 CounterFit 應用程式正在運行，並且 GPS 數據正在傳送。
-
-    ```output
-    pi@raspberrypi:~/gps-sensor $ python3 app.py 
-    47.6423109,-122.1390293 - from 3 satellites
-    ```
-
-> 💁 你可以在 [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device) 資料夾或 [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi) 資料夾中找到此程式碼。
-
-😀 你的 GPS 感測器程式成功解碼數據！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/mo/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
deleted file mode 100644
index 23112e8ef..000000000
--- a/translations/mo/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
+++ /dev/null
@@ -1,144 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
-  "translation_date": "2025-08-27T00:44:10+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
-  "language_code": "mo"
-}
--->
-# 讀取 GPS 數據 - 虛擬物聯網硬件
-
-在本課程中，您將為虛擬物聯網設備添加一個 GPS 傳感器，並從中讀取數據。
-
-## 虛擬硬件
-
-虛擬物聯網設備將使用一個模擬的 GPS 傳感器，該傳感器可以通過 UART 串口訪問。
-
-實體 GPS 傳感器通常配備天線，用於接收來自 GPS 衛星的電波，並將 GPS 信號轉換為 GPS 數據。虛擬版本則模擬這一過程，允許您設置緯度和經度、發送原始 NMEA 語句，或者上傳包含多個位置的 GPX 文件，這些位置可以依次返回。
-
-> 🎓 NMEA 語句將在本課程後續部分進行講解
-
-### 在 CounterFit 中添加傳感器
-
-要使用虛擬 GPS 傳感器，您需要在 CounterFit 應用中添加一個。
-
-#### 任務 - 在 CounterFit 中添加傳感器
-
-在 CounterFit 應用中添加 GPS 傳感器。
-
-1. 在您的電腦上創建一個名為 `gps-sensor` 的新 Python 應用，並在其中創建一個名為 `app.py` 的文件以及一個 Python 虛擬環境，然後添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，您可以參考[課程 1 中創建和設置 CounterFit Python 項目的說明](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 安裝額外的 Pip 套件，以便安裝一個 CounterFit shim，該 shim 可以通過串口與基於 UART 的傳感器通信。確保您是在啟用了虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install counterfit-shims-serial
-    ```
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建一個 GPS 傳感器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *UART GPS*。
-
-    1. 保持 *Port* 設置為 */dev/ttyAMA0*。
-
-    1. 點擊 **Add** 按鈕，在端口 `/dev/ttyAMA0` 上創建 GPS 傳感器。
-
-    ![GPS 傳感器設置](../../../../../translated_images/zh-MO/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png)
-
-    GPS 傳感器將被創建並顯示在傳感器列表中。
-
-    ![已創建的 GPS 傳感器](../../../../../translated_images/zh-MO/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png)
-
-## 編程 GPS 傳感器
-
-現在可以為虛擬物聯網設備編程以使用虛擬 GPS 傳感器。
-
-### 任務 - 編程 GPS 傳感器
-
-編程 GPS 傳感器應用。
-
-1. 確保 `gps-sensor` 應用已在 VS Code 中打開。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下代碼，以連接應用到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在此代碼下方添加以下代碼，以導入一些所需的庫，包括 CounterFit 串口的庫：
-
-    ```python
-    import time
-    import counterfit_shims_serial
-    
-    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
-    ```
-
-    此代碼從 `counterfit_shims_serial` Pip 套件中導入 `serial` 模塊。然後，它連接到 `/dev/ttyAMA0` 串口——這是虛擬 GPS 傳感器用於其 UART 端口的地址。
-
-1. 在此代碼下方添加以下代碼，以從串口讀取數據並將值打印到控制台：
-
-    ```python
-    def print_gps_data(line):
-        print(line.rstrip())
-    
-    while True:
-        line = serial.readline().decode('utf-8')
-    
-        while len(line) > 0:
-            print_gps_data(line)
-            line = serial.readline().decode('utf-8')
-    
-        time.sleep(1)
-    ```
-
-    定義了一個名為 `print_gps_data` 的函數，用於將傳入的行打印到控制台。
-
-    接下來，代碼進行無限循環，每次循環從串口讀取盡可能多的文本行。它為每行調用 `print_gps_data` 函數。
-
-    在所有數據讀取完成後，循環會休眠 1 秒，然後再次嘗試。
-
-1. 運行此代碼，確保使用與 CounterFit 應用運行的終端不同的終端，以便 CounterFit 應用保持運行。
-
-1. 從 CounterFit 應用中更改 GPS 傳感器的值。您可以通過以下方式之一進行更改：
-
-    * 將 **Source** 設置為 `Lat/Lon`，並設置明確的緯度、經度以及用於獲取 GPS 定位的衛星數量。此值僅會發送一次，因此勾選 **Repeat** 框以使數據每秒重複發送。
-
-      ![選擇緯度和經度的 GPS 傳感器](../../../../../translated_images/zh-MO/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png)
-
-    * 將 **Source** 設置為 `NMEA`，並在文本框中添加一些 NMEA 語句。所有這些值都會被發送，每次新的 GGA（位置修正）語句可讀取前會有 1 秒的延遲。
-
-      ![設置 NMEA 語句的 GPS 傳感器](../../../../../translated_images/zh-MO/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png)
-
-      您可以使用像 [nmeagen.org](https://www.nmeagen.org) 這樣的工具通過在地圖上繪製來生成這些語句。這些值僅會發送一次，因此勾選 **Repeat** 框以使數據在全部發送後每秒重複一次。
-
-    * 將 **Source** 設置為 GPX 文件，並上傳包含軌跡位置的 GPX 文件。您可以從一些流行的地圖和徒步網站（如 [AllTrails](https://www.alltrails.com/)）下載 GPX 文件。這些文件包含多個 GPS 位置作為軌跡，GPS 傳感器將以 1 秒間隔返回每個新位置。
-
-      ![設置 GPX 文件的 GPS 傳感器](../../../../../translated_images/zh-MO/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png)
-
-      這些值僅會發送一次，因此勾選 **Repeat** 框以使數據在全部發送後每秒重複一次。
-
-    配置 GPS 設置後，選擇 **Set** 按鈕以將這些值提交到傳感器。
-
-1. 您將看到來自 GPS 傳感器的原始輸出，類似以下內容：
-
-    ```output
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    ```
-
-> 💁 您可以在 [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device) 文件夾中找到此代碼。
-
-😀 您的 GPS 傳感器程序成功了！
-
----
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。  
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
deleted file mode 100644
index fe5f25b28..000000000
--- a/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
+++ /dev/null
@@ -1,83 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
-  "translation_date": "2025-08-27T00:52:09+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
-  "language_code": "mo"
-}
--->
-# 解碼 GPS 數據 - Wio Terminal
-
-在本課程中，您將解碼從 Wio Terminal 的 GPS 感測器讀取的 NMEA 訊息，並提取緯度和經度。
-
-## 解碼 GPS 數據
-
-一旦從串口讀取到原始的 NMEA 數據，就可以使用開源的 NMEA 庫進行解碼。
-
-### 任務 - 解碼 GPS 數據
-
-編寫程式以解碼 GPS 數據。
-
-1. 如果尚未開啟，請打開 `gps-sensor` 應用程式專案。
-
-1. 在專案的 `platformio.ini` 文件中添加 [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) 庫的依賴。此庫包含解碼 NMEA 數據的程式碼。
-
-    ```ini
-    lib_deps =
-        mikalhart/TinyGPSPlus @ 1.0.2
-    ```
-
-1. 在 `main.cpp` 中，添加 TinyGPSPlus 庫的 include 指令：
-
-    ```cpp
-    #include <TinyGPS++.h>
-    ```
-
-1. 在 `Serial3` 的宣告下，宣告一個 TinyGPSPlus 物件以處理 NMEA 訊息：
-
-    ```cpp
-    TinyGPSPlus gps;
-    ```
-
-1. 將 `printGPSData` 函數的內容更改為以下內容：
-
-    ```cpp
-    if (gps.encode(Serial3.read()))
-    {
-        if (gps.location.isValid())
-        {
-            Serial.print(gps.location.lat(), 6);
-            Serial.print(F(","));
-            Serial.print(gps.location.lng(), 6);
-            Serial.print(" - from ");
-            Serial.print(gps.satellites.value());
-            Serial.println(" satellites");
-        }
-    }
-    ```
-
-    此程式碼從 UART 串口讀取下一個字元到 `gps` NMEA 解碼器中。每讀取一個字元後，它會檢查解碼器是否讀取到有效的訊息，然後檢查是否讀取到有效的位置。如果位置有效，它會將位置和參與定位的衛星數量發送到串口監視器。
-
-1. 編譯並上傳程式碼到 Wio Terminal。
-
-1. 上傳完成後，您可以使用串口監視器查看 GPS 位置數據。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    47.6423109,-122.1390293 - from 3 satellites
-    ```
-
-> 💁 您可以在 [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的 GPS 感測器程式成功解碼數據！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
deleted file mode 100644
index 33bcbb57e..000000000
--- a/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
+++ /dev/null
@@ -1,154 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
-  "translation_date": "2025-08-27T00:42:46+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
-  "language_code": "mo"
-}
--->
-# 讀取 GPS 數據 - Wio Terminal
-
-在本課程中，您將為 Wio Terminal 添加一個 GPS 感測器，並從中讀取數據。
-
-## 硬體
-
-Wio Terminal 需要一個 GPS 感測器。
-
-您將使用的感測器是 [Grove GPS Air530 感測器](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)。這款感測器可以連接到多個 GPS 系統，提供快速且準確的定位。感測器由兩部分組成——感測器的核心電子元件，以及通過細線連接的外部天線，用於接收來自衛星的無線電波。
-
-這是一個 UART 感測器，因此會通過 UART 傳輸 GPS 數據。
-
-### 連接 GPS 感測器
-
-Grove GPS 感測器可以連接到 Wio Terminal。
-
-#### 任務 - 連接 GPS 感測器
-
-連接 GPS 感測器。
-
-![Grove GPS 感測器](../../../../../translated_images/zh-MO/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png)
-
-1. 將 Grove 線纜的一端插入 GPS 感測器上的插槽。它只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 線纜的另一端連接到 Wio Terminal 左側的 Grove 插槽（面向螢幕時）。這是靠近電源按鈕的插槽。
-
-    ![Grove GPS 感測器連接到左側插槽](../../../../../translated_images/zh-MO/wio-gps-sensor.19fd52b81ce58095.webp)
-
-1. 將 GPS 感測器放置在附帶天線可以看到天空的位置——理想情況下靠近窗戶或在戶外。天線周圍沒有障礙物時，信號會更清晰。
-
-1. 現在可以將 Wio Terminal 連接到您的電腦。
-
-1. GPS 感測器有兩個 LED 指示燈——藍色 LED 在傳輸數據時閃爍，綠色 LED 在接收到衛星數據時每秒閃爍一次。確保在啟動 Wio Terminal 時藍色 LED 閃爍。幾分鐘後，綠色 LED 會開始閃爍——如果沒有，您可能需要重新調整天線的位置。
-
-## 編程 GPS 感測器
-
-現在可以為 Wio Terminal 編寫程式碼以使用連接的 GPS 感測器。
-
-### 任務 - 編程 GPS 感測器
-
-為設備編寫程式碼。
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案，命名為 `gps-sensor`。在 `setup` 函數中添加程式碼以配置序列埠。
-
-1. 在 `main.cpp` 文件的頂部添加以下 include 指令。這會包含一個用於配置左側 Grove 埠為 UART 的標頭檔案。
-
-    ```cpp
-    #include <wiring_private.h>
-    ```
-
-1. 在此之下，添加以下程式碼行以聲明一個與 UART 埠連接的序列埠：
-
-    ```cpp
-    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
-    ```
-
-1. 您需要添加一些程式碼來將一些內部信號處理程序重定向到這個序列埠。在 `Serial3` 聲明之下添加以下程式碼：
-
-    ```cpp
-    void SERCOM3_0_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    
-    void SERCOM3_1_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    
-    void SERCOM3_2_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    
-    void SERCOM3_3_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    ```
-
-1. 在 `setup` 函數中，在配置 `Serial` 埠的程式碼之下，使用以下程式碼配置 UART 序列埠：
-
-    ```cpp
-    Serial3.begin(9600);
-
-    while (!Serial3)
-        ; // Wait for Serial3 to be ready
-
-    delay(1000);
-    ```
-
-1. 在 `setup` 函數中的這段程式碼之下，添加以下程式碼以將 Grove 引腳連接到序列埠：
-
-    ```cpp
-    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
-    ```
-
-1. 在 `loop` 函數之前，添加以下函數以將 GPS 數據發送到序列監視器：
-
-    ```cpp
-    void printGPSData()
-    {
-        Serial.println(Serial3.readStringUntil('\n'));
-    }
-    ```
-
-1. 在 `loop` 函數中，添加以下程式碼以從 UART 序列埠讀取數據並將輸出打印到序列監視器：
-
-    ```cpp
-    while (Serial3.available() > 0)
-    {
-        printGPSData();
-    }
-    
-    delay(1000);
-    ```
-
-    此程式碼從 UART 序列埠讀取數據。`readStringUntil` 函數會讀取直到終止符（在本例中是一個換行符）。這將讀取整個 NMEA 語句（NMEA 語句以換行符結尾）。只要可以從 UART 序列埠讀取數據，就會讀取並通過 `printGPSData` 函數發送到序列監視器。一旦無法再讀取數據，`loop` 會延遲 1 秒（1,000 毫秒）。
-
-1. 編譯並上傳程式碼到 Wio Terminal。
-
-1. 上傳完成後，您可以使用序列監視器查看 GPS 數據。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
-    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
-    $GPGSV,1,1,00*79
-    $BDGSV,1,1,00*68
-    ```
-
-> 💁 您可以在 [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 恭喜！您的 GPS 感測器程式成功運行！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/2-store-location-data/README.md b/translations/mo/3-transport/lessons/2-store-location-data/README.md
deleted file mode 100644
index 37136cf96..000000000
--- a/translations/mo/3-transport/lessons/2-store-location-data/README.md
+++ /dev/null
@@ -1,479 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e345843ccfeb7261d81500d19c64d476",
-  "translation_date": "2025-08-27T01:01:35+00:00",
-  "source_file": "3-transport/lessons/2-store-location-data/README.md",
-  "language_code": "mo"
-}
--->
-# 儲存位置數據
-
-![本課的手繪筆記概覽](../../../../../translated_images/zh-MO/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
-
-## 簡介
-
-在上一課中，你學會了如何使用 GPS 感測器來捕捉位置數據。若要將這些數據用於可視化一輛載滿食物的卡車的位置及其行程，這些數據需要被傳送到雲端的 IoT 服務，然後儲存起來。
-
-在本課中，你將學習不同的 IoT 數據儲存方式，並學會如何使用無伺服器程式碼來儲存來自 IoT 服務的數據。
-
-本課將涵蓋以下內容：
-
-* [結構化數據與非結構化數據](../../../../../3-transport/lessons/2-store-location-data)
-* [將 GPS 數據發送到 IoT Hub](../../../../../3-transport/lessons/2-store-location-data)
-* [熱路徑、溫路徑與冷路徑](../../../../../3-transport/lessons/2-store-location-data)
-* [使用無伺服器程式碼處理 GPS 事件](../../../../../3-transport/lessons/2-store-location-data)
-* [Azure 儲存帳戶](../../../../../3-transport/lessons/2-store-location-data)
-* [將無伺服器程式碼連接到儲存空間](../../../../../3-transport/lessons/2-store-location-data)
-
-## 結構化數據與非結構化數據
-
-電腦系統處理數據，而這些數據的形狀和大小各不相同。數據可能是單一數字、大量文字、影片和圖片，或者是 IoT 數據。數據通常可以分為兩類——*結構化數據*和*非結構化數據*。
-
-* **結構化數據** 是具有明確定義、固定結構的數據，通常對應於具有關聯性的數據表。例如，一個人的詳細資料，包括姓名、出生日期和地址。
-
-* **非結構化數據** 是沒有明確定義、固定結構的數據，包括結構可能經常變化的數據。例如，書面文件或試算表。
-
-✅ 做些研究：你能想到其他結構化和非結構化數據的例子嗎？
-
-> 💁 還有一種稱為半結構化數據的類型，它具有結構但不符合固定的數據表格式。
-
-IoT 數據通常被認為是非結構化數據。
-
-想像一下，你正在為一個大型商業農場的車隊添加 IoT 設備。你可能希望為不同類型的車輛使用不同的設備。例如：
-
-* 對於像拖拉機這樣的農場車輛，你需要 GPS 數據來確保它們在正確的田地上工作。
-* 對於運送食物到倉庫的送貨卡車，你需要 GPS 數據以及速度和加速度數據，以確保駕駛員安全駕駛，還需要駕駛身份和啟動/停止數據，以確保駕駛員遵守當地的工作時間法律。
-* 對於冷藏卡車，你還需要溫度數據，以確保食物在運輸過程中不會過熱或過冷而變質。
-
-這些數據可能會不斷變化。例如，如果 IoT 設備位於卡車駕駛室內，那麼當拖車更換時，它發送的數據可能會改變，例如只有在使用冷藏拖車時才發送溫度數據。
-
-✅ 還有什麼其他 IoT 數據可能被捕捉到？想一想卡車可能運載的貨物類型，以及維護數據。
-
-這些數據因車輛而異，但它們都會被發送到同一個 IoT 服務進行處理。IoT 服務需要能夠處理這些非結構化數據，並以一種既能支持搜索或分析，又能適應不同數據結構的方式進行儲存。
-
-### SQL 與 NoSQL 儲存
-
-資料庫是一種允許你儲存和查詢數據的服務。資料庫主要分為兩種類型——SQL 和 NoSQL。
-
-#### SQL 資料庫
-
-最早的資料庫是關聯式資料庫管理系統（RDBMS），也稱為關聯式資料庫。這些資料庫也被稱為 SQL 資料庫，因為它們使用結構化查詢語言（SQL）來添加、刪除、更新或查詢數據。這些資料庫由一個模式（schema）組成——一組明確定義的數據表，類似於試算表。每個表都有多個命名的欄位。當你插入數據時，你會向表中添加一行，並將值放入每個欄位中。這使得數據具有非常固定的結構——儘管你可以留空欄位，但如果你想添加一個新欄位，則必須在資料庫中執行此操作，並為現有行填充值。這些資料庫是關聯式的——即一個表可以與另一個表有關聯。
-
-![一個關聯式資料庫，其中用戶表的 ID 與購買表的用戶 ID 欄位相關聯，產品表的 ID 與購買表的產品 ID 欄位相關聯](../../../../../translated_images/zh-MO/sql-database.be160f12bfccefd3.webp)
-
-例如，如果你將用戶的個人詳細資料儲存在一個表中，你會為每個用戶分配一個內部唯一 ID，該 ID 用於包含用戶姓名和地址的表中的一行。如果你想在另一個表中儲存該用戶的其他詳細資料，例如購買記錄，你會在新表中為該用戶的 ID 添加一個欄位。當你查詢用戶時，可以使用他們的 ID 從一個表中獲取個人詳細資料，並從另一個表中獲取購買記錄。
-
-SQL 資料庫非常適合儲存結構化數據，並且當你希望數據與模式匹配時非常有用。
-
-✅ 如果你之前沒有使用過 SQL，花點時間閱讀 [SQL 的維基百科頁面](https://wikipedia.org/wiki/SQL)。
-
-一些知名的 SQL 資料庫包括 Microsoft SQL Server、MySQL 和 PostgreSQL。
-
-✅ 做些研究：閱讀一些這些 SQL 資料庫及其功能。
-
-#### NoSQL 資料庫
-
-NoSQL 資料庫之所以被稱為 NoSQL，是因為它們沒有 SQL 資料庫的固定結構。它們也被稱為文件型資料庫，因為它們可以儲存非結構化數據，例如文件。
-
-> 💁 儘管名稱如此，一些 NoSQL 資料庫允許你使用 SQL 查詢數據。
-
-![NoSQL 資料庫中的文件夾和文件](../../../../../translated_images/zh-MO/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png)
-
-NoSQL 資料庫沒有預定義的模式來限制數據的儲存方式，你可以插入任何非結構化數據，通常使用 JSON 文件。這些文件可以組織成文件夾，類似於電腦上的檔案。每個文件可以與其他文件具有不同的欄位——例如，如果你正在儲存農場車輛的 IoT 數據，有些可能有加速度計和速度數據欄位，其他可能有拖車內部溫度的欄位。如果你要添加一種新型卡車，例如內建秤來追蹤運輸的貨物重量，那麼你的 IoT 設備可以添加這個新欄位，並且可以在不更改資料庫的情況下儲存。
-
-一些知名的 NoSQL 資料庫包括 Azure CosmosDB、MongoDB 和 CouchDB。
-
-✅ 做些研究：閱讀一些這些 NoSQL 資料庫及其功能。
-
-在本課中，你將使用 NoSQL 儲存來儲存 IoT 數據。
-
-## 將 GPS 數據發送到 IoT Hub
-
-在上一課中，你從連接到 IoT 設備的 GPS 感測器捕捉了 GPS 數據。若要將這些 IoT 數據儲存在雲端，你需要將其發送到 IoT 服務。你將再次使用 Azure IoT Hub，這是你在上一個專案中使用的相同 IoT 雲服務。
-
-![從 IoT 設備向 IoT Hub 發送 GPS 遙測數據](../../../../../translated_images/zh-MO/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png)
-
-### 任務 - 將 GPS 數據發送到 IoT Hub
-
-1. 使用免費層創建一個新的 IoT Hub。
-
-    > ⚠️ 如果需要，可以參考[專案 2，第 4 課中創建 IoT Hub 的指導](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud)。
-
-    記得創建一個新的資源群組。將新資源群組命名為 `gps-sensor`，並為新的 IoT Hub 命名一個基於 `gps-sensor` 的唯一名稱，例如 `gps-sensor-<你的名字>`。
-
-    > 💁 如果你仍然保留上一個專案中的 IoT Hub，可以重複使用它。創建其他服務時，記得使用該 IoT Hub 的名稱及其所在的資源群組。
-
-1. 向 IoT Hub 添加一個新設備。將該設備命名為 `gps-sensor`，並獲取該設備的連接字串。
-
-1. 更新你的設備程式碼，使用上一個步驟中的設備連接字串，將 GPS 數據發送到新的 IoT Hub。
-
-    > ⚠️ 如果需要，可以參考[專案 2，第 4 課中將設備連接到 IoT 的指導](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service)。
-
-1. 發送 GPS 數據時，請使用以下 JSON 格式：
-
-    ```json
-    {
-        "gps" :
-        {
-            "lat" : <latitude>,
-            "lon" : <longitude>
-        }
-    }
-    ```
-
-1. 每分鐘發送一次 GPS 數據，以免用完每日訊息配額。
-
-如果你使用的是 Wio Terminal，記得添加所有必要的庫，並使用 NTP 伺服器設置時間。你的程式碼還需要確保在發送 GPS 位置之前已從序列埠讀取所有數據，使用上一課中的現有程式碼。使用以下程式碼構建 JSON 文件：
-
-```cpp
-DynamicJsonDocument doc(1024);
-doc["gps"]["lat"] = gps.location.lat();
-doc["gps"]["lon"] = gps.location.lng();
-```
-
-如果你使用的是虛擬 IoT 設備，記得使用虛擬環境安裝所有必要的庫。
-
-對於 Raspberry Pi 和虛擬 IoT 設備，使用上一課中的現有程式碼獲取緯度和經度值，然後使用以下程式碼以正確的 JSON 格式發送它們：
-
-```python
-message_json = { "gps" : { "lat":lat, "lon":lon } }
-print("Sending telemetry", message_json)
-message = Message(json.dumps(message_json))
-```
-
-> 💁 你可以在 [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal)、[code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) 或 [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device) 文件夾中找到這些程式碼。
-
-運行你的設備程式碼，並使用 `az iot hub monitor-events` CLI 命令確保訊息正在流入 IoT Hub。
-
-## 熱路徑、溫路徑與冷路徑
-
-從 IoT 設備流向雲端的數據並不總是需要即時處理。有些數據需要即時處理，有些數據可以稍後處理，還有一些數據可以在很久之後處理。數據流向不同服務以在不同時間進行處理的方式被稱為熱路徑、溫路徑和冷路徑。
-
-### 熱路徑
-
-熱路徑指需要即時或接近即時處理的數據。你可以使用熱路徑數據來觸發警報，例如當車輛接近倉庫時，或者當冷藏卡車內的溫度過高時。
-
-若要使用熱路徑數據，你的程式碼需要在雲服務接收到事件時立即作出響應。
-
-### 溫路徑
-
-溫路徑指可以在接收到數據後稍作延遲進行處理的數據，例如用於報告或短期分析。你可以使用溫路徑數據來生成每日車輛里程報告，使用前一天收集的數據。
-
-溫路徑數據在被雲服務接收到後會被儲存在某種可以快速訪問的儲存空間中。
-
-### 冷路徑
-
-冷路徑指歷史數據，這些數據會被長期儲存，並在需要時進行處理。例如，你可以使用冷路徑數據來生成年度車輛里程報告，或者對路線進行分析以找到最節省燃料的路線。
-
-冷路徑數據儲存在數據倉庫中——這些資料庫專為儲存大量不會更改的數據而設計，並且可以快速輕鬆地查詢。通常，你的雲應用程式會定期執行一個任務，每天、每週或每月將數據從溫路徑儲存移動到數據倉庫。
-
-✅ 想一想你在這些課程中捕捉到的數據。它是熱路徑、溫路徑還是冷路徑數據？
-
-## 使用無伺服器程式碼處理 GPS 事件
-
-一旦數據流入你的 IoT Hub，你可以編寫一些無伺服器程式碼來監聽發佈到 Event-Hub 相容端點的事件。這是溫路徑——這些數據將被儲存，並在下一課中用於行程報告。
-
-![從 IoT 設備向 IoT Hub 發送 GPS 遙測數據，然後通過事件中心觸發器發送到 Azure Functions](../../../../../translated_images/zh-MO/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png)
-
-### 任務 - 使用無伺服器程式碼處理 GPS 事件
-
-1. 使用 Azure Functions CLI 創建一個 Azure Functions 應用程式。使用 Python 運行時，並在名為 `gps-trigger` 的文件夾中創建它，並使用相同的名稱作為 Functions App 專案名稱。記得創建一個虛擬環境來使用它。
-⚠️ 您可以參考[從第2章，第5課建立 Azure Functions 專案的指導](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application)（如有需要）。
-1. 新增一個 IoT Hub 事件觸發器，使用 IoT Hub 的 Event Hub 相容端點。
-
-    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中建立 IoT Hub 事件觸發器的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger)。
-
-1. 在 `local.settings.json` 檔案中設定 Event Hub 相容端點的連接字串，並在 `function.json` 檔案中使用該條目的鍵值。
-
-1. 使用 Azurite 應用程式作為本地儲存模擬器。
-
-1. 執行你的 Functions 應用程式，確保它能接收到來自 GPS 裝置的事件。請確保你的 IoT 裝置也正在運行並傳送 GPS 資料。
-
-    ```output
-    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
-    ```
-
-## Azure 儲存帳戶
-
-![Azure 儲存服務標誌](../../../../../translated_images/zh-MO/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png)
-
-Azure 儲存帳戶是一種通用的儲存服務，可以以多種方式儲存資料。你可以將資料儲存為 Blob、佇列、表格或檔案，並且可以同時使用這些方式。
-
-### Blob 儲存
-
-*Blob* 的意思是二進位大型物件，但它已成為任何非結構化資料的代名詞。你可以將任何資料儲存在 Blob 儲存中，從包含 IoT 資料的 JSON 文件到圖片和影片檔案。Blob 儲存有 *容器* 的概念，這些容器是用來儲存資料的命名儲存桶，類似於關聯式資料庫中的表格。這些容器可以包含一個或多個資料夾來儲存 Blob，每個資料夾還可以包含其他資料夾，類似於電腦硬碟上的檔案儲存方式。
-
-在本課程中，你將使用 Blob 儲存來儲存 IoT 資料。
-
-✅ 做一些研究：閱讀 [Azure Blob 儲存](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn)
-
-### 表格儲存
-
-表格儲存允許你儲存半結構化資料。表格儲存實際上是一種 NoSQL 資料庫，因此不需要事先定義表格，但它被設計為在一個或多個表格中儲存資料，並使用唯一鍵來定義每一行。
-
-✅ 做一些研究：閱讀 [Azure 表格儲存](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn)
-
-### 佇列儲存
-
-佇列儲存允許你將大小最多為 64KB 的訊息儲存在佇列中。你可以將訊息新增到佇列的尾端，並從佇列的前端讀取。佇列會無限期儲存訊息，只要還有儲存空間，因此允許訊息長期儲存，並在需要時讀取。例如，如果你想要每月執行一次處理 GPS 資料的工作，你可以每天將資料新增到佇列，然後在月底處理佇列中的所有訊息。
-
-✅ 做一些研究：閱讀 [Azure 佇列儲存](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn)
-
-### 檔案儲存
-
-檔案儲存是將檔案儲存在雲端，任何應用程式或裝置都可以使用標準協議連接。你可以將檔案寫入檔案儲存，然後將其掛載為 PC 或 Mac 上的磁碟。
-
-✅ 做一些研究：閱讀 [Azure 檔案儲存](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn)
-
-## 將無伺服器程式碼連接到儲存服務
-
-你的 Functions 應用程式現在需要連接到 Blob 儲存，以儲存來自 IoT Hub 的訊息。有兩種方式可以做到：
-
-* 在函式程式碼中，使用 Blob 儲存的 Python SDK 連接到 Blob 儲存並將資料寫入 Blob。
-* 使用輸出函式綁定，將函式的返回值綁定到 Blob 儲存，並自動儲存 Blob。
-
-在本課程中，你將使用 Python SDK 來學習如何與 Blob 儲存互動。
-
-![從 IoT 裝置傳送 GPS 遙測數據到 IoT Hub，然後通過事件觸發器傳送到 Azure Functions，最後儲存到 Blob 儲存](../../../../../translated_images/zh-MO/save-telemetry-to-storage-from-functions.ed3b1820980097f1.webp)
-
-資料將以以下格式儲存為 JSON Blob：
-
-```json
-{
-    "device_id": <device_id>,
-    "timestamp" : <time>,
-    "gps" :
-    {
-        "lat" : <latitude>,
-        "lon" : <longitude>
-    }
-}
-```
-
-### 任務 - 將無伺服器程式碼連接到儲存服務
-
-1. 建立一個 Azure 儲存帳戶。命名為類似 `gps<你的名字>` 的名稱。
-
-    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中建立儲存帳戶的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources)。
-
-    如果你在之前的專案中已經有一個儲存帳戶，可以重複使用。
-
-    > 💁 你將能夠在本課程稍後的部分使用相同的儲存帳戶來部署 Azure Functions 應用程式。
-
-1. 執行以下命令以獲取儲存帳戶的連接字串：
-
-    ```sh
-    az storage account show-connection-string --output table \
-                                              --name <storage_name>
-    ```
-
-    將 `<storage_name>` 替換為你在上一步中建立的儲存帳戶名稱。
-
-1. 在 `local.settings.json` 檔案中新增一個條目，為你的儲存帳戶連接字串設定值，命名為 `STORAGE_CONNECTION_STRING`。
-
-1. 在 `requirements.txt` 檔案中新增以下內容，以安裝 Azure 儲存的 Pip 套件：
-
-    ```sh
-    azure-storage-blob
-    ```
-
-    在你的虛擬環境中安裝此檔案中的套件。
-
-    > 如果遇到錯誤，請使用以下命令將虛擬環境中的 Pip 版本升級到最新版本，然後再試一次：
-    >
-    > ```sh
-    > pip install --upgrade pip
-    > ```
-
-1. 在 `iot-hub-trigger` 的 `__init__.py` 檔案中，新增以下匯入語句：
-
-    ```python
-    import json
-    import os
-    import uuid
-    from azure.storage.blob import BlobServiceClient, PublicAccess
-    ```
-
-    `json` 系統模組將用於讀取和寫入 JSON，`os` 系統模組將用於讀取連接字串，`uuid` 系統模組將用於為 GPS 讀數生成唯一 ID。
-
-    `azure.storage.blob` 套件包含與 Blob 儲存互動的 Python SDK。
-
-1. 在 `main` 方法之前，新增以下輔助函式：
-
-    ```python
-    def get_or_create_container(name):
-        connection_str = os.environ['STORAGE_CONNECTION_STRING']
-        blob_service_client = BlobServiceClient.from_connection_string(connection_str)
-    
-        for container in blob_service_client.list_containers():
-            if container.name == name:
-                return blob_service_client.get_container_client(container.name)
-        
-        return blob_service_client.create_container(name, public_access=PublicAccess.Container)
-    ```
-
-    Python 的 Blob SDK 沒有輔助方法來檢查容器是否存在並在不存在時建立它。這段程式碼將從 `local.settings.json` 檔案（或部署到雲端後的應用程式設定）中載入連接字串，然後從中建立一個 `BlobServiceClient` 類別來與 Blob 儲存帳戶互動。接著，它會遍歷 Blob 儲存帳戶中的所有容器，尋找具有提供名稱的容器——如果找到，則返回一個可以與該容器互動以建立 Blob 的 `ContainerClient` 類別。如果找不到，則建立該容器並返回新容器的客戶端。
-
-    當新容器被建立時，會授予公共訪問權限以查詢容器中的 Blob。在下一課中，這將用於在地圖上可視化 GPS 資料。
-
-1. 與土壤濕度不同，這段程式碼希望儲存每個事件，因此在 `main` 函式的 `for event in events:` 迴圈中，`logging` 語句下方新增以下程式碼：
-
-    ```python
-    device_id = event.iothub_metadata['connection-device-id']
-    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
-    ```
-
-    這段程式碼從事件的中繼資料中獲取裝置 ID，然後使用它來建立 Blob 名稱。Blob 可以儲存在資料夾中，裝置 ID 將用作資料夾名稱，因此每個裝置的所有 GPS 事件都會儲存在一個資料夾中。Blob 名稱是這個資料夾，後面跟著一個文件名稱，兩者之間用正斜線分隔，類似於 Linux 和 macOS 的路徑（Windows 也類似，但 Windows 使用反斜線）。文件名稱是使用 Python 的 `uuid` 模組生成的唯一 ID，檔案類型為 `json`。
-
-    例如，對於 `gps-sensor` 裝置 ID，Blob 名稱可能是 `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json`。
-
-1. 在此程式碼下方新增以下內容：
-
-    ```python
-    container_client = get_or_create_container('gps-data')
-    blob = container_client.get_blob_client(blob_name)
-    ```
-
-    這段程式碼使用 `get_or_create_container` 輔助類別獲取容器客戶端，然後使用 Blob 名稱獲取 Blob 客戶端物件。這些 Blob 客戶端可以引用現有的 Blob，或者像這裡一樣，引用新的 Blob。
-
-1. 在此程式碼後新增以下內容：
-
-    ```python
-    event_body = json.loads(event.get_body().decode('utf-8'))
-    blob_body = {
-        'device_id' : device_id,
-        'timestamp' : event.iothub_metadata['enqueuedtime'],
-        'gps': event_body['gps']
-    }
-    ```
-
-    這段程式碼構建將寫入 Blob 儲存的 Blob 主體。它是一個 JSON 文件，包含裝置 ID、遙測數據發送到 IoT Hub 的時間，以及遙測中的 GPS 座標。
-
-    > 💁 使用訊息的入列時間而不是當前時間來獲取訊息發送的時間非常重要。如果 Functions 應用程式未運行，訊息可能會在 Hub 上停留一段時間。
-
-1. 在此程式碼下方新增以下內容：
-
-    ```python
-    logging.info(f'Writing blob to {blob_name} - {blob_body}')
-    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
-    ```
-
-    這段程式碼記錄即將寫入的 Blob 及其詳細資訊，然後將 Blob 主體上傳為新 Blob 的內容。
-
-1. 執行 Functions 應用程式。你將在輸出中看到所有 GPS 事件的 Blob 被寫入：
-
-    ```output
-    [2021-05-21T01:31:14.325Z] Python EventHub trigger processed an event: {"gps": {"lat": 47.73092, "lon": -122.26206}}
-    ...
-    [2021-05-21T01:31:14.351Z] Writing blob to gps-sensor/4b6089fe-ba8d-11eb-bc7b-1e00621e3648.json - {'device_id': 'gps-sensor', 'timestamp': '2021-05-21T00:57:53.878Z', 'gps': {'lat': 47.73092, 'lon': -122.26206}}
-    ```
-
-    > 💁 確保你沒有同時運行 IoT Hub 事件監視器。
-
-> 💁 你可以在 [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions) 資料夾中找到這段程式碼。
-
-### 任務 - 驗證上傳的 Blob
-
-1. 要查看建立的 Blob，你可以使用 [Azure 儲存瀏覽器](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn)，這是一個免費工具，允許你查看和管理儲存帳戶，或者使用 CLI。
-
-    1. 若要使用 CLI，首先需要一個帳戶金鑰。執行以下命令以獲取此金鑰：
-
-        ```sh
-        az storage account keys list --output table \
-                                     --account-name <storage_name>
-        ```
-
-        將 `<storage_name>` 替換為儲存帳戶的名稱。
-
-        複製 `key1` 的值。
-
-    1. 執行以下命令以列出容器中的 Blob：
-
-        ```sh
-        az storage blob list --container-name gps-data \
-                             --output table \
-                             --account-name <storage_name> \
-                             --account-key <key1>
-        ```
-
-        將 `<storage_name>` 替換為儲存帳戶的名稱，將 `<key1>` 替換為上一步中複製的 `key1` 值。
-
-        這將列出容器中的所有 Blob：
-
-        ```output
-        Name                                                  Blob Type    Blob Tier    Length    Content Type              Last Modified              Snapshot
-        ----------------------------------------------------  -----------  -----------  --------  ------------------------  -------------------------  ----------
-        gps-sensor/1810d55e-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:27+00:00
-        gps-sensor/18293e46-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
-        gps-sensor/1844549c-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
-        gps-sensor/1894d714-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
-        ```
-
-    1. 使用以下命令下載其中一個 Blob：
-
-        ```sh
-        az storage blob download --container-name gps-data \
-                                 --account-name <storage_name> \
-                                 --account-key <key1> \
-                                 --name <blob_name> \
-                                 --file <file_name>
-        ```
-
-        將 `<storage_name>` 替換為儲存帳戶的名稱，將 `<key1>` 替換為之前步驟中複製的 `key1` 值。
-
-        將 `<blob_name>` 替換為上一步輸出中 `Name` 欄位的完整名稱，包括資料夾名稱。將 `<file_name>` 替換為要儲存 Blob 的本地檔案名稱。
-
-    下載後，你可以在 VS Code 中打開 JSON 檔案，並看到包含 GPS 位置詳細資訊的 Blob：
-
-    ```json
-    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
-    ```
-
-### 任務 - 將 Functions 應用程式部署到雲端
-
-現在你的 Functions 應用程式已經可以運行，你可以將它部署到雲端。
-
-1. 建立一個新的 Azure Functions 應用程式，使用你之前建立的儲存帳戶。命名為類似 `gps-sensor-` 並在末尾添加一個唯一識別符，例如隨機字詞或你的名字。
-
-    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中建立 Functions 應用程式的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources)。
-
-1. 將 `IOT_HUB_CONNECTION_STRING` 和 `STORAGE_CONNECTION_STRING` 值上傳到應用程式設定。
-
-    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中上傳應用程式設定的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings)。
-
-1. 將本地 Functions 應用程式部署到雲端。
-> ⚠️ 您可以參考[第2個專案，第5課的指導說明](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud)，以便部署您的 Functions 應用程式到雲端（如果需要）。
----
-
-## 🚀 挑戰
-
-GPS 數據並非完全準確，偵測到的位置可能會有幾公尺的誤差，尤其是在隧道和高樓林立的區域。
-
-思考一下衛星導航如何克服這個問題？你的衛星導航擁有哪些數據可以幫助它更準確地預測你的位置？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
-
-## 回顧與自學
-
-* 閱讀 [維基百科上的數據模型頁面](https://wikipedia.org/wiki/Data_model) 了解結構化數據
-* 閱讀 [維基百科上的半結構化數據頁面](https://wikipedia.org/wiki/Semi-structured_data) 了解半結構化數據
-* 閱讀 [維基百科上的非結構化數據頁面](https://wikipedia.org/wiki/Unstructured_data) 了解非結構化數據
-* 深入了解 Azure 儲存及不同的儲存類型，請參考 [Azure 儲存文件](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn)
-
-## 作業
-
-[調查函數綁定](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/2-store-location-data/assignment.md b/translations/mo/3-transport/lessons/2-store-location-data/assignment.md
deleted file mode 100644
index f2b350c4c..000000000
--- a/translations/mo/3-transport/lessons/2-store-location-data/assignment.md
+++ /dev/null
@@ -1,33 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
-  "translation_date": "2025-08-27T01:03:27+00:00",
-  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
-  "language_code": "mo"
-}
--->
-# 調查函數綁定
-
-## 說明
-
-函數綁定允許您的程式碼透過從 `main` 函數返回資料塊（blob），將其儲存到 Blob 儲存體中。Azure 儲存體帳戶、集合及其他詳細資訊是在 `function.json` 檔案中設定的。
-
-在使用 Azure 或其他 Microsoft 技術時，最好的資訊來源是 [Microsoft 文件網站 docs.com](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn)。在這個作業中，您需要閱讀 Azure Functions 綁定的相關文件，以了解如何設定輸出綁定。
-
-一些可以幫助您入門的頁面包括：
-
-* [Azure Functions 觸發器與綁定概念](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
-* [Azure Functions 的 Azure Blob 儲存體綁定概述](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
-* [Azure Functions 的 Azure Blob 儲存體輸出綁定](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
-
-## 評分標準
-
-| 評分標準 | 優異 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 設定 Blob 儲存體輸出綁定 | 能夠成功設定輸出綁定，返回資料塊並將其成功儲存到 Blob 儲存體中 | 能夠設定輸出綁定或返回資料塊，但無法成功將其儲存到 Blob 儲存體中 | 無法設定輸出綁定 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/3-visualize-location-data/README.md b/translations/mo/3-transport/lessons/3-visualize-location-data/README.md
deleted file mode 100644
index ae3604ffc..000000000
--- a/translations/mo/3-transport/lessons/3-visualize-location-data/README.md
+++ /dev/null
@@ -1,359 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
-  "translation_date": "2025-08-27T00:55:35+00:00",
-  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
-  "language_code": "mo"
-}
--->
-# 視覺化位置數據
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure Maps 與 IoT 的功能，這是本課程將涵蓋的服務。
-
-[![Azure Maps - 微軟 Azure 企業位置平台](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
-
-## 簡介
-
-在上一課中，您學習了如何從感測器獲取 GPS 數據並使用無伺服器代碼將其保存到雲端的存儲容器中。現在，您將探索如何在 Azure 地圖上視覺化這些點。您將學習如何在網頁上創建地圖，了解 GeoJSON 數據格式以及如何使用它在地圖上繪製所有捕獲的 GPS 點。
-
-在本課程中，我們將涵蓋：
-
-* [什麼是數據視覺化](../../../../../3-transport/lessons/3-visualize-location-data)
-* [地圖服務](../../../../../3-transport/lessons/3-visualize-location-data)
-* [創建 Azure Maps 資源](../../../../../3-transport/lessons/3-visualize-location-data)
-* [在網頁上顯示地圖](../../../../../3-transport/lessons/3-visualize-location-data)
-* [GeoJSON 格式](../../../../../3-transport/lessons/3-visualize-location-data)
-* [使用 GeoJSON 在地圖上繪製 GPS 數據](../../../../../3-transport/lessons/3-visualize-location-data)
-
-> 💁 本課程將涉及少量 HTML 和 JavaScript。如果您想了解更多關於使用 HTML 和 JavaScript 進行網頁開發的內容，請查看 [Web development for beginners](https://github.com/microsoft/Web-Dev-For-Beginners)。
-
-## 什麼是數據視覺化
-
-數據視覺化，顧名思義，是以更容易讓人類理解的方式來視覺化數據。它通常與圖表和圖形相關，但任何以圖像方式呈現數據以幫助人類更好地理解數據並做出決策的方式都屬於數據視覺化。
-
-舉個簡單的例子——在農場項目中，您捕獲了土壤濕度的數據。以下是 2021 年 6 月 1 日每小時捕獲的土壤濕度數據表：
-
-| 日期             | 讀數   |
-| ---------------- | ------: |
-| 01/06/2021 00:00 |     257 |
-| 01/06/2021 01:00 |     268 |
-| 01/06/2021 02:00 |     295 |
-| 01/06/2021 03:00 |     305 |
-| 01/06/2021 04:00 |     325 |
-| 01/06/2021 05:00 |     359 |
-| 01/06/2021 06:00 |     398 |
-| 01/06/2021 07:00 |     410 |
-| 01/06/2021 08:00 |     429 |
-| 01/06/2021 09:00 |     451 |
-| 01/06/2021 10:00 |     460 |
-| 01/06/2021 11:00 |     452 |
-| 01/06/2021 12:00 |     420 |
-| 01/06/2021 13:00 |     408 |
-| 01/06/2021 14:00 |     431 |
-| 01/06/2021 15:00 |     462 |
-| 01/06/2021 16:00 |     432 |
-| 01/06/2021 17:00 |     402 |
-| 01/06/2021 18:00 |     387 |
-| 01/06/2021 19:00 |     360 |
-| 01/06/2021 20:00 |     358 |
-| 01/06/2021 21:00 |     354 |
-| 01/06/2021 22:00 |     356 |
-| 01/06/2021 23:00 |     362 |
-
-對於人類來說，理解這些數據可能很困難。這是一堵沒有意義的數字牆。作為視覺化這些數據的第一步，可以將其繪製成折線圖：
-
-![上述數據的折線圖](../../../../../translated_images/zh-MO/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png)
-
-這可以進一步改進，添加一條線來指示自動灌溉系統在土壤濕度讀數達到 450 時啟動的時間：
-
-![土壤濕度折線圖，顯示 450 的一條線](../../../../../translated_images/zh-MO/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png)
-
-這張圖表不僅快速顯示了土壤濕度水平，還顯示了灌溉系統啟動的點。
-
-圖表並不是唯一的數據視覺化工具。追蹤天氣的 IoT 設備可以通過網頁應用或移動應用使用符號來視覺化天氣條件，例如用雲朵符號表示陰天，用雨雲符號表示雨天等等。視覺化數據的方法有很多，有些是嚴肅的，有些是有趣的。
-
-✅ 想一想您曾經見過的數據視覺化方式。哪些方法最清晰，能讓您最快做出決策？
-
-最好的視覺化方式能讓人類快速做出決策。例如，展示工業機械所有讀數的儀表牆可能很難處理，但當某些事情出錯時，閃爍的紅燈能讓人類迅速做出決策。有時候，最好的視覺化方式就是一盞閃爍的燈！
-
-在處理 GPS 數據時，最清晰的視覺化方式是將數據繪製在地圖上。例如，顯示送貨卡車的地圖可以幫助加工廠的工人了解卡車何時到達。如果這張地圖不僅顯示卡車當前位置的圖片，還提供卡車內容的概念，那麼加工廠的工人就可以相應地進行計劃——如果他們看到一輛冷藏卡車接近，他們就知道要準備冷藏空間。
-
-## 地圖服務
-
-使用地圖是一項有趣的練習，有許多選擇，例如 Bing Maps、Leaflet、Open Street Maps 和 Google Maps。在本課程中，您將了解 [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) 以及如何使用它們顯示您的 GPS 數據。
-
-![Azure Maps 標誌](../../../../../translated_images/zh-MO/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png)
-
-Azure Maps 是“一組地理空間服務和 SDK，使用最新的地圖數據為網頁和移動應用提供地理背景。”開發者可以使用工具創建美觀的互動地圖，這些地圖可以提供推薦的交通路線、交通事故信息、室內導航、搜索功能、海拔信息、天氣服務等。
-
-✅ 試試一些 [地圖代碼範例](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps)
-
-您可以將地圖顯示為空白畫布、瓦片、衛星圖像、疊加道路的衛星圖像、各種灰度地圖、顯示海拔的陰影地圖、夜景地圖以及高對比度地圖。通過與 [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn) 集成，您可以在地圖上獲得實時更新。您可以啟用各種控制來控制地圖的行為和外觀，使地圖能夠對事件（如捏合、拖動和點擊）做出反應。為了控制地圖的外觀，您可以添加包括氣泡、線條、多邊形、熱圖等的圖層。您選擇的 SDK 決定了您實現的地圖樣式。
-
-您可以通過使用其 [REST API](https://docs.microsoft.com/javascript/api/azure-maps-rest/?WT.mc_id=academic-17441-jabenn&view=azure-maps-typescript-latest)、其 [Web SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-map-control?WT.mc_id=academic-17441-jabenn) 或者如果您正在構建移動應用，則使用其 [Android SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-android-map-control-library?WT.mc_id=academic-17441-jabenn&pivots=programming-language-java-android) 來訪問 Azure Maps API。
-
-在本課程中，您將使用 Web SDK 繪製地圖並顯示感測器的 GPS 位置路徑。
-
-## 創建 Azure Maps 資源
-
-第一步是創建 Azure Maps 帳戶。
-
-### 任務 - 創建 Azure Maps 資源
-
-1. 從終端或命令提示符運行以下命令，在您的 `gps-sensor` 資源組中創建 Azure Maps 資源：
-
-    ```sh
-    az maps account create --name gps-sensor \
-                           --resource-group gps-sensor \
-                           --accept-tos \
-                           --sku S1
-    ```
-
-    這將創建一個名為 `gps-sensor` 的 Azure Maps 資源。使用的層級是 `S1`，這是一個付費層級，包含一系列功能，但提供了大量免費的調用。
-
-    > 💁 要查看使用 Azure Maps 的成本，請查看 [Azure Maps 價格頁面](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn)。
-
-1. 您需要獲取地圖資源的 API 密鑰。使用以下命令獲取此密鑰：
-
-    ```sh
-    az maps account keys list --name gps-sensor \
-                              --resource-group gps-sensor \
-                              --output table
-    ```
-
-    複製 `PrimaryKey` 的值。
-
-## 在網頁上顯示地圖
-
-現在您可以進行下一步，將地圖顯示在網頁上。我們將僅使用一個 `html` 文件來構建您的小型網頁應用；請記住，在生產或團隊環境中，您的網頁應用可能會有更多的組件！
-
-### 任務 - 在網頁上顯示地圖
-
-1. 在本地電腦的某個文件夾中創建一個名為 index.html 的文件。添加 HTML 標記以容納地圖：
-
-    ```html
-    <html>
-    <head>
-        <style>
-            #myMap {
-                width:100%;
-                height:100%;
-            }
-        </style>
-    </head>
-    
-    <body onload="init()">
-        <div id="myMap"></div>
-    </body>
-    </html>
-    ```
-
-    地圖將加載到 `myMap` 的 `div` 中。一些樣式使其可以跨越頁面的寬度和高度。
-
-    > 🎓 `div` 是網頁的一個部分，可以命名和設置樣式。
-
-1. 在開頭的 `<head>` 標籤下，添加一個外部樣式表來控制地圖顯示，以及一個來自 Web SDK 的外部腳本來管理其行為：
-
-    ```html
-    <link rel="stylesheet" href="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.css" type="text/css" />
-    <script src="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.js"></script>
-    ```
-
-    此樣式表包含地圖外觀的設置，而腳本文件包含加載地圖的代碼。添加此代碼類似於包含 C++ 頭文件或導入 Python 模塊。
-
-1. 在該腳本下方，添加一個腳本塊以啟動地圖。
-
-    ```javascript
-    <script type='text/javascript'>
-        function init() {
-            var map = new atlas.Map('myMap', {
-                center: [-122.26473, 47.73444],
-                zoom: 12,
-                authOptions: {
-                    authType: "subscriptionKey",
-                    subscriptionKey: "<subscription_key>",
-
-                }
-            });
-        }
-    </script>
-    ```
-
-    將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。
-
-    如果您在網頁瀏覽器中打開 `index.html` 文件，您應該會看到一張地圖加載並聚焦在西雅圖地區。
-
-    ![顯示西雅圖（美國華盛頓州的一個城市）的地圖](../../../../../translated_images/zh-MO/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png)
-
-    ✅ 嘗試調整縮放和中心參數以更改地圖顯示。您可以添加與數據的緯度和經度相對應的不同坐標來重新定位地圖。
-
-> 💁 在本地工作網頁應用的更好方式是安裝 [http-server](https://www.npmjs.com/package/http-server)。您需要先安裝 [node.js](https://nodejs.org/) 和 [npm](https://www.npmjs.com/) 才能使用此工具。安裝這些工具後，您可以導航到 `index.html` 文件所在的位置並輸入 `http-server`。網頁應用將在本地網頁伺服器上打開 [http://127.0.0.1:8080/](http://127.0.0.1:8080/)。
-
-## GeoJSON 格式
-
-現在您已經設置了顯示地圖的網頁應用，接下來需要從存儲帳戶中提取 GPS 數據並在地圖上顯示一層標記。在此之前，我們先來了解 Azure Maps 所需的 [GeoJSON](https://wikipedia.org/wiki/GeoJSON) 格式。
-
-[GeoJSON](https://geojson.org/) 是一種開放標準的 JSON 規範，具有專門設計用於處理地理相關數據的特殊格式。您可以通過測試示例數據來了解它，使用 [geojson.io](https://geojson.io) 也是一個調試 GeoJSON 文件的有用工具。
-
-示例 GeoJSON 數據如下所示：
-
-```json
-{
-  "type": "FeatureCollection",
-  "features": [
-    {
-      "type": "Feature",
-      "geometry": {
-        "type": "Point",
-        "coordinates": [
-          -2.10237979888916,
-          57.164918677004714
-        ]
-      }
-    }
-  ]
-}
-```
-
-特別需要注意的是數據如何嵌套在 `FeatureCollection` 中的 `Feature`。在該對象中可以找到 `geometry`，其中的 `coordinates` 指示緯度和經度。
-
-✅ 在構建您的 GeoJSON 時，請注意對象中 `latitude` 和 `longitude` 的順序，否則您的點將不會出現在正確的位置！GeoJSON 期望點的數據順序為 `lon,lat`，而不是 `lat,lon`。
-
-`Geometry` 可以有不同的類型，例如單個點或多邊形。在此示例中，它是一個點，指定了兩個坐標：經度和緯度。
-✅ Azure Maps 支援標準的 GeoJSON，並且包含一些[增強功能](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn)，例如繪製圓形和其他幾何圖形的能力。
-
-## 使用 GeoJSON 在地圖上繪製 GPS 數據
-
-現在你已準備好使用上一課中建立的儲存資料。提醒一下，這些資料以多個檔案的形式存儲在 Blob 儲存中，因此你需要檢索這些檔案並解析它們，以便 Azure Maps 能夠使用這些數據。
-
-### 任務 - 配置儲存以便從網頁訪問
-
-如果你嘗試從儲存中調用數據，你可能會驚訝地發現瀏覽器的控制台中出現錯誤。這是因為你需要在此儲存上設置 [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) 權限，以允許外部網頁應用程式讀取其數據。
-
-> 🎓 CORS 代表 "跨來源資源共享"，通常需要在 Azure 中明確設置以確保安全性。它可以防止未預期的網站訪問你的數據。
-
-1. 執行以下命令以啟用 CORS：
-
-    ```sh
-    az storage cors add --methods GET \
-                        --origins "*" \
-                        --services b \
-                        --account-name <storage_name> \
-                        --account-key <key1>
-    ```
-
-    將 `<storage_name>` 替換為你的儲存帳戶名稱。將 `<key1>` 替換為你的儲存帳戶的帳戶金鑰。
-
-    此命令允許任何網站（通配符 `*` 表示任何網站）發出 *GET* 請求，也就是從你的儲存帳戶獲取數據。`--services b` 表示僅對 Blob 應用此設置。
-
-### 任務 - 從儲存中加載 GPS 數據
-
-1. 將 `init` 函數的全部內容替換為以下代碼：
-
-    ```javascript
-    fetch("https://<storage_name>.blob.core.windows.net/gps-data/?restype=container&comp=list")
-        .then(response => response.text())
-        .then(str => new window.DOMParser().parseFromString(str, "text/xml"))
-        .then(xml => {
-            let blobList = Array.from(xml.querySelectorAll("Url"));
-                blobList.forEach(async blobUrl => {
-                    loadJSON(blobUrl.innerHTML)                
-        });
-    })
-    .then( response => {
-        map = new atlas.Map('myMap', {
-            center: [-122.26473, 47.73444],
-            zoom: 14,
-            authOptions: {
-                authType: "subscriptionKey",
-                subscriptionKey: "<subscription_key>",
-    
-            }
-        });
-        map.events.add('ready', function () {
-            var source = new atlas.source.DataSource();
-            map.sources.add(source);
-            map.layers.add(new atlas.layer.BubbleLayer(source));
-            source.add(features);
-        })
-    })
-    ```
-
-    將 `<storage_name>` 替換為你的儲存帳戶名稱。將 `<subscription_key>` 替換為你的 Azure Maps 帳戶的 API 金鑰。
-
-    這裡有幾個步驟。首先，代碼通過使用你的儲存帳戶名稱構建的 URL 端點從 Blob 容器中檢索 GPS 數據。此 URL 從 `gps-data` 中檢索，表示資源類型為容器（`restype=container`），並列出所有 Blob 的信息。此列表不會返回 Blob 本身，但會返回每個 Blob 的 URL，可用於加載 Blob 數據。
-
-    > 💁 你可以將此 URL 放入瀏覽器中查看容器中所有 Blob 的詳細信息。每個項目都會有一個 `Url` 屬性，你也可以在瀏覽器中加載該屬性以查看 Blob 的內容。
-
-    然後，代碼加載每個 Blob，調用 `loadJSON` 函數（稍後會創建）。接著，它創建地圖控制項，並添加代碼到 `ready` 事件。此事件在地圖顯示於網頁時被調用。
-
-    `ready` 事件創建了一個 Azure Maps 數據源——一個包含 GeoJSON 數據的容器，稍後會填充此數據源。然後此數據源用於創建一個氣泡圖層——即地圖上的一組圓形，圓心位於 GeoJSON 中的每個點。
-
-1. 在 `init` 函數下方的腳本塊中添加 `loadJSON` 函數：
-
-    ```javascript
-    var map, features;
-
-    function loadJSON(file) {
-        var xhr = new XMLHttpRequest();
-        features = [];
-        xhr.onreadystatechange = function () {
-            if (xhr.readyState === XMLHttpRequest.DONE) {
-                if (xhr.status === 200) {
-                    gps = JSON.parse(xhr.responseText)
-                    features.push(
-                        new atlas.data.Feature(new atlas.data.Point([parseFloat(gps.gps.lon), parseFloat(gps.gps.lat)]))
-                    )
-                }
-            }
-        };
-        xhr.open("GET", file, true);
-        xhr.send();
-    }    
-    ```
-
-    此函數由 fetch 例程調用，用於解析 JSON 數據並將其轉換為經緯度座標作為 GeoJSON。
-    解析完成後，數據被設置為 GeoJSON 的 `Feature`。地圖將被初始化，並且小圓點會出現在你的數據所繪製的路徑周圍：
-
-1. 在瀏覽器中加載 HTML 頁面。它將加載地圖，然後從儲存中加載所有 GPS 數據並將其繪製在地圖上。
-
-    ![西雅圖附近的聖愛德華州立公園地圖，顯示公園邊緣路徑上的圓形](../../../../../translated_images/zh-MO/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png)
-
-> 💁 你可以在 [code](../../../../../3-transport/lessons/3-visualize-location-data/code) 資料夾中找到此代碼。
-
----
-
-## 🚀 挑戰
-
-能夠在地圖上顯示靜態數據作為標記非常棒。你能否增強此網頁應用程式，添加動畫並顯示標記隨時間移動的路徑，使用帶有時間戳的 JSON 文件？這裡有一些[範例](https://azuremapscodesamples.azurewebsites.net/)展示如何在地圖中使用動畫。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
-
-## 回顧與自學
-
-Azure Maps 對於處理 IoT 設備特別有用。
-
-* 在 [Microsoft Docs 的 Azure Maps 文件](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn) 中研究一些用途。
-* 通過 [Microsoft Learn 上的 Azure Maps 自學模組](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn)，加深你對地圖製作和航點的知識。
-
-## 作業
-
-[部署你的應用程式](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/mo/3-transport/lessons/3-visualize-location-data/assignment.md
deleted file mode 100644
index 340dd1e99..000000000
--- a/translations/mo/3-transport/lessons/3-visualize-location-data/assignment.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
-  "translation_date": "2025-08-27T00:56:51+00:00",
-  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
-  "language_code": "mo"
-}
--->
-# 部署您的應用程式
-
-## 指導說明
-
-有多種方式可以部署您的應用程式，讓它能與世界分享，包括使用 GitHub Pages 或眾多服務提供商中的一個。一個非常出色的方式是使用 Azure Static Web Apps。在這次作業中，請建立您的網頁應用程式並按照[這些指導說明](https://github.com/Azure/static-web-apps-cli)或觀看[這些影片](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3)將其部署到雲端。
-使用 Azure Static Web Apps 的一個好處是您可以在入口網站中隱藏任何 API 金鑰，因此請利用這個機會將您的 subscriptionKey 重構為變數並儲存在雲端。
-
-## 評分標準
-
-| 評分標準 | 卓越                                                                                                                                    | 合格                                                                                                                | 需要改進                                           |
-| -------- | --------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------- |
-|          | 一個運作正常的網頁應用程式已在有文件記錄的 GitHub 儲存庫中展示，且其 subscriptionKey 已儲存在雲端並透過變數調用                           | 一個運作正常的網頁應用程式已在有文件記錄的 GitHub 儲存庫中展示，但其 subscriptionKey 未儲存在雲端                     | 網頁應用程式存在錯誤或無法正常運作                 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/4-geofences/README.md b/translations/mo/3-transport/lessons/4-geofences/README.md
deleted file mode 100644
index 8e0f1e2d9..000000000
--- a/translations/mo/3-transport/lessons/4-geofences/README.md
+++ /dev/null
@@ -1,488 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
-  "translation_date": "2025-08-27T00:40:00+00:00",
-  "source_file": "3-transport/lessons/4-geofences/README.md",
-  "language_code": "mo"
-}
--->
-# 地理圍欄
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-MO/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了地理圍欄以及如何在 Azure Maps 中使用它們，這些是本課程將涵蓋的主題：
-
-[![Microsoft Developer IoT 節目中的 Azure Maps 地理圍欄](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
-
-## 簡介
-
-在過去的三節課中，您已經使用物聯網 (IoT) 來定位從農場運送到加工中心的卡車。您捕獲了 GPS 數據，將其發送到雲端存儲，並在地圖上進行了可視化。下一步是提高供應鏈效率，當卡車即將到達加工中心時收到警報，這樣卸貨所需的工作人員可以提前準備好叉車和其他設備，確保車輛一到就能快速卸貨，避免支付卡車和司機的等待費用。
-
-在本課程中，您將學習地理圍欄——定義的地理空間區域，例如距加工中心 2 公里車程內的區域，以及如何測試 GPS 坐標是否在地理圍欄內或外，以便判斷您的 GPS 傳感器是否已到達或離開某個區域。
-
-本課程將涵蓋以下內容：
-
-* [什麼是地理圍欄](../../../../../3-transport/lessons/4-geofences)
-* [定義地理圍欄](../../../../../3-transport/lessons/4-geofences)
-* [測試點是否在地理圍欄內](../../../../../3-transport/lessons/4-geofences)
-* [從無伺服器代碼中使用地理圍欄](../../../../../3-transport/lessons/4-geofences)
-
-> 🗑 這是本項目中的最後一課，因此在完成本課程和作業後，別忘了清理您的雲端服務。您需要這些服務來完成作業，因此請務必先完成作業。
->
-> 如有需要，請參考[清理項目指南](../../../clean-up.md)以獲取相關指導。
-
-## 什麼是地理圍欄
-
-地理圍欄是一個針對現實地理區域的虛擬邊界。地理圍欄可以是以點和半徑定義的圓形（例如建築物周圍 100 米的圓形），也可以是覆蓋某個區域的多邊形，例如學校區域、城市邊界或大學或辦公園區。
-
-![一些地理圍欄的例子，顯示 Microsoft 公司商店周圍的圓形地理圍欄，以及 Microsoft 西園區周圍的多邊形地理圍欄](../../../../../translated_images/zh-MO/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png)
-
-> 💁 您可能已經在不知不覺中使用過地理圍欄。如果您曾使用 iOS 提醒應用或 Google Keep 根據位置設置提醒，那麼您就使用過地理圍欄。這些應用會根據提供的位置設置地理圍欄，並在您的手機進入地理圍欄時提醒您。
-
-以下是一些需要知道車輛是否在地理圍欄內或外的原因：
-
-* **卸貨準備** - 收到車輛已到達現場的通知，可以讓工作人員準備好卸貨，減少車輛等待時間。這樣可以讓司機在一天內完成更多的交付，減少等待時間。
-* **稅務合規** - 一些國家（例如紐西蘭）根據車輛重量和僅在公共道路上行駛的距離對柴油車輛徵收道路稅。使用地理圍欄可以跟蹤車輛在公共道路上行駛的里程，而不是在農場或伐木區等私人道路上行駛的里程。
-* **盜竊監控** - 如果車輛應該只留在某個區域（例如農場），但離開了地理圍欄，則可能是被盜。
-* **位置合規** - 工作現場、農場或工廠的某些區域可能禁止某些車輛進入，例如防止運載人工肥料和農藥的車輛進入種植有機農產品的田地。如果進入地理圍欄，則車輛處於不合規狀態，司機可以收到通知。
-
-✅ 您能想到其他地理圍欄的用途嗎？
-
-Azure Maps（您在上一課中用來可視化 GPS 數據的服務）允許您定義地理圍欄，然後測試某個點是否在地理圍欄內或外。
-
-## 定義地理圍欄
-
-地理圍欄使用 GeoJSON 定義，與上一課中添加到地圖上的點相同。不過，在這種情況下，它不是由 `Point` 值組成的 `FeatureCollection`，而是包含 `Polygon` 的 `FeatureCollection`。
-
-```json
-{
-   "type": "FeatureCollection",
-   "features": [
-     {
-       "type": "Feature",
-       "geometry": {
-         "type": "Polygon",
-         "coordinates": [
-           [
-             [
-               -122.13393688201903,
-               47.63829579223815
-             ],
-             [
-               -122.13389128446579,
-               47.63782047131512
-             ],
-             [
-               -122.13240802288054,
-               47.63783312249837
-             ],
-             [
-               -122.13238388299942,
-               47.63829037035086
-             ],
-             [
-               -122.13393688201903,
-               47.63829579223815
-             ]
-           ]
-         ]
-       },
-       "properties": {
-         "geometryId": "1"
-       }
-     }
-   ]
-}
-```
-
-多邊形上的每個點都定義為一個經度和緯度的數組，這些點組成的數組被設置為 `coordinates`。在上一課中，`Point` 的 `coordinates` 是包含兩個值（緯度和經度）的數組，而在 `Polygon` 中，它是一個包含多個數組的數組，每個數組包含兩個值（經度和緯度）。
-
-> 💁 請記住，GeoJSON 使用 `經度, 緯度` 的格式，而不是 `緯度, 經度`。
-
-多邊形的坐標數組總是比多邊形上的點數多一個，最後一個點與第一個點相同，形成閉合的多邊形。例如，對於一個矩形，會有 5 個點。
-
-![一個帶有坐標的矩形](../../../../../translated_images/zh-MO/polygon-points.302193da381cb415.webp)
-
-在上圖中，有一個矩形。多邊形坐標從左上角的 47,-122 開始，然後向右移動到 47,-121，再向下移動到 46,-121，然後向左移動到 46,-122，最後回到起點 47,-122。這樣多邊形就有了 5 個點——左上角、右上角、右下角、左下角，然後是左上角以閉合多邊形。
-
-✅ 嘗試創建一個圍繞您家或學校的 GeoJSON 多邊形。可以使用像 [GeoJSON.io](https://geojson.io/) 這樣的工具。
-
-### 任務 - 定義地理圍欄
-
-要在 Azure Maps 中使用地理圍欄，首先需要將其上傳到您的 Azure Maps 帳戶。一旦上傳，您將獲得一個唯一的 ID，您可以使用該 ID 測試某個點是否在地理圍欄內。要將地理圍欄上傳到 Azure Maps，您需要使用地圖 Web API。您可以使用名為 [curl](https://curl.se) 的工具調用 Azure Maps Web API。
-
-> 🎓 Curl 是一個命令行工具，用於對 Web 端點發出請求。
-
-1. 如果您使用的是 Linux、macOS 或較新的 Windows 10 版本，您可能已經安裝了 curl。從終端或命令行運行以下命令進行檢查：
-
-    ```sh
-    curl --version
-    ```
-
-    如果未顯示 curl 的版本信息，則需要從 [curl 下載頁面](https://curl.se/download.html) 安裝它。
-
-    > 💁 如果您熟悉 Postman，也可以選擇使用它。
-
-1. 創建一個包含多邊形的 GeoJSON 文件。您將使用 GPS 傳感器測試此文件，因此請在您當前位置周圍創建一個多邊形。您可以手動編輯上面提供的 GeoJSON 示例，或者使用像 [GeoJSON.io](https://geojson.io/) 這樣的工具。
-
-    GeoJSON 必須包含一個 `FeatureCollection`，其中包含一個 `geometry` 類型為 `Polygon` 的 `Feature`。
-
-    您還**必須**在與 `geometry` 同級的位置添加一個 `properties` 元素，該元素必須包含一個 `geometryId`：
-
-    ```json
-    "properties": {
-        "geometryId": "1"
-    }
-    ```
-
-    如果您使用 [GeoJSON.io](https://geojson.io/)，則需要手動將此項目添加到空的 `properties` 元素中，可以在下載 JSON 文件後添加，也可以在應用的 JSON 編輯器中添加。
-
-    此 `geometryId` 必須在此文件中唯一。您可以在同一個 GeoJSON 文件中作為多個 `Feature` 上傳多個地理圍欄，只要每個地理圍欄都有不同的 `geometryId`。如果從不同的文件在不同時間上傳，多邊形可以具有相同的 `geometryId`。
-
-1. 將此文件保存為 `geofence.json`，並在終端或控制台中導航到其保存位置。
-
-1. 運行以下 curl 命令以創建地理圍欄：
-
-    ```sh
-    curl --request POST 'https://atlas.microsoft.com/mapData/upload?api-version=1.0&dataFormat=geojson&subscription-key=<subscription_key>' \
-         --header 'Content-Type: application/json' \
-         --include \
-         --data @geofence.json
-    ```
-
-    將 URL 中的 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。
-
-    該 URL 用於通過 `https://atlas.microsoft.com/mapData/upload` API 上傳地圖數據。調用中包括一個 `api-version` 參數，用於指定要使用的 Azure Maps API，這是為了允許 API 隨時間變化但保持向後兼容性。上傳的數據格式設置為 `geojson`。
-
-    這將運行對上傳 API 的 POST 請求，並返回一組響應標頭，其中包括一個名為 `location` 的標頭：
-
-    ```output
-    content-type: application/json
-    location: https://us.atlas.microsoft.com/mapData/operations/1560ced6-3a80-46f2-84b2-5b1531820eab?api-version=1.0
-    x-ms-azuremaps-region: West US 2
-    x-content-type-options: nosniff
-    strict-transport-security: max-age=31536000; includeSubDomains
-    x-cache: CONFIG_NOCACHE
-    date: Sat, 22 May 2021 21:34:57 GMT
-    content-length: 0
-    ```
-
-    > 🎓 在調用 Web 端點時，可以通過在 URL 後添加 `?`，然後以 `key=value` 的形式添加鍵值對來傳遞參數，鍵值對之間用 `&` 分隔。
-
-1. Azure Maps 不會立即處理此請求，因此您需要使用 `location` 標頭中給出的 URL 檢查上傳請求是否已完成。對此位置發出 GET 請求以查看狀態。您需要在 `location` URL 的末尾添加您的訂閱密鑰，方法是添加 `&subscription-key=<subscription_key>`，將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。運行以下命令：
-
-    ```sh
-    curl --request GET '<location>&subscription-key=<subscription_key>'
-    ```
-
-    將 `<location>` 替換為 `location` 標頭的值，將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。
-
-1. 檢查響應中的 `status` 值。如果不是 `Succeeded`，請等待一分鐘後再試。
-
-1. 一旦狀態返回為 `Succeeded`，查看響應中的 `resourceLocation`。這包含 GeoJSON 對象的唯一 ID（稱為 UDID）的詳細信息。UDID 是 `metadata/` 之後的值，不包括 `api-version`。例如，如果 `resourceLocation` 是：
-
-    ```json
-    {
-      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
-    }
-    ```
-
-    那麼 UDID 將是 `7c3776eb-da87-4c52-ae83-caadf980323a`。
-
-    請保留此 UDID 的副本，因為您將需要它來測試地理圍欄。
-
-## 測試點是否在地理圍欄內
-
-一旦多邊形上傳到 Azure Maps，您可以測試某個點是否在地理圍欄內或外。您可以通過發出 Web API 請求，傳遞地理圍欄的 UDID，以及要測試的點的緯度和經度來完成此操作。
-
-在發出此請求時，您還可以傳遞一個稱為 `searchBuffer` 的值。這告訴 Maps API 返回結果時的精確程度。這樣做的原因是 GPS 並不完全準確，有時位置可能會偏差幾米甚至更多。默認的搜索緩衝區為 50 米，但您可以設置 0 米到 500 米之間的值。
-
-當 API 調用返回結果時，結果的一部分是 `distance`，測量到地理圍欄邊緣最近點的距離。如果點在地理圍欄外，則為正值；如果在地理圍欄內，則為負值。如果此距離小於搜索緩衝區，則返回實際距離（以米為單位），否則值為 999 或 -999。999 表示該點距地理圍欄超過搜索緩衝區，-999 表示該點在地理圍欄內超過搜索緩衝區。
-
-![一個帶有 50 米搜索緩衝區的地理圍欄](../../../../../translated_images/zh-MO/search-buffer-and-distance.e6a79af3898183c7.webp)
-
-在上圖中，地理圍欄有一個 50 米的搜索緩衝區。
-
-* 地理圍欄中心的一個點，遠遠在搜索緩衝區內，距離為 **-999**
-* 搜索緩衝區外的一個點，距離為 **999**
-* 地理圍欄內且在搜索緩衝區內的一個點，距地理圍欄 6 米，距離為 **6m**
-* 地理圍欄外且在搜索緩衝區內的一個點，距地理圍欄 39 米，距離為 **39m**
-
-了解到地理圍欄邊緣的距離非常重要，並且需要結合其他信息（例如其他 GPS 讀數、速度和道路數據）來根據車輛位置做出決策。
-
-例如，假設 GPS 讀數顯示車輛沿著一條最終與地理圍欄相鄰的道路行駛。如果單個 GPS 值不準確，將車輛定位在地理圍欄內，儘管沒有車輛通行的入口，那麼可以忽略該值。
-
-![一條 GPS 路徑顯示車輛沿 520 公路經過 Microsoft 校園，GPS 讀數沿著道路分佈，除了有一個讀數在校園內，位於地理圍欄內](../../../../../translated_images/zh-MO/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png)
-在上圖中，微軟園區的一部分被設置了一個地理圍欄。紅線顯示了一輛卡車沿著520公路行駛，圓圈表示GPS讀數。大多數讀數是準確的，並且位於520公路上，但有一個不準確的讀數顯示在地理圍欄內。這個讀數顯然是不可能正確的——卡車不可能突然從520公路轉入園區，然後再回到520公路上。檢查地理圍欄的程式碼需要在執行地理圍欄測試結果之前，考慮之前的讀數。
-
-✅ 你需要檢查哪些額外的數據來判斷GPS讀數是否可以被認為是正確的？
-
-### 任務 - 測試點是否在地理圍欄內
-
-1. 首先構建用於Web API查詢的URL。格式如下：
-
-    ```output
-    https://atlas.microsoft.com/spatial/geofence/json?api-version=1.0&deviceId=gps-sensor&subscription-key=<subscription-key>&udid=<UDID>&lat=<lat>&lon=<lon>
-    ```
-
-    將 `<subscription_key>` 替換為你的Azure Maps帳戶的API金鑰。
-
-    將 `<UDID>` 替換為上一個任務中地理圍欄的UDID。
-
-    將 `<lat>` 和 `<lon>` 替換為你想要測試的緯度和經度。
-
-    此URL使用 `https://atlas.microsoft.com/spatial/geofence/json` API來查詢使用GeoJSON定義的地理圍欄。它針對的是 `1.0` API版本。`deviceId` 參數是必需的，應該是緯度和經度來源設備的名稱。
-
-    預設的搜索緩衝區是50米，你可以通過添加額外的參數 `searchBuffer=<distance>` 來更改此值，將 `<distance>` 設置為以米為單位的搜索緩衝區距離，範圍從0到500。
-
-1. 使用curl對此URL發送GET請求：
-
-    ```sh
-    curl --request GET '<URL>'
-    ```
-
-    > 💁 如果你收到 `BadRequest` 的響應碼，並帶有以下錯誤：
-    >
-    > ```output
-    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
-    > ```
-    >
-    > 那麼你的GeoJSON缺少帶有 `geometryId` 的 `properties` 部分。你需要修復你的GeoJSON，然後重複上述步驟重新上傳並獲取新的UDID。
-
-1. 響應將包含一個 `geometries` 列表，每個幾何體對應於用於創建地理圍欄的GeoJSON中定義的多邊形。每個幾何體有三個感興趣的字段：`distance`、`nearestLat` 和 `nearestLon`。
-
-    ```output
-    {
-        "geometries": [
-            {
-                "deviceId": "gps-sensor",
-                "udId": "7c3776eb-da87-4c52-ae83-caadf980323a",
-                "geometryId": "1",
-                "distance": 999.0,
-                "nearestLat": 47.645875,
-                "nearestLon": -122.142713
-            }
-        ],
-        "expiredGeofenceGeometryId": [],
-        "invalidPeriodGeofenceGeometryId": []
-    }
-    ```
-
-    * `nearestLat` 和 `nearestLon` 是地理圍欄邊緣上最接近測試位置的點的緯度和經度。
-
-    * `distance` 是測試位置到地理圍欄邊緣最近點的距離。負數表示在地理圍欄內，正數表示在地理圍欄外。此值將小於50（預設搜索緩衝區），或999。
-
-1. 對地理圍欄內外的多個位置重複此操作。
-
-## 從無伺服器代碼中使用地理圍欄
-
-現在你可以為Functions應用程式添加一個新觸發器，用於測試IoT Hub的GPS事件數據是否在地理圍欄內。
-
-### 消費者組
-
-正如你在之前的課程中記得的，IoT Hub允許你重播已接收到但尚未處理的事件。但如果多個觸發器連接會發生什麼？它如何知道哪個觸發器處理了哪些事件？
-
-答案是它無法知道！因此，你可以定義多個單獨的連接來讀取事件，每個連接可以管理未讀消息的重播。這些被稱為*消費者組*。當你連接到端點時，可以指定要連接的消費者組。應用程式的每個組件將連接到不同的消費者組。
-
-![一個IoT Hub有三個消費者組，將相同的消息分發到三個不同的Functions應用程式](../../../../../translated_images/zh-MO/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png)
-
-理論上，每個消費者組最多可以連接5個應用程式，並且它們都會在消息到達時接收消息。最佳實踐是每個消費者組僅由一個應用程式訪問，以避免重複處理消息，並確保在重新啟動時正確處理所有排隊的消息。例如，如果你在本地啟動了Functions應用程式，同時在雲端運行，它們都會處理消息，導致存儲帳戶中存儲的Blob重複。
-
-如果你查看之前課程中創建的IoT Hub觸發器的 `function.json` 文件，你會在事件中心觸發器綁定部分看到消費者組：
-
-```json
-"consumerGroup": "$Default"
-```
-
-當你創建IoT Hub時，默認會創建 `$Default` 消費者組。如果你想添加額外的觸發器，可以使用新的消費者組。
-
-> 💁 在本課程中，你將使用與存儲GPS數據的函數不同的函數來測試地理圍欄。這是為了展示如何使用消費者組並分離代碼以使其更易於閱讀和理解。在生產應用程式中，你可能會以多種方式架構這些功能——將兩者放在一個函數中，使用存儲帳戶上的觸發器運行函數來檢查地理圍欄，或者使用多個函數。沒有“正確的方式”，這取決於應用程式的其他部分和你的需求。
-
-### 任務 - 創建一個新的消費者組
-
-1. 運行以下命令為你的IoT Hub創建一個名為 `geofence` 的新消費者組：
-
-    ```sh
-    az iot hub consumer-group create --name geofence \
-                                     --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於IoT Hub的名稱。
-
-1. 如果你想查看IoT Hub的所有消費者組，運行以下命令：
-
-    ```sh
-    az iot hub consumer-group list --output table \
-                                   --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你用於IoT Hub的名稱。這將列出所有消費者組。
-
-    ```output
-    Name      ResourceGroup
-    --------  ---------------
-    $Default  gps-sensor
-    geofence  gps-sensor
-    ```
-
-> 💁 當你在之前的課程中運行IoT Hub事件監視器時，它連接到了 `$Default` 消費者組。這就是為什麼你無法同時運行事件監視器和事件觸發器。如果你想同時運行兩者，那麼你可以為所有Functions應用程式使用其他消費者組，並將 `$Default` 保留給事件監視器。
-
-### 任務 - 創建一個新的IoT Hub觸發器
-
-1. 為你在之前課程中創建的 `gps-trigger` Functions應用程式添加一個新的IoT Hub事件觸發器。將此函數命名為 `geofence-trigger`。
-
-    > ⚠️ 如果需要，你可以參考[項目2，第5課中創建IoT Hub事件觸發器的說明](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger)。
-
-1. 在 `function.json` 文件中配置IoT Hub連接字符串。`local.settings.json` 在Functions應用程式中的所有觸發器之間共享。
-
-1. 更新 `function.json` 文件中 `consumerGroup` 的值以引用新的 `geofence` 消費者組：
-
-    ```json
-    "consumerGroup": "geofence"
-    ```
-
-1. 你需要在此觸發器中使用Azure Maps帳戶的訂閱金鑰，因此在 `local.settings.json` 文件中添加一個名為 `MAPS_KEY` 的新條目。
-
-1. 運行Functions應用程式以確保它正在連接並處理消息。之前課程中的 `iot-hub-trigger` 也將運行並將Blob上傳到存儲中。
-
-    > 為了避免在Blob存儲中出現重複的GPS讀數，你可以停止在雲端運行的Functions應用程式。要執行此操作，使用以下命令：
-    >
-    > ```sh
-    > az functionapp stop --resource-group gps-sensor \
-    >                     --name <functions_app_name>
-    > ```
-    >
-    > 將 `<functions_app_name>` 替換為你用於Functions應用程式的名稱。
-    >
-    > 你可以稍後使用以下命令重新啟動它：
-    >
-    > ```sh
-    > az functionapp start --resource-group gps-sensor \
-    >                     --name <functions_app_name>
-    > ```
-    >
-    > 將 `<functions_app_name>` 替換為你用於Functions應用程式的名稱。
-
-### 任務 - 從觸發器測試地理圍欄
-
-在本課程的早些時候，你使用curl查詢地理圍欄以查看某個點是否位於內部或外部。你可以從觸發器內部發送類似的Web請求。
-
-1. 要查詢地理圍欄，你需要其UDID。在 `local.settings.json` 文件中添加一個名為 `GEOFENCE_UDID` 的新條目，並填入此值。
-
-1. 打開新 `geofence-trigger` 觸發器的 `__init__.py` 文件。
-
-1. 在文件頂部添加以下導入：
-
-    ```python
-    import json
-    import os
-    import requests
-    ```
-
-    `requests` 套件允許你發送Web API調用。由於Azure Maps沒有Python SDK，因此你需要通過Web API調用來從Python代碼中使用它。
-
-1. 在 `main` 方法的開頭添加以下兩行以獲取Maps訂閱金鑰：
-
-    ```python
-    maps_key = os.environ['MAPS_KEY']
-    geofence_udid = os.environ['GEOFENCE_UDID']    
-    ```
-
-1. 在 `for event in events` 循環內，添加以下代碼以從每個事件中獲取緯度和經度：
-
-    ```python
-    event_body = json.loads(event.get_body().decode('utf-8'))
-    lat = event_body['gps']['lat']
-    lon = event_body['gps']['lon']
-    ```
-
-    此代碼將事件正文中的JSON轉換為字典，然後從 `gps` 字段中提取 `lat` 和 `lon`。
-
-1. 使用 `requests` 時，與使用curl構建長URL不同，你可以僅使用URL部分並將參數作為字典傳遞。添加以下代碼以定義要調用的URL並配置參數：
-
-    ```python
-    url = 'https://atlas.microsoft.com/spatial/geofence/json'
-
-    params = {
-        'api-version': 1.0,
-        'deviceId': 'gps-sensor',
-        'subscription-key': maps_key,
-        'udid' : geofence_udid,
-        'lat' : lat,
-        'lon' : lon
-    }
-    ```
-
-    `params` 字典中的項目將匹配你通過curl調用Web API時使用的鍵值對。
-
-1. 添加以下代碼行以調用Web API：
-
-    ```python
-    response = requests.get(url, params=params)
-    response_body = json.loads(response.text)
-    ```
-
-    這將使用參數調用URL，並返回一個響應對象。
-
-1. 在此代碼下方添加以下代碼：
-
-    ```python
-    distance = response_body['geometries'][0]['distance']
-
-    if distance == 999:
-        logging.info('Point is outside geofence')
-    elif distance > 0:
-        logging.info(f'Point is just outside geofence by a distance of {distance}m')
-    elif distance == -999:
-        logging.info(f'Point is inside geofence')
-    else:
-        logging.info(f'Point is just inside geofence by a distance of {distance}m')
-    ```
-
-    此代碼假設只有一個幾何體，並從該幾何體中提取距離。然後根據距離記錄不同的消息。
-
-1. 運行此代碼。你將在日誌輸出中看到GPS座標是否在地理圍欄內，或者如果該點在50米內，則顯示距離。使用基於GPS傳感器位置的不同地理圍欄嘗試此代碼，嘗試移動傳感器（例如通過手機WiFi共享或在虛擬IoT設備上使用不同的座標）以查看此變化。
-
-1. 準備好後，將此代碼部署到雲端的Functions應用程式中。不要忘記部署新的應用程式設置。
-
-    > ⚠️ 如果需要，你可以參考[項目2，第5課中上傳應用程式設置的說明](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings)。
-
-    > ⚠️ 如果需要，你可以參考[項目2，第5課中部署Functions應用程式的說明](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud)。
-
-> 💁 你可以在 [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions) 文件夾中找到此代碼。
-
----
-
-## 🚀 挑戰
-
-在本課程中，你使用具有單個多邊形的GeoJSON文件添加了一個地理圍欄。你可以同時上傳多個多邊形，只要它們在 `properties` 部分中具有不同的 `geometryId` 值。
-
-嘗試上傳包含多個多邊形的GeoJSON文件，並調整你的代碼以找到GPS座標最接近或位於其中的多邊形。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
-
-## 複習與自學
-
-* 在[維基百科的地理圍欄頁面](https://en.wikipedia.org/wiki/Geo-fence)上閱讀更多關於地理圍欄及其一些使用案例的內容。
-* 在[Microsoft Azure Maps Spatial - Get Geofence文檔](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn)上閱讀更多關於Azure Maps地理圍欄API的內容。
-* 在[Microsoft文檔的Azure Event Hubs功能和術語 - 事件消費者文檔](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers)上閱讀更多關於消費者組的內容。
-
-## 作業
-
-[使用Twilio發送通知](assignment.md)
-
----
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/4-geofences/assignment.md b/translations/mo/3-transport/lessons/4-geofences/assignment.md
deleted file mode 100644
index f7b0d9a1f..000000000
--- a/translations/mo/3-transport/lessons/4-geofences/assignment.md
+++ /dev/null
@@ -1,32 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
-  "translation_date": "2025-08-27T00:41:47+00:00",
-  "source_file": "3-transport/lessons/4-geofences/assignment.md",
-  "language_code": "mo"
-}
--->
-# 使用 Twilio 發送通知
-
-## 說明
-
-在目前的程式碼中，你僅記錄了與地理圍欄的距離。在這次作業中，你需要新增通知功能，當 GPS 座標進入地理圍欄時，發送簡訊或電子郵件。
-
-Azure Functions 提供多種綁定選項，包括與第三方服務的整合，例如 Twilio，一個通訊平台。
-
-* 在 [Twilio.com](https://www.twilio.com) 註冊免費帳戶
-* 閱讀 [Microsoft 文件 Twilio 與 Azure Functions 綁定頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python) 上的 Twilio SMS 綁定相關說明。
-* 閱讀 [Microsoft 文件 Azure Functions SendGrid 綁定頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python) 上的 SendGrid 發送電子郵件綁定相關說明。
-* 將綁定新增至你的 Functions 應用程式，以便在 GPS 座標進入或離開地理圍欄時收到通知——僅選擇其中一種情況，而非兩者。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 配置函數綁定並接收電子郵件或簡訊 | 成功配置函數綁定，並在座標進入或離開地理圍欄時收到電子郵件或簡訊，但僅限其中一種情況 | 成功配置綁定，但無法發送電子郵件或簡訊，或僅在座標同時進入和離開地理圍欄時發送 | 無法配置綁定，也無法發送電子郵件或簡訊 |
-
----
-
-**免責聲明**：  
-此文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/README.md b/translations/mo/4-manufacturing/README.md
deleted file mode 100644
index f5d096c57..000000000
--- a/translations/mo/4-manufacturing/README.md
+++ /dev/null
@@ -1,38 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3764e089adf2d5801272bc0895f8498b",
-  "translation_date": "2025-08-26T21:40:31+00:00",
-  "source_file": "4-manufacturing/README.md",
-  "language_code": "mo"
-}
--->
-# 製造與加工 - 使用物聯網改善食品加工
-
-當食品抵達中央集散中心或加工廠時，它並不總是直接運送到超市。很多時候，食品需要經過多個加工步驟，例如按品質進行分類。這是一個過去需要人工完成的過程——從田間開始，採摘工人只會挑選成熟的水果，然後在工廠中，水果會通過傳送帶，員工手動移除任何有損傷或腐爛的水果。我自己在學校暑假期間曾做過挑選和分類草莓的工作，可以證明這並不是一份有趣的工作。
-
-現代化的設置依賴物聯網進行分類。一些早期的設備，例如 [Weco](https://wecotek.com) 的分選機，使用光學傳感器檢測農產品的品質，例如拒絕未成熟的綠番茄。這些設備可以部署在農場的收割機上，也可以部署在加工廠中。
-
-隨著人工智慧 (AI) 和機器學習 (ML) 的進步，這些機器可以變得更加先進，使用經過訓練的 ML 模型來區分水果和異物，例如石頭、泥土或昆蟲。這些模型還可以被訓練來檢測水果的品質，不僅僅是損傷的水果，還包括早期檢測疾病或其他作物問題。
-
-> 🎓 *ML 模型* 這個術語指的是在一組數據上訓練機器學習軟體後的輸出。例如，您可以訓練一個 ML 模型來區分成熟和未成熟的番茄，然後使用該模型分析新圖片，判斷番茄是否成熟。
-
-在這四節課中，您將學習如何訓練基於影像的 AI 模型來檢測水果品質，如何在物聯網設備上使用這些模型，以及如何在邊緣運行這些模型——也就是在物聯網設備上而不是在雲端運行。
-
-> 💁 這些課程將使用一些雲端資源。如果您未完成此專案中的所有課程，請確保 [清理您的專案](../clean-up.md)。
-
-## 主題
-
-1. [訓練水果品質檢測器](./lessons/1-train-fruit-detector/README.md)
-1. [從物聯網設備檢測水果品質](./lessons/2-check-fruit-from-device/README.md)
-1. [在邊緣運行您的水果檢測器](./lessons/3-run-fruit-detector-edge/README.md)
-1. [從感測器觸發水果品質檢測](./lessons/4-trigger-fruit-detector/README.md)
-
-## 致謝
-
-所有課程由 [Jen Fox](https://github.com/jenfoxbot) 和 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/README.md
deleted file mode 100644
index 3a8daabbd..000000000
--- a/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/README.md
+++ /dev/null
@@ -1,244 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
-  "translation_date": "2025-08-26T21:44:01+00:00",
-  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
-  "language_code": "mo"
-}
--->
-# 訓練水果品質檢測器
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-MO/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure Custom Vision 服務，這是本課程將涵蓋的主題。
-
-[![Custom Vision – 機器學習變得簡單 | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
-
-## 簡介
-
-人工智慧（AI）和機器學習（ML）的快速發展為當今的開發者提供了廣泛的功能。ML 模型可以被訓練來識別圖像中的不同事物，包括未成熟的水果，這些技術可以應用於物聯網（IoT）設備中，幫助在收穫或工廠、倉庫的加工過程中對農產品進行分類。
-
-在本課程中，您將學習圖像分類——使用 ML 模型來區分不同事物的圖像。您將學會如何訓練一個圖像分類器來區分品質好的水果和品質差的水果，例如未成熟、過熟、碰傷或腐爛的水果。
-
-本課程將涵蓋以下內容：
-
-* [使用 AI 和 ML 進行食品分類](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [通過機器學習進行圖像分類](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [訓練圖像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [測試您的圖像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [重新訓練您的圖像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-
-## 使用 AI 和 ML 進行食品分類
-
-養活全球人口是一項艱鉅的任務，尤其是在確保食品價格對所有人都負擔得起的情況下。勞動力成本是其中最大的開支之一，因此農民越來越多地轉向自動化和物聯網等工具來降低勞動成本。手工收穫勞動強度大（且通常是非常辛苦的工作），在富裕國家尤其被機械化所取代。然而，儘管使用機械收穫降低了成本，但也帶來了一個缺點——無法在收穫時對食品進行分類。
-
-並非所有作物都能均勻成熟。例如，番茄在大多數果實成熟時，藤上可能仍有一些綠色果實。雖然提前收穫這些果實是一種浪費，但對農民來說，使用機械一次性收穫所有果實，然後再處理未成熟的果實，成本更低且更方便。
-
-✅ 看看您附近農場或花園中正在生長的水果或蔬菜，或者商店裡的水果或蔬菜。它們是否都達到了相同的成熟度，還是存在差異？
-
-自動化收穫的興起將農產品的分類從田間轉移到了工廠。食品會通過長長的傳送帶，人工團隊會挑選出不符合質量標準的產品。雖然機械化收穫降低了成本，但手動分類食品仍然需要一定的開支。
-
-![如果檢測到紅色番茄，它會繼續前進。如果檢測到綠色番茄，槓桿會將其彈入廢料箱](../../../../../translated_images/zh-MO/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png)
-
-下一代技術是使用機器進行分類，這些機器可以內置於收穫機中，也可以用於加工廠。第一代這類機器使用光學傳感器檢測顏色，通過控制執行器將綠色番茄推入廢料箱，而紅色番茄則繼續沿著傳送帶網絡前進。
-
-在這段影片中，當番茄從一條傳送帶掉落到另一條時，綠色番茄會被檢測到並通過槓桿彈入廢料箱。
-
-✅ 在工廠或田間，這些光學傳感器需要什麼條件才能正常工作？
-
-最新一代的分類機器利用 AI 和 ML 的優勢，使用經過訓練的模型來區分優質和劣質的農產品，不僅僅是通過顏色差異（如綠色番茄與紅色番茄），還包括能夠表明疾病或碰傷的更細微的外觀差異。
-
-## 通過機器學習進行圖像分類
-
-傳統編程是將數據與算法結合，然後獲得輸出。例如，在上一個項目中，您將 GPS 坐標和地理圍欄作為輸入，應用 Azure Maps 提供的算法，並獲得該點是否在地理圍欄內的結果。輸入更多數據，就會獲得更多輸出。
-
-![傳統開發使用輸入和算法生成輸出。機器學習使用輸入和輸出數據來訓練模型，該模型可以使用新輸入數據生成新輸出](../../../../../translated_images/zh-MO/traditional-vs-ml.5c20c169621fa539.webp)
-
-機器學習則反其道而行之——您從數據和已知輸出開始，機器學習算法從數據中學習。然後，您可以使用這個經過訓練的算法（稱為 *機器學習模型* 或 *模型*），輸入新數據並獲得新輸出。
-
-> 🎓 機器學習算法從數據中學習的過程稱為 *訓練*。輸入和已知輸出稱為 *訓練數據*。
-
-例如，您可以向模型提供數百萬張未成熟香蕉的圖片作為輸入訓練數據，並將訓練輸出設置為 `未成熟`，同時提供數百萬張成熟香蕉的圖片作為訓練數據，輸出設置為 `成熟`。ML 算法會基於這些數據創建一個模型。然後，您可以向該模型提供一張新的香蕉圖片，它會預測該香蕉是成熟還是未成熟。
-
-> 🎓 ML 模型的結果稱為 *預測*
-
-![兩根香蕉，一根成熟的預測為 99.7% 成熟，0.3% 未成熟；另一根未成熟的預測為 1.4% 成熟，98.6% 未成熟](../../../../../translated_images/zh-MO/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png)
-
-ML 模型不會給出二元答案，而是提供概率。例如，模型可能會給出一張香蕉圖片，預測 `成熟` 的概率為 99.7%，`未成熟` 的概率為 0.3%。您的代碼會選擇最可能的預測，並判斷該香蕉是成熟的。
-
-用於檢測這類圖像的 ML 模型稱為 *圖像分類器*——它接收帶標籤的圖像，然後根據這些標籤對新圖像進行分類。
-
-> 💁 這是一種簡化的描述，還有許多其他訓練模型的方法，例如無需標籤輸出的無監督學習。如果您想深入了解 ML，請參考 [ML for beginners，一個包含 24 節課的機器學習課程](https://aka.ms/ML-beginners)。
-
-## 訓練圖像分類器
-
-要成功訓練一個圖像分類器，您需要數百萬張圖片。然而，事實證明，一旦您擁有一個基於數百萬或數十億張各類圖片訓練的圖像分類器，您可以通過一小部分圖片重新訓練它，並獲得出色的結果，這個過程稱為 *遷移學習*。
-
-> 🎓 遷移學習是將現有 ML 模型的學習成果轉移到基於新數據的新模型上的過程。
-
-一旦圖像分類器已經針對各種圖像進行了訓練，它的內部結構就非常擅長識別形狀、顏色和模式。遷移學習允許模型利用它已經學會的圖像部分識別能力，來識別新圖像。
-
-![一旦您能識別形狀，這些形狀可以組合成不同的配置，例如船或貓](../../../../../translated_images/zh-MO/shapes-to-images.1a309f0ea88dd66f.webp)
-
-您可以將其想像成兒童的形狀書籍，一旦您能識別半圓形、矩形和三角形，您就能根據這些形狀的配置識別出帆船或貓。圖像分類器可以識別形狀，而遷移學習則教會它什麼樣的組合構成帆船或貓——或者成熟的香蕉。
-
-有許多工具可以幫助您完成這一過程，包括基於雲的服務，這些服務可以幫助您訓練模型，然後通過 Web API 使用它。
-
-> 💁 訓練這些模型需要大量的計算能力，通常通過圖形處理單元（GPU）實現。與 Xbox 上讓遊戲畫面看起來令人驚嘆的專用硬件相同，GPU 也可以用來訓練機器學習模型。通過使用雲服務，您可以租用配備 GPU 的強大計算機來訓練這些模型，只需支付您使用的時間。
-
-## Custom Vision
-
-Custom Vision 是一種基於雲的工具，用於訓練圖像分類器。它允許您僅使用少量圖片來訓練分類器。您可以通過 Web 入口、Web API 或 SDK 上傳圖片，並為每張圖片添加 *標籤*，以標識該圖片的分類。然後，您可以訓練模型並測試其性能。一旦對模型感到滿意，您可以發布模型的版本，通過 Web API 或 SDK 訪問它。
-
-![Azure Custom Vision 標誌](../../../../../translated_images/zh-MO/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png)
-
-> 💁 您可以使用每個分類僅 5 張圖片來訓練 Custom Vision 模型，但圖片越多效果越好。至少 30 張圖片可以獲得更好的結果。
-
-Custom Vision 是 Microsoft 提供的一系列 AI 工具（稱為 Cognitive Services）的一部分。這些 AI 工具可以在無需訓練或僅需少量訓練的情況下使用，包括語音識別與翻譯、語言理解和圖像分析。這些工具在 Azure 上提供免費層。
-
-> 💁 免費層足以創建模型、訓練模型，然後用於開發工作。您可以在 [Microsoft 文檔上的 Custom Vision 限制與配額頁面](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn) 上了解免費層的限制。
-
-### 任務 - 創建認知服務資源
-
-要使用 Custom Vision，您需要先使用 Azure CLI 在 Azure 中創建兩個認知服務資源，一個用於 Custom Vision 訓練，另一個用於 Custom Vision 預測。
-
-1. 為此項目創建一個名為 `fruit-quality-detector` 的資源組。
-
-1. 使用以下命令創建一個免費的 Custom Vision 訓練資源：
-
-    ```sh
-    az cognitiveservices account create --name fruit-quality-detector-training \
-                                        --resource-group fruit-quality-detector \
-                                        --kind CustomVision.Training \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為創建資源組時使用的位置。
-
-    這將在您的資源組中創建一個 Custom Vision 訓練資源。它將被命名為 `fruit-quality-detector-training`，並使用免費層的 `F0` SKU。`--yes` 選項表示您同意認知服務的條款和條件。
-
-> 💁 如果您已經有一個免費帳戶正在使用任何認知服務，請使用 `S0` SKU。
-
-1. 使用以下命令創建一個免費的 Custom Vision 預測資源：
-
-    ```sh
-    az cognitiveservices account create --name fruit-quality-detector-prediction \
-                                        --resource-group fruit-quality-detector \
-                                        --kind CustomVision.Prediction \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為創建資源組時使用的位置。
-
-    這將在您的資源組中創建一個 Custom Vision 預測資源。它將被命名為 `fruit-quality-detector-prediction`，並使用免費層的 `F0` SKU。`--yes` 選項表示您同意認知服務的條款和條件。
-
-### 任務 - 創建圖像分類器項目
-
-1. 打開 [CustomVision.ai](https://customvision.ai) 的 Custom Vision 入口，並使用您 Azure 帳戶的 Microsoft 帳戶登錄。
-
-1. 按照 [Microsoft 文檔中分類器快速入門的創建新項目部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#create-a-new-project) 的指導創建一個新的 Custom Vision 項目。UI 可能會有所變化，這些文檔始終是最新的參考。
-
-    將您的項目命名為 `fruit-quality-detector`。
-
-    創建項目時，請確保使用您之前創建的 `fruit-quality-detector-training` 資源。選擇 *分類* 項目類型、*多分類* 分類類型，並選擇 *食品* 領域。
-
-    ![Custom Vision 項目的設置，名稱設置為 fruit-quality-detector，無描述，資源設置為 fruit-quality-detector-training，項目類型設置為分類，分類類型設置為多分類，領域設置為食品](../../../../../translated_images/zh-MO/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png)
-
-✅ 花些時間探索您的圖像分類器的 Custom Vision UI。
-
-### 任務 - 訓練您的圖像分類器項目
-
-要訓練圖像分類器，您需要多張水果的圖片，包括品質好的和品質差的，並將其標記為好或壞，例如成熟的香蕉和過熟的香蕉。
-💁 這些分類器可以用來分類任何圖像，因此如果你手邊沒有品質不同的水果，你可以使用兩種不同類型的水果，或者貓和狗！
-理想情況下，每張照片應該只包含水果，背景要保持一致或有多種背景選擇。確保背景中沒有任何與成熟或未成熟水果相關的特定元素。
-
-> 💁 很重要的是不要有特定的背景或與分類標籤無關的物品，否則分類器可能會根據背景進行分類。有一個皮膚癌分類器曾經用正常和癌症痣的照片進行訓練，而癌症痣的照片中都有尺子用來測量大小。結果分類器幾乎100%準確地識別了照片中的尺子，而不是癌症痣。
-
-影像分類器運行時解析度非常低。例如，Custom Vision可以處理最大10240x10240的訓練和預測影像，但模型實際訓練和運行時使用的是227x227的影像。較大的影像會縮小到這個尺寸，因此確保您要分類的物品在影像中占據較大的部分，否則在縮小的影像中可能會太小而無法被分類器識別。
-
-1. 收集分類器所需的照片。每個標籤至少需要5張照片來訓練分類器，但越多越好。此外，還需要一些額外的照片來測試分類器。這些照片應該是同一物品的不同照片。例如：
-
-    * 使用2根成熟的香蕉，從不同角度拍攝每根香蕉的幾張照片，至少拍攝7張（5張用於訓練，2張用於測試），但最好更多。
-
-        ![2根不同香蕉的照片](../../../../../translated_images/zh-MO/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png)
-
-    * 使用2根未成熟的香蕉重複相同的過程。
-
-    您應該至少有10張訓練照片，其中至少5張成熟，5張未成熟，還有4張測試照片，2張成熟，2張未成熟。您的照片應該是png或jpeg格式，大小小於6MB。如果您使用iPhone拍攝，它可能是高解析度的HEIC格式，需進行轉換並可能縮小尺寸。照片越多越好，並且成熟和未成熟的數量應該相近。
-
-    如果您沒有成熟和未成熟的水果，可以使用不同的水果或任何可用的兩種物品。您也可以在[images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images)文件夾中找到一些成熟和未成熟香蕉的示例照片供您使用。
-
-1. 按照[Microsoft Docs上的分類器快速入門中上傳和標記影像的部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images)上傳您的訓練影像。將成熟的水果標記為`ripe`，未成熟的水果標記為`unripe`。
-
-    ![上傳成熟和未成熟香蕉照片的對話框](../../../../../translated_images/zh-MO/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png)
-
-1. 按照[Microsoft Docs上的分類器快速入門中訓練分類器的部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier)訓練影像分類器。
-
-    您將看到訓練類型的選擇。選擇**快速訓練**。
-
-分類器將開始訓練。訓練完成需要幾分鐘。
-
-> 🍌 如果您在分類器訓練期間決定吃掉您的水果，請確保您已經準備好足夠的測試影像！
-
-## 測試您的影像分類器
-
-分類器訓練完成後，您可以通過提供新的影像進行分類測試。
-
-### 任務 - 測試您的影像分類器
-
-1. 按照[Microsoft Docs上的測試模型文檔](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model)測試您的影像分類器。使用您之前創建的測試影像，而不是任何用於訓練的影像。
-
-    ![一根未成熟香蕉被預測為未成熟，概率為98.9%，成熟概率為1.1%](../../../../../translated_images/zh-MO/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png)
-
-1. 嘗試使用您所有的測試影像並觀察概率。
-
-## 重新訓練您的影像分類器
-
-當您測試分類器時，它可能不會給出您期望的結果。影像分類器使用機器學習根據影像中的特定特徵來預測影像是否匹配某個標籤。它並不理解影像中的內容——它不知道香蕉是什麼，也不理解什麼使香蕉成為香蕉而不是船。您可以通過使用分類器錯誤的影像重新訓練來改進分類器。
-
-每次使用快速測試選項進行預測時，影像和結果都會被存儲。您可以使用這些影像重新訓練您的模型。
-
-### 任務 - 重新訓練您的影像分類器
-
-1. 按照[Microsoft Docs上的使用預測影像進行訓練文檔](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#use-the-predicted-image-for-training)使用每張影像的正確標籤重新訓練您的模型。
-
-1. 模型重新訓練完成後，使用新的影像進行測試。
-
----
-
-## 🚀 挑戰
-
-如果您使用一張草莓的照片測試一個訓練過香蕉的模型，或者使用一張充氣香蕉的照片、一個穿香蕉服的人、甚至一個黃色卡通角色（例如辛普森家族中的角色），您認為會發生什麼？
-
-試試看，看看預測結果是什麼。您可以使用[Bing影像搜索](https://www.bing.com/images/trending)找到影像進行測試。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
-
-## 回顧與自學
-
-* 當您訓練分類器時，您會看到*Precision*、*Recall*和*AP*的值，這些值用於評估所創建的模型。通過[Microsoft Docs上的分類器快速入門中評估分類器的部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#evaluate-the-classifier)了解這些值的含義。
-* 通過[Microsoft Docs上的如何改進您的Custom Vision模型](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn)了解如何改進您的分類器。
-
-## 作業
-
-[為多種水果和蔬菜訓練您的分類器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
deleted file mode 100644
index 68b949cf1..000000000
--- a/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
+++ /dev/null
@@ -1,30 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
-  "translation_date": "2025-08-26T21:45:32+00:00",
-  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
-  "language_code": "mo"
-}
--->
-# 為多種水果和蔬菜訓練分類器
-
-## 說明
-
-在這節課中，你已經訓練了一個影像分類器來區分成熟和未成熟的水果，但僅限於一種水果。分類器可以被訓練來識別多種水果，其成功率會因水果的種類以及成熟與未成熟之間的差異而有所不同。
-
-例如，對於成熟時會改變顏色的水果，影像分類器可能不如顏色感測器有效，因為影像分類器通常使用灰度影像而非全彩影像。
-
-使用其他水果來訓練你的分類器，看看效果如何，特別是當水果外觀相似時。例如，蘋果和番茄。
-
-## 評分標準
-
-| 標準 | 卓越 | 合格 | 需要改進 |
-| ---- | ---- | ---- | -------- |
-| 為多種水果訓練分類器 | 能夠成功訓練分類器識別多種水果 | 能夠成功訓練分類器識別一種額外的水果 | 無法訓練分類器識別更多水果 |
-| 判斷分類器的效果 | 能夠正確評論分類器在不同水果上的效果 | 能夠觀察並提出分類器效果的建議 | 無法評論分類器的效果 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/README.md
deleted file mode 100644
index a6e25cb44..000000000
--- a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/README.md
+++ /dev/null
@@ -1,172 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
-  "translation_date": "2025-08-26T21:47:29+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
-  "language_code": "mo"
-}
--->
-# 從物聯網設備檢查水果品質
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
-
-## 簡介
-
-在上一課中，你學習了影像分類器，以及如何訓練它來檢測好壞水果。要在物聯網應用中使用這個影像分類器，你需要能夠使用某種相機捕捉影像，並將影像傳送到雲端進行分類。
-
-在本課中，你將學習相機感測器，以及如何使用物聯網設備捕捉影像。你還將學習如何從物聯網設備調用影像分類器。
-
-本課將涵蓋以下內容：
-
-* [相機感測器](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [使用物聯網設備捕捉影像](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [發布你的影像分類器](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [從物聯網設備分類影像](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [改進模型](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-
-## 相機感測器
-
-相機感測器，顧名思義，是可以連接到物聯網設備的相機。它們可以拍攝靜態影像或捕捉串流視頻。有些會返回原始影像數據，其他則會將影像數據壓縮成如 JPEG 或 PNG 的影像文件。通常，與物聯網設備配合使用的相機比你習慣的相機要小得多，解析度也較低，但你也可以獲得解析度高的相機，媲美高端手機。你可以選擇各種可互換鏡頭、多相機設置、紅外熱成像相機或紫外線相機。
-
-![場景中的光線通過鏡頭並聚焦在 CMOS 感測器上](../../../../../translated_images/zh-MO/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png)
-
-大多數相機感測器使用影像感測器，其中每個像素都是一個光電二極管。鏡頭將影像聚焦到影像感測器上，數千或數百萬個光電二極管檢測落在每個二極管上的光線，並將其記錄為像素數據。
-
-> 💁 鏡頭會將影像倒置，相機感測器會將影像翻轉回正確方向。你的眼睛也是如此——你看到的影像在眼睛後部是倒置的，而你的大腦會將其校正。
-
-> 🎓 影像感測器被稱為主動像素感測器（APS），最流行的 APS 類型是互補金屬氧化物半導體感測器，簡稱 CMOS。你可能聽過 CMOS 感測器這個術語用於相機感測器。
-
-相機感測器是數位感測器，通過數位數據傳送影像數據，通常需要使用提供通信的庫。相機使用像 SPI 這樣的協議進行連接，以便傳送大量數據——影像的大小遠大於溫度感測器等感測器的單一數值。
-
-✅ 物聯網設備在影像大小方面有哪些限制？請思考微控制器硬體的限制。
-
-## 使用物聯網設備捕捉影像
-
-你可以使用物聯網設備捕捉影像進行分類。
-
-### 任務 - 使用物聯網設備捕捉影像
-
-按照相關指南使用物聯網設備捕捉影像：
-
-* [Arduino - Wio Terminal](wio-terminal-camera.md)
-* [單板電腦 - Raspberry Pi](pi-camera.md)
-* [單板電腦 - 虛擬設備](virtual-device-camera.md)
-
-## 發布你的影像分類器
-
-你在上一課中訓練了影像分類器。在你能從物聯網設備使用它之前，你需要發布模型。
-
-### 模型迭代
-
-當你在上一課中訓練模型時，你可能注意到 **Performance** 標籤顯示了側邊的迭代。在你第一次訓練模型時，你會看到 *Iteration 1*。當你使用預測影像改進模型時，你會看到 *Iteration 2*。
-
-每次訓練模型時，你都會得到一個新的迭代。這是一種跟蹤基於不同數據集訓練的模型版本的方法。當你進行 **Quick Test** 時，有一個下拉選單可以用來選擇迭代，這樣你就可以比較多次迭代的結果。
-
-當你對某次迭代感到滿意時，你可以發布它，使其可供外部應用使用。這樣，你可以有一個已發布的版本供設備使用，然後基於多次迭代工作在新版本上，當你對新版本感到滿意時再發布。
-
-### 任務 - 發布迭代
-
-迭代是從 Custom Vision 入口網站發布的。
-
-1. 打開 [CustomVision.ai](https://customvision.ai) 並登入，如果尚未打開。然後打開你的 `fruit-quality-detector` 專案。
-
-1. 從頂部選項中選擇 **Performance** 標籤。
-
-1. 從側邊的 *Iterations* 列表中選擇最新的迭代。
-
-1. 為該迭代選擇 **Publish** 按鈕。
-
-    ![發布按鈕](../../../../../translated_images/zh-MO/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png)
-
-1. 在 *Publish Model* 對話框中，將 *Prediction resource* 設置為你在上一課中創建的 `fruit-quality-detector-prediction` 資源。名稱保持為 `Iteration2`，然後選擇 **Publish** 按鈕。
-
-1. 發布後，選擇 **Prediction URL** 按鈕。這將顯示預測 API 的詳細信息，你需要這些信息來從物聯網設備調用模型。下方部分標記為 *If you have an image file*，這是你需要的詳細信息。複製顯示的 URL，類似於：
-
-    ```output
-    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
-    ```
-
-    其中 `<location>` 是你創建 Custom Vision 資源時使用的位置，`<id>` 是由字母和數字組成的長 ID。
-
-    同時複製 *Prediction-Key* 值。這是一個安全密鑰，當你調用模型時必須傳遞。只有傳遞此密鑰的應用可以使用模型，其他應用將被拒絕。
-
-    ![預測 API 對話框顯示 URL 和密鑰](../../../../../translated_images/zh-MO/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png)
-
-✅ 當新迭代發布時，它會有不同的名稱。你認為如何更改物聯網設備使用的迭代？
-
-## 從物聯網設備分類影像
-
-現在你可以使用這些連接詳細信息從物聯網設備調用影像分類器。
-
-### 任務 - 從物聯網設備分類影像
-
-按照相關指南使用物聯網設備分類影像：
-
-* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
-* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-classify-image.md)
-
-## 改進模型
-
-你可能會發現，使用連接到物聯網設備的相機時，結果與你的預期不符。預測結果並不總是像使用從電腦上傳的影像那樣準確。這是因為模型是基於不同的數據進行訓練的，而不是用於預測的數據。
-
-要獲得影像分類器的最佳結果，你需要使用與預測影像盡可能相似的影像來訓練模型。例如，如果你使用手機相機捕捉影像進行訓練，影像的質量、清晰度和顏色會與連接到物聯網設備的相機不同。
-
-![兩張香蕉圖片，一張是物聯網設備拍攝的低解析度影像，光線較差；另一張是手機拍攝的高解析度影像，光線良好](../../../../../translated_images/zh-MO/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png)
-
-在上圖中，左邊的香蕉圖片是使用 Raspberry Pi 相機拍攝的，右邊的圖片是使用 iPhone 在相同位置拍攝的同一香蕉。可以明顯看到質量差異——iPhone 的圖片更清晰，顏色更亮，對比度更高。
-
-✅ 還有哪些因素可能導致物聯網設備捕捉的影像預測不準確？請思考物聯網設備可能使用的環境，哪些因素會影響捕捉的影像？
-
-要改進模型，你可以使用物聯網設備捕捉的影像重新訓練模型。
-
-### 任務 - 改進模型
-
-1. 使用物聯網設備分類多張成熟和未成熟水果的影像。
-
-1. 在 Custom Vision 入口網站中，使用 *Predictions* 標籤上的影像重新訓練模型。
-
-    > ⚠️ 如果需要，可以參考 [第一課中重新訓練分類器的指導](../1-train-fruit-detector/README.md#retrain-your-image-classifier)。
-
-1. 如果你的影像與用於訓練的原始影像差異很大，可以在 *Training Images* 標籤中選擇所有原始影像並選擇 **Delete** 按鈕刪除它們。要選擇影像，將光標移到影像上，會出現一個勾選，選擇該勾選即可選擇或取消選擇影像。
-
-1. 訓練模型的新迭代並按照上述步驟發布。
-
-1. 更新程式碼中的端點 URL，重新運行應用程式。
-
-1. 重複這些步驟，直到你對預測結果感到滿意。
-
----
-
-## 🚀 挑戰
-
-影像解析度或光線對預測有多大影響？
-
-嘗試在設備程式碼中更改影像解析度，看看是否對影像質量有影響。也嘗試更改光線。
-
-如果你要製作一個生產設備出售給農場或工廠，你會如何確保它始終提供一致的結果？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
-
-## 回顧與自學
-
-你使用入口網站訓練了自訂視覺模型。這依賴於有可用的影像——在現實世界中，你可能無法獲得與設備相機捕捉的影像匹配的訓練數據。你可以通過使用訓練 API 直接從設備進行訓練，使用物聯網設備捕捉的影像訓練模型來解決這個問題。
-
-* 閱讀 [使用 Custom Vision SDK 快速入門](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/image-classification?WT.mc_id=academic-17441-jabenn&tabs=visual-studio&pivots=programming-language-python) 中的訓練 API。
-
-## 作業
-
-[回應分類結果](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
deleted file mode 100644
index acdd06363..000000000
--- a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
+++ /dev/null
@@ -1,27 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "022e21f8629b721424c1de25195fff67",
-  "translation_date": "2025-08-26T21:48:19+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
-  "language_code": "mo"
-}
--->
-# 回應分類結果
-
-## 指示
-
-您的設備已對影像進行分類，並擁有預測的數值。您的設備可以利用這些資訊執行某些操作——例如將資料傳送至 IoT Hub 供其他系統處理，或者控制一個執行器（例如 LED），在水果未成熟時點亮。
-
-請為您的設備添加程式碼，以您選擇的方式進行回應——可以是將資料傳送至 IoT Hub，控制執行器，或者結合兩者，將資料傳送至 IoT Hub，並使用無伺服器程式碼判斷水果是否成熟，然後回傳指令以控制執行器。
-
-## 評分標準
-
-| 評分項目 | 卓越 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 回應預測結果 | 能夠根據相同數值的預測結果一致地實現回應。 | 能夠實現一個不依賴預測結果的回應，例如僅將原始資料傳送至 IoT Hub。 | 無法編程設備以回應預測結果。 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
deleted file mode 100644
index 917b297f4..000000000
--- a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
+++ /dev/null
@@ -1,155 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c677667095f6133eee418c7e53615d05",
-  "translation_date": "2025-08-26T21:49:27+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
-  "language_code": "mo"
-}
--->
-# 捕捉影像 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個相機感測器，並從中讀取影像。
-
-## 硬體
-
-Raspberry Pi 需要一個相機。
-
-您將使用的相機是 [Raspberry Pi Camera Module](https://www.raspberrypi.org/products/camera-module-v2/)。這款相機專為 Raspberry Pi 設計，通過 Pi 上的專用連接器連接。
-
-> 💁 這款相機使用 [Camera Serial Interface，一種由移動產業處理器接口聯盟制定的協議](https://wikipedia.org/wiki/Camera_Serial_Interface)，簡稱 MIPI-CSI。這是一種專用的影像傳輸協議。
-
-## 連接相機
-
-相機可以通過一條扁平排線連接到 Raspberry Pi。
-
-### 任務 - 連接相機
-
-![Raspberry Pi 相機](../../../../../translated_images/zh-MO/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png)
-
-1. 關閉 Raspberry Pi 的電源。
-
-1. 將隨相機附帶的扁平排線連接到相機上。為此，輕輕拉動插座上的黑色塑料夾，使其稍微彈出，然後將排線滑入插座，藍色面朝遠離鏡頭的一側，金屬針腳條紋面朝鏡頭的一側。插到底後，將黑色塑料夾推回原位。
-
-    您可以在 [Raspberry Pi 相機模組入門文檔](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2) 中找到一個動畫，展示如何打開夾子並插入排線。
-
-    ![扁平排線插入相機模組](../../../../../translated_images/zh-MO/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png)
-
-1. 從 Raspberry Pi 上取下 Grove Base Hat。
-
-1. 將扁平排線穿過 Grove Base Hat 上的相機槽。確保排線的藍色面朝向標有 **A0**、**A1** 等的類比端口。
-
-    ![扁平排線穿過 Grove Base Hat](../../../../../translated_images/zh-MO/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png)
-
-1. 將扁平排線插入 Raspberry Pi 上的相機端口。同樣，拉起黑色塑料夾，插入排線，然後將夾子推回原位。排線的藍色面應朝向 USB 和以太網端口。
-
-    ![扁平排線連接到 Raspberry Pi 的相機插座](../../../../../translated_images/zh-MO/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png)
-
-1. 重新安裝 Grove Base Hat。
-
-## 編程相機
-
-現在可以使用 [PiCamera](https://pypi.org/project/picamera/) Python 庫來編程 Raspberry Pi 以使用相機。
-
-### 任務 - 啟用舊版相機模式
-
-隨著 Raspberry Pi OS Bullseye 的發布，操作系統中內置的相機軟體發生了變化，導致 PiCamera 默認無法使用。目前正在開發一個替代方案，名為 PiCamera2，但尚未準備好使用。
-
-目前，您可以將 Raspberry Pi 設置為舊版相機模式，以使 PiCamera 正常工作。相機插座默認也是禁用的，但啟用舊版相機軟體會自動啟用插座。
-
-1. 啟動 Raspberry Pi，等待其完成啟動。
-
-1. 啟動 VS Code，可以直接在 Raspberry Pi 上操作，或者通過 Remote SSH 擴展連接。
-
-1. 在終端中執行以下命令：
-
-    ```sh
-    sudo raspi-config nonint do_legacy 0
-    sudo reboot
-    ```
-
-    這將切換設置以啟用舊版相機軟體，然後重新啟動 Raspberry Pi 以使設置生效。
-
-1. 等待 Raspberry Pi 重新啟動，然後重新啟動 VS Code。
-
-### 任務 - 編程相機
-
-編程設備。
-
-1. 在終端中，於 `pi` 用戶的主目錄中創建一個名為 `fruit-quality-detector` 的新資料夾。在此資料夾中創建一個名為 `app.py` 的檔案。
-
-1. 在 VS Code 中打開此資料夾。
-
-1. 要與相機互動，可以使用 PiCamera Python 庫。使用以下命令安裝該 Pip 套件：
-
-    ```sh
-    pip3 install picamera
-    ```
-
-1. 將以下代碼添加到您的 `app.py` 檔案中：
-
-    ```python
-    import io
-    import time
-    from picamera import PiCamera
-    ```
-
-    此代碼導入了一些所需的庫，包括 `PiCamera` 庫。
-
-1. 在此代碼下方添加以下代碼以初始化相機：
-
-    ```python
-    camera = PiCamera()
-    camera.resolution = (640, 480)
-    camera.rotation = 0
-    
-    time.sleep(2)
-    ```
-
-    此代碼創建了一個 PiCamera 對象，並將解析度設置為 640x480。雖然支持更高的解析度（最高可達 3280x2464），但影像分類器處理的影像尺寸要小得多（227x227），因此無需捕捉和傳輸更大的影像。
-
-    `camera.rotation = 0` 行設置影像的旋轉角度。扁平排線從相機底部進入，但如果您的相機為了更方便地對準要分類的物品而旋轉了，則可以將此行更改為相應的旋轉角度。
-
-    ![相機懸掛在飲料罐上方](../../../../../translated_images/zh-MO/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png)
-
-    例如，如果您將扁平排線懸掛在相機上方，則將旋轉角度設置為 180：
-
-    ```python
-    camera.rotation = 180
-    ```
-
-    相機啟動需要幾秒鐘，因此需要 `time.sleep(2)`。
-
-1. 在此代碼下方添加以下代碼以將影像捕捉為二進位數據：
-
-    ```python
-    image = io.BytesIO()
-    camera.capture(image, 'jpeg')
-    image.seek(0)
-    ```
-
-    此代碼創建了一個 `BytesIO` 對象來存儲二進位數據。影像以 JPEG 文件的形式從相機讀取並存儲在此對象中。該對象有一個位置指示器，用於指示當前數據的位置，因此 `image.seek(0)` 行將位置移回起始點，以便稍後可以讀取所有數據。
-
-1. 在此代碼下方添加以下代碼以將影像保存到文件：
-
-    ```python
-    with open('image.jpg', 'wb') as image_file:
-        image_file.write(image.read())
-    ```
-
-    此代碼打開一個名為 `image.jpg` 的文件進行寫入，然後從 `BytesIO` 對象中讀取所有數據並寫入該文件。
-
-    > 💁 您可以直接將影像捕捉到文件，而不是使用 `BytesIO` 對象，只需將文件名傳遞給 `camera.capture` 調用即可。使用 `BytesIO` 對象的原因是，在本課程的後續部分，您可以將影像發送到影像分類器。
-
-1. 將相機對準某個物體並運行此代碼。
-
-1. 一張影像將被捕捉並保存為當前資料夾中的 `image.jpg` 文件。您可以在 VS Code 的檔案瀏覽器中看到此文件。選擇該文件以查看影像。如果需要旋轉，請根據需要更新 `camera.rotation = 0` 行，然後重新拍攝。
-
-> 💁 您可以在 [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi) 資料夾中找到此代碼。
-
-😀 您的相機程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
deleted file mode 100644
index f9bcabb54..000000000
--- a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
+++ /dev/null
@@ -1,105 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e5896207b304ce1abaf065b8acc0cc79",
-  "translation_date": "2025-08-26T21:50:35+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
-  "language_code": "mo"
-}
--->
-# 分類圖片 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，你將把相機捕捉的圖片發送到 Custom Vision 服務進行分類。
-
-## 發送圖片到 Custom Vision
-
-Custom Vision 服務提供了一個 Python SDK，可用於分類圖片。
-
-### 任務 - 發送圖片到 Custom Vision
-
-1. 在 VS Code 中打開 `fruit-quality-detector` 資料夾。如果你使用的是虛擬 IoT 裝置，請確保虛擬環境已在終端機中運行。
-
-1. 用於發送圖片到 Custom Vision 的 Python SDK 可作為 Pip 套件安裝。使用以下指令進行安裝：
-
-    ```sh
-    pip3 install azure-cognitiveservices-vision-customvision
-    ```
-
-1. 在 `app.py` 文件的頂部添加以下 import 語句：
-
-    ```python
-    from msrest.authentication import ApiKeyCredentials
-    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
-    ```
-
-    這會引入一些 Custom Vision 庫中的模組，一個用於使用預測金鑰進行身份驗證，另一個提供可調用 Custom Vision 的預測客戶端類。
-
-1. 在文件末尾添加以下程式碼：
-
-    ```python
-    prediction_url = '<prediction_url>'
-    prediction_key = '<prediction key>'
-    ```
-
-    將 `<prediction_url>` 替換為你在本課程早些時候從 *Prediction URL* 對話框中複製的 URL。將 `<prediction key>` 替換為你從同一對話框中複製的預測金鑰。
-
-1. *Prediction URL* 對話框提供的預測 URL 是為直接調用 REST 端點設計的。Python SDK 在不同的地方使用 URL 的部分。添加以下程式碼以分解此 URL 為所需的部分：
-
-    ```python
-    parts = prediction_url.split('/')
-    endpoint = 'https://' + parts[2]
-    project_id = parts[6]
-    iteration_name = parts[9]
-    ```
-
-    這會分解 URL，提取出 `https://<location>.api.cognitive.microsoft.com` 的端點、專案 ID 和已發佈的迭代名稱。
-
-1. 創建一個預測器物件以執行預測，使用以下程式碼：
-
-    ```python
-    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
-    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
-    ```
-
-    `prediction_credentials` 將預測金鑰封裝起來。這些隨後用於創建指向端點的預測客戶端物件。
-
-1. 使用以下程式碼將圖片發送到 Custom Vision：
-
-    ```python
-    image.seek(0)
-    results = predictor.classify_image(project_id, iteration_name, image)
-    ```
-
-    這會將圖片回卷到起始位置，然後將其發送到預測客戶端。
-
-1. 最後，使用以下程式碼顯示結果：
-
-    ```python
-    for prediction in results.predictions:
-        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
-    ```
-
-    這會迴圈所有返回的預測並在終端機中顯示它們。返回的概率是 0-1 的浮點數，其中 0 表示與標籤匹配的可能性為 0%，1 表示與標籤匹配的可能性為 100%。
-
-    > 💁 圖片分類器會返回所有使用過的標籤的百分比。每個標籤都會有一個圖片與該標籤匹配的概率。
-
-1. 運行你的程式，讓相機對準一些水果，或者使用適當的圖片集，或者如果使用虛擬 IoT 硬體，讓水果在你的網路攝影機中可見。你會在控制台中看到輸出：
-
-    ```output
-    (.venv) ➜  fruit-quality-detector python app.py
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-    你將能看到拍攝的圖片，以及這些值在 Custom Vision 的 **Predictions** 標籤中顯示。
-
-    ![一根香蕉在 Custom Vision 中被預測為成熟的概率為 56.8%，未成熟的概率為 43.1%](../../../../../translated_images/zh-MO/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png)
-
-> 💁 你可以在 [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) 或 [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device) 資料夾中找到這段程式碼。
-
-😀 你的水果品質分類程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
deleted file mode 100644
index fe709d31c..000000000
--- a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
+++ /dev/null
@@ -1,126 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3ba7150ffc4a6999f6c3cfb4906ec7df",
-  "translation_date": "2025-08-26T21:53:19+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
-  "language_code": "mo"
-}
--->
-# 捕捉影像 - 虛擬物聯網硬體
-
-在本課程中，您將為虛擬物聯網設備添加一個相機感測器，並從中讀取影像。
-
-## 硬體
-
-虛擬物聯網設備將使用模擬相機，該相機可以傳送檔案中的影像或來自您的網路攝影機的影像。
-
-### 在 CounterFit 中添加相機
-
-要使用虛擬相機，您需要在 CounterFit 應用程式中添加一個。
-
-#### 任務 - 在 CounterFit 中添加相機
-
-在 CounterFit 應用程式中添加相機。
-
-1. 在您的電腦上建立一個名為 `fruit-quality-detector` 的資料夾，並在其中建立一個名為 `app.py` 的 Python 應用程式，設置 Python 虛擬環境，並添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，您可以參考[第 1 課中建立和設置 CounterFit Python 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 安裝額外的 Pip 套件，以安裝一個 CounterFit shim，該 shim 可以通過模擬部分 [Picamera Pip 套件](https://pypi.org/project/picamera/) 與相機感測器進行通信。請確保您是在啟動虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install counterfit-shims-picamera
-    ```
-
-1. 確保 CounterFit 網頁應用程式正在運行。
-
-1. 創建相機：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Camera*。
-
-    1. 將 *Name* 設置為 `Picamera`。
-
-    1. 選擇 **Add** 按鈕以創建相機。
-
-    ![相機設置](../../../../../translated_images/zh-MO/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png)
-
-    相機將被創建並顯示在感測器列表中。
-
-    ![創建的相機](../../../../../translated_images/zh-MO/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png)
-
-## 編程相機
-
-現在可以編程虛擬物聯網設備以使用虛擬相機。
-
-### 任務 - 編程相機
-
-編程設備。
-
-1. 確保 `fruit-quality-detector` 應用程式已在 VS Code 中打開。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下程式碼，以連接應用程式到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在您的 `app.py` 文件中添加以下程式碼：
-
-    ```python
-    import io
-    from counterfit_shims_picamera import PiCamera
-    ```
-
-    此程式碼導入了一些需要的庫，包括來自 counterfit_shims_picamera 庫的 `PiCamera` 類。
-
-1. 在此程式碼下方添加以下程式碼以初始化相機：
-
-    ```python
-    camera = PiCamera()
-    camera.resolution = (640, 480)
-    camera.rotation = 0
-    ```
-
-    此程式碼創建了一個 PiCamera 對象，並將解析度設置為 640x480。雖然支持更高的解析度，但影像分類器僅處理更小的影像（227x227），因此無需捕捉和傳送更大的影像。
-
-    `camera.rotation = 0` 行設置影像的旋轉角度（以度為單位）。如果需要旋轉來自網路攝影機或檔案的影像，請根據需要設置。例如，如果您希望將網路攝影機中橫向模式的香蕉影像更改為縱向模式，請設置 `camera.rotation = 90`。
-
-1. 在此程式碼下方添加以下程式碼以捕捉影像為二進制數據：
-
-    ```python
-    image = io.BytesIO()
-    camera.capture(image, 'jpeg')
-    image.seek(0)
-    ```
-
-    此程式碼創建了一個 `BytesIO` 對象來存儲二進制數據。影像以 JPEG 文件的形式從相機讀取並存儲在此對象中。該對象有一個位置指示器，用於指示數據中的位置，以便需要時可以將更多數據寫入末尾，因此 `image.seek(0)` 行將此位置移回起始位置，以便稍後可以讀取所有數據。
-
-1. 在此程式碼下方添加以下程式碼以將影像保存到文件：
-
-    ```python
-    with open('image.jpg', 'wb') as image_file:
-        image_file.write(image.read())
-    ```
-
-    此程式碼打開一個名為 `image.jpg` 的文件進行寫入，然後從 `BytesIO` 對象中讀取所有數據並將其寫入文件。
-
-    > 💁 您可以直接將影像捕捉到文件，而不是使用 `BytesIO` 對象，只需將文件名傳遞給 `camera.capture` 調用即可。使用 `BytesIO` 對象的原因是稍後在本課程中，您可以將影像傳送到您的影像分類器。
-
-1. 配置 CounterFit 中相機將捕捉的影像。您可以將 *Source* 設置為 *File*，然後上傳影像文件，或者將 *Source* 設置為 *WebCam*，影像將從您的網路攝影機捕捉。選擇影像或網路攝影機後，請確保選擇 **Set** 按鈕。
-
-    ![CounterFit 中設置檔案為影像來源，以及網路攝影機顯示一個人手持香蕉的預覽](../../../../../translated_images/zh-MO/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png)
-
-1. 影像將被捕捉並保存為 `image.jpg`，位於當前資料夾中。您將在 VS Code 的檔案瀏覽器中看到此文件。選擇該文件以查看影像。如果需要旋轉，請根據需要更新 `camera.rotation = 0` 行並重新拍攝影像。
-
-> 💁 您可以在 [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 您的相機程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
deleted file mode 100644
index 9d94802cb..000000000
--- a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
+++ /dev/null
@@ -1,475 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "160be8c0f558687f6686dca64f10f739",
-  "translation_date": "2025-08-26T21:55:17+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
-  "language_code": "mo"
-}
--->
-# 捕捉影像 - Wio Terminal
-
-在這部分課程中，你將為 Wio Terminal 添加一個相機，並從中捕捉影像。
-
-## 硬體
-
-Wio Terminal 需要一個相機。
-
-你將使用的相機是 [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)。這是一個基於 OV2640 影像感測器的 2 百萬像素相機。它通過 SPI 介面進行影像捕捉，並使用 I2C 配置感測器。
-
-## 連接相機
-
-ArduCam 沒有 Grove 插槽，而是通過 Wio Terminal 上的 GPIO 引腳連接到 SPI 和 I2C 匯流排。
-
-### 任務 - 連接相機
-
-連接相機。
-
-![ArduCam 感測器](../../../../../translated_images/zh-MO/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png)
-
-1. ArduCam 底部的引腳需要連接到 Wio Terminal 的 GPIO 引腳。為了更容易找到正確的引腳，將隨 Wio Terminal 附帶的 GPIO 引腳貼紙貼在引腳周圍：
-
-    ![帶有 GPIO 引腳貼紙的 Wio Terminal](../../../../../translated_images/zh-MO/wio-terminal-pin-sticker.b90b1535937b84bd.webp)
-
-1. 使用跳線，進行以下連接：
-
-    | ArduCAM 引腳 | Wio Terminal 引腳 | 描述                                   |
-    | ------------ | ----------------- | -------------------------------------- |
-    | CS           | 24 (SPI_CS)       | SPI 芯片選擇                           |
-    | MOSI         | 19 (SPI_MOSI)     | SPI 控制器輸出，外設輸入               |
-    | MISO         | 21 (SPI_MISO)     | SPI 控制器輸入，外設輸出               |
-    | SCK          | 23 (SPI_SCLK)     | SPI 串行時鐘                           |
-    | GND          | 6 (GND)           | 接地 - 0V                              |
-    | VCC          | 4 (5V)            | 5V 電源供應                            |
-    | SDA          | 3 (I2C1_SDA)      | I2C 串行數據                           |
-    | SCL          | 5 (I2C1_SCL)      | I2C 串行時鐘                           |
-
-    ![用跳線連接 ArduCam 和 Wio Terminal](../../../../../translated_images/zh-MO/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png)
-
-    GND 和 VCC 連接為 ArduCam 提供 5V 電源。它以 5V 運行，不同於以 3V 運行的 Grove 感測器。這個電源直接來自為設備供電的 USB-C 連接。
-
-    > 💁 對於 SPI 連接，ArduCam 上的引腳標籤和 Wio Terminal 中代碼使用的引腳名稱仍然使用舊的命名約定。本課程中的說明將使用新的命名約定，除非代碼中使用了引腳名稱。
-
-1. 現在可以將 Wio Terminal 連接到你的電腦。
-
-## 編程設備以連接相機
-
-現在可以為 Wio Terminal 編程以使用連接的 ArduCAM 相機。
-
-### 任務 - 編程設備以連接相機
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `fruit-quality-detector`。在 `setup` 函數中添加代碼以配置串行埠。
-
-1. 添加代碼以連接 WiFi，將你的 WiFi 憑據放在名為 `config.h` 的檔案中。不要忘記將所需的庫添加到 `platformio.ini` 檔案中。
-
-1. ArduCam 庫無法作為 Arduino 庫從 `platformio.ini` 檔案中安裝。相反，需要從其 GitHub 頁面安裝源代碼。你可以通過以下方式獲取：
-
-    * 從 [https://github.com/ArduCAM/Arduino.git](https://github.com/ArduCAM/Arduino.git) 克隆倉庫
-    * 前往 GitHub 上的倉庫 [github.com/ArduCAM/Arduino](https://github.com/ArduCAM/Arduino) 並從 **Code** 按鈕下載代碼為 zip 檔案
-
-1. 你只需要此代碼中的 `ArduCAM` 資料夾。將整個資料夾複製到專案中的 `lib` 資料夾中。
-
-    > ⚠️ 必須複製整個資料夾，因此代碼位於 `lib/ArduCam` 中。不要僅將 `ArduCam` 資料夾的內容複製到 `lib` 資料夾中，而是將整個資料夾複製過去。
-
-1. ArduCam 庫代碼適用於多種類型的相機。你想要使用的相機類型是通過編譯器標誌配置的——這使得構建的庫盡可能小，通過移除你未使用的相機的代碼來實現。要將庫配置為 OV2640 相機，請在 `platformio.ini` 檔案末尾添加以下內容：
-
-    ```ini
-    build_flags =
-        -DARDUCAM_SHIELD_V2
-        -DOV2640_CAM
-    ```
-
-    這設置了兩個編譯器標誌：
-
-      * `ARDUCAM_SHIELD_V2` 用於告訴庫相機位於 Arduino 板上，稱為 shield。
-      * `OV2640_CAM` 用於告訴庫僅包含 OV2640 相機的代碼。
-
-1. 在 `src` 資料夾中添加一個名為 `camera.h` 的標頭檔案。這將包含與相機通信的代碼。在此檔案中添加以下代碼：
-
-    ```cpp
-    #pragma once
-    
-    #include <ArduCAM.h>
-    #include <Wire.h>
-    
-    class Camera
-    {
-    public:
-        Camera(int format, int image_size) : _arducam(OV2640, PIN_SPI_SS)
-        {
-            _format = format;
-            _image_size = image_size;
-        }
-    
-        bool init()
-        {
-            // Reset the CPLD
-            _arducam.write_reg(0x07, 0x80);
-            delay(100);
-    
-            _arducam.write_reg(0x07, 0x00);
-            delay(100);
-    
-            // Check if the ArduCAM SPI bus is OK
-            _arducam.write_reg(ARDUCHIP_TEST1, 0x55);
-            if (_arducam.read_reg(ARDUCHIP_TEST1) != 0x55)
-            {
-                return false;
-            }
-                
-            // Change MCU mode
-            _arducam.set_mode(MCU2LCD_MODE);
-    
-            uint8_t vid, pid;
-    
-            // Check if the camera module type is OV2640
-            _arducam.wrSensorReg8_8(0xff, 0x01);
-            _arducam.rdSensorReg8_8(OV2640_CHIPID_HIGH, &vid);
-            _arducam.rdSensorReg8_8(OV2640_CHIPID_LOW, &pid);
-            if ((vid != 0x26) && ((pid != 0x41) || (pid != 0x42)))
-            {
-                return false;
-            }
-            
-            _arducam.set_format(_format);
-            _arducam.InitCAM();
-            _arducam.OV2640_set_JPEG_size(_image_size);
-            _arducam.OV2640_set_Light_Mode(Auto);
-            _arducam.OV2640_set_Special_effects(Normal);
-            delay(1000);
-    
-            return true;
-        }
-    
-        void startCapture()
-        {
-            _arducam.flush_fifo();
-            _arducam.clear_fifo_flag();
-            _arducam.start_capture();
-        }
-    
-        bool captureReady()
-        {
-            return _arducam.get_bit(ARDUCHIP_TRIG, CAP_DONE_MASK);
-        }
-    
-        bool readImageToBuffer(byte **buffer, uint32_t &buffer_length)
-        {
-            if (!captureReady()) return false;
-    
-            // Get the image file length
-            uint32_t length = _arducam.read_fifo_length();
-            buffer_length = length;
-    
-            if (length >= MAX_FIFO_SIZE)
-            {
-                return false;
-            }
-            if (length == 0)
-            {
-                return false;
-            }
-    
-            // create the buffer
-            byte *buf = new byte[length];
-    
-            uint8_t temp = 0, temp_last = 0;
-            int i = 0;
-            uint32_t buffer_pos = 0;
-            bool is_header = false;
-    
-            _arducam.CS_LOW();
-            _arducam.set_fifo_burst();
-            
-            while (length--)
-            {
-                temp_last = temp;
-                temp = SPI.transfer(0x00);
-                //Read JPEG data from FIFO
-                if ((temp == 0xD9) && (temp_last == 0xFF)) //If find the end ,break while,
-                {
-                    buf[buffer_pos] = temp;
-    
-                    buffer_pos++;
-                    i++;
-                    
-                    _arducam.CS_HIGH();
-                }
-                if (is_header == true)
-                {
-                    //Write image data to buffer if not full
-                    if (i < 256)
-                    {
-                        buf[buffer_pos] = temp;
-                        buffer_pos++;
-                        i++;
-                    }
-                    else
-                    {
-                        _arducam.CS_HIGH();
-    
-                        i = 0;
-                        buf[buffer_pos] = temp;
-    
-                        buffer_pos++;
-                        i++;
-    
-                        _arducam.CS_LOW();
-                        _arducam.set_fifo_burst();
-                    }
-                }
-                else if ((temp == 0xD8) & (temp_last == 0xFF))
-                {
-                    is_header = true;
-    
-                    buf[buffer_pos] = temp_last;
-                    buffer_pos++;
-                    i++;
-    
-                    buf[buffer_pos] = temp;
-                    buffer_pos++;
-                    i++;
-                }
-            }
-            
-            _arducam.clear_fifo_flag();
-    
-            _arducam.set_format(_format);
-            _arducam.InitCAM();
-            _arducam.OV2640_set_JPEG_size(_image_size);
-    
-            // return the buffer
-            *buffer = buf;
-        }
-    
-    private:
-        ArduCAM _arducam;
-        int _format;
-        int _image_size;
-    };
-    ```
-
-    這是使用 ArduCam 庫配置相機的低層代碼，並在需要時通過 SPI 匯流排提取影像。這段代碼非常特定於 ArduCam，因此你目前不需要擔心它的工作原理。
-
-1. 在 `main.cpp` 中，在其他 `include` 語句下方添加以下代碼以包含此新檔案並創建相機類的實例：
-
-    ```cpp
-    #include "camera.h"
-
-    Camera camera = Camera(JPEG, OV2640_640x480);
-    ```
-
-    這創建了一個 `Camera`，將影像保存為 640x480 分辨率的 JPEG。雖然支持更高的分辨率（最高 3280x2464），但影像分類器處理的影像尺寸要小得多（227x227），因此無需捕捉和傳輸更大的影像。
-
-1. 在此下方添加以下代碼以定義一個設置相機的函數：
-
-    ```cpp
-    void setupCamera()
-    {
-        pinMode(PIN_SPI_SS, OUTPUT);
-        digitalWrite(PIN_SPI_SS, HIGH);
-    
-        Wire.begin();
-        SPI.begin();
-    
-        if (!camera.init())
-        {
-            Serial.println("Error setting up the camera!");
-        }
-    }
-    ```
-
-    此 `setupCamera` 函數首先將 SPI 芯片選擇引腳（`PIN_SPI_SS`）配置為高電平，使 Wio Terminal 成為 SPI 控制器。然後啟動 I2C 和 SPI 匯流排。最後，它初始化相機類，配置相機感測器設置並確保所有連接正確。
-
-1. 在 `setup` 函數的末尾調用此函數：
-
-    ```cpp
-    setupCamera();
-    ```
-
-1. 構建並上傳此代碼，並檢查串行監視器的輸出。如果你看到 `Error setting up the camera!`，請檢查接線，確保所有電纜正確連接 ArduCam 的引腳和 Wio Terminal 的 GPIO 引腳，並且所有跳線都正確插入。
-
-## 捕捉影像
-
-現在可以為 Wio Terminal 編程，使其在按下按鈕時捕捉影像。
-
-### 任務 - 捕捉影像
-
-1. 微控制器會不斷運行你的代碼，因此如果不響應感測器，觸發拍照並不容易。Wio Terminal 有按鈕，因此可以設置相機由其中一個按鈕觸發。在 `setup` 函數的末尾添加以下代碼，以配置 C 按鈕（頂部的三個按鈕之一，最靠近電源開關的那個）。
-
-    ![最靠近電源開關的 C 按鈕](../../../../../translated_images/zh-MO/wio-terminal-c-button.73df3cb1c1445ea0.webp)
-
-    ```cpp
-    pinMode(WIO_KEY_C, INPUT_PULLUP);
-    ```
-
-    `INPUT_PULLUP` 模式本質上反轉了一個輸入。例如，通常按鈕在未按下時會發送低信號，按下時發送高信號。設置為 `INPUT_PULLUP` 時，未按下時發送高信號，按下時發送低信號。
-
-1. 在 `loop` 函數之前添加一個空函數以響應按鈕按下：
-
-    ```cpp
-    void buttonPressed()
-    {
-        
-    }
-    ```
-
-1. 在按鈕被按下時，在 `loop` 方法中調用此函數：
-
-    ```cpp
-    void loop()
-    {
-        if (digitalRead(WIO_KEY_C) == LOW)
-        {
-            buttonPressed();
-            delay(2000);
-        }
-    
-        delay(200);
-    }
-    ```
-
-    此代碼檢查按鈕是否被按下。如果按下，則調用 `buttonPressed` 函數，並且循環延遲 2 秒。這是為了給按鈕釋放留出時間，以免長按被註冊為兩次按下。
-
-    > 💁 Wio Terminal 上的按鈕設置為 `INPUT_PULLUP`，因此未按下時發送高信號，按下時發送低信號。
-
-1. 在 `buttonPressed` 函數中添加以下代碼：
-
-    ```cpp
-    camera.startCapture();
- 
-    while (!camera.captureReady())
-        delay(100);
-
-    Serial.println("Image captured");
-
-    byte *buffer;
-    uint32_t length;
-
-    if (camera.readImageToBuffer(&buffer, length))
-    {
-        Serial.print("Image read to buffer with length ");
-        Serial.println(length);
-
-        delete(buffer);
-    }
-    ```
-
-    此代碼通過調用 `startCapture` 開始相機捕捉。相機硬體不會在你請求時返回數據，而是發送一個指令開始捕捉，相機將在背景中捕捉影像，將其轉換為 JPEG，並將其存儲在相機本地緩衝區中。然後，`captureReady` 調用檢查影像捕捉是否完成。
-
-    一旦捕捉完成，影像數據將通過 `readImageToBuffer` 調用從相機的緩衝區複製到本地緩衝區（字節數組）。然後將緩衝區的長度發送到串行監視器。
-
-1. 構建並上傳此代碼，並檢查串行監視器的輸出。每次按下 C 按鈕時，將捕捉一張影像，並在串行監視器上看到影像大小。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 9224
-    Image captured
-    Image read to buffer with length 11272
-    ```
-
-    不同的影像會有不同的大小。它們被壓縮為 JPEG，JPEG 文件的大小取決於影像內容。
-
-> 💁 你可以在 [code-camera/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/wio-terminal) 資料夾中找到此代碼。
-
-😀 你已成功使用 Wio Terminal 捕捉影像。
-
-## 可選 - 使用 SD 卡驗證相機影像
-
-查看相機捕捉的影像最簡單的方法是將它們寫入 Wio Terminal 中的 SD 卡，然後在電腦上查看。如果你有一張備用的 microSD 卡和電腦上的 microSD 卡插槽或適配器，可以完成此步驟。
-
-Wio Terminal 僅支持最大 16GB 的 microSD 卡。如果你有更大的 SD 卡，則無法使用。
-
-### 任務 - 使用 SD 卡驗證相機影像
-
-1. 使用電腦上的相關應用程式（macOS 的磁碟工具、Windows 的檔案總管或 Linux 的命令行工具）將 microSD 卡格式化為 FAT32 或 exFAT。
-
-1. 將 microSD 卡插入電源開關下方的插槽。確保完全插入直到卡扣住並保持到位，你可能需要使用指甲或細小工具推入。
-
-1. 在 `main.cpp` 檔案頂部添加以下 include 語句：
-
-    ```cpp
-    #include "SD/Seeed_SD.h"
-    #include <Seeed_FS.h>
-    ```
-
-1. 在 `setup` 函數之前添加以下函數：
-
-    ```cpp
-    void setupSDCard()
-    {
-        while (!SD.begin(SDCARD_SS_PIN, SDCARD_SPI))
-        {
-            Serial.println("SD Card Error");
-        }
-    }
-    ```
-
-    這使用 SPI 匯流排配置 SD 卡。
-
-1. 在 `setup` 函數中調用此函數：
-
-    ```cpp
-    setupSDCard();
-    ```
-
-1. 在 `buttonPressed` 函數上方添加以下代碼：
-
-    ```cpp
-    int fileNum = 1;
-
-    void saveToSDCard(byte *buffer, uint32_t length)
-    {
-        char buff[16];
-        sprintf(buff, "%d.jpg", fileNum);
-        fileNum++;
-    
-        File outFile = SD.open(buff, FILE_WRITE );
-        outFile.write(buffer, length);
-        outFile.close();
-
-        Serial.print("Image written to file ");
-        Serial.println(buff);
-    }
-    ```
-
-    這定義了一個用於文件計數的全域變數。這用於影像文件名，因此可以捕捉多個影像並使用遞增的文件名 - `1.jpg`、`2.jpg` 等。
-
-    然後定義了 `saveToSDCard` 函數，該函數接收一個字節數據緩衝區和緩衝區的長度。使用文件計數創建一個文件名，並遞增文件計數以準備下一個文件。然後將緩衝區中的二進位數據寫入文件。
-
-1. 在 `buttonPressed` 函數中調用 `saveToSDCard` 函數。此調用應該在刪除緩衝區 **之前**：
-
-    ```cpp
-    Serial.print("Image read to buffer with length ");
-    Serial.println(length);
-
-    saveToSDCard(buffer, length);
-    
-    delete(buffer);
-    ```
-
-1. 構建並上傳此代碼，並檢查串行監視器的輸出。每次按下 C 按鈕時，將捕捉一張影像並保存到 SD 卡。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 16392
-    Image written to file 1.jpg
-    Image captured
-    Image read to buffer with length 14344
-    Image written to file 2.jpg
-    ```
-
-1. 關閉 microSD 卡電源，稍微推入並釋放以彈出，然後取出。你可能需要使用細小工具完成此操作。將 microSD 卡插入電腦以查看影像。
-
-    ![使用 ArduCam 捕捉的香蕉照片](../../../../../translated_images/zh-MO/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg)
-💁 相機的白平衡可能需要幾張圖片來進行自我調整。您會根據拍攝的圖片顏色注意到這一點，前幾張可能顏色看起來不太正確。您可以通過修改程式碼，在 `setup` 函數中拍攝幾張被忽略的圖片來解決這個問題。
-
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
deleted file mode 100644
index 9de14ca12..000000000
--- a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
+++ /dev/null
@@ -1,229 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "32a1f23e7834fbe7715da8c4ebb450b9",
-  "translation_date": "2025-08-26T21:51:56+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
-  "language_code": "mo"
-}
--->
-# 將影像分類 - Wio Terminal
-
-在本課程中，您將把相機拍攝的影像傳送到 Custom Vision 服務進行分類。
-
-## 將影像分類
-
-Custom Vision 服務提供了一個 REST API，您可以從 Wio Terminal 呼叫該 API 來分類影像。這個 REST API 是透過 HTTPS 連線（安全的 HTTP 連線）來存取的。
-
-當與 HTTPS 端點互動時，客戶端程式碼需要向被存取的伺服器請求公鑰憑證，並使用該憑證加密傳輸的資料。您的網頁瀏覽器會自動完成這個過程，但微控制器不會。您需要手動請求這個憑證，並使用它來建立與 REST API 的安全連線。這些憑證是固定的，因此一旦獲取憑證，您可以將其硬編碼到應用程式中。
-
-這些憑證包含公鑰，無需保密。您可以將它們用於原始碼中，並公開分享，例如在 GitHub 上。
-
-### 任務 - 設置 SSL 客戶端
-
-1. 如果尚未開啟，請打開 `fruit-quality-detector` 應用程式專案。
-
-1. 打開 `config.h` 標頭檔案，並新增以下內容：
-
-    ```cpp
-    const char *CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
-        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
-        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
-        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
-        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
-        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
-        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
-        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
-        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
-        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
-        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
-        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
-        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
-        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
-        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
-        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
-        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
-        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
-        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
-        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
-        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
-        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
-        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
-        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
-        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
-        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
-        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
-        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
-        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
-        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
-        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
-        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-    這是 *Microsoft Azure DigiCert Global Root G2 憑證*，它是許多 Azure 服務全球使用的憑證之一。
-
-    > 💁 若要確認這是需要使用的憑證，請在 macOS 或 Linux 上執行以下指令。如果您使用的是 Windows，可以透過 [Windows Subsystem for Linux (WSL)](https://docs.microsoft.com/windows/wsl/?WT.mc_id=academic-17441-jabenn) 執行此指令：
-    >
-    > ```sh
-    > openssl s_client -showcerts -verify 5 -connect api.cognitive.microsoft.com:443
-    > ```
-    >
-    > 輸出將列出 DigiCert Global Root G2 憑證。
-
-1. 打開 `main.cpp`，新增以下 include 指令：
-
-    ```cpp
-    #include <WiFiClientSecure.h>
-    ```
-
-1. 在 include 指令下方，宣告一個 `WifiClientSecure` 的實例：
-
-    ```cpp
-    WiFiClientSecure client;
-    ```
-
-    此類別包含與 HTTPS 網路端點通訊的程式碼。
-
-1. 在 `connectWiFi` 方法中，設置 WiFiClientSecure 使用 DigiCert Global Root G2 憑證：
-
-    ```cpp
-    client.setCACert(CERTIFICATE);
-    ```
-
-### 任務 - 將影像分類
-
-1. 在 `platformio.ini` 檔案的 `lib_deps` 清單中新增以下內容作為額外的一行：
-
-    ```ini
-    bblanchon/ArduinoJson @ 6.17.3
-    ```
-
-    這會匯入 [ArduinoJson](https://arduinojson.org)，一個 Arduino 的 JSON 函式庫，將用於解碼來自 REST API 的 JSON 回應。
-
-1. 在 `config.h` 中，新增 Custom Vision 服務的預測 URL 和金鑰的常數：
-
-    ```cpp
-    const char *PREDICTION_URL = "<PREDICTION_URL>";
-    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
-    ```
-
-    將 `<PREDICTION_URL>` 替換為 Custom Vision 的預測 URL。將 `<PREDICTION_KEY>` 替換為預測金鑰。
-
-1. 在 `main.cpp` 中，新增 ArduinoJson 函式庫的 include 指令：
-
-    ```cpp
-    #include <ArduinoJSON.h>
-    ```
-
-1. 在 `main.cpp` 中，於 `buttonPressed` 函式上方新增以下函式：
-
-    ```cpp
-    void classifyImage(byte *buffer, uint32_t length)
-    {
-        HTTPClient httpClient;
-        httpClient.begin(client, PREDICTION_URL);
-        httpClient.addHeader("Content-Type", "application/octet-stream");
-        httpClient.addHeader("Prediction-Key", PREDICTION_KEY);
-    
-        int httpResponseCode = httpClient.POST(buffer, length);
-    
-        if (httpResponseCode == 200)
-        {
-            String result = httpClient.getString();
-    
-            DynamicJsonDocument doc(1024);
-            deserializeJson(doc, result.c_str());
-    
-            JsonObject obj = doc.as<JsonObject>();
-            JsonArray predictions = obj["predictions"].as<JsonArray>();
-    
-            for(JsonVariant prediction : predictions) 
-            {
-                String tag = prediction["tagName"].as<String>();
-                float probability = prediction["probability"].as<float>();
-    
-                char buff[32];
-                sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
-                Serial.println(buff);
-            }
-        }
-    
-        httpClient.end();
-    }
-    ```
-
-    此程式碼首先宣告一個 `HTTPClient`，這是一個包含與 REST API 互動方法的類別。接著，它使用先前設置的 Azure 公鑰透過 `WiFiClientSecure` 實例連接到預測 URL。
-
-    一旦連接成功，它會傳送標頭資訊，這些資訊描述即將對 REST API 發出的請求。`Content-Type` 標頭表示 API 呼叫將傳送原始二進位資料，`Prediction-Key` 標頭則傳遞 Custom Vision 的預測金鑰。
-
-    接著，對 HTTP 客戶端發出 POST 請求，並上傳一個位元組陣列。這個陣列包含當此函式被呼叫時，從相機拍攝的 JPEG 影像。
-
-    > 💁 POST 請求用於傳送資料並獲取回應。還有其他請求類型，例如 GET 請求，用於檢索資料。您的網頁瀏覽器使用 GET 請求來載入網頁。
-
-    POST 請求會返回一個回應狀態碼。這些是定義良好的值，其中 200 表示 **OK**，即 POST 請求成功。
-
-    > 💁 您可以在 [Wikipedia 的 HTTP 狀態碼列表頁面](https://wikipedia.org/wiki/List_of_HTTP_status_codes) 中查看所有回應狀態碼。
-
-    如果返回 200，則從 HTTP 客戶端讀取結果。這是一個來自 REST API 的文字回應，包含預測結果的 JSON 文件。JSON 的格式如下：
-
-    ```jSON
-    {
-        "id":"45d614d3-7d6f-47e9-8fa2-04f237366a16",
-        "project":"135607e5-efac-4855-8afb-c93af3380531",
-        "iteration":"04f1c1fa-11ec-4e59-bb23-4c7aca353665",
-        "created":"2021-06-10T17:58:58.959Z",
-        "predictions":[
-            {
-                "probability":0.5582016,
-                "tagId":"05a432ea-9718-4098-b14f-5f0688149d64",
-                "tagName":"ripe"
-            },
-            {
-                "probability":0.44179836,
-                "tagId":"bb091037-16e5-418e-a9ea-31c6a2920f17",
-                "tagName":"unripe"
-            }
-        ]
-    }
-    ```
-
-    這裡重要的部分是 `predictions` 陣列。它包含預測結果，每個標籤都有一個條目，包含標籤名稱和機率。返回的機率是從 0 到 1 的浮點數，0 表示與該標籤匹配的機率為 0%，1 表示 100%。
-
-    > 💁 影像分類器會返回所有使用過的標籤的百分比。每個標籤都會有一個影像與該標籤匹配的機率。
-
-    此 JSON 被解碼後，將每個標籤的機率傳送到序列監視器。
-
-1. 在 `buttonPressed` 函式中，將儲存到 SD 卡的程式碼替換為對 `classifyImage` 的呼叫，或者在影像寫入後但 **在刪除緩衝區之前** 新增該呼叫：
-
-    ```cpp
-    classifyImage(buffer, length);
-    ```
-
-    > 💁 如果您替換了儲存到 SD 卡的程式碼，可以清理您的程式碼，移除 `setupSDCard` 和 `saveToSDCard` 函式。
-
-1. 上傳並執行您的程式碼。將相機對準一些水果並按下 C 按鈕。您將在序列監視器中看到輸出：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 8200
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-    您將能夠看到拍攝的影像，並在 Custom Vision 的 **Predictions** 標籤中看到這些值。
-
-    ![Custom Vision 中的香蕉預測結果：成熟 56.8%，未成熟 43.1%](../../../../../translated_images/zh-MO/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png)
-
-> 💁 您可以在 [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 您的水果品質分類器程式大功告成！
-
----
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
deleted file mode 100644
index 5f4089b8c..000000000
--- a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
+++ /dev/null
@@ -1,626 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2625af24587465c5547ae33d6cc000a5",
-  "translation_date": "2025-08-26T22:00:01+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
-  "language_code": "mo"
-}
--->
-# 在邊緣設備上運行水果檢測器
-
-![本課程概述的手繪筆記](../../../../../translated_images/zh-MO/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了如何在物聯網設備上運行圖像分類器，這是本課程的主題。
-
-[![Azure IoT Edge上的自訂視覺AI](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
-
-## 簡介
-
-在上一課中，你使用了圖像分類器來區分成熟和未成熟的水果，並將物聯網設備上的相機捕捉到的圖像通過網路傳送到雲端服務。這些操作需要時間，會產生費用，並且根據所使用的圖像數據類型，可能會涉及隱私問題。
-
-在本課中，你將學習如何在邊緣設備上運行機器學習（ML）模型——即在自己的網路上運行物聯網設備，而不是在雲端。你將了解邊緣計算相較於雲端計算的優勢和劣勢，如何將AI模型部署到邊緣設備，以及如何從物聯網設備訪問它。
-
-本課程將涵蓋以下內容：
-
-* [邊緣計算](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [註冊物聯網邊緣設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [設置物聯網邊緣設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [導出模型](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [準備容器以進行部署](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [部署容器](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [使用物聯網邊緣設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-
-## 邊緣計算
-
-邊緣計算是指將處理物聯網數據的計算機儘可能靠近數據生成的地方。與其在雲端進行處理，邊緣計算將處理移至雲端的邊緣——你的內部網路。
-
-![一個架構圖顯示雲端的網路服務和本地網路上的物聯網設備](../../../../../translated_images/zh-MO/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png)
-
-到目前為止的課程中，你的設備一直在收集數據並將數據發送到雲端進行分析，運行無伺服器函數或AI模型。
-
-![一個架構圖顯示本地網路上的物聯網設備連接到邊緣設備，邊緣設備再連接到雲端](../../../../../translated_images/zh-MO/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png)
-
-邊緣計算將部分雲端服務移至與物聯網設備相同網路上的計算機，僅在需要時與雲端通信。例如，你可以在邊緣設備上運行AI模型來分析水果的成熟度，並僅將分析結果（如成熟水果與未成熟水果的數量）發送回雲端。
-
-✅ 思考一下你已經構建的物聯網應用程序，其中哪些部分可以移至邊緣。
-
-### 優勢
-
-邊緣計算的優勢包括：
-
-1. **速度** - 邊緣計算非常適合時間敏感的數據，因為操作是在與設備相同的網路上完成，而不是通過網路進行呼叫。這使得速度更快，因為內部網路的速度通常比網路連接快得多，數據傳輸距離也更短。
-
-    > 💁 儘管網路連接使用光纖電纜使數據能以光速傳輸，但數據在全球範圍內傳輸到雲端提供商仍需要時間。例如，從歐洲向美國的雲端服務發送數據，僅跨越大西洋的光纖電纜就需要至少28毫秒，這還不包括數據到達光纖電纜的時間、電信號轉換為光信號以及另一端的反向轉換時間，然後再從光纖電纜到雲端提供商。
-
-    邊緣計算還需要更少的網路流量，降低了因網路連接有限帶寬的擁塞而導致數據減速的風險。
-
-1. **遠程可訪問性** - 邊緣計算在網路連接有限或無法連接，或者連接成本過高時仍然有效。例如在基礎設施有限的災難救援地區或發展中國家工作時。
-
-1. **成本更低** - 在邊緣設備上執行數據收集、存儲、分析和觸發操作可以減少雲端服務的使用，從而降低物聯網應用程序的整體成本。最近出現了專為邊緣計算設計的設備，例如 [NVIDIA 的 Jetson Nano](https://developer.nvidia.com/embedded/jetson-nano-developer-kit)，這些設備可以使用GPU硬件運行AI工作負載，成本低於100美元。
-
-1. **隱私和安全性** - 使用邊緣計算，數據保留在你的網路中，不會上傳到雲端。這通常是敏感和個人識別信息的首選，尤其是因為數據在分析後不需要存儲，這大大降低了數據洩漏的風險。例如醫療數據和安全攝像機的影像。
-
-1. **處理不安全設備** - 如果你有已知存在安全漏洞的設備，不希望直接連接到你的網路或網路連接，可以將它們連接到一個獨立網路上的網關物聯網邊緣設備。這個邊緣設備可以同時連接到更廣泛的網路或網路連接，並管理數據流的來回。
-
-1. **支持不兼容設備** - 如果你有無法直接連接到物聯網中心的設備，例如只能使用HTTP連接的設備或僅有藍牙連接的設備，可以使用物聯網邊緣設備作為網關設備，將消息轉發到物聯網中心。
-
-✅ 做一些研究：邊緣計算還有哪些其他優勢？
-
-### 劣勢
-
-邊緣計算也有劣勢，某些情況下雲端可能是更好的選擇：
-
-1. **規模和靈活性** - 雲端計算可以根據網路和數據需求即時調整資源，增加或減少伺服器和其他資源。增加更多邊緣計算機則需要手動添加更多設備。
-
-1. **可靠性和韌性** - 雲端計算通常提供多個伺服器，甚至多個地點的冗餘和災難恢復。要在邊緣上達到相同的冗餘水平需要大量投資和配置工作。
-
-1. **維護** - 雲端服務提供商提供系統維護和更新。
-
-✅ 做一些研究：邊緣計算還有哪些其他劣勢？
-
-劣勢基本上是使用雲端的優勢的反面——你需要自己構建和管理這些設備，而不是依賴雲端提供商的專業知識和規模。
-
-某些風險可以通過邊緣計算的特性來減輕。例如，如果你有一個邊緣設備在工廠中運行，收集機器的數據，你不需要考慮某些災難恢復場景。如果工廠停電，那麼你不需要備份邊緣設備，因為生成數據的機器也會因停電而停止運行。
-
-對於物聯網系統，你通常需要雲端和邊緣計算的結合，根據系統、客戶和維護者的需求來利用每種服務。
-
-## Azure IoT Edge
-
-![Azure IoT Edge標誌](../../../../../translated_images/zh-MO/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png)
-
-Azure IoT Edge 是一項服務，可以幫助你將工作負載從雲端移至邊緣。你可以將設備設置為邊緣設備，並從雲端部署代碼到該邊緣設備。這使得你可以結合雲端和邊緣的能力。
-
-> 🎓 *工作負載* 是指任何執行某種工作的服務，例如AI模型、應用程序或無伺服器函數。
-
-例如，你可以在雲端訓練一個圖像分類器，然後從雲端將其部署到邊緣設備。你的物聯網設備隨後將圖像發送到邊緣設備進行分類，而不是通過網路發送圖像。如果需要部署模型的新版本，你可以在雲端訓練並使用IoT Edge將新版本更新到邊緣設備。
-
-> 🎓 部署到IoT Edge的軟件被稱為 *模組*。默認情況下，IoT Edge運行與IoT Hub通信的模組，例如 `edgeAgent` 和 `edgeHub` 模組。當你部署圖像分類器時，它會作為額外的模組部署。
-
-IoT Edge內建於IoT Hub中，因此你可以使用管理物聯網設備的同一服務來管理邊緣設備，並具有相同的安全級別。
-
-IoT Edge從 *容器* 中運行代碼——容器是獨立的應用程序，與計算機上的其他應用程序隔離運行。當你運行容器時，它就像在你的計算機內部運行的獨立計算機，擁有自己的軟件、服務和應用程序。大多數情況下，容器無法訪問計算機上的任何內容，除非你選擇與容器共享某些內容，例如文件夾。容器通過開放的端口暴露服務，你可以連接到該端口或將其暴露到網路。
-
-![一個網頁請求被重定向到容器](../../../../../translated_images/zh-MO/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png)
-
-例如，你可以有一個容器在端口80上運行網站，這是默認的HTTP端口，然後你可以將其暴露在你的計算機上，也是在端口80。
-
-✅ 做一些研究：了解容器和像Docker或Moby這樣的服務。
-
-你可以使用Custom Vision下載圖像分類器並將其作為容器部署，直接運行在設備上或通過IoT Edge部署。一旦它們在容器中運行，你可以使用與雲端版本相同的REST API訪問它，但端點指向運行容器的邊緣設備。
-
-## 註冊物聯網邊緣設備
-
-要使用物聯網邊緣設備，必須在IoT Hub中註冊。
-
-### 任務 - 註冊物聯網邊緣設備
-
-1. 在 `fruit-quality-detector` 資源群組中創建一個IoT Hub。給它一個基於 `fruit-quality-detector` 的唯一名稱。
-
-1. 在你的IoT Hub中註冊一個名為 `fruit-quality-detector-edge` 的物聯網邊緣設備。執行此操作的命令與註冊非邊緣設備的命令類似，只需添加 `--edge-enabled` 標誌。
-
-    ```sh
-    az iot hub device-identity create --edge-enabled \
-                                      --device-id fruit-quality-detector-edge \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你的IoT Hub的名稱。
-
-1. 使用以下命令獲取設備的連接字串：
-
-    ```sh
-    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
-                                                      --output table \
-                                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你的IoT Hub的名稱。
-
-    複製輸出中顯示的連接字串。
-
-## 設置物聯網邊緣設備
-
-在你的IoT Hub中創建邊緣設備註冊後，你可以設置邊緣設備。
-
-### 任務 - 安裝並啟動IoT Edge運行時
-
-**IoT Edge運行時僅運行Linux容器。** 它可以在Linux上運行，也可以在Windows上通過Linux虛擬機運行。
-
-* 如果你使用Raspberry Pi作為物聯網設備，那麼它運行的是受支持的Linux版本，可以托管IoT Edge運行時。按照[Microsoft文檔上的Linux版Azure IoT Edge安裝指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn)安裝IoT Edge並設置連接字串。
-
-    > 💁 請記住，Raspberry Pi OS是Debian Linux的一個變體。
-
-* 如果你沒有使用Raspberry Pi，但有一台Linux計算機，你可以運行IoT Edge運行時。按照[Microsoft文檔上的Linux版Azure IoT Edge安裝指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn)安裝IoT Edge並設置連接字串。
-
-* 如果你使用Windows，可以在Linux虛擬機中安裝IoT Edge運行時，按照[Microsoft文檔上的在Windows設備上部署首個IoT Edge模組快速入門的安裝和啟動IoT Edge運行時部分](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime)。到達 *部署模組* 部分時可以停止。
-
-* 如果你使用macOS，可以在雲端創建虛擬機（VM）作為你的IoT Edge設備。這些是你可以在雲端創建並通過網路訪問的計算機。你可以創建一個安裝了IoT Edge的Linux VM。按照[運行IoT Edge的虛擬機創建指南](vm-iotedge.md)進行操作。
-
-## 導出模型
-
-要在邊緣運行分類器，需要從Custom Vision導出。Custom Vision可以生成兩種類型的模型——標準模型和緊湊型模型。緊湊型模型使用各種技術來減小模型的大小，使其足夠小以便下載並部署到物聯網設備。
-
-當你創建圖像分類器時，你使用了 *Food* 域，這是針對食物圖像訓練的模型版本。在Custom Vision中，你可以更改項目的域，使用你的訓練數據訓練一個新域的新模型。Custom Vision支持的所有域都可以作為標準和緊湊型版本。
-
-### 任務 - 使用Food（緊湊型）域訓練你的模型
-1. 開啟 [CustomVision.ai](https://customvision.ai) 的 Custom Vision 入口網站，並登入（如果尚未開啟）。接著打開你的 `fruit-quality-detector` 專案。
-
-1. 選擇 **設定** 按鈕（⚙ 圖示）。
-
-1. 在 *Domains* 清單中，選擇 *Food (compact)*。
-
-1. 在 *Export Capabilities* 下，確認選擇了 *Basic platforms (Tensorflow, CoreML, ONNX, ...)*。
-
-1. 在設定頁面的底部，選擇 **儲存變更**。
-
-1. 使用 **訓練** 按鈕重新訓練模型，並選擇 *快速訓練*。
-
-### 任務 - 匯出你的模型
-
-當模型訓練完成後，需要將其匯出為容器。
-
-1. 選擇 **效能** 分頁，找到使用 compact domain 訓練的最新迭代版本。
-
-1. 點擊頂部的 **匯出** 按鈕。
-
-1. 選擇 **DockerFile**，然後選擇與你的邊緣設備相符的版本：
-
-    * 如果你在 Linux 電腦、Windows 電腦或虛擬機器上運行 IoT Edge，選擇 *Linux* 版本。
-    * 如果你在 Raspberry Pi 上運行 IoT Edge，選擇 *ARM (Raspberry Pi 3)* 版本。
-
-> 🎓 Docker 是管理容器最受歡迎的工具之一，而 DockerFile 是一組用於設置容器的指令。
-
-1. 選擇 **匯出** 讓 Custom Vision 建立相關檔案，然後點擊 **下載** 以壓縮檔案形式下載。
-
-1. 將檔案儲存到你的電腦，然後解壓縮資料夾。
-
-## 為部署準備容器
-
-![容器被建置後推送到容器註冊表，然後通過 IoT Edge 從容器註冊表部署到邊緣設備](../../../../../translated_images/zh-MO/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png)
-
-下載模型後，需要將其建置為容器，然後推送到容器註冊表——一個用於儲存容器的線上位置。IoT Edge 可以從註冊表下載容器並推送到你的設備。
-
-![Azure 容器註冊表標誌](../../../../../translated_images/zh-MO/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png)
-
-本課程中使用的容器註冊表是 Azure Container Registry。這不是免費服務，因此為了節省費用，請確保在完成後[清理你的專案](../../../clean-up.md)。
-
-> 💁 你可以在 [Azure Container Registry 價格頁面](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn) 查看使用 Azure Container Registry 的成本。
-
-### 任務 - 安裝 Docker
-
-為了建置和部署分類器，你可能需要安裝 [Docker](https://www.docker.com/)。
-
-只有當你計劃從與安裝 IoT Edge 的設備不同的設備建置容器時，才需要這樣做——因為在安裝 IoT Edge 的過程中，Docker 已經為你安裝好了。
-
-1. 如果你在與 IoT Edge 設備不同的設備上建置 Docker 容器，請按照 [Docker 安裝頁面](https://www.docker.com/products/docker-desktop) 的指導安裝 Docker Desktop 或 Docker 引擎。安裝後確保其正在運行。
-
-### 任務 - 建立容器註冊表資源
-
-1. 在終端機或命令提示字元中執行以下命令以建立 Azure Container Registry 資源：
-
-    ```sh
-    az acr create --resource-group fruit-quality-detector \
-                  --sku Basic \
-                  --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為容器註冊表的唯一名稱，只能使用字母和數字。以 `fruitqualitydetector` 為基礎命名。此名稱將成為訪問容器註冊表的 URL 的一部分，因此需要全域唯一。
-
-1. 使用以下命令登入 Azure Container Registry：
-
-    ```sh
-    az acr login --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-1. 將容器註冊表設置為管理模式，以便生成密碼，執行以下命令：
-
-    ```sh
-    az acr update --admin-enabled true \
-                 --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-1. 使用以下命令生成容器註冊表的密碼：
-
-    ```sh
-     az acr credential renew --password-name password \
-                             --output table \
-                             --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-    複製 `PASSWORD` 的值，稍後會用到。
-
-### 任務 - 建置你的容器
-
-從 Custom Vision 下載的是一個 DockerFile，包含如何建置容器的指令，以及將在容器內運行的應用程式代碼，用於託管你的 Custom Vision 模型和 REST API。你可以使用 Docker 從 DockerFile 建置一個標記的容器，然後將其推送到容器註冊表。
-
-> 🎓 容器會被賦予一個標籤，定義其名稱和版本。當需要更新容器時，可以使用相同的標籤但較新的版本進行建置。
-
-1. 打開終端機或命令提示字元，導航到從 Custom Vision 下載並解壓縮的模型資料夾。
-
-1. 執行以下命令以建置並標記映像：
-
-    ```sh
-    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
-    ```
-
-    將 `<platform>` 替換為容器將運行的平台。如果你在 Raspberry Pi 上運行 IoT Edge，設置為 `linux/armhf`，否則設置為 `linux/amd64`。
-
-    > 💁 如果你在運行 IoT Edge 的設備上執行此命令，例如 Raspberry Pi，可以省略 `--platform <platform>` 部分，因為它默認為當前平台。
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-    > 💁 如果你在 Linux 或 Raspberry Pi OS 上運行，可能需要使用 `sudo` 執行此命令。
-
-    Docker 將建置映像，配置所需的所有軟體。映像將被標記為 `classifier:v1`。
-
-    ```output
-    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker build --platform linux/amd64 -t  fruitqualitydetectorjimb.azurecr.io/classifier:v1 .
-    [+] Building 102.4s (11/11) FINISHED
-     => [internal] load build definition from Dockerfile
-     => => transferring dockerfile: 131B
-     => [internal] load .dockerignore
-     => => transferring context: 2B
-     => [internal] load metadata for docker.io/library/python:3.7-slim
-     => [internal] load build context
-     => => transferring context: 905B
-     => [1/6] FROM docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
-     => => resolve docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
-     => => sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda 27.15MB / 27.15MB
-     => => sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9 2.77MB / 2.77MB
-     => => sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8 10.06MB / 10.06MB
-     => => sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6 1.86kB / 1.86kB
-     => => sha256:44073386687709c437586676b572ff45128ff1f1570153c2f727140d4a9accad 1.37kB / 1.37kB
-     => => sha256:3d94f0f2ca798607808b771a7766f47ae62a26f820e871dd488baeccc69838d1 8.31kB / 8.31kB
-     => => sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41 233B / 233B
-     => => sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f 2.64MB / 2.64MB
-     => => extracting sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda
-     => => extracting sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9
-     => => extracting sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8
-     => => extracting sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41
-     => => extracting sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f
-     => [2/6] RUN pip install -U pip
-     => [3/6] RUN pip install --no-cache-dir numpy~=1.17.5 tensorflow~=2.0.2 flask~=1.1.2 pillow~=7.2.0
-     => [4/6] RUN pip install --no-cache-dir mscviplib==2.200731.16
-     => [5/6] COPY app /app
-     => [6/6] WORKDIR /app
-     => exporting to image
-     => => exporting layers
-     => => writing image sha256:1846b6f134431f78507ba7c079358ed66d944c0e185ab53428276bd822400386
-     => => naming to fruitqualitydetectorjimb.azurecr.io/classifier:v1
-    ```
-
-### 任務 - 將容器推送到容器註冊表
-
-1. 使用以下命令將容器推送到容器註冊表：
-
-    ```sh
-    docker push <Container registry name>.azurecr.io/classifier:v1
-    ```
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-    > 💁 如果你在 Linux 上運行，可能需要使用 `sudo` 執行此命令。
-
-    容器將被推送到容器註冊表。
-
-    ```output
-    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker push fruitqualitydetectorjimb.azurecr.io/classifier:v1
-    The push refers to repository [fruitqualitydetectorjimb.azurecr.io/classifier]
-    5f70bf18a086: Pushed 
-    8a1ba9294a22: Pushed 
-    56cf27184a76: Pushed 
-    b32154f3f5dd: Pushed 
-    36103e9a3104: Pushed 
-    e2abb3cacca0: Pushed 
-    4213fd357bbe: Pushed 
-    7ea163ba4dce: Pushed 
-    537313a13d90: Pushed 
-    764055ebc9a7: Pushed 
-    v1: digest: sha256:ea7894652e610de83a5a9e429618e763b8904284253f4fa0c9f65f0df3a5ded8 size: 2423
-    ```
-
-1. 為了驗證推送，你可以使用以下命令列出註冊表中的容器：
-
-    ```sh
-    az acr repository list --output table \
-                           --name <Container registry name> 
-    ```
-
-    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
-
-    ```output
-    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
-    Result
-    ----------
-    classifier
-    ```
-
-    你將在輸出中看到你的分類器。
-
-## 部署你的容器
-
-現在可以將容器部署到 IoT Edge 設備。要部署，你需要定義一個部署清單——一個列出將部署到邊緣設備的模組的 JSON 文件。
-
-### 任務 - 建立部署清單
-
-1. 在電腦上某處建立一個名為 `deployment.json` 的新檔案。
-
-1. 在此檔案中新增以下內容：
-
-    ```json
-    {
-        "content": {
-            "modulesContent": {
-                "$edgeAgent": {
-                    "properties.desired": {
-                        "schemaVersion": "1.1",
-                        "runtime": {
-                            "type": "docker",
-                            "settings": {
-                                "minDockerVersion": "v1.25",
-                                "loggingOptions": "",
-                                "registryCredentials": {
-                                    "ClassifierRegistry": {
-                                        "username": "<Container registry name>",
-                                        "password": "<Container registry password>",
-                                        "address": "<Container registry name>.azurecr.io"
-                                      }
-                                }
-                            }
-                        },
-                        "systemModules": {
-                            "edgeAgent": {
-                                "type": "docker",
-                                "settings": {
-                                    "image": "mcr.microsoft.com/azureiotedge-agent:1.1",
-                                    "createOptions": "{}"
-                                }
-                            },
-                            "edgeHub": {
-                                "type": "docker",
-                                "status": "running",
-                                "restartPolicy": "always",
-                                "settings": {
-                                    "image": "mcr.microsoft.com/azureiotedge-hub:1.1",
-                                    "createOptions": "{\"HostConfig\":{\"PortBindings\":{\"5671/tcp\":[{\"HostPort\":\"5671\"}],\"8883/tcp\":[{\"HostPort\":\"8883\"}],\"443/tcp\":[{\"HostPort\":\"443\"}]}}}"
-                                }
-                            }
-                        },
-                        "modules": {
-                            "ImageClassifier": {
-                                "version": "1.0",
-                                "type": "docker",
-                                "status": "running",
-                                "restartPolicy": "always",
-                                "settings": {
-                                    "image": "<Container registry name>.azurecr.io/classifier:v1",
-                                    "createOptions": "{\"ExposedPorts\": {\"80/tcp\": {}},\"HostConfig\": {\"PortBindings\": {\"80/tcp\": [{\"HostPort\": \"80\"}]}}}"
-                                }
-                            }
-                        }
-                    }
-                },
-                "$edgeHub": {
-                    "properties.desired": {
-                        "schemaVersion": "1.1",
-                        "routes": {
-                            "upstream": "FROM /messages/* INTO $upstream"
-                        },
-                        "storeAndForwardConfiguration": {
-                            "timeToLiveSecs": 7200
-                        }
-                    }
-                }
-            }
-        }
-    }
-    ```
-
-    > 💁 你可以在 [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment) 資料夾中找到此檔案。
-
-    將三個 `<Container registry name>` 替換為你使用的容器註冊表名稱。一個在 `ImageClassifier` 模組部分，另外兩個在 `registryCredentials` 部分。
-
-    將 `registryCredentials` 部分中的 `<Container registry password>` 替換為你的容器註冊表密碼。
-
-1. 從包含部署清單的資料夾執行以下命令：
-
-    ```sh
-    az iot edge set-modules --device-id fruit-quality-detector-edge \
-                            --content deployment.json \
-                            --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你的 IoT Hub 名稱。
-
-    映像分類器模組將被部署到你的邊緣設備。
-
-### 任務 - 驗證分類器是否正在運行
-
-1. 連接到 IoT Edge 設備：
-
-    * 如果你使用 Raspberry Pi 運行 IoT Edge，通過終端機使用 ssh 或通過 VS Code 的遠端 SSH 會話連接。
-    * 如果你在 Windows 上的 Linux 容器中運行 IoT Edge，按照 [驗證成功配置指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge-on-windows?WT.mc_id=academic-17441-jabenn&view=iotedge-2018-06&tabs=powershell#verify-successful-configuration) 的步驟連接到 IoT Edge 設備。
-    * 如果你在虛擬機器上運行 IoT Edge，可以使用你在建立 VM 時設置的 `adminUsername` 和 `password`，以及 IP 地址或 DNS 名稱進行 SSH 連接：
-
-        ```sh
-        ssh <adminUsername>@<IP address>
-        ```
-
-        或：
-
-        ```sh
-        ssh <adminUsername>@<DNS Name>
-        ```
-
-        當提示時輸入你的密碼。
-
-1. 連接後，執行以下命令以獲取 IoT Edge 模組列表：
-
-    ```sh
-    iotedge list
-    ```
-
-    > 💁 你可能需要使用 `sudo` 執行此命令。
-
-    你將看到正在運行的模組：
-
-    ```output
-    jim@fruit-quality-detector-jimb:~$ iotedge list
-    NAME             STATUS           DESCRIPTION      CONFIG
-    ImageClassifier  running          Up 42 minutes    fruitqualitydetectorjimb.azurecr.io/classifier:v1
-    edgeAgent        running          Up 42 minutes    mcr.microsoft.com/azureiotedge-agent:1.1
-    edgeHub          running          Up 42 minutes    mcr.microsoft.com/azureiotedge-hub:1.1
-    ```
-
-1. 使用以下命令檢查映像分類器模組的日誌：
-
-    ```sh
-    iotedge logs ImageClassifier
-    ```
-
-    > 💁 你可能需要使用 `sudo` 執行此命令。
-
-    ```output
-    jim@fruit-quality-detector-jimb:~$ iotedge logs ImageClassifier
-    2021-07-05 20:30:15.387144: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
-    2021-07-05 20:30:15.392185: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 2394450000 Hz
-    2021-07-05 20:30:15.392712: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x55ed9ac83470 executing computations on platform Host. Devices:
-    2021-07-05 20:30:15.392806: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): Host, Default Version
-    Loading model...Success!
-    Loading labels...2 found. Success!
-     * Serving Flask app "app" (lazy loading)
-     * Environment: production
-       WARNING: This is a development server. Do not use it in a production deployment.
-       Use a production WSGI server instead.
-     * Debug mode: off
-     * Running on http://0.0.0.0:80/ (Press CTRL+C to quit)
-    ```
-
-### 任務 - 測試映像分類器
-
-1. 你可以使用 CURL 測試映像分類器，通過運行 IoT Edge 代理的電腦的 IP 地址或主機名進行測試。找到 IP 地址：
-
-    * 如果你在運行 IoT Edge 的同一台機器上，可以使用 `localhost` 作為主機名。
-    * 如果你使用的是 VM，可以使用 VM 的 IP 地址或 DNS 名稱。
-    * 否則，你可以獲取運行 IoT Edge 的機器的 IP 地址：
-      * 在 Windows 10 上，請參考 [查找 IP 地址指南](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn)。
-      * 在 macOS 上，請參考 [如何在 Mac 上查找 IP 地址指南](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac)。
-      * 在 Linux 上，請參考 [如何在 Linux 中查找 IP 地址指南](https://opensource.com/article/18/5/how-find-ip-address-linux) 中的查找私有 IP 地址部分。
-
-1. 你可以使用以下 curl 命令測試容器與本地檔案：
-
-    ```sh
-    curl --location \
-         --request POST 'http://<IP address or name>/image' \
-         --header 'Content-Type: image/png' \
-         --data-binary '@<file_Name>' 
-    ```
-
-    將 `<IP address or name>` 替換為運行 IoT Edge 的電腦的 IP 地址或主機名。將 `<file_Name>` 替換為要測試的檔案名稱。
-
-    你將在輸出中看到預測結果：
-
-    ```output
-    {
-        "created": "2021-07-05T21:44:39.573181",
-        "id": "",
-        "iteration": "",
-        "predictions": [
-            {
-                "boundingBox": null,
-                "probability": 0.9995615482330322,
-                "tagId": "",
-                "tagName": "ripe"
-            },
-            {
-                "boundingBox": null,
-                "probability": 0.0004384400090202689,
-                "tagId": "",
-                "tagName": "unripe"
-            }
-        ],
-        "project": ""
-    }
-    ```
-
-    > 💁 這裡不需要提供預測金鑰，因為這不是使用 Azure 資源。相反，安全性將基於內部網路的內部安全需求進行配置，而不是依賴公共端點和 API 金鑰。
-
-## 使用你的 IoT Edge 設備
-
-現在你的映像分類器已部署到 IoT Edge 設備，你可以從 IoT 設備使用它。
-
-### 任務 - 使用你的 IoT Edge 設備
-
-按照相關指南使用 IoT Edge 分類器進行映像分類：
-
-* [Arduino - Wio Terminal](wio-terminal.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer.md)
-
-### 模型重新訓練
-
-在 IoT Edge 上運行映像分類器的一個缺點是它們未連接到你的 Custom Vision 專案。如果你查看 Custom Vision 的 **預測** 分頁，將看不到使用基於 Edge 的分類器分類的映像。
-
-這是預期行為——映像不會被發送到雲端進行分類，因此它們不會在雲端中可用。使用 IoT Edge 的一個優點是隱私性，確保映像不會離開你的網路，另一個優點是能夠離線工作，因此當設備沒有網路連接時不依賴於上傳映像。缺點是改進你的模型——你需要實現另一種方式來儲存映像，這些映像可以手動重新分類以改進和重新訓練映像分類器。
-
-✅ 思考如何上傳映像以重新訓練分類器。
-
----
-
-## 🚀 挑戰
-
-在邊緣設備上運行 AI 模型可能比在雲端更快——網路跳躍更短。它們也可能更慢，因為運行模型的硬體可能不如雲端強大。
-
-進行一些計時，並比較調用邊緣設備是否比調用雲端更快或更慢？思考解釋差異或缺乏差異的原因。研究如何使用專用硬體在邊緣上更快地運行 AI 模型。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
-
-## 回顧與自學
-
-* 閱讀更多關於容器的內容，請參考 [Wikipedia 上的作業系統級虛擬化頁面](https://wikipedia.org/wiki/OS-level_virtualization)。
-* 閱讀更多有關邊緣運算的內容，特別是5G如何幫助擴展邊緣運算的相關資訊，請參考[NetworkWorld 上的「什麼是邊緣運算及其重要性」文章](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html)  
-* 透過觀看[Microsoft Channel9 上 Learn Live 節目中的「學習如何在邊緣上使用 Azure IoT Edge 的預建 AI 服務進行語言檢測」集數](https://channel9.msdn.com/Shows/Learn-Live/Sharpen-Your-AI-Edge-Skills-Episode-4-Learn-How-to-Use-Azure-IoT-Edge-on-a-Pre-Built-AI-Service-on-t?WT.mc_id=academic-17441-jabenn)，了解更多在 IoT Edge 上運行 AI 服務的知識。
-
-## 作業
-
-[在邊緣運行其他服務](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
deleted file mode 100644
index bc7b969e0..000000000
--- a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
+++ /dev/null
@@ -1,27 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
-  "translation_date": "2025-08-26T22:01:49+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
-  "language_code": "mo"
-}
--->
-# 在邊緣運行其他服務
-
-## 指導說明
-
-不僅僅是影像分類器可以在邊緣運行，任何可以打包成容器的應用都可以部署到 IoT Edge 設備上。無伺服器代碼（如您在之前課程中創建的觸發器）可以作為 Azure Functions 運行在容器中，因此也可以在 IoT Edge 上運行。
-
-選擇之前的某一課程，嘗試將 Azure Functions 應用運行在 IoT Edge 容器中。您可以在 [教程：將 Azure Functions 部署為 IoT Edge 模組 - Microsoft 文檔](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11) 中找到使用不同 Functions 應用項目進行操作的指南。
-
-## 評分標準
-
-| 評分標準 | 卓越 | 合格 | 需要改進 |
-| -------- | ----- | ----- | -------- |
-| 將 Azure Functions 應用部署到 IoT Edge | 能夠成功將 Azure Functions 應用部署到 IoT Edge，並使用 IoT 設備從 IoT 數據運行觸發器 | 能夠將 Functions 應用部署到 IoT Edge，但無法成功觸發 | 無法將 Functions 應用部署到 IoT Edge |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
deleted file mode 100644
index 2d7885aee..000000000
--- a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
+++ /dev/null
@@ -1,68 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "50151d9f9dce2801348a93880ef16d86",
-  "translation_date": "2025-08-26T22:04:19+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
-  "language_code": "mo"
-}
--->
-# 使用基於 IoT Edge 的影像分類器來分類影像 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，您將使用運行於 IoT Edge 裝置上的影像分類器。
-
-## 使用 IoT Edge 分類器
-
-IoT 裝置可以重新導向以使用 IoT Edge 影像分類器。影像分類器的 URL 是 `http://<IP address or name>/image`，將 `<IP address or name>` 替換為運行 IoT Edge 的電腦的 IP 位址或主機名稱。
-
-Custom Vision 的 Python 函式庫僅適用於雲端託管的模型，而不適用於 IoT Edge 上的模型。這意味著您需要使用 REST API 來呼叫分類器。
-
-### 任務 - 使用 IoT Edge 分類器
-
-1. 如果尚未開啟，請在 VS Code 中開啟 `fruit-quality-detector` 專案。如果您使用的是虛擬 IoT 裝置，請確保虛擬環境已啟動。
-
-1. 開啟 `app.py` 檔案，並移除來自 `azure.cognitiveservices.vision.customvision.prediction` 和 `msrest.authentication` 的匯入語句。
-
-1. 在檔案頂部新增以下匯入語句：
-
-    ```python
-    import requests
-    ```
-
-1. 刪除從 `image_file.write(image.read())` 到檔案結尾的所有程式碼。
-
-1. 在檔案結尾新增以下程式碼：
-
-    ```python
-    prediction_url = '<URL>'
-    headers = {
-        'Content-Type' : 'application/octet-stream'
-    }
-    image.seek(0)
-    response = requests.post(prediction_url, headers=headers, data=image)
-    results = response.json()
-    
-    for prediction in results['predictions']:
-        print(f'{prediction["tagName"]}:\t{prediction["probability"] * 100:.2f}%')
-    ```
-
-    將 `<URL>` 替換為您的分類器的 URL。
-
-    此程式碼會向分類器發送一個 REST POST 請求，將影像作為請求的主體發送。結果以 JSON 格式返回，並解碼以列印出概率。
-
-1. 執行您的程式碼，將相機對準一些水果，或使用適當的影像集，或者如果使用虛擬 IoT 硬體，則讓水果在您的網路攝影機中可見。您將在控制台中看到輸出：
-
-    ```output
-    (.venv) ➜  fruit-quality-detector python app.py
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-> 💁 您可以在 [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) 或 [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 您的水果品質分類器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
deleted file mode 100644
index 35f3d1faa..000000000
--- a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
+++ /dev/null
@@ -1,115 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "24dc783a600e20251211987b36370e93",
-  "translation_date": "2025-08-26T22:02:48+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
-  "language_code": "mo"
-}
--->
-# 建立運行 IoT Edge 的虛擬機器
-
-在 Azure 中，你可以建立一台虛擬機器——一台雲端中的電腦，你可以隨意配置並在其上運行自己的軟體。
-
-> 💁 你可以在 [維基百科的虛擬機器頁面](https://wikipedia.org/wiki/Virtual_machine) 上了解更多關於虛擬機器的資訊。
-
-## 任務 - 設置 IoT Edge 虛擬機器
-
-1. 執行以下指令來建立一台已預先安裝 Azure IoT Edge 的虛擬機器：
-
-    ```sh
-    az deployment group create \
-                --resource-group fruit-quality-detector \
-                --template-uri https://raw.githubusercontent.com/Azure/iotedge-vm-deploy/1.2.0/edgeDeploy.json \
-                --parameters dnsLabelPrefix=<vm_name> \
-                --parameters adminUsername=<username> \
-                --parameters deviceConnectionString="<connection_string>" \
-                --parameters authenticationType=password \
-                --parameters adminPasswordOrKey="<password>"
-    ```
-
-    將 `<vm_name>` 替換為這台虛擬機器的名稱。這個名稱需要在全球範圍內唯一，因此可以使用類似 `fruit-quality-detector-vm-` 加上你的名字或其他值作為結尾。
-
-    將 `<username>` 和 `<password>` 替換為用於登入虛擬機器的使用者名稱和密碼。這些需要相對安全，因此不能使用 admin/password 這樣的簡單組合。
-
-    將 `<connection_string>` 替換為你的 `fruit-quality-detector-edge` IoT Edge 裝置的連接字串。
-
-    這將建立一台配置為 `DS1 v2` 類型的虛擬機器。這些類別表示機器的性能，也因此影響成本。這台虛擬機器有 1 顆 CPU 和 3.5GB 的記憶體。
-
-    > 💰 你可以在 [Azure 虛擬機器定價指南](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn) 上查看這些虛擬機器的最新價格。
-
-    一旦虛擬機器建立完成，IoT Edge 執行環境將自動安裝，並配置為連接到你的 IoT Hub 作為 `fruit-quality-detector-edge` 裝置。
-
-1. 你需要虛擬機器的 IP 位址或 DNS 名稱來從中調用影像分類器。執行以下指令來獲取這些資訊：
-
-    ```sh
-    az vm list --resource-group fruit-quality-detector \
-               --output table \
-               --show-details
-    ```
-
-    複製 `PublicIps` 欄位或 `Fqdns` 欄位的值。
-
-1. 虛擬機器是需要花費金錢的。截至撰寫本文時，一台 DS1 虛擬機器的成本約為每小時 $0.06。為了降低成本，你應該在不使用時關閉虛擬機器，並在完成此專案後刪除它。
-
-    你可以配置虛擬機器在每天的特定時間自動關閉。這樣即使你忘記手動關閉，也不會被收取超過自動關機時間的費用。使用以下指令來設置：
-
-    ```sh
-    az vm auto-shutdown --resource-group fruit-quality-detector \
-                        --name <vm_name> \
-                        --time <shutdown_time_utc>
-    ```
-
-    將 `<vm_name>` 替換為你的虛擬機器名稱。
-
-    將 `<shutdown_time_utc>` 替換為你希望虛擬機器關機的 UTC 時間，使用 4 位數字表示 HHMM。例如，如果你希望在 UTC 午夜關機，則設置為 `0000`。如果是美國西岸晚上 7:30，則設置為 `0230`（美國西岸晚上 7:30 對應 UTC 時間為凌晨 2:30）。
-
-1. 你的影像分類器將在這個邊緣裝置上運行，並監聽 80 埠（標準 HTTP 埠）。預設情況下，虛擬機器的入站埠是被封鎖的，因此你需要啟用 80 埠。埠是通過網路安全群組啟用的，因此首先你需要知道虛擬機器的網路安全群組名稱，可以通過以下指令獲取：
-
-    ```sh
-    az network nsg list --resource-group fruit-quality-detector \
-                        --output table
-    ```
-
-    複製 `Name` 欄位的值。
-
-1. 執行以下指令，為網路安全群組新增一條規則以開啟 80 埠：
-
-    ```sh
-    az network nsg rule create \
-                        --resource-group fruit-quality-detector \
-                        --name Port_80 \
-                        --protocol tcp \
-                        --priority 1010 \
-                        --destination-port-range 80 \
-                        --nsg-name <nsg name>
-    ```
-
-    將 `<nsg name>` 替換為上一個步驟中獲取的網路安全群組名稱。
-
-### 任務 - 管理你的虛擬機器以降低成本
-
-1. 當你不使用虛擬機器時，應該將其關閉。使用以下指令關閉虛擬機器：
-
-    ```sh
-    az vm deallocate --resource-group fruit-quality-detector \
-                     --name <vm_name>
-    ```
-
-    將 `<vm_name>` 替換為你的虛擬機器名稱。
-
-    > 💁 也有一個 `az vm stop` 指令可以停止虛擬機器，但這會保留電腦資源分配給你，因此仍然會像虛擬機器在運行時一樣收費。
-
-1. 要重新啟動虛擬機器，使用以下指令：
-
-    ```sh
-    az vm start --resource-group fruit-quality-detector \
-                --name <vm_name>
-    ```
-
-    將 `<vm_name>` 替換為你的虛擬機器名稱。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
deleted file mode 100644
index 3d64f1aa3..000000000
--- a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
+++ /dev/null
@@ -1,66 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
-  "translation_date": "2025-08-26T22:03:41+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
-  "language_code": "mo"
-}
--->
-# 使用 IoT Edge 基於影像分類器進行影像分類 - Wio Terminal
-
-在本課程的這部分，您將使用運行在 IoT Edge 裝置上的影像分類器。
-
-## 使用 IoT Edge 影像分類器
-
-IoT 裝置可以重新導向使用 IoT Edge 影像分類器。影像分類器的 URL 是 `http://<IP address or name>/image`，其中 `<IP address or name>` 需要替換為運行 IoT Edge 的電腦的 IP 地址或主機名稱。
-
-### 任務 - 使用 IoT Edge 影像分類器
-
-1. 如果尚未打開 `fruit-quality-detector` 應用程式專案，請打開它。
-
-1. 影像分類器作為 REST API 運行，使用的是 HTTP 而非 HTTPS，因此呼叫需要使用僅支援 HTTP 呼叫的 WiFi 客戶端。這意味著不需要憑證。刪除 `config.h` 文件中的 `CERTIFICATE`。
-
-1. `config.h` 文件中的預測 URL 需要更新為新的 URL。您也可以刪除 `PREDICTION_KEY`，因為這不再需要。
-
-    ```cpp
-    const char *PREDICTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為您的分類器的 URL。
-
-1. 在 `main.cpp` 中，將 WiFi Client Secure 的 include 指令改為導入標準的 HTTP 版本：
-
-    ```cpp
-    #include <WiFiClient.h>
-    ```
-
-1. 將 `WiFiClient` 的宣告更改為 HTTP 版本：
-
-    ```cpp
-    WiFiClient client;
-    ```
-
-1. 找到在 WiFi 客戶端上設置憑證的那一行。從 `connectWiFi` 函數中移除 `client.setCACert(CERTIFICATE);` 這一行。
-
-1. 在 `classifyImage` 函數中，移除 `httpClient.addHeader("Prediction-Key", PREDICTION_KEY);` 這一行，該行用於在標頭中設置預測密鑰。
-
-1. 上傳並運行您的程式。將相機對準一些水果並按下 C 按鈕。您將在序列監視器中看到輸出：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 8200
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-> 💁 您可以在 [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 您的水果品質分類器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
deleted file mode 100644
index 850be2f56..000000000
--- a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
+++ /dev/null
@@ -1,233 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
-  "translation_date": "2025-08-26T22:06:59+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
-  "language_code": "mo"
-}
--->
-# 從感測器觸發水果品質檢測
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
-
-## 簡介
-
-物聯網應用並不僅僅是單一設備捕捉數據並將其發送到雲端。通常，它涉及多個設備協同工作，使用感測器從物理世界捕捉數據，根據這些數據做出決策，並通過執行器或可視化方式與物理世界進行交互。
-
-在本課程中，您將深入了解如何設計複雜的物聯網應用，整合多個感測器、多個雲端服務來分析和存儲數據，並通過執行器顯示響應。您將學習如何設計一個水果品質控制系統的原型，包括使用接近感測器觸發物聯網應用，以及該原型的架構。
-
-本課程將涵蓋以下內容：
-
-* [設計複雜的物聯網應用](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [設計水果品質控制系統](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [從感測器觸發水果品質檢測](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [水果品質檢測器使用的數據](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [使用開發者設備模擬多個物聯網設備](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [進入量產階段](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-
-> 🗑 這是本專案的最後一課，因此在完成本課程和作業後，請記得清理您的雲端服務。您需要這些服務來完成作業，因此請確保先完成作業。
->
-> 如有需要，請參考[清理專案指南](../../../clean-up.md)以獲取相關指導。
-
-## 設計複雜的物聯網應用
-
-物聯網應用由許多元件組成，包括各種設備和網路服務。
-
-物聯網應用可以描述為由*設備*（事物）發送數據生成*洞察*，這些*洞察*再生成*行動*以改善業務或流程。例如，一個引擎（事物）發送溫度數據。這些數據用於評估引擎是否正常運行（洞察）。洞察則用於主動優化引擎的維護計劃（行動）。
-
-* 不同的設備收集不同的數據。
-* 物聯網服務基於這些數據提供洞察，有時還會結合其他來源的數據。
-* 這些洞察驅動行動，包括控制設備中的執行器或可視化數據。
-
-### 物聯網架構參考
-
-![物聯網架構參考](../../../../../translated_images/zh-MO/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png)
-
-上圖展示了一個物聯網架構參考。
-
-> 🎓 *架構參考*是一個可以在設計新系統時用作參考的示例架構。在這種情況下，如果您正在構建新的物聯網系統，可以遵循此架構參考，並根據需要替換自己的設備和服務。
-
-* **事物**是從感測器收集數據的設備，可能與邊緣服務交互以解釋這些數據，例如使用影像分類器解釋影像數據。設備的數據被發送到物聯網服務。
-* **洞察**來自無伺服器應用或存儲數據的分析。
-* **行動**可以是發送給設備的指令，或是可視化數據以幫助人類做出決策。
-
-![Azure 物聯網架構參考](../../../../../translated_images/zh-MO/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png)
-
-上圖展示了本課程中涵蓋的一些元件和服務，以及它們如何在物聯網架構參考中相互連結。
-
-* **事物** - 您已撰寫設備程式碼以從感測器捕捉數據，並使用 Custom Vision 在雲端和邊緣設備上分析影像。這些數據被發送到 IoT Hub。
-* **洞察** - 您已使用 Azure Functions 回應發送到 IoT Hub 的訊息，並將數據存儲在 Azure Storage 中以供後續分析。
-* **行動** - 您已根據雲端的決策控制執行器並發送指令到設備，並使用 Azure Maps 可視化數據。
-
-✅ 思考您使用過的其他物聯網設備，例如智能家居設備。這些設備及其軟體中涉及哪些事物、洞察和行動？
-
-此模式可以根據需要擴展，添加更多設備和服務。
-
-### 數據與安全性
-
-在定義系統架構時，您需要不斷考慮數據和安全性。
-
-* 您的設備發送和接收哪些數據？
-* 如何保護和加密這些數據？
-* 如何控制對設備和雲端服務的訪問？
-
-✅ 思考您擁有的任何物聯網設備的數據安全性。哪些數據是個人數據，應在傳輸和存儲時保持私密？哪些數據不應存儲？
-
-## 設計水果品質控制系統
-
-現在讓我們將事物、洞察和行動的概念應用到水果品質檢測器，設計一個更大的端到端應用。
-
-假設您被要求構建一個水果品質檢測器，用於加工廠。水果在輸送帶系統上移動，目前員工手動檢查水果並移除任何未成熟的水果。為了降低成本，廠主希望建立一個自動化系統。
-
-✅ 隨著物聯網（以及技術）的興起，許多手動工作正在被機器取代。進行一些研究：估計有多少工作因物聯網而消失？又有多少新工作因物聯網設備的建造而創造？
-
-您需要構建一個系統，當水果到達輸送帶時進行檢測，拍攝照片並使用在邊緣運行的 AI 模型進行檢查。結果被發送到雲端存儲，如果水果未成熟，則發出通知以便移除未成熟的水果。
-
-|   |   |
-| - | - |
-| **事物** | 檢測輸送帶上到達的水果<br>拍攝照片並分類水果<br>運行分類器的邊緣設備<br>通知未成熟水果的設備 |
-| **洞察** | 決定檢查水果的成熟度<br>存儲成熟度分類的結果<br>判斷是否需要警告未成熟水果 |
-| **行動** | 發送指令給設備拍攝水果並使用影像分類器進行檢查<br>發送指令給設備警告未成熟水果 |
-
-### 應用原型設計
-
-![水果品質檢測的物聯網架構參考](../../../../../translated_images/zh-MO/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png)
-
-上圖展示了此原型應用的架構參考。
-
-* 配備接近感測器的物聯網設備檢測到水果到達。這會向雲端發送訊息，表示檢測到水果。
-* 雲端中的無伺服器應用向另一設備發送指令，拍攝照片並進行分類。
-* 配備相機的物聯網設備拍攝照片並將其發送到在邊緣運行的影像分類器。結果隨後被發送到雲端。
-* 雲端中的無伺服器應用存儲這些信息以供後續分析，查看未成熟水果的百分比。如果水果未成熟，則向另一配備 LED 的物聯網設備發送指令，通知工廠工人有未成熟水果。
-
-> 💁 整個物聯網應用可以作為單一設備實現，所有啟動影像分類和控制 LED 的邏輯都內建其中。它可以僅使用 IoT Hub 來追蹤檢測到的未成熟水果數量並配置設備。在本課程中，該應用被擴展以展示大型物聯網應用的概念。
-
-在原型中，您將在單一設備上實現所有功能。如果您使用的是微控制器，則需要使用單獨的邊緣設備運行影像分類器。您已經學習了構建所需的大部分內容。
-
-## 從感測器觸發水果品質檢測
-
-物聯網設備需要某種觸發器來指示水果準備進行分類。一種觸發器是通過測量到感測器的距離來判斷水果是否在輸送帶上的正確位置。
-
-![接近感測器發送雷射光束到物體（如香蕉），並計算光束反射回來的時間](../../../../../translated_images/zh-MO/proximity-sensor.f5cd752c77fb62fe.webp)
-
-接近感測器可用於測量感測器與物體之間的距離。它們通常發射電磁輻射光束，例如雷射光束或紅外線光，然後檢測反射回來的輻射。從光束發射到信號反射回來的時間可用於計算到感測器的距離。
-
-> 💁 您可能在不知情的情況下使用過接近感測器。大多數智能手機在您將其靠近耳朵時會關閉螢幕，以防止耳垂意外結束通話。這是通過接近感測器實現的，感測器在通話期間檢測到螢幕附近的物體並禁用觸控功能，直到手機距離一定範圍外。
-
-### 任務 - 使用距離感測器觸發水果品質檢測
-
-按照相關指南，使用接近感測器檢測物體並使用您的物聯網設備：
-
-* [Arduino - Wio Terminal](wio-terminal-proximity.md)
-* [單板電腦 - Raspberry Pi](pi-proximity.md)
-* [單板電腦 - 虛擬設備](virtual-device-proximity.md)
-
-## 水果品質檢測器使用的數據
-
-原型水果檢測器有多個元件相互通信。
-
-![元件之間的通信](../../../../../translated_images/zh-MO/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png)
-
-* 接近感測器測量到水果的距離並將其發送到 IoT Hub
-* 控制相機的指令從 IoT Hub 發送到相機設備
-* 影像分類的結果被發送到 IoT Hub
-* 控制 LED 警告未成熟水果的指令從 IoT Hub 發送到配備 LED 的設備
-
-在構建應用之前，最好先定義這些訊息的結構。
-
-> 💁 幾乎每位有經驗的開發者都曾因發送的數據與預期數據不一致而花費數小時、數天甚至數週追蹤錯誤。
-
-例如 - 如果您正在發送溫度信息，如何定義 JSON？您可以使用名為 `temperature` 的欄位，也可以使用常見縮寫 `temp`。
-
-```json
-{
-    "temperature": 20.7
-}
-```
-
-與：
-
-```json
-{
-    "temp": 20.7
-}
-```
-
-您還需要考慮單位 - 溫度是以 °C 還是 °F 表示？如果您使用消費者設備測量溫度並更改顯示單位，則需要確保發送到雲端的單位保持一致。
-
-✅ 進行一些研究：單位問題如何導致價值 1.25 億美元的火星氣候探測器墜毀？
-
-思考水果品質檢測器發送的數據。如何定義每個訊息？在哪裡分析數據並決定發送哪些數據？
-
-例如 - 使用接近感測器觸發影像分類。物聯網設備測量距離，但決策在哪裡做出？設備是否決定水果足夠接近並發送訊息告訴 IoT Hub 觸發分類？或者它是否發送距離測量並讓 IoT Hub 做出決策？
-
-這些問題的答案是 - 視情況而定。每個使用案例都不同，因此作為物聯網開發者，您需要了解您正在構建的系統、它的使用方式以及檢測到的數據。
-
-* 如果由 IoT Hub 做出決策，您需要發送多個距離測量。
-* 如果發送過多訊息，會增加 IoT Hub 的成本以及物聯網設備所需的頻寬（尤其是在有數百萬設備的工廠中）。這也可能會減慢設備速度。
-* 如果在設備上做出決策，您需要提供配置設備的方法以微調機器。
-
-## 使用開發者設備模擬多個物聯網設備
-
-為了構建您的原型，您需要讓您的物聯網開發套件模擬多個設備，發送遙測數據並回應指令。
-
-### 在 Raspberry Pi 或虛擬物聯網硬體上模擬多個物聯網設備
-
-使用像 Raspberry Pi 這樣的單板電腦時，您可以同時運行多個應用程式。這意味著您可以通過創建多個應用程式（每個應用程式代表一個“物聯網設備”）來模擬多個物聯網設備。例如，您可以將每個設備實現為單獨的 Python 文件並在不同的終端會話中運行它們。
-💁 請注意，某些硬體在同時被多個應用程式存取時可能無法正常運作。
-### 模擬微控制器上的多個設備
-
-微控制器在模擬多個設備方面更為複雜。與單板電腦不同，微控制器無法同時運行多個應用程式，必須將所有獨立的物聯網設備邏輯整合到一個應用程式中。
-
-以下是一些讓這個過程更簡單的建議：
-
-* 為每個物聯網設備建立一個或多個類別，例如名為 `DistanceSensor`、`ClassifierCamera`、`LEDController` 的類別。每個類別可以有自己的 `setup` 和 `loop` 方法，由主程式的 `setup` 和 `loop` 函數調用。
-* 在一個集中位置處理命令，並根據需要將命令分配到相關的設備類別。
-* 在主程式的 `loop` 函數中，需要考慮每個不同設備的時間安排。例如，如果有一個設備類別需要每10秒處理一次，另一個需要每1秒處理一次，那麼在主程式的 `loop` 函數中使用1秒的延遲。每次 `loop` 調用都會觸發需要每秒處理的設備的相關程式碼，並使用計數器來計算每次循環，當計數器達到10時處理另一個設備（然後重置計數器）。
-
-## 移至生產階段
-
-原型將成為最終生產系統的基礎。當移至生產階段時，可能會有以下差異：
-
-* 耐用的元件 - 使用能夠承受工廠中的噪音、熱量、震動和壓力的硬體。
-* 使用內部通信 - 部分元件會直接通信，避免跳到雲端，只將數據發送到雲端進行存儲。具體方式取決於工廠的設置，可以是直接通信，也可以通過使用網關設備在邊緣運行部分物聯網服務。
-* 配置選項 - 每個工廠和使用案例都不同，因此硬體需要具備可配置性。例如，接近感測器可能需要在不同距離檢測不同的水果。與其將觸發分類的距離硬編碼，您可能希望通過雲端進行配置，例如使用設備雙胞胎。
-* 自動化水果移除 - 不再使用LED來提示水果未成熟，而是使用自動化設備進行移除。
-
-✅ 做些研究：生產設備與開發套件還有哪些其他不同之處？
-
----
-
-## 🚀 挑戰
-
-在本課中，您學到了設計物聯網系統所需的一些概念。回想之前的項目，它們如何適配上述的參考架構？
-
-選擇一個之前的項目，思考設計一個更複雜的解決方案，結合多種功能超越項目中所涵蓋的內容。繪製架構圖，並思考您需要的所有設備和服務。
-
-例如 - 一個車輛追蹤設備，結合GPS和感測器來監控冷藏卡車中的溫度、引擎啟動和關閉時間，以及司機的身份。涉及哪些設備、服務、傳輸的數據，以及安全和隱私的考量？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
-
-## 回顧與自學
-
-* 閱讀更多關於物聯網架構的內容：[Azure IoT 參考架構文檔 - Microsoft docs](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn)
-* 閱讀更多關於設備雙胞胎的內容：[了解並使用 IoT Hub 中的設備雙胞胎文檔 - Microsoft docs](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn)
-* 閱讀關於 OPC-UA 的內容，這是一種用於工業自動化的機器對機器通信協議：[OPC-UA 頁面 - Wikipedia](https://wikipedia.org/wiki/OPC_Unified_Architecture)
-
-## 作業
-
-[建立一個水果品質檢測器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
deleted file mode 100644
index bd6220526..000000000
--- a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
+++ /dev/null
@@ -1,32 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
-  "translation_date": "2025-08-26T22:08:12+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
-  "language_code": "mo"
-}
--->
-# 建立水果品質檢測器
-
-## 說明
-
-來建立水果品質檢測器吧！
-
-運用你到目前為止學到的一切，製作一個原型的水果品質檢測器。利用在邊緣運行的 AI 模型，根據距離觸發影像分類，將分類結果儲存到儲存空間中，並根據水果的成熟度控制 LED 燈。
-
-你應該能夠使用之前所有課程中撰寫的程式碼來組合完成這個專案。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 配置所有服務 | 能夠成功設置 IoT Hub、Azure Functions 應用程式和 Azure 儲存空間 | 能夠設置 IoT Hub，但無法設置 Azure Functions 應用程式或 Azure 儲存空間 | 無法設置任何 IoT 相關服務 |
-| 監測距離並在物體接近預定距離時將數據發送到 IoT Hub，並通過指令觸發相機 | 能夠測量距離並在物體足夠接近時向 IoT Hub 發送訊息，並成功發送指令觸發相機 | 能夠測量距離並將數據發送到 IoT Hub，但無法發送指令觸發相機 | 無法測量距離或將訊息發送到 IoT Hub，也無法觸發指令 |
-| 捕捉影像、進行分類並將結果發送到 IoT Hub | 能夠捕捉影像，使用邊緣設備進行分類，並將結果發送到 IoT Hub | 能夠分類影像，但未使用邊緣設備，或無法將結果發送到 IoT Hub | 無法對影像進行分類 |
-| 根據分類結果，通過發送指令控制裝置上的 LED 開啟或關閉 | 能夠根據水果未成熟的分類結果，通過指令成功開啟 LED 燈 | 能夠發送指令到裝置，但無法控制 LED 燈 | 無法發送指令來控制 LED 燈 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
deleted file mode 100644
index 017362848..000000000
--- a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
+++ /dev/null
@@ -1,118 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
-  "translation_date": "2025-08-26T22:09:14+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
-  "language_code": "mo"
-}
--->
-# 檢測接近 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個接近感測器，並從中讀取距離。
-
-## 硬體
-
-Raspberry Pi 需要一個接近感測器。
-
-您將使用的感測器是 [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)。此感測器使用雷射測距模組來檢測距離。此感測器的範圍為 10mm 至 2000mm（1cm - 2m），並能相當準確地報告該範圍內的值，超過 1000mm 的距離將報告為 8109mm。
-
-雷射測距儀位於感測器的背面，也就是 Grove 插座的相反側。
-
-這是一個 I²C 感測器。
-
-### 連接飛行時間感測器
-
-Grove 飛行時間感測器可以連接到 Raspberry Pi。
-
-#### 任務 - 連接飛行時間感測器
-
-連接飛行時間感測器。
-
-![Grove 飛行時間感測器](../../../../../translated_images/zh-MO/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png)
-
-1. 將 Grove 電纜的一端插入飛行時間感測器上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Grove Base hat 上標有 **I²C** 的插座之一。這些插座位於底部排，靠近相機電纜插槽，與 GPIO 引腳的相反端。
-
-![Grove 飛行時間感測器連接到 I²C 插座](../../../../../translated_images/zh-MO/pi-time-of-flight-sensor.58c8dc04eb3bfb57.webp)
-
-## 程式設計飛行時間感測器
-
-現在可以為 Raspberry Pi 編程以使用已連接的飛行時間感測器。
-
-### 任務 - 程式設計飛行時間感測器
-
-編程設備。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 在 VS Code 中打開 `fruit-quality-detector` 程式碼，可以直接在 Raspberry Pi 上操作，也可以通過 Remote SSH 擴展連接。
-
-1. 安裝 rpi-vl53l0x Pip 套件，這是一個與 VL53L0X 飛行時間距離感測器互動的 Python 套件。使用以下 pip 命令安裝：
-
-    ```sh
-    pip install rpi-vl53l0x
-    ```
-
-1. 在此專案中建立一個名為 `distance-sensor.py` 的新檔案。
-
-    > 💁 模擬多個 IoT 設備的一個簡單方法是將每個設備放在不同的 Python 檔案中，然後同時運行它們。
-
-1. 將以下程式碼添加到此檔案中：
-
-    ```python
-    import time
-    
-    from grove.i2c import Bus
-    from rpi_vl53l0x.vl53l0x import VL53L0X
-    ```
-
-    此程式碼導入 Grove I²C 總線庫，以及 Grove 飛行時間感測器內建核心硬體的感測器庫。
-
-1. 在此程式碼下方，添加以下程式碼以訪問感測器：
-
-    ```python
-    distance_sensor = VL53L0X(bus = Bus().bus)
-    distance_sensor.begin()    
-    ```
-
-    此程式碼使用 Grove I²C 總線宣告一個距離感測器，然後啟動感測器。
-
-1. 最後，添加一個無限迴圈以讀取距離：
-
-    ```python
-    while True:
-        distance_sensor.wait_ready()
-        print(f'Distance = {distance_sensor.get_distance()} mm')
-        time.sleep(1)
-    ```
-
-    此程式碼等待感測器準備好讀取值，然後將其打印到控制台。
-
-1. 運行此程式碼。
-
-    > 💁 別忘了此檔案名為 `distance-sensor.py`！請確保通過 Python 運行它，而不是 `app.py`。
-
-1. 您將在控制台中看到距離測量值。將物體放置在感測器附近，您將看到距離測量值：
-
-    ```output
-    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
-    Distance = 29 mm
-    Distance = 28 mm
-    Distance = 30 mm
-    Distance = 151 mm
-    ```
-
-    測距儀位於感測器的背面，因此在測量距離時請確保使用正確的一側。
-
-    ![飛行時間感測器背面的測距儀指向一根香蕉](../../../../../translated_images/zh-MO/time-of-flight-banana.079921ad8b1496e4.webp)
-
-> 💁 您可以在 [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi) 資料夾中找到此程式碼。
-
-😀 您的接近感測器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
deleted file mode 100644
index 73830c32e..000000000
--- a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
+++ /dev/null
@@ -1,121 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
-  "translation_date": "2025-08-26T22:11:15+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
-  "language_code": "mo"
-}
--->
-# 偵測接近 - 虛擬物聯網硬體
-
-在本課程的這部分，您將為虛擬物聯網設備添加一個接近感測器，並從中讀取距離。
-
-## 硬體
-
-虛擬物聯網設備將使用模擬的距離感測器。
-
-在實體物聯網設備中，您會使用帶有雷射測距模組的感測器來偵測距離。
-
-### 在 CounterFit 中添加距離感測器
-
-要使用虛擬距離感測器，您需要在 CounterFit 應用程式中添加一個。
-
-#### 任務 - 在 CounterFit 中添加距離感測器
-
-在 CounterFit 應用程式中添加距離感測器。
-
-1. 在 VS Code 中打開 `fruit-quality-detector` 程式碼，並確保虛擬環境已啟動。
-
-1. 安裝額外的 Pip 套件，以安裝一個 CounterFit shim，該 shim 可以通過模擬 [rpi-vl53l0x Pip 套件](https://pypi.org/project/rpi-vl53l0x/) 與距離感測器通信。這是一個與 [VL53L0X 飛行時間距離感測器](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/) 互動的 Python 套件。確保您是在啟動虛擬環境的終端中安裝此套件。
-
-    ```sh
-    pip install counterfit-shims-rpi-vl53l0x
-    ```
-
-1. 確保 CounterFit 網頁應用程式正在運行。
-
-1. 創建一個距離感測器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Distance*。
-
-    1. 將 *Units* 保持為 `Millimeter`。
-
-    1. 此感測器是一個 I2C 感測器，因此將地址設置為 `0x29`。如果您使用的是實體 VL53L0X 感測器，它的地址會被硬編碼為此值。
-
-    1. 選擇 **Add** 按鈕以創建距離感測器。
-
-    ![距離感測器設置](../../../../../translated_images/zh-MO/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png)
-
-    距離感測器將被創建並顯示在感測器列表中。
-
-    ![已創建的距離感測器](../../../../../translated_images/zh-MO/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png)
-
-## 程式化距離感測器
-
-現在可以程式化虛擬物聯網設備以使用模擬的距離感測器。
-
-### 任務 - 程式化飛行時間感測器
-
-1. 在 `fruit-quality-detector` 專案中創建一個名為 `distance-sensor.py` 的新檔案。
-
-    > 💁 模擬多個物聯網設備的一個簡單方法是將每個設備放在不同的 Python 檔案中，然後同時運行它們。
-
-1. 使用以下程式碼啟動與 CounterFit 的連接：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在此程式碼下方添加以下程式碼：
-
-    ```python
-    import time
-    
-    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
-    ```
-
-    這會導入 VL53L0X 飛行時間感測器的感測器庫 shim。
-
-1. 在此程式碼下方，添加以下程式碼以訪問感測器：
-
-    ```python
-    distance_sensor = VL53L0X()
-    distance_sensor.begin()
-    ```
-
-    此程式碼宣告了一個距離感測器，然後啟動該感測器。
-
-1. 最後，添加一個無限迴圈以讀取距離：
-
-    ```python
-    while True:
-        distance_sensor.wait_ready()
-        print(f'Distance = {distance_sensor.get_distance()} mm')
-        time.sleep(1)
-    ```
-
-    此程式碼等待感測器準備好讀取值，然後將其打印到控制台。
-
-1. 運行此程式碼。
-
-    > 💁 別忘了此檔案名為 `distance-sensor.py`！請確保通過 Python 運行此檔案，而不是 `app.py`。
-
-1. 您將在控制台中看到距離測量值。更改 CounterFit 中的值以查看此值的變化，或者使用隨機值。
-
-    ```output
-    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
-    Distance = 37 mm
-    Distance = 42 mm
-    Distance = 29 mm
-    ```
-
-> 💁 您可以在 [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 您的接近感測器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
deleted file mode 100644
index b768b834a..000000000
--- a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
+++ /dev/null
@@ -1,113 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
-  "translation_date": "2025-08-26T22:10:16+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
-  "language_code": "mo"
-}
--->
-# 偵測接近 - Wio Terminal
-
-在本課程中，您將為 Wio Terminal 添加一個接近感測器，並從中讀取距離。
-
-## 硬體
-
-Wio Terminal 需要一個接近感測器。
-
-您將使用的感測器是 [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)。此感測器使用雷射測距模組來檢測距離。此感測器的範圍為 10mm 至 2000mm（1cm - 2m），並能相當準確地報告該範圍內的值，超過 1000mm 的距離將報告為 8109mm。
-
-雷射測距儀位於感測器的背面，也就是 Grove 插座的相反側。
-
-這是一個 I²C 感測器。
-
-### 連接飛行時間感測器
-
-Grove 飛行時間感測器可以連接到 Wio Terminal。
-
-#### 任務 - 連接飛行時間感測器
-
-連接飛行時間感測器。
-
-![Grove 飛行時間感測器](../../../../../translated_images/zh-MO/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png)
-
-1. 將 Grove 電纜的一端插入飛行時間感測器上的插座。它只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到您的電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 左側的 Grove 插座（面向螢幕）。這是靠近電源按鈕的插座，該插座是數位和 I²C 的組合插座。
-
-![Grove 飛行時間感測器連接到左側插座](../../../../../translated_images/zh-MO/wio-time-of-flight-sensor.c4c182131d2ea73d.webp)
-
-1. 現在，您可以將 Wio Terminal 連接到您的電腦。
-
-## 程式設計飛行時間感測器
-
-現在可以為 Wio Terminal 編程以使用已連接的飛行時間感測器。
-
-### 任務 - 程式設計飛行時間感測器
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `distance-sensor`。在 `setup` 函數中添加程式碼以配置序列埠。
-
-1. 在專案的 `platformio.ini` 文件中添加 Seeed Grove 飛行時間距離感測器庫的依賴項：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Grove Ranging sensor - VL53L0X @ ^1.1.1
-    ```
-
-1. 在 `main.cpp` 中，將以下程式碼添加到現有的 include 指令下方，以宣告一個 `Seeed_vl53l0x` 類的實例，用於與飛行時間感測器互動：
-
-    ```cpp
-    #include "Seeed_vl53l0x.h"
-    
-    Seeed_vl53l0x VL53L0X;
-    ```
-
-1. 在 `setup` 函數的底部添加以下程式碼以初始化感測器：
-
-    ```cpp
-    VL53L0X.VL53L0X_common_init();
-    VL53L0X.VL53L0X_high_accuracy_ranging_init();
-    ```
-
-1. 在 `loop` 函數中，從感測器讀取一個值：
-
-    ```cpp
-    VL53L0X_RangingMeasurementData_t RangingMeasurementData;
-    memset(&RangingMeasurementData, 0, sizeof(VL53L0X_RangingMeasurementData_t));
-
-    VL53L0X.PerformSingleRangingMeasurement(&RangingMeasurementData);
-    ```
-
-    此程式碼初始化一個資料結構以讀取資料，然後將其傳遞給 `PerformSingleRangingMeasurement` 方法，該方法將填充距離測量值。
-
-1. 在此程式碼下方，輸出距離測量值，然後延遲 1 秒：
-
-    ```cpp
-    Serial.print("Distance = ");
-    Serial.print(RangingMeasurementData.RangeMilliMeter);
-    Serial.println(" mm");
-
-    delay(1000);
-    ```
-
-1. 建置、上傳並執行此程式碼。您將能夠使用序列監視器查看距離測量值。將物體放置在感測器附近，您將看到距離測量值：
-
-    ```output
-    Distance = 29 mm
-    Distance = 28 mm
-    Distance = 30 mm
-    Distance = 151 mm
-    ```
-
-    測距儀位於感測器的背面，因此在測量距離時請確保使用正確的一側。
-
-    ![飛行時間感測器背面的測距儀指向一根香蕉](../../../../../translated_images/zh-MO/time-of-flight-banana.079921ad8b1496e4.webp)
-
-> 💁 您可以在 [code-proximity/wio-terminal](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的接近感測器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/mo/5-retail/README.md b/translations/mo/5-retail/README.md
deleted file mode 100644
index 90905d166..000000000
--- a/translations/mo/5-retail/README.md
+++ /dev/null
@@ -1,34 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
-  "translation_date": "2025-08-26T21:29:02+00:00",
-  "source_file": "5-retail/README.md",
-  "language_code": "mo"
-}
--->
-# 零售 - 使用物聯網管理庫存水平
-
-飼料到達消費者手中的最後一個階段是零售——市場、蔬果店、超市和商店，這些地方將產品銷售給消費者。這些商店希望確保貨架上有產品供消費者看到和購買。
-
-在食品商店，特別是大型超市中，最繁瑣且耗時的任務之一就是確保貨架上有足夠的商品。需要檢查每個貨架，確保任何空缺都能用庫房中的商品補上。
-
-物聯網可以幫助解決這個問題，通過在物聯網設備上運行的人工智慧模型來計算庫存，這些機器學習模型不僅能分類圖像，還能檢測單個物品並進行計數。
-
-在這兩節課中，您將學習如何訓練基於圖像的人工智慧模型來計算庫存，並在物聯網設備上運行這些模型。
-
-> 💁 這些課程將使用一些雲端資源。如果您未完成此專案中的所有課程，請確保[清理您的專案](../clean-up.md)。
-
-## 主題
-
-1. [訓練一個庫存檢測器](./lessons/1-train-stock-detector/README.md)  
-1. [從物聯網設備檢查庫存](./lessons/2-check-stock-device/README.md)
-
-## 致謝
-
-所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/1-train-stock-detector/README.md b/translations/mo/5-retail/lessons/1-train-stock-detector/README.md
deleted file mode 100644
index 8cd3e4167..000000000
--- a/translations/mo/5-retail/lessons/1-train-stock-detector/README.md
+++ /dev/null
@@ -1,206 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8df310a42f902139a01417dacb1ffbef",
-  "translation_date": "2025-08-26T21:38:49+00:00",
-  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
-  "language_code": "mo"
-}
--->
-# 訓練庫存檢測器
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure Custom Vision 服務中的物件檢測功能，該服務將在本課程中介紹。
-
-[![Custom Vision 2 - Object Detection Made Easy | The Xamarin Show](https://img.youtube.com/vi/wtTYSyBUpFc/0.jpg)](https://www.youtube.com/watch?v=wtTYSyBUpFc)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
-
-## 簡介
-
-在上一個專案中，你使用 AI 訓練了一個影像分類器——一個可以判斷影像中是否包含某些內容的模型，例如成熟水果或未成熟水果。另一種可以用於影像的 AI 模型是物件檢測。這些模型不會通過標籤來分類影像，而是訓練來識別物件，並能在影像中找到它們，不僅能檢測影像中是否存在物件，還能檢測物件在影像中的位置。這使得你可以計算影像中的物件數量。
-
-在本課程中，你將學習物件檢測，包括它在零售中的應用方式。你還將學習如何在雲端中訓練物件檢測器。
-
-本課程將涵蓋以下內容：
-
-* [物件檢測](../../../../../5-retail/lessons/1-train-stock-detector)
-* [在零售中使用物件檢測](../../../../../5-retail/lessons/1-train-stock-detector)
-* [訓練物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
-* [測試你的物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
-* [重新訓練你的物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
-
-## 物件檢測
-
-物件檢測是使用 AI 在影像中檢測物件。與你在上一個專案中訓練的影像分類器不同，物件檢測不是用來預測整個影像的最佳標籤，而是用來在影像中找到一個或多個物件。
-
-### 物件檢測與影像分類的區別
-
-影像分類是對整個影像進行分類——判斷整個影像與每個標籤匹配的概率。你會得到模型訓練中使用的每個標籤的概率。
-
-![腰果和番茄醬的影像分類](../../../../../translated_images/zh-MO/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png)
-
-在上面的例子中，兩張影像使用一個訓練來分類腰果罐或番茄醬罐的模型進行分類。第一張影像是一罐腰果，影像分類器的結果如下：
-
-| 標籤            | 機率       |
-| -------------- | ----------: |
-| `腰果`         | 98.4%       |
-| `番茄醬`       | 1.6%        |
-
-第二張影像是一罐番茄醬，結果如下：
-
-| 標籤            | 機率       |
-| -------------- | ----------: |
-| `腰果`         | 0.7%        |
-| `番茄醬`       | 99.3%       |
-
-你可以使用這些值和一個閾值百分比來預測影像中包含的內容。但如果影像中包含多罐番茄醬，或者同時包含腰果和番茄醬呢？結果可能不會給你想要的答案。這就是物件檢測的用武之地。
-
-物件檢測涉及訓練模型來識別物件。與其給模型包含物件的影像並告訴它每張影像是某個標籤，不如突出影像中包含特定物件的部分並標記它。你可以在影像中標記單個物件或多個物件。這樣模型就能學習物件本身的樣子，而不僅僅是包含物件的影像的樣子。
-
-當你使用它來預測影像時，與返回標籤和百分比的列表不同，你會得到一個檢測到的物件列表，包括它們的邊界框以及該邊界框與分配標籤匹配的概率。
-
-> 🎓 *邊界框* 是物件周圍的框。
-
-![腰果和番茄醬的物件檢測](../../../../../translated_images/zh-MO/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png)
-
-上面的影像包含一罐腰果和三罐番茄醬。物件檢測器檢測到腰果，返回包含腰果的邊界框以及該邊界框包含物件的概率，在此例中為 97.6%。物件檢測器還檢測到三罐番茄醬，並提供三個單獨的邊界框，每個檢測到的罐子都有一個概率百分比，表示該邊界框包含番茄醬罐。
-
-✅ 想一想你可能想用基於影像的 AI 模型進行的不同場景。哪些需要分類，哪些需要物件檢測？
-
-### 物件檢測的工作原理
-
-物件檢測使用複雜的機器學習模型。這些模型通過將影像分成多個單元，然後檢查邊界框的中心是否是影像中與用於訓練模型的影像匹配的中心。你可以將其想像成在影像的不同部分上運行影像分類器以尋找匹配。
-
-> 💁 這是一個非常簡化的描述。物件檢測有許多技術，你可以在 [維基百科的物件檢測頁面](https://wikipedia.org/wiki/Object_detection) 上了解更多。
-
-有許多不同的模型可以進行物件檢測。一個特別著名的模型是 [YOLO (You only look once)](https://pjreddie.com/darknet/yolo/)，它速度非常快，可以檢測 20 種不同類別的物件，例如人、狗、瓶子和汽車。
-
-✅ 閱讀 YOLO 模型的相關資料：[pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/)
-
-物件檢測模型可以通過遷移學習重新訓練以檢測自定義物件。
-
-## 在零售中使用物件檢測
-
-物件檢測在零售中有多種用途。一些包括：
-
-* **庫存檢查和計數** - 識別貨架上的庫存是否不足。如果庫存過低，可以向員工或機器人發送通知以補充貨架。
-* **口罩檢測** - 在公共衛生事件期間有口罩政策的商店中，物件檢測可以識別佩戴口罩和未佩戴口罩的人。
-* **自動結算** - 在自動化商店中檢測從貨架上取下的商品並正確地向顧客收費。
-* **危險檢測** - 識別地板上的破損物品或溢出的液體，通知清潔人員。
-
-✅ 做一些研究：物件檢測在零售中還有哪些其他應用場景？
-
-## 訓練物件檢測器
-
-你可以使用 Custom Vision 訓練物件檢測器，方式與訓練影像分類器類似。
-
-### 任務 - 創建物件檢測器
-
-1. 為此專案創建一個名為 `stock-detector` 的資源群組。
-
-1. 在 `stock-detector` 資源群組中創建一個免費的 Custom Vision 訓練資源和一個免費的 Custom Vision 預測資源。將它們命名為 `stock-detector-training` 和 `stock-detector-prediction`。
-
-    > 💁 你只能擁有一個免費的訓練和預測資源，因此請確保你已清理之前課程中的專案。
-
-    > ⚠️ 如果需要，可以參考 [專案 4，課程 1 中創建訓練和預測資源的指導](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource)。
-
-1. 啟動 Custom Vision 入口網站 [CustomVision.ai](https://customvision.ai)，並使用你的 Azure 帳戶的 Microsoft 帳戶登錄。
-
-1. 按照 Microsoft Docs 上的 [建立新專案部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#create-a-new-project) 的指導，創建一個新的 Custom Vision 專案。UI 可能會更改，這些文檔始終是最新的參考。
-
-    將你的專案命名為 `stock-detector`。
-
-    創建專案時，請確保使用你之前創建的 `stock-detector-training` 資源。選擇 *物件檢測* 專案類型，並選擇 *貨架上的商品* 領域。
-
-    ![Custom Vision 專案的設置，名稱設為 fruit-quality-detector，無描述，資源設為 fruit-quality-detector-training，專案類型設為分類，分類類型設為多類別，領域設為食品](../../../../../translated_images/zh-MO/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png)
-
-    ✅ *貨架上的商品* 領域專門用於檢測商店貨架上的庫存。閱讀更多有關不同領域的信息，請參考 [Microsoft Docs 上的選擇領域文檔](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection)。
-
-✅ 花些時間探索你的物件檢測器的 Custom Vision UI。
-
-### 任務 - 訓練你的物件檢測器
-
-要訓練你的模型，你需要一組包含你想檢測的物件的影像。
-
-1. 收集包含要檢測物件的影像。你需要至少 15 張包含每個要檢測物件的影像，這些影像需要來自不同的角度和不同的光線條件，但越多越好。此物件檢測器使用 *貨架上的商品* 領域，因此嘗試將物件設置為像在商店貨架上一樣。你還需要一些影像來測試模型。如果你要檢測多個物件，你需要一些包含所有物件的測試影像。
-
-    > 💁 包含多個不同物件的影像計入影像最低要求的 15 張影像。
-
-    你的影像應該是 png 或 jpeg 格式，大小小於 6MB。如果你使用 iPhone 創建影像，它們可能是高解析度的 HEIC 格式，因此需要轉換並可能縮小。影像越多越好，並且應該有相似數量的成熟和未成熟物件。
-
-    該模型專為貨架上的商品設計，因此嘗試在貨架上拍攝物件的照片。
-
-    你可以在 [images](../../../../../5-retail/lessons/1-train-stock-detector/images) 資料夾中找到一些腰果和番茄醬的示例影像供你使用。
-
-1. 按照 Microsoft Docs 上的 [上傳和標記影像部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) 的指導，上傳你的訓練影像。根據你想檢測的物件類型創建相關標籤。
-
-    ![上傳對話框顯示上傳成熟和未成熟香蕉的圖片](../../../../../translated_images/zh-MO/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png)
-
-    當你為物件繪製邊界框時，請保持框緊貼物件。標記所有影像可能需要一些時間，但工具會檢測它認為是邊界框的部分，這樣可以加快速度。
-
-    ![標記一些番茄醬](../../../../../translated_images/zh-MO/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png)
-
-    > 💁 如果你有超過 15 張影像的每個物件，你可以在 15 張影像後進行訓練，然後使用 **建議標籤** 功能。這將使用訓練的模型檢測未標記影像中的物件。你可以確認檢測到的物件，或者拒絕並重新繪製邊界框。這可以節省大量時間。
-
-1. 按照 Microsoft Docs 上的 [訓練檢測器部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector) 的指導，使用你的標記影像訓練物件檢測器。
-
-    你將可以選擇訓練類型。選擇 **快速訓練**。
-
-物件檢測器將開始訓練。訓練完成需要幾分鐘。
-
-## 測試你的物件檢測器
-
-一旦你的物件檢測器訓練完成，你可以通過提供新影像來測試它是否能檢測影像中的物件。
-
-### 任務 - 測試你的物件檢測器
-
-1. 使用 **快速測試** 按鈕上傳測試影像並驗證物件是否被檢測到。使用你之前創建的測試影像，而不是任何用於訓練的影像。
-
-    ![檢測到 3 罐番茄醬，概率分別為 38%、35.5% 和 34.6%](../../../../../translated_images/zh-MO/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png)
-
-1. 嘗試使用你擁有的所有測試影像並觀察概率。
-
-## 重新訓練你的物件檢測器
-
-當你測試你的物件檢測器時，它可能不會給出你期望的結果，與上一個專案中的影像分類器相同。你可以通過使用錯誤的影像重新訓練來改進你的物件檢測器。
-
-每次使用快速測試選項進行預測時，影像和結果都會被存儲。你可以使用這些影像重新訓練你的模型。
-
-1. 使用 **預測** 標籤找到你用於測試的影像。
-
-1. 確認任何準確的檢測，刪除不正確的檢測並添加任何缺失的物件。
-
-1. 重新訓練並重新測試模型。
-
----
-
-## 🚀 挑戰
-
-如果你使用物件檢測器檢測外觀相似的物品，例如同品牌的番茄醬罐和切碎番茄罐，會發生什麼？
-
-如果你有任何外觀相似的物品，嘗試將它們的影像添加到你的物件檢測器中進行測試。
-
-## 課後測驗
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
-
-## 回顧與自學
-
-* 當你訓練物件偵測器時，應該會看到 *Precision*（精確率）、*Recall*（召回率）和 *mAP*（平均精度）等數值，這些數值用來評估所建立的模型。請參考 [Microsoft 文件中「建立物件偵測器快速入門」的評估偵測器部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector) 來了解這些數值的意義。
-* 在 [維基百科的物件偵測頁面](https://wikipedia.org/wiki/Object_detection) 閱讀更多關於物件偵測的資訊。
-
-## 作業
-
-[比較領域](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/mo/5-retail/lessons/1-train-stock-detector/assignment.md
deleted file mode 100644
index 34d583fef..000000000
--- a/translations/mo/5-retail/lessons/1-train-stock-detector/assignment.md
+++ /dev/null
@@ -1,28 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
-  "translation_date": "2025-08-26T21:39:48+00:00",
-  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
-  "language_code": "mo"
-}
--->
-# 比較領域
-
-## 說明
-
-當你建立物件偵測器時，你可以選擇多個領域。比較它們在你的庫存偵測器上的表現，並描述哪一個效果更好。
-
-要更改領域，請選擇頂部選單中的 **Settings** 按鈕，選擇一個新的領域，然後點擊 **Save changes** 按鈕，接著重新訓練模型。請確保使用新領域訓練的新版本模型進行測試。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 使用不同領域訓練模型 | 能夠更改領域並重新訓練模型 | 能夠更改領域並重新訓練模型 | 無法更改領域或重新訓練模型 |
-| 測試模型並比較結果 | 能夠使用不同領域測試模型，比較結果，並描述哪個更好 | 能夠使用不同領域測試模型，但無法比較結果或描述哪個更好 | 無法使用不同領域測試模型 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/README.md b/translations/mo/5-retail/lessons/2-check-stock-device/README.md
deleted file mode 100644
index 38b51a1bc..000000000
--- a/translations/mo/5-retail/lessons/2-check-stock-device/README.md
+++ /dev/null
@@ -1,191 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
-  "translation_date": "2025-08-26T21:32:07+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
-  "language_code": "mo"
-}
--->
-# 從物聯網設備檢查庫存
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-MO/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
-
-## 簡介
-
-在上一課中，你學習了物件偵測在零售中的不同應用，也學會了如何訓練物件偵測器來識別庫存。在本課中，你將學習如何從物聯網設備使用你的物件偵測器來計算庫存。
-
-本課內容包括：
-
-* [庫存計算](../../../../../5-retail/lessons/2-check-stock-device)
-* [從物聯網設備調用物件偵測器](../../../../../5-retail/lessons/2-check-stock-device)
-* [邊界框](../../../../../5-retail/lessons/2-check-stock-device)
-* [重新訓練模型](../../../../../5-retail/lessons/2-check-stock-device)
-* [計算庫存](../../../../../5-retail/lessons/2-check-stock-device)
-
-> 🗑 這是本專案的最後一課，因此在完成本課和作業後，別忘了清理你的雲端服務。你需要這些服務來完成作業，所以請確保先完成作業。
->
-> 如有需要，請參考[清理專案指南](../../../clean-up.md)以獲取相關指導。
-
-## 庫存計算
-
-物件偵測器可以用於檢查庫存，無論是計算庫存數量還是確保庫存位於正確位置。配備攝像頭的物聯網設備可以部署在商店的各個地方來監控庫存，尤其是那些需要頻繁補貨的熱點區域，例如存放少量高價值商品的區域。
-
-例如，如果一個攝像頭對準一組可以容納8罐番茄醬的貨架，而物件偵測器只偵測到7罐，那麼就缺少了一罐，需要補貨。
-
-![貨架上有7罐番茄醬，頂排4罐，下排3罐](../../../../../translated_images/zh-MO/stock-7-cans-tomato-paste.f86059cc573d7bec.webp)
-
-在上圖中，物件偵測器偵測到貨架上有7罐番茄醬，而該貨架可以容納8罐。不僅物聯網設備可以發送補貨通知，它甚至可以提供缺失物品的位置資訊，這對於使用機器人補貨的情況尤為重要。
-
-> 💁 根據商店和商品的受歡迎程度，如果只缺少一罐，可能不會立即補貨。你需要根據產品、顧客和其他標準建立一個決定何時補貨的演算法。
-
-✅ 在哪些其他情境下，你可以結合物件偵測和機器人技術？
-
-有時候，貨架上可能會出現錯誤的庫存。這可能是補貨時的人為錯誤，或者是顧客改變購買決定後將商品放回第一個可用空間。如果是罐裝食品等非易腐商品，這只是個小麻煩；但如果是冷凍或冷藏食品等易腐商品，則可能導致商品無法再出售，因為無法確定該商品離開冷凍區的時間。
-
-物件偵測可以用來偵測意外出現的物品，並通知人員或機器人盡快將其歸位。
-
-![番茄醬貨架上的一罐玉米罐頭](../../../../../translated_images/zh-MO/stock-rogue-corn.be1f3ada8c457854.webp)
-
-在上圖中，一罐玉米罐頭被放在了番茄醬的貨架上。物件偵測器偵測到了這一情況，使物聯網設備能夠通知人員或機器人將罐頭歸位。
-
-## 從物聯網設備調用物件偵測器
-
-你在上一課中訓練的物件偵測器可以從物聯網設備調用。
-
-### 任務 - 發佈物件偵測器的迭代版本
-
-迭代版本可以從 Custom Vision 入口網站發佈。
-
-1. 打開 [CustomVision.ai](https://customvision.ai) 並登入，如果尚未開啟，請打開你的 `stock-detector` 專案。
-
-1. 從頂部選項中選擇 **Performance** 標籤。
-
-1. 從側邊的 *Iterations* 列表中選擇最新的迭代版本。
-
-1. 點擊該迭代版本的 **Publish** 按鈕。
-
-    ![發佈按鈕](../../../../../translated_images/zh-MO/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png)
-
-1. 在 *Publish Model* 對話框中，將 *Prediction resource* 設置為你在上一課中創建的 `stock-detector-prediction` 資源。保持名稱為 `Iteration2`，然後選擇 **Publish** 按鈕。
-
-1. 發佈後，選擇 **Prediction URL** 按鈕。這將顯示預測 API 的詳細資訊，你需要這些資訊來從物聯網設備調用模型。下方標記為 *If you have an image file* 的部分是你需要的詳細資訊。複製顯示的 URL，該 URL 可能類似於：
-
-    ```output
-    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
-    ```
-
-    其中 `<location>` 是你創建 Custom Vision 資源時使用的位置，`<id>` 是由字母和數字組成的一個長 ID。
-
-    同時複製 *Prediction-Key* 值。這是一個安全密鑰，調用模型時必須傳遞該密鑰。只有傳遞此密鑰的應用程式才能使用模型，其他應用程式將被拒絕。
-
-    ![預測 API 對話框顯示 URL 和密鑰](../../../../../translated_images/zh-MO/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png)
-
-✅ 當發佈新的迭代版本時，它會有不同的名稱。你認為應該如何更改物聯網設備使用的迭代版本？
-
-### 任務 - 從物聯網設備調用物件偵測器
-
-按照以下相關指南，從你的物聯網設備使用物件偵測器：
-
-* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
-* [單板電腦 - Raspberry Pi/虛擬設備](single-board-computer-object-detector.md)
-
-## 邊界框
-
-使用物件偵測器時，你不僅會獲得被偵測物件的標籤和概率，還會獲得物件的邊界框。這些邊界框定義了物件偵測器以給定概率偵測到物件的位置。
-
-> 💁 邊界框是一個框，用於定義包含被偵測物件的區域，框的邊界即為物件的範圍。
-
-在 Custom Vision 的 **Predictions** 標籤中，預測結果會在發送進行預測的圖像上繪製邊界框。
-
-![貨架上4罐番茄醬的預測結果，分別為35.8%、33.5%、25.7%和16.6%](../../../../../translated_images/zh-MO/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png)
-
-在上圖中，偵測到4罐番茄醬。在結果中，每個被偵測物件的圖像上都疊加了一個紅色方框，表示該物件的邊界框。
-
-✅ 打開 Custom Vision 的預測結果，查看邊界框。
-
-邊界框由4個值定義：上（top）、左（left）、高（height）和寬（width）。這些值的範圍是0到1，表示相對於圖像大小的百分比位置。原點（0,0）是圖像的左上角，因此上值是距離頂部的距離，而邊界框的底部是上值加上高度。
-
-![番茄醬罐頭周圍的邊界框](../../../../../translated_images/zh-MO/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png)
-
-上圖的寬度為600像素，高度為800像素。邊界框從320像素處開始，對應的上值為0.4（800 x 0.4 = 320）。從左側開始，邊界框距離240像素，對應的左值為0.4（600 x 0.4 = 240）。邊界框的高度為240像素，對應的高值為0.3（800 x 0.3 = 240）。邊界框的寬度為120像素，對應的寬值為0.2（600 x 0.2 = 120）。
-
-| 座標   | 值    |
-| ------ | ----: |
-| 上     | 0.4   |
-| 左     | 0.4   |
-| 高度   | 0.3   |
-| 寬度   | 0.2   |
-
-使用0到1的百分比值意味著無論圖像被縮放到什麼大小，邊界框都會從0.4的位置開始，並且高度為0.3，寬度為0.2。
-
-你可以結合邊界框和概率來評估偵測的準確性。例如，物件偵測器可能會偵測到多個重疊的物件，例如一個罐頭在另一個罐頭內部。你的程式碼可以檢查邊界框，判斷這是不可能的，並忽略任何與其他物件有顯著重疊的物件。
-
-![兩個重疊的邊界框圍繞一罐番茄醬](../../../../../translated_images/zh-MO/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png)
-
-在上圖中，一個邊界框表示一罐番茄醬，預測概率為78.3%。另一個邊界框稍小，位於第一個邊界框內部，概率為64.3%。你的程式碼可以檢查邊界框，發現它們完全重疊，並忽略較低概率的邊界框，因為不可能一個罐頭在另一個罐頭內部。
-
-✅ 你能想到哪些情境下，偵測到一個物件在另一個物件內部是合理的？
-
-## 重新訓練模型
-
-與圖像分類器類似，你可以使用物聯網設備捕獲的數據重新訓練模型。使用這些真實世界的數據可以確保模型在物聯網設備上運行良好。
-
-與圖像分類器不同的是，你不能僅僅標記一張圖像。相反，你需要檢查模型偵測到的每個邊界框。如果邊界框圍繞錯誤的物件，則需要刪除；如果位置不正確，則需要調整。
-
-### 任務 - 重新訓練模型
-
-1. 確保你已使用物聯網設備捕獲了一系列圖像。
-
-1. 在 **Predictions** 標籤中，選擇一張圖像。你會看到紅色框，表示偵測到的物件的邊界框。
-
-1. 檢查每個邊界框。首先選擇它，你會看到一個彈出視窗顯示標籤。如果需要，使用邊界框角上的控制點調整大小。如果標籤錯誤，使用 **X** 按鈕刪除並添加正確的標籤。如果邊界框不包含物件，使用垃圾桶按鈕刪除它。
-
-1. 完成後關閉編輯器，圖像將從 **Predictions** 標籤移至 **Training Images** 標籤。對所有預測重複此過程。
-
-1. 使用 **Train** 按鈕重新訓練模型。訓練完成後，發佈新的迭代版本，並更新物聯網設備以使用新迭代版本的 URL。
-
-1. 重新部署程式碼並測試你的物聯網設備。
-
-## 計算庫存
-
-結合偵測到的物件數量和邊界框，你可以計算貨架上的庫存。
-
-### 任務 - 計算庫存
-
-按照以下相關指南，使用物件偵測器的結果從你的物聯網設備計算庫存：
-
-* [Arduino - Wio Terminal](wio-terminal-count-stock.md)
-* [單板電腦 - Raspberry Pi/虛擬設備](single-board-computer-count-stock.md)
-
----
-
-## 🚀 挑戰
-
-你能偵測到錯誤的庫存嗎？訓練你的模型以識別多種物件，然後更新你的應用程式，在偵測到錯誤的庫存時發出警報。
-
-甚至可以進一步嘗試，偵測同一貨架上的並排庫存，並通過定義邊界框的限制來檢查是否有物品被放錯位置。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/40)
-
-## 回顧與自學
-
-* 了解更多關於如何設計端到端庫存偵測系統，請參考 [Microsoft Docs 上的邊緣缺貨偵測模式指南](https://docs.microsoft.com/hybrid/app-solutions/pattern-out-of-stock-at-edge?WT.mc_id=academic-17441-jabenn)。
-* 觀看 [Behind the scenes of a retail solution - Hands On!](https://www.youtube.com/watch?v=m3Pc300x2Mw) 的 YouTube 視頻，了解如何結合多種物聯網和雲端服務構建端到端零售解決方案。
-
-## 作業
-
-[在邊緣使用你的物件偵測器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/assignment.md b/translations/mo/5-retail/lessons/2-check-stock-device/assignment.md
deleted file mode 100644
index f889787df..000000000
--- a/translations/mo/5-retail/lessons/2-check-stock-device/assignment.md
+++ /dev/null
@@ -1,25 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
-  "translation_date": "2025-08-26T21:33:04+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
-  "language_code": "mo"
-}
--->
-# 在邊緣設備上使用物件檢測器
-
-## 說明
-
-在上一個專案中，你已經將影像分類器部署到邊緣設備。現在，對你的物件檢測器做同樣的操作，將其匯出為精簡模型，並在邊緣設備上運行，從你的 IoT 裝置訪問邊緣版本。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 將物件檢測器部署到邊緣設備 | 能夠使用正確的精簡域，匯出物件檢測器並在邊緣設備上運行 | 能夠使用正確的精簡域並匯出物件檢測器，但無法在邊緣設備上運行 | 無法使用正確的精簡域，匯出物件檢測器，並在邊緣設備上運行 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
deleted file mode 100644
index 4c6ece9b6..000000000
--- a/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
+++ /dev/null
@@ -1,177 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9c4320311c0f2c1884a6a21265d98a51",
-  "translation_date": "2025-08-26T21:35:26+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
-  "language_code": "mo"
-}
--->
-# 從您的 IoT 設備計算庫存 - 虛擬 IoT 硬體與 Raspberry Pi
-
-結合預測結果與其邊界框，可以用來計算圖像中的庫存數量。
-
-## 顯示邊界框
-
-作為一個有用的除錯步驟，您不僅可以將邊界框打印出來，還可以將它們繪製在捕獲圖像時寫入磁碟的圖像上。
-
-### 任務 - 打印邊界框
-
-1. 確保在 VS Code 中打開了 `stock-counter` 專案，並且如果您使用的是虛擬 IoT 設備，已啟動虛擬環境。
-
-1. 將 `for` 迴圈中的 `print` 語句更改為以下內容，以將邊界框打印到控制台：
-
-    ```python
-    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
-    ```
-
-1. 啟動應用程式，將相機對準架子上的一些庫存。邊界框將打印到控制台，左、上、寬和高的值範圍為 0-1。
-
-    ```output
-    pi@raspberrypi:~/stock-counter $ python3 app.py 
-    tomato paste:   33.42%  {'additional_properties': {}, 'left': 0.3455171, 'top': 0.09916268, 'width': 0.14175442, 'height': 0.29405564}
-    tomato paste:   34.41%  {'additional_properties': {}, 'left': 0.48283678, 'top': 0.10242918, 'width': 0.11782813, 'height': 0.27467814}
-    tomato paste:   31.25%  {'additional_properties': {}, 'left': 0.4923783, 'top': 0.35007596, 'width': 0.13668466, 'height': 0.28304994}
-    tomato paste:   31.05%  {'additional_properties': {}, 'left': 0.36416405, 'top': 0.37494493, 'width': 0.14024884, 'height': 0.26880276}
-    ```
-
-### 任務 - 在圖像上繪製邊界框
-
-1. Pip 套件 [Pillow](https://pypi.org/project/Pillow/) 可用於在圖像上繪製。使用以下命令安裝：
-
-    ```sh
-    pip3 install pillow
-    ```
-
-    如果您使用的是虛擬 IoT 設備，請確保在啟動的虛擬環境中執行此操作。
-
-1. 在 `app.py` 文件的頂部添加以下匯入語句：
-
-    ```python
-    from PIL import Image, ImageDraw, ImageColor
-    ```
-
-    這將匯入編輯圖像所需的程式碼。
-
-1. 在 `app.py` 文件的末尾添加以下程式碼：
-
-    ```python
-    with Image.open('image.jpg') as im:
-        draw = ImageDraw.Draw(im)
-    
-        for prediction in predictions:
-            scale_left = prediction.bounding_box.left
-            scale_top = prediction.bounding_box.top
-            scale_right = prediction.bounding_box.left + prediction.bounding_box.width
-            scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
-            
-            left = scale_left * im.width
-            top = scale_top * im.height
-            right = scale_right * im.width
-            bottom = scale_bottom * im.height
-    
-            draw.rectangle([left, top, right, bottom], outline=ImageColor.getrgb('red'), width=2)
-    
-        im.save('image.jpg')
-    ```
-
-    此程式碼打開之前保存的圖像進行編輯。然後，它迴圈處理預測結果，獲取邊界框，並使用 0-1 的邊界框值計算右下角座標。這些值通過乘以圖像的相關維度轉換為圖像座標。例如，如果左值為 0.5，圖像寬度為 600 像素，則轉換為 300 (0.5 x 600 = 300)。
-
-    每個邊界框都用紅線繪製在圖像上。最後，編輯後的圖像被保存，覆蓋原始圖像。
-
-1. 啟動應用程式，將相機對準架子上的一些庫存。您將在 VS Code 的檔案總管中看到 `image.jpg` 文件，並可以選擇它來查看邊界框。
-
-    ![4 罐番茄醬，每罐周圍都有邊界框](../../../../../translated_images/zh-MO/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f.webp)
-
-## 計算庫存
-
-在上圖中，邊界框有些許重疊。如果這種重疊更大，則邊界框可能表示同一個物體。為了正確計算物體數量，您需要忽略具有顯著重疊的框。
-
-### 任務 - 忽略重疊計算庫存
-
-1. Pip 套件 [Shapely](https://pypi.org/project/Shapely/) 可用於計算交集。如果您使用的是 Raspberry Pi，您需要先安裝一個庫依賴項：
-
-    ```sh
-    sudo apt install libgeos-dev
-    ```
-
-1. 安裝 Shapely Pip 套件：
-
-    ```sh
-    pip3 install shapely
-    ```
-
-    如果您使用的是虛擬 IoT 設備，請確保在啟動的虛擬環境中執行此操作。
-
-1. 在 `app.py` 文件的頂部添加以下匯入語句：
-
-    ```python
-    from shapely.geometry import Polygon
-    ```
-
-    這將匯入創建多邊形以計算重疊所需的程式碼。
-
-1. 在繪製邊界框的程式碼上方，添加以下程式碼：
-
-    ```python
-    overlap_threshold = 0.20
-    ```
-
-    這定義了允許的重疊百分比，超過該百分比時邊界框將被視為同一個物體。0.20 定義了 20% 的重疊。
-
-1. 要使用 Shapely 計算重疊，邊界框需要轉換為 Shapely 多邊形。添加以下函數來完成此操作：
-
-    ```python
-    def create_polygon(prediction):
-        scale_left = prediction.bounding_box.left
-        scale_top = prediction.bounding_box.top
-        scale_right = prediction.bounding_box.left + prediction.bounding_box.width
-        scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
-    
-        return Polygon([(scale_left, scale_top), (scale_right, scale_top), (scale_right, scale_bottom), (scale_left, scale_bottom)])
-    ```
-
-    這使用預測的邊界框創建一個多邊形。
-
-1. 移除重疊物體的邏輯涉及比較所有邊界框，如果任何一對預測的邊界框重疊超過閾值，則刪除其中一個預測。為了比較所有預測，您需要將預測 1 與 2、3、4 等進行比較，然後將 2 與 3、4 等進行比較。以下程式碼完成此操作：
-
-    ```python
-    to_delete = []
-
-    for i in range(0, len(predictions)):
-        polygon_1 = create_polygon(predictions[i])
-    
-        for j in range(i+1, len(predictions)):
-            polygon_2 = create_polygon(predictions[j])
-            overlap = polygon_1.intersection(polygon_2).area
-
-            smallest_area = min(polygon_1.area, polygon_2.area)
-    
-            if overlap > (overlap_threshold * smallest_area):
-                to_delete.append(predictions[i])
-                break
-    
-    for d in to_delete:
-        predictions.remove(d)
-
-    print(f'Counted {len(predictions)} stock items')
-    ```
-
-    重疊是使用 Shapely 的 `Polygon.intersection` 方法計算的，該方法返回一個表示重疊的多邊形。然後從該多邊形計算面積。此重疊閾值不是絕對值，而是需要作為邊界框的百分比，因此找到最小的邊界框，並使用重疊閾值計算重疊面積不能超過最小邊界框的百分比。如果重疊超過此值，則該預測被標記為刪除。
-
-    一旦預測被標記為刪除，就不需要再次檢查，因此內部迴圈跳出以檢查下一個預測。您無法在迴圈中直接從列表中刪除項目，因此超過閾值的重疊邊界框被添加到 `to_delete` 列表中，然後在最後刪除。
-
-    最後，庫存數量被打印到控制台。這可以發送到 IoT 服務以在庫存水平過低時發出警報。所有這些程式碼都在繪製邊界框之前，因此您將在生成的圖像上看到沒有重疊的庫存預測。
-
-    > 💁 這是一種非常簡單的移除重疊的方法，只是刪除重疊對中的第一個。在生產程式碼中，您可能需要加入更多邏輯，例如考慮多個物體之間的重疊，或者一個邊界框是否被另一個邊界框包含。
-
-1. 啟動應用程式，將相機對準架子上的一些庫存。輸出將顯示超過閾值的重疊被忽略後的邊界框數量。嘗試調整 `overlap_threshold` 值以查看被忽略的預測。
-
-> 💁 您可以在 [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) 或 [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 您的庫存計數程式大功告成！
-
----
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
deleted file mode 100644
index 525aa0492..000000000
--- a/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
+++ /dev/null
@@ -1,88 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "a3fdfec1d1e2cb645ea11c2930b51299",
-  "translation_date": "2025-08-26T21:29:56+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
-  "language_code": "mo"
-}
--->
-# 從物聯網設備呼叫物件偵測器 - 虛擬物聯網硬體與樹莓派
-
-一旦您的物件偵測器已發布，就可以從您的物聯網設備使用它。
-
-## 複製影像分類器專案
-
-您的庫存偵測器大部分內容與您在之前課程中建立的影像分類器相同。
-
-### 任務 - 複製影像分類器專案
-
-1. 建立一個名為 `stock-counter` 的資料夾，若您使用虛擬物聯網設備，則在您的電腦上建立；若使用樹莓派，則在樹莓派上建立。如果您使用虛擬物聯網設備，請確保已設置虛擬環境。
-
-1. 設置相機硬體。
-
-    * 如果您使用樹莓派，您需要安裝 PiCamera。您可能還需要將相機固定在一個位置，例如，將相機的線纜掛在盒子或罐子上，或者用雙面膠將相機固定在盒子上。
-    * 如果您使用虛擬物聯網設備，則需要安裝 CounterFit 和 CounterFit PyCamera shim。如果您打算使用靜態影像，請捕捉一些您的物件偵測器尚未見過的影像；如果您打算使用網路攝影機，請確保其位置能看到您要偵測的庫存。
-
-1. 複製 [製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) 中的步驟，從相機捕捉影像。
-
-1. 複製 [製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) 中的步驟，呼叫影像分類器。大部分的程式碼將被重複使用來偵測物件。
-
-## 將程式碼從分類器改為影像偵測器
-
-您用於分類影像的程式碼與用於偵測物件的程式碼非常相似。主要的差異在於 Custom Vision SDK 中呼叫的方法，以及呼叫的結果。
-
-### 任務 - 將程式碼從分類器改為影像偵測器
-
-1. 刪除三行用於分類影像並處理預測的程式碼：
-
-    ```python
-    results = predictor.classify_image(project_id, iteration_name, image)
-    
-    for prediction in results.predictions:
-        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
-    ```
-
-    移除這三行程式碼。
-
-1. 添加以下程式碼以偵測影像中的物件：
-
-    ```python
-    results = predictor.detect_image(project_id, iteration_name, image)
-
-    threshold = 0.3
-    
-    predictions = list(prediction for prediction in results.predictions if prediction.probability > threshold)
-    
-    for prediction in predictions:
-        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
-    ```
-
-    此程式碼呼叫 `detect_image` 方法，使用預測器執行物件偵測器。接著，它會收集所有超過門檻值的預測，並將其打印到控制台。
-
-    與影像分類器僅返回每個標籤一個結果不同，物件偵測器會返回多個結果，因此需要過濾掉任何低機率的結果。
-
-1. 執行此程式碼，它將捕捉影像，將其發送至物件偵測器，並打印出偵測到的物件。如果您使用虛擬物聯網設備，請確保在 CounterFit 中設置了適當的影像，或選擇了網路攝影機。如果您使用樹莓派，請確保您的相機指向架子上的物件。
-
-    ```output
-    pi@raspberrypi:~/stock-counter $ python3 app.py 
-    tomato paste:   34.13%
-    tomato paste:   33.95%
-    tomato paste:   35.05%
-    tomato paste:   32.80%
-    ```
-
-    > 💁 您可能需要調整 `threshold` 值以適合您的影像。
-
-    您將能夠看到拍攝的影像，以及這些值在 Custom Vision 的 **Predictions** 標籤中。
-
-    ![架子上有 4 罐番茄醬，預測結果分別為 35.8%、33.5%、25.7% 和 16.6%](../../../../../translated_images/zh-MO/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png)
-
-> 💁 您可以在 [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) 或 [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 您的庫存計數程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
deleted file mode 100644
index 0a78e412b..000000000
--- a/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
+++ /dev/null
@@ -1,181 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
-  "translation_date": "2025-08-26T21:34:04+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
-  "language_code": "mo"
-}
--->
-# 從您的 IoT 設備計算庫存 - Wio Terminal
-
-結合預測結果和其邊界框，可以用來計算圖像中的庫存數量。
-
-## 計算庫存
-
-![4 罐番茄醬，每罐周圍都有邊界框](../../../../../translated_images/zh-MO/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f.webp)
-
-在上圖中，邊界框之間有些微重疊。如果這種重疊程度更大，邊界框可能會表示同一個物體。為了正確計算物體數量，您需要忽略那些有顯著重疊的框。
-
-### 任務 - 忽略重疊計算庫存
-
-1. 如果尚未打開您的 `stock-counter` 專案，請將其打開。
-
-1. 在 `processPredictions` 函數的上方，新增以下程式碼：
-
-    ```cpp
-    const float overlap_threshold = 0.20f;
-    ```
-
-    這段程式碼定義了邊界框被認為是同一物體之前允許的重疊百分比。0.20 表示 20% 的重疊。
-
-1. 在此程式碼下方，`processPredictions` 函數的上方，新增以下程式碼以計算兩個矩形的重疊區域：
-
-    ```cpp
-    struct Point {
-        float x, y;
-    };
-
-    struct Rect {
-        Point topLeft, bottomRight;
-    };
-
-    float area(Rect rect)
-    {
-        return abs(rect.bottomRight.x - rect.topLeft.x) * abs(rect.bottomRight.y - rect.topLeft.y);
-    }
-     
-    float overlappingArea(Rect rect1, Rect rect2)
-    {
-        float left = max(rect1.topLeft.x, rect2.topLeft.x);
-        float right = min(rect1.bottomRight.x, rect2.bottomRight.x);
-        float top = max(rect1.topLeft.y, rect2.topLeft.y);
-        float bottom = min(rect1.bottomRight.y, rect2.bottomRight.y);
-    
-    
-        if ( right > left && bottom > top )
-        {
-            return (right-left)*(bottom-top);
-        }
-        
-        return 0.0f;
-    }
-    ```
-
-    這段程式碼定義了一個 `Point` 結構來存儲圖像上的點，以及一個 `Rect` 結構來使用左上角和右下角座標定義矩形。接著，它定義了一個 `area` 函數，該函數根據左上角和右下角座標計算矩形的面積。
-
-    然後，它定義了一個 `overlappingArea` 函數，用於計算兩個矩形的重疊區域。如果它們沒有重疊，則返回 0。
-
-1. 在 `overlappingArea` 函數的下方，宣告一個函數以將邊界框轉換為 `Rect`：
-
-    ```cpp
-    Rect rectFromBoundingBox(JsonVariant prediction)
-    {
-        JsonObject bounding_box = prediction["boundingBox"].as<JsonObject>();
-    
-        float left = bounding_box["left"].as<float>();
-        float top = bounding_box["top"].as<float>();
-        float width = bounding_box["width"].as<float>();
-        float height = bounding_box["height"].as<float>();
-    
-        Point topLeft = {left, top};
-        Point bottomRight = {left + width, top + height};
-    
-        return {topLeft, bottomRight};
-    }
-    ```
-
-    這段程式碼從物體檢測器的預測中提取邊界框，並使用邊界框上的值來定義矩形。右側是由左側加上寬度計算得出。底部是由頂部加上高度計算得出。
-
-1. 需要將預測結果彼此進行比較，如果兩個預測的重疊超過閾值，則需要刪除其中一個。重疊閾值是一個百分比，因此需要乘以最小邊界框的大小，以檢查重疊是否超過邊界框的給定百分比，而不是整個圖像的給定百分比。首先，刪除 `processPredictions` 函數的內容。
-
-1. 在空的 `processPredictions` 函數中新增以下程式碼：
-
-    ```cpp
-    std::vector<JsonVariant> passed_predictions;
-
-    for (int i = 0; i < predictions.size(); ++i)
-    {
-        Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
-        float prediction_1_area = area(prediction_1_rect);
-        bool passed = true;
-
-        for (int j = i + 1; j < predictions.size(); ++j)
-        {
-            Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
-            float prediction_2_area = area(prediction_2_rect);
-
-            float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
-            float smallest_area = min(prediction_1_area, prediction_2_area);
-
-            if (overlap > (overlap_threshold * smallest_area))
-            {
-                passed = false;
-                break;
-            }
-        }
-
-        if (passed)
-        {
-            passed_predictions.push_back(predictions[i]);
-        }
-    }
-    ```
-
-    這段程式碼宣告了一個向量來存儲不重疊的預測結果。然後，它遍歷所有的預測結果，從邊界框創建一個 `Rect`。
-
-    接著，這段程式碼遍歷剩餘的預測結果，從當前預測的下一個開始。這樣可以避免重複比較預測結果——一旦比較了 1 和 2，就不需要再比較 2 和 1，只需比較 2 和 3、4 等。
-
-    對於每對預測，計算重疊區域。然後將其與最小邊界框的面積進行比較——如果重疊超過最小邊界框的閾值百分比，則該預測被標記為未通過。如果在比較所有重疊後，該預測通過了檢查，則將其添加到 `passed_predictions` 集合中。
-
-    > 💁 這是一種非常簡單的方式來移除重疊，只是刪除重疊對中的第一個。在生產代碼中，您可能需要加入更多邏輯，例如考慮多個物體之間的重疊，或者一個邊界框是否被另一個包含。
-
-1. 在此之後，新增以下程式碼以將通過的預測結果的詳細資訊發送到序列監視器：
-
-    ```cpp
-    for(JsonVariant prediction : passed_predictions)
-    {
-        String boundingBox = prediction["boundingBox"].as<String>();
-        String tag = prediction["tagName"].as<String>();
-        float probability = prediction["probability"].as<float>();
-
-        char buff[32];
-        sprintf(buff, "%s:\t%.2f%%\t%s", tag.c_str(), probability * 100.0, boundingBox.c_str());
-        Serial.println(buff);
-    }
-    ```
-
-    這段程式碼遍歷通過的預測結果，並將其詳細資訊打印到序列監視器。
-
-1. 在此之下，新增程式碼以將計算出的物品數量打印到序列監視器：
-
-    ```cpp
-    Serial.print("Counted ");
-    Serial.print(passed_predictions.size());
-    Serial.println(" stock items.");
-    ```
-
-    然後可以將此數據發送到 IoT 服務，以在庫存水平過低時發出警報。
-
-1. 上傳並運行您的程式碼。將相機對準架子上的物品，然後按下 C 按鈕。嘗試調整 `overlap_threshold` 值，觀察預測結果被忽略的情況。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 17416
-    tomato paste:   35.84%  {"left":0.395631,"top":0.215897,"width":0.180768,"height":0.359364}
-    tomato paste:   35.87%  {"left":0.378554,"top":0.583012,"width":0.14824,"height":0.359382}
-    tomato paste:   34.11%  {"left":0.699024,"top":0.592617,"width":0.124411,"height":0.350456}
-    tomato paste:   35.16%  {"left":0.513006,"top":0.647853,"width":0.187472,"height":0.325817}
-    Counted 4 stock items.
-    ```
-
-> 💁 您可以在 [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的庫存計數程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
deleted file mode 100644
index b9fc53a74..000000000
--- a/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
+++ /dev/null
@@ -1,116 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4cf1421420a6fab9ab4f2c391bd523b7",
-  "translation_date": "2025-08-26T21:36:28+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
-  "language_code": "mo"
-}
--->
-# 從物聯網設備呼叫物件檢測器 - Wio Terminal
-
-當你的物件檢測器已發布後，就可以從你的物聯網設備使用它。
-
-## 複製影像分類器專案
-
-你的庫存檢測器大部分內容與你在之前課程中建立的影像分類器相同。
-
-### 任務 - 複製影像分類器專案
-
-1. 按照[製造專案第2課](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera)中的步驟，將你的 ArduCam 連接到 Wio Terminal。
-
-    你可能還需要將相機固定在一個位置，例如，將相機的線纜掛在盒子或罐子上，或者用雙面膠將相機固定在盒子上。
-
-1. 使用 PlatformIO 建立一個全新的 Wio Terminal 專案，命名為 `stock-counter`。
-
-1. 按照[製造專案第2課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device)中的步驟，從相機捕捉影像。
-
-1. 按照[製造專案第2課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device)中的步驟，呼叫影像分類器。大部分的程式碼將被重複使用來檢測物件。
-
-## 將程式碼從分類器改為影像檢測器
-
-你用來分類影像的程式碼與用來檢測物件的程式碼非常相似。主要的差異在於你從 Custom Vision 獲得的 URL，以及呼叫的結果。
-
-### 任務 - 將程式碼從分類器改為影像檢測器
-
-1. 在 `main.cpp` 文件的頂部添加以下 include 指令：
-
-    ```cpp
-    #include <vector>
-    ```
-
-1. 將 `classifyImage` 函數重新命名為 `detectStock`，包括函數名稱以及在 `buttonPressed` 函數中的呼叫。
-
-1. 在 `detectStock` 函數上方，宣告一個閾值，用於過濾掉任何低概率的檢測：
-
-    ```cpp
-    const float threshold = 0.3f;
-    ```
-
-    與影像分類器只返回每個標籤一個結果不同，物件檢測器會返回多個結果，因此需要過濾掉任何低概率的結果。
-
-1. 在 `detectStock` 函數上方，宣告一個函數來處理預測結果：
-
-    ```cpp
-    void processPredictions(std::vector<JsonVariant> &predictions)
-    {
-        for(JsonVariant prediction : predictions)
-        {
-            String tag = prediction["tagName"].as<String>();
-            float probability = prediction["probability"].as<float>();
-    
-            char buff[32];
-            sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
-            Serial.println(buff);
-        }
-    }
-    ```
-
-    這個函數會接收一個預測列表並將其打印到序列監視器。
-
-1. 在 `detectStock` 函數中，替換掉迴圈中處理預測的內容，使用以下程式碼：
-
-    ```cpp
-    std::vector<JsonVariant> passed_predictions;
-
-    for(JsonVariant prediction : predictions) 
-    {
-        float probability = prediction["probability"].as<float>();
-        if (probability > threshold)
-        {
-            passed_predictions.push_back(prediction);
-        }
-    }
-
-    processPredictions(passed_predictions);
-    ```
-
-    這段程式碼會迴圈處理預測，將概率與閾值進行比較。所有概率高於閾值的預測都會被添加到 `list` 中，並傳遞給 `processPredictions` 函數。
-
-1. 上傳並執行你的程式碼。將相機對準架子上的物件並按下 C 按鈕。你會在序列監視器中看到輸出：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 17416
-    tomato paste:   35.84%
-    tomato paste:   35.87%
-    tomato paste:   34.11%
-    tomato paste:   35.16%
-    ```
-
-    > 💁 你可能需要根據你的影像調整 `threshold` 到適當的值。
-
-    你將能看到拍攝的影像，以及這些值在 Custom Vision 的 **Predictions** 標籤中。
-
-    ![架子上的4罐番茄醬，預測結果分別為35.8%、33.5%、25.7%和16.6%](../../../../../translated_images/zh-MO/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png)
-
-> 💁 你可以在 [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 你的庫存計數程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/README.md b/translations/mo/6-consumer/README.md
deleted file mode 100644
index ff1972ead..000000000
--- a/translations/mo/6-consumer/README.md
+++ /dev/null
@@ -1,36 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
-  "translation_date": "2025-08-26T23:51:28+00:00",
-  "source_file": "6-consumer/README.md",
-  "language_code": "mo"
-}
--->
-# 消費性物聯網 - 建立智慧語音助理
-
-食物已經種植好，運送到加工廠，經過品質篩選，並在商店中售出，現在是時候開始烹飪了！廚房中不可或缺的一部分就是計時器。最初的計時器是沙漏——當所有的沙子流到下方的玻璃球時，食物就煮好了。後來演變成機械式計時器，再到電子計時器。
-
-最新的版本已成為我們智慧設備的一部分。在世界各地的家庭廚房中，你會聽到廚師喊著「嘿 Siri，設置一個10分鐘的計時器」或「Alexa，取消我的麵包計時器」。現在你不再需要走回廚房查看計時器，你可以直接用手機操作，或者在房間裡喊一聲就能完成。
-
-在這四堂課中，你將學習如何建立一個智慧計時器，使用人工智慧來辨識你的語音，理解你的需求，並回應有關計時器的資訊。你還會加入多語言支持功能。
-
-> ⚠️ 使用語音和麥克風數據需要大量記憶體，這意味著在微控制器上很容易達到限制。這個項目已經針對這些問題進行了調整，但請注意，Wio Terminal 的實驗較為複雜，可能需要比課程中其他實驗更多的時間。
-
-> 💁 這些課程會使用一些雲端資源。如果你未完成此項目中的所有課程，請確保[清理你的項目](../clean-up.md)。
-
-## 主題
-
-1. [使用物聯網設備辨識語音](./lessons/1-speech-recognition/README.md)
-1. [理解語言](./lessons/2-language-understanding/README.md)
-1. [設置計時器並提供語音回饋](./lessons/3-spoken-feedback/README.md)
-1. [支持多語言](./lessons/4-multiple-language-support/README.md)
-
-## 致謝
-
-所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
-
----
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/README.md b/translations/mo/6-consumer/lessons/1-speech-recognition/README.md
deleted file mode 100644
index 9daab373d..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/README.md
+++ /dev/null
@@ -1,235 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
-  "translation_date": "2025-08-27T00:22:12+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
-  "language_code": "mo"
-}
--->
-# 使用物聯網設備進行語音識別
-
-![本課程概述的手繪筆記](../../../../../translated_images/zh-MO/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure 語音服務，這是本課程將涵蓋的主題：
-
-[![如何開始使用 Microsoft Azure YouTube 頻道的認知服務語音資源](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
-
-## 簡介
-
-「Alexa，設置一個12分鐘的計時器」
-
-「Alexa，計時器狀態」
-
-「Alexa，設置一個8分鐘的計時器，命名為蒸西蘭花」
-
-智慧設備越來越普及。不僅僅是像 HomePods、Echos 和 Google Homes 這樣的智慧音箱，還嵌入到我們的手機、手錶，甚至燈具和恆溫器中。
-
-> 💁 我家裡至少有19個具有語音助手功能的設備，這還只是我知道的部分！
-
-語音控制提高了可及性，讓行動受限的人能夠與設備互動。無論是天生缺乏手臂的永久性障礙，還是像手臂骨折這樣的暫時性障礙，或者手上拿著購物袋或照顧小孩，能夠用語音而非雙手控制家居設備，開啟了一個全新的便利世界。比如在處理嬰兒換尿布和調皮的幼兒時，喊一聲「嘿 Siri，關閉我的車庫門」可能是一個小但有效的生活改善。
-
-語音助手的一個流行用途是設置計時器，尤其是廚房計時器。能夠用語音設置多個計時器在廚房中非常有幫助——不需要停下揉麵團、攪拌湯或清理手上的餃子餡料來使用實體計時器。
-
-在本課程中，您將學習如何將語音識別功能集成到物聯網設備中。您將了解麥克風作為感測器的工作原理，如何從連接到物聯網設備的麥克風捕捉音頻，以及如何使用人工智慧將聽到的內容轉換為文字。在整個專案中，您將構建一個智慧廚房計時器，能夠使用多種語言通過語音設置計時器。
-
-在本課程中，我們將涵蓋以下內容：
-
-* [麥克風](../../../../../6-consumer/lessons/1-speech-recognition)
-* [從物聯網設備捕捉音頻](../../../../../6-consumer/lessons/1-speech-recognition)
-* [語音轉文字](../../../../../6-consumer/lessons/1-speech-recognition)
-* [將語音轉換為文字](../../../../../6-consumer/lessons/1-speech-recognition)
-
-## 麥克風
-
-麥克風是將聲波轉換為電信號的類比感測器。空氣中的振動使麥克風內部的元件微小移動，從而引起電信號的微小變化。這些變化隨後被放大以生成電輸出。
-
-### 麥克風類型
-
-麥克風有多種類型：
-
-* 動圈式 - 動圈式麥克風具有一個附著在移動振膜上的磁鐵，該磁鐵在線圈中移動時會產生電流。這與大多數揚聲器的工作原理相反，揚聲器使用電流移動線圈中的磁鐵，從而移動振膜產生聲音。這意味著揚聲器可以用作動圈式麥克風，而動圈式麥克風也可以用作揚聲器。在像對講機這樣的設備中，使用者要麼在聽，要麼在說，但不會同時進行，一個設備可以同時充當揚聲器和麥克風。
-
-    動圈式麥克風不需要電源，電信號完全由麥克風產生。
-
-    ![Patti Smith 使用 Shure SM58（動圈心型）麥克風演唱](../../../../../translated_images/zh-MO/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg)
-
-* 緞帶式 - 緞帶式麥克風類似於動圈式麥克風，但使用金屬緞帶代替振膜。該緞帶在磁場中移動時會產生電流。與動圈式麥克風一樣，緞帶式麥克風不需要電源。
-
-    ![美國演員 Edmund Lowe 站在標有 (NBC) Blue Network 的廣播麥克風前，手持劇本，1942年](../../../../../translated_images/zh-MO/ribbon-mic.eacc8e092c7441ca.webp)
-
-* 電容式 - 電容式麥克風具有一個薄金屬振膜和一個固定的金屬背板。電流被施加到這兩者上，當振膜振動時，板之間的靜電荷發生變化，從而產生信號。電容式麥克風需要電源才能工作，稱為 *幻象電源*。
-
-    ![AKG Acoustics 的 C451B 小振膜電容式麥克風](../../../../../translated_images/zh-MO/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg)
-
-* MEMS - 微機電系統麥克風，或 MEMS，是芯片上的麥克風。它們在矽芯片上刻有壓力敏感振膜，工作原理類似於電容式麥克風。這些麥克風可以非常小，並集成到電路中。
-
-    ![電路板上的 MEMS 麥克風](../../../../../translated_images/zh-MO/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png)
-
-    在上圖中，標記為 **LEFT** 的芯片是一個 MEMS 麥克風，其振膜寬度不到一毫米。
-
-✅ 做些研究：您周圍有哪些麥克風——無論是在您的電腦、手機、耳機還是其他設備中。它們屬於哪種類型的麥克風？
-
-### 數位音頻
-
-音頻是一種攜帶非常細緻信息的類比信號。要將此信號轉換為數位信號，需要每秒對音頻進行數千次取樣。
-
-> 🎓 取樣是將音頻信號轉換為代表該時刻信號的數位值。
-
-![顯示信號的折線圖，具有固定間隔的離散點](../../../../../translated_images/zh-MO/sampling.6f4fadb3f2d9dfe7.webp)
-
-數位音頻使用脈衝編碼調變（Pulse Code Modulation，PCM）進行取樣。PCM 涉及讀取信號的電壓，並使用定義的大小選擇最接近該電壓的離散值。
-
-> 💁 您可以將 PCM 視為脈衝寬度調變（Pulse Width Modulation，PWM）的感測器版本（PWM 在[入門專案的第3課](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation)中已介紹）。PCM 涉及將類比信號轉換為數位信號，而 PWM 涉及將數位信號轉換為類比信號。
-
-例如，大多數流媒體音樂服務提供 16 位或 24 位音頻。這意味著它們將電壓轉換為適合 16 位整數或 24 位整數的值。16 位音頻的值範圍是 -32,768 到 32,767，24 位音頻的範圍是 −8,388,608 到 8,388,607。位數越多，取樣越接近我們耳朵實際聽到的聲音。
-
-> 💁 您可能聽說過 8 位音頻，通常被稱為 LoFi。這是使用僅 8 位進行取樣的音頻，因此範圍是 -128 到 127。早期的電腦音頻因硬體限制而僅限於 8 位，因此在復古遊戲中經常看到。
-
-這些取樣每秒進行數千次，使用以 KHz（每秒取樣次數的千次）為單位的定義取樣率。流媒體音樂服務大多使用 48KHz，但某些「無損」音頻使用高達 96KHz 甚至 192KHz。取樣率越高，音頻越接近原始聲音，但有一定的限制。是否能區分超過 48KHz 的差異仍存在爭議。
-
-✅ 做些研究：如果您使用流媒體音樂服務，它使用的取樣率和大小是多少？如果您使用 CD，CD 音頻的取樣率和大小是多少？
-
-音頻數據有多種格式。您可能聽說過 mp3 文件——壓縮後的音頻數據，能在不損失質量的情況下減小文件大小。未壓縮音頻通常以 WAV 文件存儲——這是一個包含 44 字節標頭信息的文件，後面是原始音頻數據。標頭包含取樣率（例如 16000 表示 16KHz）、取樣大小（16 表示 16 位）以及通道數量。標頭之後是 WAV 文件的原始音頻數據。
-
-> 🎓 通道指音頻由多少個不同的音頻流組成。例如，立體聲音頻有左右聲道，則有 2 個通道。家庭影院系統的 7.1 環繞聲則有 8 個通道。
-
-### 音頻數據大小
-
-音頻數據相對較大。例如，捕捉未壓縮的 16 位音頻，取樣率為 16KHz（對語音轉文字模型來說足夠），每秒需要 32KB 的數據：
-
-* 16 位表示每個取樣有 2 字節（1 字節是 8 位）。
-* 16KHz 表示每秒 16,000 次取樣。
-* 16,000 x 2 字節 = 32,000 字節每秒。
-
-這看起來數據量不大，但如果您使用的是內存有限的微控制器，這可能會佔用大量空間。例如，Wio Terminal 只有 192KB 的內存，這需要存儲程式碼和變數。即使您的程式碼非常小，也無法捕捉超過 5 秒的音頻。
-
-微控制器可以訪問額外的存儲，例如 SD 卡或快閃記憶體。在構建捕捉音頻的物聯網設備時，您需要確保不僅有額外的存儲，還需要讓程式碼將從麥克風捕捉的音頻直接寫入存儲，並在發送到雲端時，從存儲流式傳輸到網路請求。這樣可以避免試圖一次性在內存中保存整塊音頻數據而導致內存不足。
-
-## 從物聯網設備捕捉音頻
-
-您的物聯網設備可以連接到麥克風以捕捉音頻，準備轉換為文字。它也可以連接到揚聲器以輸出音頻。在後續課程中，這將用於提供音頻反饋，但現在設置揚聲器以測試麥克風是有用的。
-
-### 任務 - 配置您的麥克風和揚聲器
-
-按照相關指南配置物聯網設備的麥克風和揚聲器：
-
-* [Arduino - Wio Terminal](wio-terminal-microphone.md)
-* [單板電腦 - Raspberry Pi](pi-microphone.md)
-* [單板電腦 - 虛擬設備](virtual-device-microphone.md)
-
-### 任務 - 捕捉音頻
-
-按照相關指南在您的物聯網設備上捕捉音頻：
-
-* [Arduino - Wio Terminal](wio-terminal-audio.md)
-* [單板電腦 - Raspberry Pi](pi-audio.md)
-* [單板電腦 - 虛擬設備](virtual-device-audio.md)
-
-## 語音轉文字
-
-語音轉文字或語音識別涉及使用人工智慧將音頻信號中的單詞轉換為文字。
-
-### 語音識別模型
-
-要將語音轉換為文字，音頻信號中的取樣會被分組並輸入到基於循環神經網路（Recurrent Neural Network，RNN）的機器學習模型中。這是一種可以使用先前數據來對新數據進行決策的機器學習模型。例如，RNN 可以將一段音頻取樣識別為「Hel」的聲音，當它接收到另一段音頻取樣並認為是「lo」的聲音時，可以將其與之前的聲音結合，發現「Hello」是一個有效的單詞並選擇它作為結果。
-
-機器學習模型始終接受固定大小的數據。您在之前課程中構建的圖像分類器會將圖像調整為固定大小並進行處理。語音模型也是如此，它們必須處理固定大小的音頻塊。語音模型需要能夠結合多次預測的輸出來得出答案，以便區分「Hi」和「Highway」，或「flock」和「floccinaucinihilipilification」。
-
-語音模型也足夠先進，可以理解上下文，並在處理更多聲音時修正它們檢測到的單詞。例如，如果您說「我去商店買了兩根香蕉和一個蘋果」，您會使用三個發音相同但拼寫不同的單詞——to、two 和 too。語音模型能夠理解上下文並使用正確的單詞拼寫。
-💁 某些語音服務允許進行自訂，以便在嘈雜的環境（例如工廠）中更好地運作，或者處理特定行業的詞彙（例如化學名稱）。這些自訂是透過提供樣本音訊和文字轉錄來訓練的，並使用遷移學習的方式運作，就像您在之前的課程中僅使用少量圖片訓練影像分類器的方式一樣。
-### 隱私
-
-在使用消費型物聯網設備進行語音轉文字時，隱私至關重要。這些設備會持續聆聽音頻，因此作為消費者，你不希望自己說的每句話都被傳送到雲端並轉換為文字。這不僅會消耗大量的網絡頻寬，還會帶來巨大的隱私問題，尤其是當某些智能設備製造商隨機選擇音頻供[人工驗證生成的文字以改進模型](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings)時。
-
-你只希望智能設備在你使用它時才將音頻傳送到雲端進行處理，而不是在它聽到家中的音頻時，這些音頻可能包括私人會議或親密互動。大多數智能設備的工作方式是使用*喚醒詞*，例如「Alexa」、「Hey Siri」或「OK Google」等關鍵短語，這些短語會使設備「喚醒」並聆聽你說的話，直到它檢測到你的語音中斷，表明你已完成與設備的對話。
-
-> 🎓 喚醒詞檢測也被稱為*關鍵詞檢測*或*關鍵詞識別*。
-
-這些喚醒詞是在設備上檢測的，而不是在雲端。這些智能設備內置了小型的人工智能模型，這些模型在設備上運行，用於聆聽喚醒詞，當檢測到喚醒詞時，開始將音頻流傳送到雲端進行識別。這些模型非常專業化，只負責聆聽喚醒詞。
-
-> 💁 一些科技公司正在為其設備增加更多隱私功能，並在設備上進行部分語音轉文字的轉換。蘋果公司宣布，作為其2021年iOS和macOS更新的一部分，他們將支持在設備上進行語音轉文字的轉換，並能處理許多請求而無需使用雲端。這得益於其設備中強大的處理器，可以運行機器學習模型。
-
-✅ 你認為將音頻傳送到雲端存儲會帶來哪些隱私和倫理問題？這些音頻應該被存儲嗎？如果存儲，應該如何存儲？你認為將錄音用於執法是否是一個值得的隱私交換？
-
-喚醒詞檢測通常使用一種稱為TinyML的技術，即將機器學習模型轉換為能在微控制器上運行的形式。這些模型體積小，運行時消耗的能量非常少。
-
-為了避免訓練和使用喚醒詞模型的複雜性，你在本課程中構建的智能計時器將使用按鈕來啟動語音識別。
-
-> 💁 如果你想嘗試創建一個喚醒詞檢測模型以在Wio Terminal或Raspberry Pi上運行，可以查看這篇[Edge Impulse的語音響應教程](https://docs.edgeimpulse.com/docs/responding-to-your-voice)。如果你想使用電腦來完成此操作，可以試試[Microsoft Docs上的自定義關鍵詞快速入門](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn)。
-
-## 語音轉文字
-
-![語音服務標誌](../../../../../translated_images/zh-MO/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png)
-
-就像之前的影像分類項目一樣，有一些預建的人工智能服務可以將音頻文件中的語音轉換為文字。其中一項服務是語音服務，它是認知服務的一部分，這些預建的人工智能服務可以在你的應用中使用。
-
-### 任務 - 配置語音人工智能資源
-
-1. 為此項目創建一個名為`smart-timer`的資源組。
-
-1. 使用以下命令創建一個免費的語音資源：
-
-    ```sh
-    az cognitiveservices account create --name smart-timer \
-                                        --resource-group smart-timer \
-                                        --kind SpeechServices \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將`<location>`替換為創建資源組時使用的位置。
-
-1. 你需要一個API密鑰來從代碼中訪問語音資源。運行以下命令以獲取密鑰：
-
-    ```sh
-    az cognitiveservices account keys list --name smart-timer \
-                                           --resource-group smart-timer \
-                                           --output table
-    ```
-
-    複製其中一個密鑰。
-
-### 任務 - 語音轉文字
-
-按照相關指南在你的物聯網設備上完成語音轉文字：
-
-* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
-* [單板電腦 - Raspberry Pi](pi-speech-to-text.md)
-* [單板電腦 - 虛擬設備](virtual-device-speech-to-text.md)
-
----
-
-## 🚀 挑戰
-
-語音識別技術已經存在很長時間，並且在不斷改進。研究目前的技術能力，並比較其隨時間的演變，包括機器轉錄的準確性與人工相比如何。
-
-你認為語音識別的未來會是什麼樣子？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
-
-## 回顧與自學
-
-* 閱讀不同類型的麥克風及其工作原理，參考[Musician's HQ上的動圈與電容麥克風差異文章](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/)。
-* 閱讀更多關於認知服務語音服務的內容，參考[Microsoft Docs上的語音服務文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn)。
-* 閱讀關於關鍵詞檢測的內容，參考[Microsoft Docs上的關鍵詞識別文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn)。
-
-## 作業
-
-[](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/mo/6-consumer/lessons/1-speech-recognition/assignment.md
deleted file mode 100644
index c6e16d4f0..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/assignment.md
+++ /dev/null
@@ -1,21 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5ae7654f519ae831179409dc8e528055",
-  "translation_date": "2025-08-27T00:23:25+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
-  "language_code": "mo"
-}
--->
-## 說明
-
-## 評分標準
-
-| 標準 | 優秀 | 合格 | 需要改進 |
-| -------- | --------- | -------- | ----------------- |
-| |  |  |  |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/mo/6-consumer/lessons/1-speech-recognition/pi-audio.md
deleted file mode 100644
index 3b97a4ded..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/pi-audio.md
+++ /dev/null
@@ -1,227 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
-  "translation_date": "2025-08-27T00:18:58+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
-  "language_code": "mo"
-}
--->
-# 捕捉音頻 - Raspberry Pi
-
-在本課程的這部分，你將撰寫程式碼以在 Raspberry Pi 上捕捉音頻。音頻捕捉將由按鈕控制。
-
-## 硬體
-
-Raspberry Pi 需要一個按鈕來控制音頻捕捉。
-
-你將使用的是 Grove 按鈕。這是一種數位感測器，可以開啟或關閉信號。這些按鈕可以配置為在按下時發送高信號，未按下時發送低信號，或者按下時發送低信號，未按下時發送高信號。
-
-如果你使用的是 ReSpeaker 2-Mics Pi HAT 作為麥克風，那麼不需要額外連接按鈕，因為這個 HAT 已經內建了一個按鈕。直接跳到下一部分。
-
-### 連接按鈕
-
-按鈕可以連接到 Grove 基座 HAT。
-
-#### 任務 - 連接按鈕
-
-![Grove 按鈕](../../../../../translated_images/zh-MO/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png)
-
-1. 將 Grove 電纜的一端插入按鈕模組上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove 基座 HAT 的數位插座 **D5**。這個插座位於 GPIO 引腳旁邊的一排插座中，從左數第二個。
-
-![Grove 按鈕連接到插座 D5](../../../../../translated_images/zh-MO/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png)
-
-## 捕捉音頻
-
-你可以使用 Python 程式碼從麥克風捕捉音頻。
-
-### 任務 - 捕捉音頻
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 啟動 VS Code，可以直接在 Pi 上操作，或者通過 Remote SSH 擴展連接。
-
-1. PyAudio Pip 套件提供了錄製和播放音頻的功能。此套件依賴於一些音頻庫，需先安裝這些庫。在終端中執行以下命令進行安裝：
-
-    ```sh
-    sudo apt update
-    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
-    ```
-
-1. 安裝 PyAudio Pip 套件。
-
-    ```sh
-    pip3 install pyaudio
-    ```
-
-1. 建立一個名為 `smart-timer` 的新資料夾，並在此資料夾中新增一個名為 `app.py` 的檔案。
-
-1. 在檔案的頂部新增以下導入：
-
-    ```python
-    import io
-    import pyaudio
-    import time
-    import wave
-    
-    from grove.factory import Factory
-    ```
-
-    這將導入 `pyaudio` 模組、一些處理 WAV 檔案的標準 Python 模組，以及 `grove.factory` 模組以導入用於建立按鈕類的 `Factory`。
-
-1. 在此之下，新增程式碼以建立 Grove 按鈕。
-
-    如果你使用的是 ReSpeaker 2-Mics Pi HAT，請使用以下程式碼：
-
-    ```python
-    # The button on the ReSpeaker 2-Mics Pi HAT
-    button = Factory.getButton("GPIO-LOW", 17)
-    ```
-
-    這會在 **D17** 埠上建立一個按鈕，該埠是 ReSpeaker 2-Mics Pi HAT 上按鈕所連接的埠。此按鈕設定為在按下時發送低信號。
-
-    如果你未使用 ReSpeaker 2-Mics Pi HAT，而是使用連接到基座 HAT 的 Grove 按鈕，請使用以下程式碼：
-
-    ```python
-    button = Factory.getButton("GPIO-HIGH", 5)
-    ```
-
-    這會在 **D5** 埠上建立一個按鈕，該按鈕設定為在按下時發送高信號。
-
-1. 在此之下，建立一個 PyAudio 類的實例以處理音頻：
-
-    ```python
-    audio = pyaudio.PyAudio()
-    ```
-
-1. 宣告麥克風和揚聲器的硬體卡號。這將是你在本課程早些時候執行 `arecord -l` 和 `aplay -l` 時找到的卡號。
-
-    ```python
-    microphone_card_number = <microphone card number>
-    speaker_card_number = <speaker card number>
-    ```
-
-    將 `<microphone card number>` 替換為你的麥克風卡號。
-
-    將 `<speaker card number>` 替換為你的揚聲器卡號，與你在 `alsa.conf` 檔案中設定的卡號相同。
-
-1. 在此之下，宣告用於音頻捕捉和播放的採樣率。根據你使用的硬體，可能需要更改此值。
-
-    ```python
-    rate = 48000 #48KHz
-    ```
-
-    如果在稍後執行此程式碼時出現採樣率錯誤，請將此值更改為 `44100` 或 `16000`。值越高，音質越好。
-
-1. 在此之下，建立一個名為 `capture_audio` 的新函數。此函數將用於從麥克風捕捉音頻：
-
-    ```python
-    def capture_audio():
-    ```
-
-1. 在此函數內，新增以下程式碼以捕捉音頻：
-
-    ```python
-    stream = audio.open(format = pyaudio.paInt16,
-                        rate = rate,
-                        channels = 1, 
-                        input_device_index = microphone_card_number,
-                        input = True,
-                        frames_per_buffer = 4096)
-
-    frames = []
-
-    while button.is_pressed():
-        frames.append(stream.read(4096))
-
-    stream.stop_stream()
-    stream.close()
-    ```
-
-    此程式碼使用 PyAudio 物件開啟音頻輸入流。該流將以 16KHz 的速率從麥克風捕捉音頻，並以 4096 字節的緩衝區大小進行捕捉。
-
-    程式碼會在 Grove 按鈕被按下時進行迴圈，每次將這些 4096 字節的緩衝區讀入一個陣列。
-
-    > 💁 你可以在 [PyAudio 文件](https://people.csail.mit.edu/hubert/pyaudio/docs/) 中了解更多關於傳遞給 `open` 方法的選項。
-
-    一旦按鈕被釋放，流將停止並關閉。
-
-1. 在此函數的結尾新增以下程式碼：
-
-    ```python
-    wav_buffer = io.BytesIO()
-    with wave.open(wav_buffer, 'wb') as wavefile:
-        wavefile.setnchannels(1)
-        wavefile.setsampwidth(audio.get_sample_size(pyaudio.paInt16))
-        wavefile.setframerate(rate)
-        wavefile.writeframes(b''.join(frames))
-        wav_buffer.seek(0)
-
-    return wav_buffer
-    ```
-
-    此程式碼建立一個二進制緩衝區，並將所有捕捉到的音頻以 [WAV 檔案](https://wikipedia.org/wiki/WAV) 的形式寫入。這是一種標準的未壓縮音頻檔案格式。該緩衝區隨後被返回。
-
-1. 新增以下 `play_audio` 函數以播放音頻緩衝區：
-
-    ```python
-    def play_audio(buffer):
-        stream = audio.open(format = pyaudio.paInt16,
-                            rate = rate,
-                            channels = 1,
-                            output_device_index = speaker_card_number,
-                            output = True)
-    
-        with wave.open(buffer, 'rb') as wf:
-            data = wf.readframes(4096)
-    
-            while len(data) > 0:
-                stream.write(data)
-                data = wf.readframes(4096)
-    
-            stream.close()
-    ```
-
-    此函數開啟另一個音頻流，這次是用於輸出 - 播放音頻。它使用與輸入流相同的設定。緩衝區被作為 WAV 檔案開啟，並以 4096 字節的塊寫入輸出流，播放音頻。流隨後被關閉。
-
-1. 在 `capture_audio` 函數下方新增以下程式碼，以迴圈直到按鈕被按下。一旦按鈕被按下，音頻將被捕捉並播放。
-
-    ```python
-    while True:
-        while not button.is_pressed():
-            time.sleep(.1)
-        
-        buffer = capture_audio()
-        play_audio(buffer)
-    ```
-
-1. 執行程式碼。按下按鈕並對著麥克風說話。完成後釋放按鈕，你將聽到錄音。
-
-    在建立 PyAudio 實例時，你可能會遇到一些 ALSA 錯誤。這是由於 Pi 上的音頻設備配置問題，這些設備你可能並未擁有。可以忽略這些錯誤。
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py 
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.front
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.rear
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.center_lfe
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.side
-    ```
-
-    如果你遇到以下錯誤：
-
-    ```output
-    OSError: [Errno -9997] Invalid sample rate
-    ```
-
-    請將 `rate` 更改為 `44100` 或 `16000`。
-
-> 💁 你可以在 [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi) 資料夾中找到此程式碼。
-
-😀 恭喜！你的音頻錄製程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/mo/6-consumer/lessons/1-speech-recognition/pi-microphone.md
deleted file mode 100644
index 720bcb573..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/pi-microphone.md
+++ /dev/null
@@ -1,157 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
-  "translation_date": "2025-08-27T00:30:50+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
-  "language_code": "mo"
-}
--->
-# 配置您的麥克風和揚聲器 - Raspberry Pi
-
-在本課程中，您將為您的 Raspberry Pi 添加麥克風和揚聲器。
-
-## 硬體
-
-Raspberry Pi 需要一個麥克風。
-
-Pi 本身並未內建麥克風，因此您需要添加外接麥克風。有多種方式可以實現：
-
-* USB 麥克風
-* USB 耳機
-* USB 一體式會議麥克風
-* USB 音頻轉接器和帶 3.5mm 插孔的麥克風
-* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
-
-> 💁 並非所有藍牙麥克風都能在 Raspberry Pi 上使用，因此如果您有藍牙麥克風或耳機，可能會遇到配對或錄音問題。
-
-Raspberry Pi 配備了一個 3.5mm 耳機插孔。您可以使用它來連接耳機、耳麥或揚聲器。您也可以通過以下方式添加揚聲器：
-
-* 通過顯示器或電視的 HDMI 音頻
-* USB 揚聲器
-* USB 耳機
-* USB 一體式會議麥克風
-* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)，並通過 3.5mm 插孔或 JST 接口連接揚聲器
-
-## 連接並配置麥克風和揚聲器
-
-麥克風和揚聲器需要連接並進行配置。
-
-### 任務 - 連接並配置麥克風
-
-1. 使用適當的方法連接麥克風。例如，通過其中一個 USB 端口連接。
-
-1. 如果您使用的是 ReSpeaker 2-Mics Pi HAT，可以移除 Grove 基座帽，然後將 ReSpeaker 帽安裝到其位置。
-
-    ![一個安裝了 ReSpeaker 帽的 Raspberry Pi](../../../../../translated_images/zh-MO/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png)
-
-    在本課程稍後您將需要一個 Grove 按鈕，但此帽已內建一個按鈕，因此不需要 Grove 基座帽。
-
-    安裝帽子後，您需要安裝一些驅動程式。請參考 [Seeed 的入門指南](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) 以獲取驅動程式安裝指引。
-
-    > ⚠️ 指引中使用了 `git` 來克隆一個倉庫。如果您的 Pi 上未安裝 `git`，可以通過以下命令進行安裝：
-    >
-    > ```sh
-    > sudo apt install git --yes
-    > ```
-
-1. 在 Pi 的終端中運行以下命令，或者通過 VS Code 和遠端 SSH 連線運行，以查看已連接的麥克風資訊：
-
-    ```sh
-    arecord -l
-    ```
-
-    您將看到已連接的麥克風列表。它可能類似於以下內容：
-
-    ```output
-    pi@raspberrypi:~ $ arecord -l
-    **** List of CAPTURE Hardware Devices ****
-    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
-      Subdevices: 1/1
-      Subdevice #0: subdevice #0
-    ```
-
-    假設您只有一個麥克風，您應該只看到一個條目。在 Linux 上配置麥克風可能會比較棘手，因此最好只使用一個麥克風並拔掉其他的。
-
-    記下卡號，稍後您將需要使用它。在上述輸出中，卡號為 1。
-
-### 任務 - 連接並配置揚聲器
-
-1. 使用適當的方法連接揚聲器。
-
-1. 在 Pi 的終端中運行以下命令，或者通過 VS Code 和遠端 SSH 連線運行，以查看已連接的揚聲器資訊：
-
-    ```sh
-    aplay -l
-    ```
-
-    您將看到已連接的揚聲器列表。它可能類似於以下內容：
-
-    ```output
-    pi@raspberrypi:~ $ aplay -l
-    **** List of PLAYBACK Hardware Devices ****
-    card 0: Headphones [bcm2835 Headphones], device 0: bcm2835 Headphones [bcm2835 Headphones]
-      Subdevices: 8/8
-      Subdevice #0: subdevice #0
-      Subdevice #1: subdevice #1
-      Subdevice #2: subdevice #2
-      Subdevice #3: subdevice #3
-      Subdevice #4: subdevice #4
-      Subdevice #5: subdevice #5
-      Subdevice #6: subdevice #6
-      Subdevice #7: subdevice #7
-    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
-      Subdevices: 1/1
-      Subdevice #0: subdevice #0
-    ```
-
-    您將始終看到 `card 0: Headphones`，因為這是內建的耳機插孔。如果您添加了額外的揚聲器，例如 USB 揚聲器，您也會看到它列出。
-
-1. 如果您使用的是額外的揚聲器，而不是連接到內建耳機插孔的揚聲器或耳機，您需要將其配置為預設設備。為此，請運行以下命令：
-
-    ```sh
-    sudo nano /usr/share/alsa/alsa.conf
-    ```
-
-    這將在 `nano` 中打開一個配置檔案，`nano` 是一個基於終端的文字編輯器。使用鍵盤上的箭頭鍵向下滾動，直到找到以下行：
-
-    ```output
-    defaults.pcm.card 0
-    ```
-
-    將值從 `0` 更改為您希望使用的卡號，該卡號來自 `aplay -l` 命令的返回列表。例如，在上述輸出中，有一個名為 `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]` 的第二個聲卡，使用卡號 1。要使用此卡，我會將該行更新為：
-
-    ```output
-    defaults.pcm.card 1
-    ```
-
-    將此值設置為適當的卡號。您可以使用鍵盤上的箭頭鍵導航到該數字，然後像編輯文字檔案一樣刪除並輸入新數字。
-
-1. 按 `Ctrl+x` 保存更改並關閉檔案。按 `y` 保存檔案，然後按 `return` 確認檔案名稱。
-
-### 任務 - 測試麥克風和揚聲器
-
-1. 運行以下命令以通過麥克風錄製 5 秒的音頻：
-
-    ```sh
-    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
-    ```
-
-    在此命令運行期間，對著麥克風發出聲音，例如說話、唱歌、節奏口技、演奏樂器或任何您喜歡的方式。
-
-1. 5 秒後，錄音將停止。運行以下命令以播放音頻：
-
-    ```sh
-    aplay --format=S16_LE --rate=16000 out.wav
-    ```
-
-    您將聽到音頻通過揚聲器播放。根據需要調整揚聲器的輸出音量。
-
-1. 如果需要調整內建麥克風端口的音量或麥克風的增益，可以使用 `alsamixer` 工具。您可以在 [Linux alsamixer 手冊頁](https://linux.die.net/man/1/alsamixer) 上了解更多關於此工具的資訊。
-
-1. 如果播放音頻時出現錯誤，請檢查您在 `alsa.conf` 檔案中設置的 `defaults.pcm.card` 卡號是否正確。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/mo/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
deleted file mode 100644
index 57b1c9054..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
+++ /dev/null
@@ -1,126 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
-  "translation_date": "2025-08-27T00:33:05+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
-  "language_code": "mo"
-}
--->
-# 語音轉文字 - Raspberry Pi
-
-在這部分課程中，你將撰寫程式碼，使用語音服務將錄製的音訊轉換為文字。
-
-## 將音訊發送至語音服務
-
-可以使用 REST API 將音訊發送至語音服務。要使用語音服務，首先需要請求一個存取權杖，然後使用該權杖訪問 REST API。這些存取權杖每 10 分鐘會過期，因此你的程式碼應定期請求新的權杖，以確保它們始終是最新的。
-
-### 任務 - 獲取存取權杖
-
-1. 在你的 Raspberry Pi 上打開 `smart-timer` 專案。
-
-1. 刪除 `play_audio` 函數。這已經不再需要，因為你不希望智慧計時器重複你所說的話。
-
-1. 在 `app.py` 檔案的頂部新增以下匯入：
-
-    ```python
-    import requests
-    ```
-
-1. 在 `while True` 迴圈的上方新增以下程式碼，來宣告語音服務的一些設定：
-
-    ```python
-    speech_api_key = '<key>'
-    location = '<location>'
-    language = '<language>'
-    ```
-
-    將 `<key>` 替換為你的語音服務資源的 API 金鑰。將 `<location>` 替換為你建立語音服務資源時使用的位置。
-
-    將 `<language>` 替換為你將使用的語言的地區名稱，例如英語使用 `en-GB`，粵語使用 `zn-HK`。你可以在 [Microsoft Docs 的語言與語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其地區名稱列表。
-
-1. 在這段程式碼的下方，新增以下函數以獲取存取權杖：
-
-    ```python
-    def get_access_token():
-        headers = {
-            'Ocp-Apim-Subscription-Key': speech_api_key
-        }
-    
-        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
-        response = requests.post(token_endpoint, headers=headers)
-        return str(response.text)
-    ```
-
-    這會呼叫一個權杖發放端點，並將 API 金鑰作為標頭傳遞。此呼叫會返回一個存取權杖，可用於呼叫語音服務。
-
-1. 在這段程式碼的下方，宣告一個函數，使用 REST API 將錄製的音訊中的語音轉換為文字：
-
-    ```python
-    def convert_speech_to_text(buffer):
-    ```
-
-1. 在這個函數內，設定 REST API 的 URL 和標頭：
-
-    ```python
-    url = f'https://{location}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1'
-
-    headers = {
-        'Authorization': 'Bearer ' + get_access_token(),
-        'Content-Type': f'audio/wav; codecs=audio/pcm; samplerate={rate}',
-        'Accept': 'application/json;text/xml'
-    }
-
-    params = {
-        'language': language
-    }
-    ```
-
-    這會使用語音服務資源的位置來構建一個 URL。然後使用 `get_access_token` 函數獲取的存取權杖填充標頭，並加入錄製音訊時使用的取樣率。最後，定義一些參數，這些參數會與 URL 一起傳遞，包含音訊中的語言。
-
-1. 在這段程式碼的下方，新增以下程式碼以呼叫 REST API 並獲取返回的文字：
-
-    ```python
-    response = requests.post(url, headers=headers, params=params, data=buffer)
-    response_json = response.json()
-
-    if response_json['RecognitionStatus'] == 'Success':
-        return response_json['DisplayText']
-    else:
-        return ''
-    ```
-
-    這會呼叫該 URL，並解碼回應中的 JSON 值。回應中的 `RecognitionStatus` 值表示是否成功將語音轉換為文字。如果該值為 `Success`，則函數會返回文字，否則返回空字串。
-
-1. 在 `while True:` 迴圈的上方，定義一個函數來處理語音轉文字服務返回的文字。這個函數目前只會將文字輸出到控制台。
-
-    ```python
-    def process_text(text):
-        print(text)
-    ```
-
-1. 最後，在 `while True` 迴圈中，將 `play_audio` 的呼叫替換為 `convert_speech_to_text` 函數的呼叫，並將文字傳遞給 `process_text` 函數：
-
-    ```python
-    text = convert_speech_to_text(buffer)
-    process_text(text)
-    ```
-
-1. 執行程式碼。按下按鈕並對著麥克風說話。完成後鬆開按鈕，音訊將被轉換為文字並輸出到控制台。
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py 
-    Hello world.
-    Welcome to IoT for beginners.
-    ```
-
-    嘗試不同類型的句子，以及一些發音相同但意思不同的句子。例如，如果你使用英語，說「I want to buy two bananas and an apple too」，並注意它如何根據上下文正確使用 to、two 和 too，而不僅僅是根據發音。
-
-> 💁 你可以在 [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi) 資料夾中找到這段程式碼。
-
-😀 你的語音轉文字程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
deleted file mode 100644
index 9e41dc67b..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
+++ /dev/null
@@ -1,17 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
-  "translation_date": "2025-08-27T00:33:47+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
-  "language_code": "mo"
-}
--->
-# 捕捉音訊 - 虛擬物聯網裝置
-
-在本課程稍後的部分，您將使用的 Python 函式庫能將語音轉換為文字，這些函式庫在 Windows、macOS 和 Linux 上內建了音訊捕捉功能。您在這裡無需執行任何操作。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
deleted file mode 100644
index ca85be100..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
-  "translation_date": "2025-08-27T00:34:11+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
-  "language_code": "mo"
-}
--->
-# 配置您的麥克風和揚聲器 - 虛擬物聯網硬件
-
-虛擬物聯網硬件將使用連接到您電腦的麥克風和揚聲器。
-
-如果您的電腦沒有內建麥克風和揚聲器，您需要使用您選擇的硬件來連接，例如：
-
-* USB 麥克風  
-* USB 揚聲器  
-* 內建於顯示器並通過 HDMI 連接的揚聲器  
-* 藍牙耳機  
-
-請參考您的硬件製造商提供的說明來安裝和配置這些硬件。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
deleted file mode 100644
index 93b39ebea..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
+++ /dev/null
@@ -1,113 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c0550b254b9ba2539baf1e6bb5fc05f8",
-  "translation_date": "2025-08-27T00:24:13+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
-  "language_code": "mo"
-}
--->
-# 語音轉文字 - 虛擬物聯網設備
-
-在本課程的這部分，你將撰寫程式碼，使用語音服務將從麥克風捕捉的語音轉換為文字。
-
-## 將語音轉換為文字
-
-在 Windows、Linux 和 macOS 上，可以使用語音服務的 Python SDK 來監聽你的麥克風，並將檢測到的語音轉換為文字。它會持續監聽，檢測音量水平，並在音量下降（例如在一段語音結束時）時將語音發送進行文字轉換。
-
-### 任務 - 將語音轉換為文字
-
-1. 在你的電腦上建立一個名為 `smart-timer` 的資料夾，並在其中建立一個名為 `app.py` 的單一檔案，以及一個 Python 虛擬環境。
-
-1. 安裝語音服務的 Pip 套件。確保你是在啟動虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install azure-cognitiveservices-speech
-    ```
-
-    > ⚠️ 如果你遇到以下錯誤：
-    >
-    > ```output
-    > ERROR: Could not find a version that satisfies the requirement azure-cognitiveservices-speech (from versions: none)
-    > ERROR: No matching distribution found for azure-cognitiveservices-speech
-    > ```
-    >
-    > 你需要更新 Pip。使用以下指令更新，然後再次嘗試安裝套件：
-    >
-    > ```sh
-    > pip install --upgrade pip
-    > ```
-
-1. 在 `app.py` 檔案中加入以下匯入：
-
-    ```python
-    import requests
-    import time
-    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
-    ```
-
-    這些匯入了一些用於語音識別的類別。
-
-1. 加入以下程式碼來宣告一些配置：
-
-    ```python
-    speech_api_key = '<key>'
-    location = '<location>'
-    language = '<language>'
-
-    recognizer_config = SpeechConfig(subscription=speech_api_key,
-                                     region=location,
-                                     speech_recognition_language=language)
-    ```
-
-    將 `<key>` 替換為你的語音服務的 API 金鑰。將 `<location>` 替換為你建立語音服務資源時使用的位置。
-
-    將 `<language>` 替換為你將使用的語言的地區名稱，例如 `en-GB` 表示英語，或 `zn-HK` 表示粵語。你可以在 [Microsoft Docs 的語言和語音支持文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支持的語言及其地區名稱列表。
-
-    此配置將用於建立一個 `SpeechConfig` 物件，用來配置語音服務。
-
-1. 加入以下程式碼來建立語音識別器：
-
-    ```python
-    recognizer = SpeechRecognizer(speech_config=recognizer_config)
-    ```
-
-1. 語音識別器在背景執行緒上運行，監聽音頻並將其中的語音轉換為文字。你可以使用回調函數來獲取文字——定義一個函數並傳遞給識別器。每次檢測到語音時，回調函數都會被調用。加入以下程式碼來定義回調函數，並將此回調函數傳遞給識別器，同時定義一個函數來處理文字，將其輸出到控制台：
-
-    ```python
-    def process_text(text):
-        print(text)
-
-    def recognized(args):
-        process_text(args.result.text)
-    
-    recognizer.recognized.connect(recognized)
-    ```
-
-1. 識別器只有在你明確啟動時才會開始監聽。加入以下程式碼來啟動識別。這會在背景執行，因此你的應用程式還需要一個無限迴圈，通過休眠來保持應用程式運行。
-
-    ```python
-    recognizer.start_continuous_recognition()
-
-    while True:
-        time.sleep(1)
-    ```
-
-1. 執行此應用程式。對著你的麥克風說話，轉換為文字的音頻將輸出到控制台。
-
-    ```output
-    (.venv) ➜  smart-timer python3 app.py
-    Hello world.
-    Welcome to IoT for beginners.
-    ```
-
-    嘗試不同類型的句子，以及一些詞音相同但意思不同的句子。例如，如果你使用英語，說「I want to buy two bananas and an apple too」，並注意它如何根據詞的上下文正確使用 to、two 和 too，而不僅僅是根據它的發音。
-
-> 💁 你可以在 [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device) 資料夾中找到這段程式碼。
-
-😀 你的語音轉文字程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
deleted file mode 100644
index 65f377717..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
+++ /dev/null
@@ -1,548 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
-  "translation_date": "2025-08-27T00:26:29+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
-  "language_code": "mo"
-}
--->
-# 捕捉音頻 - Wio Terminal
-
-在這部分課程中，您將撰寫程式碼來在 Wio Terminal 上捕捉音頻。音頻捕捉將由 Wio Terminal 頂部的一個按鈕控制。
-
-## 將設備編程為捕捉音頻
-
-您可以使用 C++ 程式碼從麥克風捕捉音頻。Wio Terminal 只有 192KB 的 RAM，這不足以捕捉超過幾秒鐘的音頻。它還有 4MB 的快閃記憶體，因此可以改用快閃記憶體來儲存捕捉的音頻。
-
-內建的麥克風捕捉的是類比信號，該信號會被轉換為 Wio Terminal 可用的數位信號。在捕捉音頻時，數據需要以正確的時間間隔進行捕捉——例如，要以 16KHz 捕捉音頻，則需要每秒準確捕捉 16,000 次，且每次取樣之間的間隔相等。與其使用您的程式碼來完成這項工作，您可以使用直接記憶體存取控制器（DMAC）。這是一種電路，可以從某處捕捉信號並寫入記憶體，而不會中斷處理器上正在執行的程式碼。
-
-✅ 在 [維基百科的直接記憶體存取頁面](https://wikipedia.org/wiki/Direct_memory_access) 上閱讀更多關於 DMA 的資訊。
-
-![音頻從麥克風進入 ADC，然後進入 DMAC。這會寫入一個緩衝區。當這個緩衝區滿了之後，它會被處理，DMAC 會寫入第二個緩衝區](../../../../../translated_images/zh-MO/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png)
-
-DMAC 可以以固定的間隔從 ADC 捕捉音頻，例如每秒 16,000 次以捕捉 16KHz 的音頻。它可以將捕捉到的數據寫入預先分配的記憶體緩衝區，當緩衝區滿了時，通知您的程式碼進行處理。使用這些記憶體可能會延遲音頻捕捉，但您可以設置多個緩衝區。DMAC 先寫入緩衝區 1，當緩衝區 1 滿了時，通知您的程式碼處理緩衝區 1，然後 DMAC 開始寫入緩衝區 2。當緩衝區 2 滿了時，它會通知您的程式碼，然後回到寫入緩衝區 1。這樣，只要您在填滿一個緩衝區的時間內處理完每個緩衝區，就不會丟失任何數據。
-
-每當捕捉到一個緩衝區後，它可以被寫入快閃記憶體。快閃記憶體需要使用定義的地址進行寫入，指定寫入的位置和大小，類似於更新記憶體中的字節陣列。快閃記憶體具有粒度，這意味著擦除和寫入操作不僅需要固定大小，還需要對齊到該大小。例如，如果粒度是 4096 字節，而您請求在地址 4200 處擦除，它可能會擦除從地址 4096 到 8192 的所有數據。因此，當您將音頻數據寫入快閃記憶體時，必須以正確大小的塊進行寫入。
-
-### 任務 - 配置快閃記憶體
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `smart-timer`。在 `setup` 函數中添加程式碼以配置序列埠。
-
-1. 在 `platformio.ini` 文件中添加以下庫依賴項，以提供對快閃記憶體的訪問：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Seeed Arduino FS @ 2.1.1
-        seeed-studio/Seeed Arduino SFUD @ 2.0.2
-    ```
-
-1. 打開 `main.cpp` 文件，並在文件頂部添加以下包含指令以使用快閃記憶體庫：
-
-    ```cpp
-    #include <sfud.h>
-    #include <SPI.h>
-    ```
-
-    > 🎓 SFUD 代表 Serial Flash Universal Driver，是一個設計用於所有快閃記憶體晶片的庫。
-
-1. 在 `setup` 函數中，添加以下程式碼以設置快閃儲存庫：
-
-    ```cpp
-    while (!(sfud_init() == SFUD_SUCCESS))
-        ;
-
-    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
-    ```
-
-    這段程式碼會循環直到 SFUD 庫初始化完成，然後啟用快速讀取。內建的快閃記憶體可以通過隊列式序列周邊介面（QSPI）訪問，這是一種 SPI 控制器，允許通過隊列以最小的處理器使用量進行連續訪問。這使得讀取和寫入快閃記憶體的速度更快。
-
-1. 在 `src` 資料夾中創建一個名為 `flash_writer.h` 的新文件。
-
-1. 在此文件頂部添加以下內容：
-
-    ```cpp
-    #pragma once
-
-    #include <Arduino.h>
-    #include <sfud.h>
-    ```
-
-    這包括了一些必要的標頭文件，包括與快閃記憶體交互的 SFUD 庫的標頭文件。
-
-1. 在這個新標頭文件中定義一個名為 `FlashWriter` 的類：
-
-    ```cpp
-    class FlashWriter
-    {
-    public:
-    
-    private:
-    };
-    ```
-
-1. 在 `private` 區域中，添加以下程式碼：
-
-    ```cpp
-    byte *_sfudBuffer;
-    size_t _sfudBufferSize;
-    size_t _sfudBufferPos;
-    size_t _sfudBufferWritePos;
-
-    const sfud_flash *_flash;
-    ```
-
-    這定義了一些用於在寫入快閃記憶體之前儲存數據的緩衝區欄位。有一個字節陣列 `_sfudBuffer` 用於寫入數據，當它滿了時，數據會被寫入快閃記憶體。`_sfudBufferPos` 欄位儲存當前在此緩衝區中寫入的位置，`_sfudBufferWritePos` 儲存寫入快閃記憶體的位置。`_flash` 是一個指向要寫入的快閃記憶體的指標——某些微控制器有多個快閃記憶體晶片。
-
-1. 在 `public` 區域中添加以下方法以初始化此類：
-
-    ```cpp
-    void init()
-    {
-        _flash = sfud_get_device_table() + 0;
-        _sfudBufferSize = _flash->chip.erase_gran;
-        _sfudBuffer = new byte[_sfudBufferSize];
-        _sfudBufferPos = 0;
-        _sfudBufferWritePos = 0;
-    }
-    ```
-
-    這會配置 Wio Terminal 上的快閃記憶體以進行寫入，並根據快閃記憶體的粒度設置緩衝區。這是在 `init` 方法中完成的，而不是在構造函數中，因為這需要在 `setup` 函數中設置快閃記憶體後調用。
-
-1. 在 `public` 區域中添加以下程式碼：
-
-    ```cpp
-    void writeSfudBuffer(byte b)
-    {
-        _sfudBuffer[_sfudBufferPos++] = b;
-        if (_sfudBufferPos == _sfudBufferSize)
-        {
-            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
-            _sfudBufferWritePos += _sfudBufferSize;
-            _sfudBufferPos = 0;
-        }
-    }
-
-    void writeSfudBuffer(byte *b, size_t len)
-    {
-        for (size_t i = 0; i < len; ++i)
-        {
-            writeSfudBuffer(b[i]);
-        }
-    }
-
-    void flushSfudBuffer()
-    {
-        if (_sfudBufferPos > 0)
-        {
-            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
-            _sfudBufferWritePos += _sfudBufferSize;
-            _sfudBufferPos = 0;
-        }
-    }
-    ```
-
-    這段程式碼定義了將字節寫入快閃儲存系統的方法。它通過寫入與快閃記憶體大小相符的記憶體緩衝區來工作，當緩衝區滿了時，這些數據會被寫入快閃記憶體，並擦除該位置的任何現有數據。還有一個 `flushSfudBuffer` 方法，用於寫入不完整的緩衝區，因為捕捉的數據不會是粒度大小的整數倍，因此需要寫入數據的末尾部分。
-
-    > 💁 數據的末尾部分會寫入一些額外的無用數據，但這沒關係，因為只會讀取需要的數據。
-
-### 任務 - 設置音頻捕捉
-
-1. 在 `src` 資料夾中創建一個名為 `config.h` 的新文件。
-
-1. 在此文件頂部添加以下內容：
-
-    ```cpp
-    #pragma once
-
-    #define RATE 16000
-    #define SAMPLE_LENGTH_SECONDS 4
-    #define SAMPLES RATE * SAMPLE_LENGTH_SECONDS
-    #define BUFFER_SIZE (SAMPLES * 2) + 44
-    #define ADC_BUF_LEN 1600
-    ```
-
-    這段程式碼設置了一些音頻捕捉的常數。
-
-    | 常數                  | 值     | 描述 |
-    | --------------------- | -----: | - |
-    | RATE                  | 16000  | 音頻的取樣率。16,000 即 16KHz |
-    | SAMPLE_LENGTH_SECONDS | 4      | 要捕捉的音頻長度。此處設置為 4 秒。若要錄製更長的音頻，請增加此值。 |
-    | SAMPLES               | 64000  | 將捕捉的音頻取樣總數。設置為取樣率 * 秒數 |
-    | BUFFER_SIZE           | 128044 | 捕捉音頻的緩衝區大小。音頻將以 WAV 文件格式捕捉，其中 44 字節為標頭，128,000 字節為音頻數據（每個取樣為 2 字節） |
-    | ADC_BUF_LEN           | 1600   | 用於從 DMAC 捕捉音頻的緩衝區大小 |
-
-    > 💁 如果您發現 4 秒太短無法完成計時器請求，可以增加 `SAMPLE_LENGTH_SECONDS` 的值，其他值將自動重新計算。
-
-1. 在 `src` 資料夾中創建一個名為 `mic.h` 的新文件。
-
-1. 在此文件頂部添加以下內容：
-
-    ```cpp
-    #pragma once
-
-    #include <Arduino.h>
-
-    #include "config.h"
-    #include "flash_writer.h"
-    ```
-
-    這包括了一些必要的標頭文件，包括 `config.h` 和 `FlashWriter` 標頭文件。
-
-1. 添加以下內容以定義一個可以從麥克風捕捉音頻的 `Mic` 類：
-
-    ```cpp
-    class Mic
-    {
-    public:
-        Mic()
-        {
-            _isRecording = false;
-            _isRecordingReady = false;
-        }
-    
-        void startRecording()
-        {
-            _isRecording = true;
-            _isRecordingReady = false;
-        }
-    
-        bool isRecording()
-        {
-            return _isRecording;
-        }
-    
-        bool isRecordingReady()
-        {
-            return _isRecordingReady;
-        }
-    
-    private:
-        volatile bool _isRecording;
-        volatile bool _isRecordingReady;
-        FlashWriter _writer;
-    };
-    
-    Mic mic;
-    ```
-
-    目前此類只有幾個欄位，用於追蹤錄音是否已開始，以及錄音是否已準備好使用。當 DMAC 被設置後，它會持續寫入記憶體緩衝區，因此 `_isRecording` 標誌決定這些緩衝區是否應該被處理或忽略。當捕捉到所需的 4 秒音頻時，`_isRecordingReady` 標誌將被設置。`_writer` 欄位用於將音頻數據儲存到快閃記憶體。
-
-    然後宣告一個全域變數作為 `Mic` 類的實例。
-
-1. 在 `Mic` 類的 `private` 區域中添加以下程式碼：
-
-    ```cpp
-    typedef struct
-    {
-        uint16_t btctrl;
-        uint16_t btcnt;
-        uint32_t srcaddr;
-        uint32_t dstaddr;
-        uint32_t descaddr;
-    } dmacdescriptor;
-
-    // Globals - DMA and ADC
-    volatile dmacdescriptor _wrb[DMAC_CH_NUM] __attribute__((aligned(16)));
-    dmacdescriptor _descriptor_section[DMAC_CH_NUM] __attribute__((aligned(16)));
-    dmacdescriptor _descriptor __attribute__((aligned(16)));
-
-    void configureDmaAdc()
-    {
-        // Configure DMA to sample from ADC at a regular interval (triggered by timer/counter)
-        DMAC->BASEADDR.reg = (uint32_t)_descriptor_section;                    // Specify the location of the descriptors
-        DMAC->WRBADDR.reg = (uint32_t)_wrb;                                    // Specify the location of the write back descriptors
-        DMAC->CTRL.reg = DMAC_CTRL_DMAENABLE | DMAC_CTRL_LVLEN(0xf);           // Enable the DMAC peripheral
-        DMAC->Channel[1].CHCTRLA.reg = DMAC_CHCTRLA_TRIGSRC(TC5_DMAC_ID_OVF) | // Set DMAC to trigger on TC5 timer overflow
-                                        DMAC_CHCTRLA_TRIGACT_BURST;             // DMAC burst transfer
-
-        _descriptor.descaddr = (uint32_t)&_descriptor_section[1];                    // Set up a circular descriptor
-        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
-        _descriptor.dstaddr = (uint32_t)_adc_buf_0 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_0 array
-        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
-        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
-                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
-                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
-                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
-        memcpy(&_descriptor_section[0], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
-
-        _descriptor.descaddr = (uint32_t)&_descriptor_section[0];                    // Set up a circular descriptor
-        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
-        _descriptor.dstaddr = (uint32_t)_adc_buf_1 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_1 array
-        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
-        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
-                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
-                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
-                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
-        memcpy(&_descriptor_section[1], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
-
-        // Configure NVIC
-        NVIC_SetPriority(DMAC_1_IRQn, 0); // Set the Nested Vector Interrupt Controller (NVIC) priority for DMAC1 to 0 (highest)
-        NVIC_EnableIRQ(DMAC_1_IRQn);      // Connect DMAC1 to Nested Vector Interrupt Controller (NVIC)
-
-        // Activate the suspend (SUSP) interrupt on DMAC channel 1
-        DMAC->Channel[1].CHINTENSET.reg = DMAC_CHINTENSET_SUSP;
-
-        // Configure ADC
-        ADC1->INPUTCTRL.bit.MUXPOS = ADC_INPUTCTRL_MUXPOS_AIN12_Val; // Set the analog input to ADC0/AIN2 (PB08 - A4 on Metro M4)
-        while (ADC1->SYNCBUSY.bit.INPUTCTRL)
-            ;                              // Wait for synchronization
-        ADC1->SAMPCTRL.bit.SAMPLEN = 0x00; // Set max Sampling Time Length to half divided ADC clock pulse (2.66us)
-        while (ADC1->SYNCBUSY.bit.SAMPCTRL)
-            ;                                         // Wait for synchronization
-        ADC1->CTRLA.reg = ADC_CTRLA_PRESCALER_DIV128; // Divide Clock ADC GCLK by 128 (48MHz/128 = 375kHz)
-        ADC1->CTRLB.reg = ADC_CTRLB_RESSEL_12BIT |    // Set ADC resolution to 12 bits
-                            ADC_CTRLB_FREERUN;          // Set ADC to free run mode
-        while (ADC1->SYNCBUSY.bit.CTRLB)
-            ;                       // Wait for synchronization
-        ADC1->CTRLA.bit.ENABLE = 1; // Enable the ADC
-        while (ADC1->SYNCBUSY.bit.ENABLE)
-            ;                       // Wait for synchronization
-        ADC1->SWTRIG.bit.START = 1; // Initiate a software trigger to start an ADC conversion
-        while (ADC1->SYNCBUSY.bit.SWTRIG)
-            ; // Wait for synchronization
-
-        // Enable DMA channel 1
-        DMAC->Channel[1].CHCTRLA.bit.ENABLE = 1;
-
-        // Configure Timer/Counter 5
-        GCLK->PCHCTRL[TC5_GCLK_ID].reg = GCLK_PCHCTRL_CHEN |     // Enable peripheral channel for TC5
-                                            GCLK_PCHCTRL_GEN_GCLK1; // Connect generic clock 0 at 48MHz
-
-        TC5->COUNT16.WAVE.reg = TC_WAVE_WAVEGEN_MFRQ; // Set TC5 to Match Frequency (MFRQ) mode
-        TC5->COUNT16.CC[0].reg = 3000 - 1;            // Set the trigger to 16 kHz: (4Mhz / 16000) - 1
-        while (TC5->COUNT16.SYNCBUSY.bit.CC0)
-            ; // Wait for synchronization
-
-        // Start Timer/Counter 5
-        TC5->COUNT16.CTRLA.bit.ENABLE = 1; // Enable the TC5 timer
-        while (TC5->COUNT16.SYNCBUSY.bit.ENABLE)
-            ; // Wait for synchronization
-    }
-
-    uint16_t _adc_buf_0[ADC_BUF_LEN];
-    uint16_t _adc_buf_1[ADC_BUF_LEN];
-    ```
-
-    這段程式碼定義了一個 `configureDmaAdc` 方法，用於配置 DMAC，將其連接到 ADC，並設置為填充兩個不同的交替緩衝區 `_adc_buf_0` 和 `_adc_buf_1`。
-
-    > 💁 微控制器開發的一個缺點是與硬體交互所需的程式碼非常複雜，因為您的程式碼在非常低的層級上直接與硬體交互。這段程式碼比您為單板電腦或桌面電腦撰寫的程式碼更複雜，因為沒有作業系統提供幫助。雖然有一些庫可以簡化這個過程，但仍然存在很多複雜性。
-
-1. 在此程式碼下方添加以下程式碼：
-
-    ```cpp
-    // WAV files have a header. This struct defines that header
-    struct wavFileHeader
-    {
-        char riff[4];         /* "RIFF"                                  */
-        long flength;         /* file length in bytes                    */
-        char wave[4];         /* "WAVE"                                  */
-        char fmt[4];          /* "fmt "                                  */
-        long chunk_size;      /* size of FMT chunk in bytes (usually 16) */
-        short format_tag;     /* 1=PCM, 257=Mu-Law, 258=A-Law, 259=ADPCM */
-        short num_chans;      /* 1=mono, 2=stereo                        */
-        long srate;           /* Sampling rate in samples per second     */
-        long bytes_per_sec;   /* bytes per second = srate*bytes_per_samp */
-        short bytes_per_samp; /* 2=16-bit mono, 4=16-bit stereo          */
-        short bits_per_samp;  /* Number of bits per sample               */
-        char data[4];         /* "data"                                  */
-        long dlength;         /* data length in bytes (filelength - 44)  */
-    };
-
-    void initBufferHeader()
-    {
-        wavFileHeader wavh;
-
-        strncpy(wavh.riff, "RIFF", 4);
-        strncpy(wavh.wave, "WAVE", 4);
-        strncpy(wavh.fmt, "fmt ", 4);
-        strncpy(wavh.data, "data", 4);
-
-        wavh.chunk_size = 16;
-        wavh.format_tag = 1; // PCM
-        wavh.num_chans = 1;  // mono
-        wavh.srate = RATE;
-        wavh.bytes_per_sec = (RATE * 1 * 16 * 1) / 8;
-        wavh.bytes_per_samp = 2;
-        wavh.bits_per_samp = 16;
-        wavh.dlength = RATE * 2 * 1 * 16 / 2;
-        wavh.flength = wavh.dlength + 44;
-
-        _writer.writeSfudBuffer((byte *)&wavh, 44);
-    }
-    ```
-
-    這段程式碼將 WAV 標頭定義為一個佔用 44 字節記憶體的結構。它將音頻文件的取樣率、大小和通道數等詳細資訊寫入標頭，然後將該標頭寫入快閃記憶體。
-
-1. 在此程式碼下方添加以下內容以宣告一個方法，該方法在音頻緩衝區準備好處理時被調用：
-
-    ```cpp
-    void audioCallback(uint16_t *buf, uint32_t buf_len)
-    {
-        static uint32_t idx = 44;
-
-        if (_isRecording)
-        {
-            for (uint32_t i = 0; i < buf_len; i++)
-            {
-                int16_t audio_value = ((int16_t)buf[i] - 2048) * 16;
-
-                _writer.writeSfudBuffer(audio_value & 0xFF);
-                _writer.writeSfudBuffer((audio_value >> 8) & 0xFF);
-            }
-
-            idx += buf_len;
-                
-            if (idx >= BUFFER_SIZE)
-            {
-                _writer.flushSfudBuffer();
-                idx = 44;
-                _isRecording = false;
-                _isRecordingReady = true;
-            }
-        }
-    }
-    ```
-
-    音頻緩衝區是包含來自 ADC 的音頻的 16 位整數陣列。ADC 返回的是 12 位無符號值（0-1023），因此需要將其轉換為 16 位有符號值，然後轉換為 2 個字節以作為原始二進位數據儲存。
-
-    這些字節被寫入快閃記憶體緩衝區。寫入從索引 44 開始——這是 WAV 文件標頭的 44 字節偏移量。一旦捕捉到所需長度的所有字節，剩餘的數據將被寫入快閃記憶體。
-
-1. 在 `Mic` 類的 `public` 區域中添加以下程式碼：
-
-    ```cpp
-    void dmaHandler()
-    {
-        static uint8_t count = 0;
-
-        if (DMAC->Channel[1].CHINTFLAG.bit.SUSP)
-        {
-            DMAC->Channel[1].CHCTRLB.reg = DMAC_CHCTRLB_CMD_RESUME;
-            DMAC->Channel[1].CHINTFLAG.bit.SUSP = 1;
-
-            if (count)
-            {
-                audioCallback(_adc_buf_0, ADC_BUF_LEN);
-            }
-            else
-            {
-                audioCallback(_adc_buf_1, ADC_BUF_LEN);
-            }
-
-            count = (count + 1) % 2;
-        }
-    }
-    ```
-
-    這段程式碼將由 DMAC 調用，以通知您的程式碼處理緩衝區。它檢查是否有數據需要處理，並調用 `audioCallback` 方法處理相關緩衝區。
-
-1. 在類外部，在 `Mic mic;` 宣告之後添加以下程式碼：
-
-    ```cpp
-    void DMAC_1_Handler()
-    {
-        mic.dmaHandler();
-    }
-    ```
-
-    `DMAC_1_Handler` 將由 DMAC 調用，當緩衝區準備好處理時。此函數通過名稱找到，因此只需存在即可被調用。
-
-1. 在 `Mic` 類的 `public` 區域中添加以下兩個方法：
-
-    ```cpp
-    void init()
-    {
-        analogReference(AR_INTERNAL2V23);
-
-        _writer.init();
-
-        initBufferHeader();
-        configureDmaAdc();
-    }
-
-    void reset()
-    {
-        _isRecordingReady = false;
-        _isRecording = false;
-
-        _writer.reset();
-
-        initBufferHeader();
-    }
-    ```
-
-    `init` 方法包含初始化 `Mic` 類的程式碼。此方法設置麥克風引腳的正確電壓，設置快閃記憶體寫入器，寫入 WAV 文件標頭，並配置 DMAC。`reset` 方法在音頻捕捉並使用後重置快閃記憶體並重新寫入標頭。
-
-### 任務 - 捕捉音頻
-
-1. 在 `main.cpp` 文件中，添加一個包含 `mic.h` 標頭文件的指令：
-
-    ```cpp
-    #include "mic.h"
-    ```
-
-1. 在 `setup` 函數中，初始化 C 按鈕。當按下此按鈕時，將開始音頻捕捉，並持續 4 秒：
-
-    ```cpp
-    pinMode(WIO_KEY_C, INPUT_PULLUP);
-    ```
-
-1. 在此程式碼下方，初始化麥克風，然後在控制台中打印音頻已準備好捕捉的訊息：
-
-    ```cpp
-    mic.init();
-
-    Serial.println("Ready.");
-    ```
-
-1. 在 `loop` 函數上方，定義一個函數來處理捕捉的音頻。目前此函數不執行任何操作，但稍後在本課程中，它將用於將語音轉換為文字：
-
-    ```cpp
-    void processAudio()
-    {
-    
-    }
-    ```
-
-1. 在 `loop` 函數中添加以下程式碼：
-
-    ```cpp
-    void loop()
-    {
-        if (digitalRead(WIO_KEY_C) == LOW && !mic.isRecording())
-        {
-            Serial.println("Starting recording...");
-            mic.startRecording();
-        }
-    
-        if (!mic.isRecording() && mic.isRecordingReady())
-        {
-            Serial.println("Finished recording");
-    
-            processAudio();
-    
-            mic.reset();
-        }
-    }
-    ```
-
-    這段程式碼檢查 C 按鈕，如果按下且錄音尚未開始，則將 `Mic` 類的 `_isRecording` 欄位設置為 true。這將導致 `Mic` 類的 `audioCallback` 方法儲存音頻，直到捕捉到 4 秒的音頻。當捕捉到 4 秒的音頻後，`_isRecording` 欄位將設置為 false，`_isRecordingReady` 欄位將設置為 true。然後在 `loop` 函數中檢查此標誌，當為 true 時，調用 `processAudio` 函數，然後重置 `Mic` 類。
-
-1. 編譯此程式碼，將其上傳到您的 Wio Terminal，並通過序列監視器進行測試。按下 C 按鈕（左側靠近電源開關的按鈕），然後說話。將捕捉 4 秒的音頻。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Ready.
-    Starting recording...
-    Finished recording
-    ```
-💁 您可以在 [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal) 資料夾中找到此程式碼。
-😀 你的音訊錄製程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
deleted file mode 100644
index 9319ae553..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
+++ /dev/null
@@ -1,89 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "93d352de36526b8990e41dd538100324",
-  "translation_date": "2025-08-27T00:32:01+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
-  "language_code": "mo"
-}
--->
-# 配置你的麥克風和揚聲器 - Wio Terminal
-
-在本課程中，你將為 Wio Terminal 添加揚聲器。Wio Terminal 已內建麥克風，可用於捕捉語音。
-
-## 硬體
-
-Wio Terminal 已內建麥克風，可用於捕捉音訊以進行語音識別。
-
-![Wio Terminal 上的麥克風](../../../../../translated_images/zh-MO/wio-mic.3f8c843dbe8ad917.webp)
-
-若要添加揚聲器，你可以使用 [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)。這是一塊外接板，包含兩個 MEMS 麥克風，以及一個揚聲器連接器和耳機插孔。
-
-![ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/zh-MO/respeaker.f5d19d1c6b14ab16.webp)
-
-你需要添加耳機、一個帶有 3.5mm 插頭的揚聲器，或者像 [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html) 這樣的帶有 JST 接頭的揚聲器。
-
-要連接 ReSpeaker 2-Mics Pi Hat，你需要 40 根針對針（也稱為公對公）的跳線。
-
-> 💁 如果你熟悉焊接，可以使用 [40 Pin Raspberry Pi Hat Adapter Board For Wio Terminal](https://www.seeedstudio.com/40-Pin-Raspberry-Pi-Hat-Adapter-Board-For-Wio-Terminal-p-4730.html) 來連接 ReSpeaker。
-
-你還需要一張 SD 卡來下載和播放音訊。Wio Terminal 僅支持最大 16GB 的 SD 卡，並且需要格式化為 FAT32 或 exFAT。
-
-### 任務 - 連接 ReSpeaker Pi Hat
-
-1. 在 Wio Terminal 關機的情況下，使用跳線將 ReSpeaker 2-Mics Pi Hat 連接到 Wio Terminal 的 GPIO 插座：
-
-    需要按照以下方式連接引腳：
-
-    ![引腳圖](../../../../../translated_images/zh-MO/wio-respeaker-wiring-0.767f80aa65081038.webp)
-
-1. 將 ReSpeaker 和 Wio Terminal 放置好，GPIO 插座朝上，位於左側。
-
-1. 從 ReSpeaker GPIO 插座左上角的插孔開始，使用針對針跳線將 ReSpeaker 左上角的插孔連接到 Wio Terminal 左上角的插孔。
-
-1. 按此方式依次連接 GPIO 插座左側的所有引腳。確保引腳插牢。
-
-    ![ReSpeaker 左側引腳連接到 Wio Terminal 左側引腳](../../../../../translated_images/zh-MO/wio-respeaker-wiring-1.8d894727f2ba2400.webp)
-
-    ![ReSpeaker 左側引腳連接到 Wio Terminal 左側引腳](../../../../../translated_images/zh-MO/wio-respeaker-wiring-2.329e1cbd306e754f.webp)
-
-    > 💁 如果你的跳線是連成一條排線，保持它們在一起會更容易確保所有線都按順序連接。
-
-1. 使用 ReSpeaker 和 Wio Terminal 的右側 GPIO 插座重複此過程。這些線需要繞過已經連接的線。
-
-    ![ReSpeaker 右側引腳連接到 Wio Terminal 右側引腳](../../../../../translated_images/zh-MO/wio-respeaker-wiring-3.75b0be447e2fa930.webp)
-
-    ![ReSpeaker 右側引腳連接到 Wio Terminal 右側引腳](../../../../../translated_images/zh-MO/wio-respeaker-wiring-4.aa9cd434d8779437.webp)
-
-    > 💁 如果你的跳線是連成一條排線，將它們分成兩條排線。分別從已連接的線兩側穿過。
-
-    > 💁 你可以使用膠帶將引腳固定成一個塊，這樣可以防止在連接過程中引腳脫落。
-    >
-    > ![用膠帶固定的引腳](../../../../../translated_images/zh-MO/wio-respeaker-wiring-5.af117c20acf622f3.webp)
-
-1. 你需要添加一個揚聲器。
-
-    * 如果你使用的是帶有 JST 線的揚聲器，將其連接到 ReSpeaker 的 JST 接口。
-
-      ![使用 JST 線連接到 ReSpeaker 的揚聲器](../../../../../translated_images/zh-MO/respeaker-jst-speaker.a441d177809df945.webp)
-
-    * 如果你使用的是帶有 3.5mm 插頭的揚聲器或耳機，將其插入 3.5mm 插孔。
-
-      ![使用 3.5mm 插孔連接到 ReSpeaker 的揚聲器](../../../../../translated_images/zh-MO/respeaker-35mm-speaker.ad79ef4f128c7751.webp)
-
-### 任務 - 設置 SD 卡
-
-1. 將 SD 卡連接到你的電腦，如果電腦沒有 SD 卡插槽，請使用外接讀卡器。
-
-1. 使用電腦上的適當工具格式化 SD 卡，確保使用 FAT32 或 exFAT 文件系統。
-
-1. 將 SD 卡插入 Wio Terminal 左側電源按鈕下方的 SD 卡插槽。確保卡完全插入並卡住——你可能需要使用一個細小的工具或另一張 SD 卡來幫助將其完全推入。
-
-    ![將 SD 卡插入電源開關下方的 SD 卡插槽](../../../../../translated_images/zh-MO/wio-sd-card.acdcbe322fa4ee7f.webp)
-
-    > 💁 要取出 SD 卡，你需要稍微按入卡片，它會彈出。你可能需要使用像平頭螺絲刀或另一張 SD 卡這樣的細小工具來完成此操作。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
deleted file mode 100644
index afd25e53c..000000000
--- a/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
+++ /dev/null
@@ -1,544 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3f92edf2975175577174910caca4a389",
-  "translation_date": "2025-08-27T00:29:09+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
-  "language_code": "mo"
-}
--->
-# 語音轉文字 - Wio Terminal
-
-在這部分課程中，您將撰寫程式碼，使用語音服務將捕捉到的音訊轉換為文字。
-
-## 將音訊發送到語音服務
-
-可以使用 REST API 將音訊發送到語音服務。要使用語音服務，首先需要請求一個存取權杖，然後使用該權杖來存取 REST API。這些存取權杖在 10 分鐘後會過期，因此您的程式碼應定期請求權杖，以確保它們始終是最新的。
-
-### 任務 - 獲取存取權杖
-
-1. 如果尚未開啟，請開啟 `smart-timer` 專案。
-
-1. 在 `platformio.ini` 檔案中新增以下函式庫依賴項，以存取 WiFi 並處理 JSON：
-
-    ```ini
-    seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
-    seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
-    seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
-    seeed-studio/Seeed Arduino RTC @ 2.0.0
-    bblanchon/ArduinoJson @ 6.17.3
-    ```
-
-1. 在 `config.h` 標頭檔案中新增以下程式碼：
-
-    ```cpp
-    const char *SSID = "<SSID>";
-    const char *PASSWORD = "<PASSWORD>";
-    
-    const char *SPEECH_API_KEY = "<API_KEY>";
-    const char *SPEECH_LOCATION = "<LOCATION>";
-    const char *LANGUAGE = "<LANGUAGE>";
-
-    const char *TOKEN_URL = "https://%s.api.cognitive.microsoft.com/sts/v1.0/issuetoken";
-    ```
-
-    將 `<SSID>` 和 `<PASSWORD>` 替換為您的 WiFi 的相關值。
-
-    將 `<API_KEY>` 替換為您的語音服務資源的 API 金鑰。將 `<LOCATION>` 替換為您建立語音服務資源時使用的位置。
-
-    將 `<LANGUAGE>` 替換為您將使用的語言的地區名稱，例如英語使用 `en-GB`，粵語使用 `zn-HK`。您可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其地區名稱的清單。
-
-    `TOKEN_URL` 常數是權杖發行者的 URL，不包含位置。稍後將與位置結合以獲取完整的 URL。
-
-1. 與連接到 Custom Vision 一樣，您需要使用 HTTPS 連接來連接到權杖發行服務。在 `config.h` 的結尾新增以下程式碼：
-
-    ```cpp
-    const char *TOKEN_CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
-        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
-        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
-        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
-        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
-        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
-        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
-        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
-        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
-        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
-        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
-        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
-        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
-        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
-        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
-        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
-        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
-        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
-        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
-        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
-        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
-        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
-        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
-        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
-        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
-        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
-        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
-        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
-        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
-        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
-        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
-        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-    這是您在連接到 Custom Vision 時使用的相同憑證。
-
-1. 在 `main.cpp` 檔案的頂部新增 WiFi 標頭檔案和 config 標頭檔案的 include：
-
-    ```cpp
-    #include <rpcWiFi.h>
-
-    #include "config.h"
-    ```
-
-1. 在 `main.cpp` 中的 `setup` 函數上方新增連接到 WiFi 的程式碼：
-
-    ```cpp
-    void connectWiFi()
-    {
-        while (WiFi.status() != WL_CONNECTED)
-        {
-            Serial.println("Connecting to WiFi..");
-            WiFi.begin(SSID, PASSWORD);
-            delay(500);
-        }
-    
-        Serial.println("Connected!");
-    }
-    ```
-
-1. 在 `setup` 函數中，建立序列連接後呼叫此函數：
-
-    ```cpp
-    connectWiFi();
-    ```
-
-1. 在 `src` 資料夾中建立一個名為 `speech_to_text.h` 的新標頭檔案。在此標頭檔案中新增以下程式碼：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <WiFiClientSecure.h>
-    
-    #include "config.h"
-    #include "mic.h"
-    
-    class SpeechToText
-    {
-    public:
-
-    private:
-
-    };
-
-    SpeechToText speechToText;
-    ```
-
-    這包括一些必要的標頭檔案，用於 HTTP 連接、配置和 `mic.h` 標頭檔案，並定義了一個名為 `SpeechToText` 的類，然後宣告了一個稍後可以使用的該類的實例。
-
-1. 在該類的 `private` 區域中新增以下兩個欄位：
-
-    ```cpp
-    WiFiClientSecure _token_client;
-    String _access_token;
-    ```
-
-    `_token_client` 是一個使用 HTTPS 的 WiFi Client，將用於獲取存取權杖。該權杖將存儲在 `_access_token` 中。
-
-1. 在 `private` 區域中新增以下方法：
-
-    ```cpp
-    String getAccessToken()
-    {
-        char url[128];
-        sprintf(url, TOKEN_URL, SPEECH_LOCATION);
-    
-        HTTPClient httpClient;
-        httpClient.begin(_token_client, url);
-    
-        httpClient.addHeader("Ocp-Apim-Subscription-Key", SPEECH_API_KEY);
-        int httpResultCode = httpClient.POST("{}");
-    
-        if (httpResultCode != 200)
-        {
-            Serial.println("Error getting access token, trying again...");
-            delay(10000);
-            return getAccessToken();
-        }
-    
-        Serial.println("Got access token.");
-        String result = httpClient.getString();
-    
-        httpClient.end();
-    
-        return result;
-    }
-    ```
-
-    此程式碼使用語音資源的位置構建權杖發行者 API 的 URL。然後，它建立一個 `HTTPClient` 來進行網路請求，並將其設置為使用配置了權杖端點憑證的 WiFi 客戶端。它將 API 金鑰作為呼叫的標頭。接著，它發出 POST 請求以獲取憑證，並在出現錯誤時重試。最後，返回存取權杖。
-
-1. 在 `public` 區域中新增一個方法以獲取存取權杖。這在後續課程中將用於將文字轉換為語音。
-
-    ```cpp
-    String AccessToken()
-    {
-        return _access_token;
-    }
-    ```
-
-1. 在 `public` 區域中新增一個 `init` 方法來設置權杖客戶端：
-
-    ```cpp
-    void init()
-    {
-        _token_client.setCACert(TOKEN_CERTIFICATE);
-        _access_token = getAccessToken();
-    }
-    ```
-
-    這會在 WiFi 客戶端上設置憑證，然後獲取存取權杖。
-
-1. 在 `main.cpp` 中，將此新標頭檔案新增到 include 指令中：
-
-    ```cpp
-    #include "speech_to_text.h"
-    ```
-
-1. 在 `setup` 函數的結尾初始化 `SpeechToText` 類，在 `mic.init` 呼叫之後但在將 `Ready` 寫入序列監視器之前：
-
-    ```cpp
-    speechToText.init();
-    ```
-
-### 任務 - 從快閃記憶體讀取音訊
-
-1. 在課程的早期部分，音訊已錄製到快閃記憶體中。這些音訊需要發送到語音服務 REST API，因此需要從快閃記憶體中讀取。由於音訊太大，無法載入到記憶體緩衝區中，因此可以使用 `HTTPClient` 類來通過 Arduino Stream 以小塊的形式串流數據。每次呼叫 `read` 時，流會返回下一塊數據。可以建立一個 Arduino 流來從快閃記憶體中讀取數據。在 `src` 資料夾中建立一個名為 `flash_stream.h` 的新檔案，並新增以下程式碼：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <HTTPClient.h>
-    #include <sfud.h>
-
-    #include "config.h"
-    
-    class FlashStream : public Stream
-    {
-    public:
-        virtual size_t write(uint8_t val)
-        {    
-        }
-    
-        virtual int available()
-        {
-        }
-    
-        virtual int read()
-        {
-        }
-    
-        virtual int peek()
-        {
-        }
-    private:
-    
-    };
-    ```
-
-    這宣告了 `FlashStream` 類，繼承自 Arduino 的 `Stream` 類。這是一個抽象類 - 派生類必須實現一些方法才能實例化該類，這些方法在此類中已定義。
-
-    ✅ 在 [Arduino Stream 文件](https://www.arduino.cc/reference/en/language/functions/communication/stream/) 中了解更多關於 Arduino Streams 的資訊。
-
-1. 在 `private` 區域中新增以下欄位：
-
-    ```cpp
-    size_t _pos;
-    size_t _flash_address;
-    const sfud_flash *_flash;
-
-    byte _buffer[HTTP_TCP_BUFFER_SIZE];
-    ```
-
-    這定義了一個臨時緩衝區，用於存儲從快閃記憶體中讀取的數據，以及用於存儲當前讀取位置、快閃記憶體中當前地址和快閃記憶體設備的欄位。
-
-1. 在 `private` 區域中新增以下方法：
-
-    ```cpp
-    void populateBuffer()
-    {
-        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
-        _flash_address += HTTP_TCP_BUFFER_SIZE;
-        _pos = 0;
-    }
-    ```
-
-    此程式碼從當前地址的快閃記憶體中讀取數據並將其存儲在緩衝區中。然後遞增地址，以便下一次呼叫讀取下一塊記憶體。緩衝區的大小基於 `HTTPClient` 將一次發送到 REST API 的最大塊大小。
-
-    > 💁 擦除快閃記憶體必須使用粒度大小，但讀取則不需要。
-
-1. 在該類的 `public` 區域中新增一個建構函數：
-
-    ```cpp
-    FlashStream()
-    {
-        _pos = 0;
-        _flash_address = 0;
-        _flash = sfud_get_device_table() + 0;
-        
-        populateBuffer();
-    }
-    ```
-
-    此建構函數設置所有欄位以從快閃記憶體塊的開頭開始讀取，並將第一塊數據載入緩衝區。
-
-1. 實現 `write` 方法。此流僅讀取數據，因此此方法可以不執行任何操作並返回 0：
-
-    ```cpp
-    virtual size_t write(uint8_t val)
-    {
-        return 0;
-    }
-    ```
-
-1. 實現 `peek` 方法。此方法返回當前位置的數據，而不移動流。只要未從流中讀取數據，多次呼叫 `peek` 將始終返回相同的數據。
-
-    ```cpp
-    virtual int peek()
-    {
-        return _buffer[_pos];
-    }
-    ```
-
-1. 實現 `available` 函數。此函數返回可以從流中讀取的字節數，或者如果流已完成則返回 -1。對於此類，最大可用數量不會超過 HTTPClient 的塊大小。當此流在 HTTP 客戶端中使用時，它會呼叫此函數以查看有多少數據可用，然後請求該數量的數據發送到 REST API。我們不希望每個塊超過 HTTP 客戶端的塊大小，因此如果可用數據超過該大小，則返回塊大小。如果少於該大小，則返回可用數據量。一旦所有數據都已串流，則返回 -1。
-
-    ```cpp
-    virtual int available()
-    {
-        int remaining = BUFFER_SIZE - ((_flash_address - HTTP_TCP_BUFFER_SIZE) + _pos);
-        int bytes_available = min(HTTP_TCP_BUFFER_SIZE, remaining);
-
-        if (bytes_available == 0)
-        {
-            bytes_available = -1;
-        }
-
-        return bytes_available;
-    }
-    ```
-
-1. 實現 `read` 方法以返回緩衝區中的下一個字節，並遞增位置。如果位置超過緩衝區的大小，則用快閃記憶體中的下一塊數據填充緩衝區並重置位置。
-
-    ```cpp
-    virtual int read()
-    {
-        int retVal = _buffer[_pos++];
-
-        if (_pos == HTTP_TCP_BUFFER_SIZE)
-        {
-            populateBuffer();
-        }
-
-        return retVal;
-    }
-    ```
-
-1. 在 `speech_to_text.h` 標頭檔案中，為此新標頭檔案新增一個 include 指令：
-
-    ```cpp
-    #include "flash_stream.h"
-    ```
-
-### 任務 - 將語音轉換為文字
-
-1. 可以通過將音訊發送到語音服務的 REST API 來將語音轉換為文字。此 REST API 使用與權杖發行者不同的憑證，因此在 `config.h` 標頭檔案中新增以下程式碼以定義此憑證：
-
-    ```cpp
-    const char *SPEECH_CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIF8zCCBNugAwIBAgIQCq+mxcpjxFFB6jvh98dTFzANBgkqhkiG9w0BAQwFADBh\r\n"
-        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
-        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
-        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
-        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
-        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwMTCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
-        "ggIPADCCAgoCggIBAMedcDrkXufP7pxVm1FHLDNA9IjwHaMoaY8arqqZ4Gff4xyr\r\n"
-        "RygnavXL7g12MPAx8Q6Dd9hfBzrfWxkF0Br2wIvlvkzW01naNVSkHp+OS3hL3W6n\r\n"
-        "l/jYvZnVeJXjtsKYcXIf/6WtspcF5awlQ9LZJcjwaH7KoZuK+THpXCMtzD8XNVdm\r\n"
-        "GW/JI0C/7U/E7evXn9XDio8SYkGSM63aLO5BtLCv092+1d4GGBSQYolRq+7Pd1kR\r\n"
-        "EkWBPm0ywZ2Vb8GIS5DLrjelEkBnKCyy3B0yQud9dpVsiUeE7F5sY8Me96WVxQcb\r\n"
-        "OyYdEY/j/9UpDlOG+vA+YgOvBhkKEjiqygVpP8EZoMMijephzg43b5Qi9r5UrvYo\r\n"
-        "o19oR/8pf4HJNDPF0/FJwFVMW8PmCBLGstin3NE1+NeWTkGt0TzpHjgKyfaDP2tO\r\n"
-        "4bCk1G7pP2kDFT7SYfc8xbgCkFQ2UCEXsaH/f5YmpLn4YPiNFCeeIida7xnfTvc4\r\n"
-        "7IxyVccHHq1FzGygOqemrxEETKh8hvDR6eBdrBwmCHVgZrnAqnn93JtGyPLi6+cj\r\n"
-        "WGVGtMZHwzVvX1HvSFG771sskcEjJxiQNQDQRWHEh3NxvNb7kFlAXnVdRkkvhjpR\r\n"
-        "GchFhTAzqmwltdWhWDEyCMKC2x/mSZvZtlZGY+g37Y72qHzidwtyW7rBetZJAgMB\r\n"
-        "AAGjggGtMIIBqTAdBgNVHQ4EFgQUDyBd16FXlduSzyvQx8J3BM5ygHYwHwYDVR0j\r\n"
-        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
-        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
-        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
-        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
-        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
-        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
-        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
-        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
-        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQAlFvNh7QgXVLAZSsNR2XRmIn9iS8OHFCBA\r\n"
-        "WxKJoi8YYQafpMTkMqeuzoL3HWb1pYEipsDkhiMnrpfeYZEA7Lz7yqEEtfgHcEBs\r\n"
-        "K9KcStQGGZRfmWU07hPXHnFz+5gTXqzCE2PBMlRgVUYJiA25mJPXfB00gDvGhtYa\r\n"
-        "+mENwM9Bq1B9YYLyLjRtUz8cyGsdyTIG/bBM/Q9jcV8JGqMU/UjAdh1pFyTnnHEl\r\n"
-        "Y59Npi7F87ZqYYJEHJM2LGD+le8VsHjgeWX2CJQko7klXvcizuZvUEDTjHaQcs2J\r\n"
-        "+kPgfyMIOY1DMJ21NxOJ2xPRC/wAh/hzSBRVtoAnyuxtkZ4VjIOh\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-1. 在此檔案中新增一個常數，用於語音 URL（不包含位置）。稍後將與位置和語言結合以獲取完整的 URL。
-
-    ```cpp
-    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
-    ```
-
-1. 在 `speech_to_text.h` 標頭檔案中，在 `SpeechToText` 類的 `private` 區域中，定義一個使用語音憑證的 WiFi Client 欄位：
-
-    ```cpp
-    WiFiClientSecure _speech_client;
-    ```
-
-1. 在 `init` 方法中，為此 WiFi Client 設置憑證：
-
-    ```cpp
-    _speech_client.setCACert(SPEECH_CERTIFICATE);
-    ```
-
-1. 在 `SpeechToText` 類的 `public` 區域中新增以下程式碼，以定義一個將語音轉換為文字的方法：
-
-    ```cpp
-    String convertSpeechToText()
-    {
-        
-    }
-    ```
-
-1. 在此方法中新增以下程式碼，以使用配置了語音憑證的 WiFi Client 建立 HTTP 客戶端，並使用設置了位置和語言的語音 URL：
-
-    ```cpp
-    char url[128];
-    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
-
-    HTTPClient httpClient;
-    httpClient.begin(_speech_client, url);
-    ```
-
-1. 在連接上設置一些標頭：
-
-    ```cpp
-    httpClient.addHeader("Authorization", String("Bearer ") + _access_token);
-    httpClient.addHeader("Content-Type", String("audio/wav; codecs=audio/pcm; samplerate=") + String(RATE));
-    httpClient.addHeader("Accept", "application/json;text/xml");
-    ```
-
-    這設置了授權標頭（使用存取權杖）、音訊格式（使用採樣率），並設置客戶端期望的結果為 JSON。
-
-1. 在此之後新增以下程式碼以進行 REST API 呼叫：
-
-    ```cpp
-    Serial.println("Sending speech...");
-
-    FlashStream stream;
-    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
-
-    Serial.println("Speech sent!");
-    ```
-
-    這會建立一個 `FlashStream`，並使用它將數據串流到 REST API。
-
-1. 在此之下新增以下程式碼：
-
-    ```cpp
-    String text = "";
-
-    if (httpResponseCode == 200)
-    {
-        String result = httpClient.getString();
-        Serial.println(result);
-
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, result.c_str());
-
-        JsonObject obj = doc.as<JsonObject>();
-        text = obj["DisplayText"].as<String>();
-    }
-    else if (httpResponseCode == 401)
-    {
-        Serial.println("Access token expired, trying again with a new token");
-        _access_token = getAccessToken();
-        return convertSpeechToText();
-    }
-    else
-    {
-        Serial.print("Failed to convert text to speech - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-    此程式碼檢查回應碼。
-
-    如果是 200（成功的代碼），則檢索結果，從 JSON 解碼，並將 `DisplayText` 屬性設置到 `text` 變數中。這是返回語音文字版本的屬性。
-
-    如果回應碼是 401，則存取權杖已過期（這些權杖僅持續 10 分鐘）。請求一個新的存取權杖，然後再次進行呼叫。
-
-    否則，將錯誤發送到序列監視器，並將 `text` 保留為空白。
-
-1. 在此方法的結尾新增以下程式碼以關閉 HTTP 客戶端並返回文字：
-
-    ```cpp
-    httpClient.end();
-
-    return text;
-    ```
-
-1. 在 `main.cpp` 中，在 `processAudio` 函數中呼叫此新的 `convertSpeechToText` 方法，然後將語音文字記錄到序列監視器中：
-
-    ```cpp
-    String text = speechToText.convertSpeechToText();
-    Serial.println(text);
-    ```
-
-1. 編譯此程式碼，將其上傳到您的 Wio Terminal，並通過序列監視器進行測試。一旦您在序列監視器中看到 `Ready`，按下 C 按鈕（左側最靠近電源開關的按鈕），然後說話。將捕捉 4 秒的音訊，然後轉換為文字。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    Ready.
-    Starting recording...
-    Finished recording
-    Sending speech...
-    Speech sent!
-    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
-    Set a 2 minute and 27 second timer.
-    ```
-
-> 💁 您可以在 [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的語音轉文字程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/2-language-understanding/README.md b/translations/mo/6-consumer/lessons/2-language-understanding/README.md
deleted file mode 100644
index 4a3839d94..000000000
--- a/translations/mo/6-consumer/lessons/2-language-understanding/README.md
+++ /dev/null
@@ -1,574 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
-  "translation_date": "2025-08-27T00:05:25+00:00",
-  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
-  "language_code": "mo"
-}
--->
-# 理解語言
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
-
-## 簡介
-
-在上一課中，你已經將語音轉換為文字。若要將其用於編程智能計時器，你的程式碼需要理解所說的內容。你可以假設使用者會說固定的短語，例如「設置一個3分鐘的計時器」，並解析該表達式以獲取計時器的時間，但這樣並不太友好。如果使用者說「設置一個計時器，時間為3分鐘」，你或我能理解他們的意思，但你的程式碼可能無法理解，因為它預期的是固定短語。
-
-這就是語言理解的作用所在，利用人工智慧模型來解釋文字並返回所需的細節。例如，它能夠理解「設置一個3分鐘的計時器」和「設置一個計時器，時間為3分鐘」，並知道需要設置一個3分鐘的計時器。
-
-在本課中，你將學習語言理解模型，如何創建、訓練它們，以及如何在程式碼中使用它們。
-
-本課將涵蓋：
-
-* [語言理解](../../../../../6-consumer/lessons/2-language-understanding)
-* [創建語言理解模型](../../../../../6-consumer/lessons/2-language-understanding)
-* [意圖和實體](../../../../../6-consumer/lessons/2-language-understanding)
-* [使用語言理解模型](../../../../../6-consumer/lessons/2-language-understanding)
-
-## 語言理解
-
-人類已經使用語言進行溝通數十萬年。我們通過文字、聲音或行動進行交流，並理解所說的內容，不僅是文字、聲音或行動的含義，還包括它們的上下文。我們能理解真誠和諷刺，讓相同的文字因語氣不同而表達不同的意思。
-
-✅ 想想你最近的一些對話。有多少對話因需要上下文而難以讓電腦理解？
-
-語言理解，也稱為自然語言理解，是人工智慧的一個領域，屬於自然語言處理（NLP），主要研究閱讀理解，試圖理解文字或句子的細節。如果你使用過像 Alexa 或 Siri 這樣的語音助手，那麼你已經使用過語言理解服務了。這些服務是幕後的人工智慧服務，能將「Alexa，播放 Taylor Swift 的最新專輯」轉化為我女兒在客廳裡隨著她最喜歡的音樂跳舞。
-
-> 💁 儘管電腦技術已經取得了巨大進步，但在真正理解文字方面仍有很長的路要走。當我們提到電腦的語言理解時，並不是指像人類交流那樣高級，而是指從一些文字中提取關鍵細節。
-
-作為人類，我們幾乎不需要思考就能理解語言。如果我請另一個人「播放 Taylor Swift 的最新專輯」，他們會本能地知道我的意思。對於電腦來說，這就困難得多了。它需要將文字從語音轉換為文字，並解析以下信息：
-
-* 需要播放音樂
-* 音樂是由歌手 Taylor Swift 演唱的
-* 具體的音樂是一整張專輯，包含多首按順序排列的曲目
-* Taylor Swift 有很多專輯，因此需要按時間順序排列，最新發行的專輯是所需的
-
-✅ 想想你在提出請求時說過的一些句子，例如點咖啡或請家人幫忙遞東西。試著將這些句子分解為電腦需要提取的信息。
-
-語言理解模型是人工智慧模型，訓練用於從語言中提取特定細節，並通過遷移學習針對特定任務進行訓練，就像你使用少量圖片訓練自定義視覺模型一樣。你可以使用模型，然後用你希望它理解的文字進行訓練。
-
-## 創建語言理解模型
-
-![LUIS 標誌](../../../../../translated_images/zh-MO/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png)
-
-你可以使用 LUIS（Microsoft 的語言理解服務，屬於 Cognitive Services）來創建語言理解模型。
-
-### 任務 - 創建編輯資源
-
-要使用 LUIS，你需要創建一個編輯資源。
-
-1. 使用以下命令在你的 `smart-timer` 資源組中創建一個編輯資源：
-
-    ```python
-    az cognitiveservices account create --name smart-timer-luis-authoring \
-                                        --resource-group smart-timer \
-                                        --kind LUIS.Authoring \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為創建資源組時使用的位置。
-
-    > ⚠️ LUIS 並非在所有地區都可用，如果出現以下錯誤：
-    >
-    > ```output
-    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
-    > ```
-    >
-    > 請選擇其他地區。
-
-    這將創建一個免費層的 LUIS 編輯資源。
-
-### 任務 - 創建語言理解應用
-
-1. 在瀏覽器中打開 LUIS 入口網站 [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn)，並使用你在 Azure 上使用的相同帳戶登錄。
-
-1. 按照對話框中的指示選擇你的 Azure 訂閱，然後選擇剛剛創建的 `smart-timer-luis-authoring` 資源。
-
-1. 從 *Conversation apps* 列表中，選擇 **New app** 按鈕以創建新應用。將新應用命名為 `smart-timer`，並將 *Culture* 設置為你的語言。
-
-    > 💁 有一個預測資源字段。你可以創建一個單獨的資源用於預測，但免費的編輯資源每月允許 1,000 次預測，足夠用於開發，因此可以留空。
-
-1. 閱讀創建應用後出現的指南，了解訓練語言理解模型所需的步驟。完成後關閉該指南。
-
-## 意圖和實體
-
-語言理解基於 *意圖* 和 *實體*。意圖是文字的目的，例如播放音樂、設置計時器或訂餐。實體是意圖所指的內容，例如專輯、計時器的時間或食物的種類。模型解釋的每個句子應至少有一個意圖，並且可以選擇性地包含一個或多個實體。
-
-一些例子：
-
-| 句子                                                | 意圖             | 實體                                       |
-| --------------------------------------------------- | ---------------- | ------------------------------------------ |
-| 「播放 Taylor Swift 的最新專輯」                   | *播放音樂*       | *Taylor Swift 的最新專輯*                  |
-| 「設置一個3分鐘的計時器」                          | *設置計時器*     | *3分鐘*                                    |
-| 「取消我的計時器」                                 | *取消計時器*     | 無                                         |
-| 「訂購3個大號菠蘿披薩和一份凱撒沙拉」              | *訂餐*           | *3個大號菠蘿披薩*，*凱撒沙拉*              |
-
-✅ 對於你之前想到的句子，該句子的意圖和實體會是什麼？
-
-要訓練 LUIS，首先需要設置實體。這些可以是固定的術語列表，也可以從文字中學習。例如，你可以提供菜單上的固定食物列表，並提供每個詞的變體（或同義詞），例如 *egg plant* 和 *aubergine* 作為 *aubergine* 的變體。LUIS 也有一些預設的實體可以使用，例如數字和地點。
-
-對於設置計時器，你可以使用預設的數字實體來表示時間，並創建另一個實體表示單位，例如分鐘和秒。每個單位可以有多個變體以涵蓋單數和複數形式，例如 minute 和 minutes。
-
-設置好實體後，你需要創建意圖。意圖是根據你提供的示例句子（稱為語句）由模型學習的。例如，對於 *設置計時器* 意圖，你可以提供以下句子：
-
-* `設置一個1秒的計時器`
-* `設置一個計時器，時間為1分12秒`
-* `設置一個3分鐘的計時器`
-* `設置一個9分30秒的計時器`
-
-然後告訴 LUIS 這些句子的哪些部分對應於實體：
-
-![句子「設置一個計時器，時間為1分12秒」分解為實體](../../../../../translated_images/zh-MO/sentence-as-intent-entities.301401696f992259.webp)
-
-句子 `設置一個計時器，時間為1分12秒` 的意圖是 `設置計時器`。它還有2個實體，每個實體有2個值：
-
-|            | 時間 | 單位   |
-| ---------- | ---: | ------ |
-| 1 分鐘     | 1    | 分鐘   |
-| 12 秒      | 12   | 秒     |
-
-要訓練一個好的模型，你需要提供多種不同的示例句子，以涵蓋人們可能用來表達相同意思的多種方式。
-
-> 💁 與任何人工智慧模型一樣，訓練時使用的數據越多且越準確，模型就越好。
-
-✅ 想想你可能用來表達相同意思的不同方式，並期望人類能理解。
-
-### 任務 - 向語言理解模型添加實體
-
-對於計時器，你需要添加2個實體——一個表示時間單位（分鐘或秒），另一個表示分鐘或秒的數量。
-
-你可以在 Microsoft Docs 的 [快速入門：在 LUIS 入口網站中構建應用](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn) 文檔中找到使用 LUIS 入口網站的指導。
-
-1. 在 LUIS 入口網站中，選擇 *Entities* 標籤，並通過選擇 **Add prebuilt entity** 按鈕添加 *number* 預設實體，然後從列表中選擇 *number*。
-
-1. 使用 **Create** 按鈕創建一個新的實體，命名為 `time unit`，並將類型設置為 *List*。在 *Normalized values* 列表中添加 `minute` 和 `second` 的值，並在 *synonyms* 列表中添加單數和複數形式的變體。每添加一個同義詞後按 `return` 鍵將其添加到列表中。
-
-    | 標準化值       | 同義詞            |
-    | -------------- | ----------------- |
-    | minute         | minute, minutes   |
-    | second         | second, seconds   |
-
-### 任務 - 向語言理解模型添加意圖
-
-1. 在 *Intents* 標籤中，選擇 **Create** 按鈕創建一個新的意圖。將此意圖命名為 `set timer`。
-
-1. 在示例中，輸入使用分鐘、秒以及分鐘和秒組合設置計時器的不同方式。示例可以包括：
-
-    * `設置一個1秒的計時器`
-    * `設置一個4分鐘的計時器`
-    * `設置一個四分鐘六秒的計時器`
-    * `設置一個9分30秒的計時器`
-    * `設置一個計時器，時間為1分12秒`
-    * `設置一個計時器，時間為3分鐘`
-    * `設置一個計時器，時間為3分1秒`
-    * `設置一個計時器，時間為三分一秒`
-    * `設置一個計時器，時間為1分1秒`
-    * `設置一個計時器，時間為30秒`
-    * `設置一個計時器，時間為1秒`
-
-    混合使用數字的文字形式和數字形式，讓模型學會處理兩者。
-
-1. 每輸入一個示例，LUIS 都會開始檢測實體，並將檢測到的部分用下劃線標記並標籤。
-
-    ![示例中數字和時間單位被 LUIS 用下劃線標記](../../../../../translated_images/zh-MO/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png)
-
-### 任務 - 訓練和測試模型
-
-1. 配置好實體和意圖後，可以使用頂部菜單中的 **Train** 按鈕訓練模型。選擇此按鈕，模型應在幾秒鐘內完成訓練。訓練期間按鈕會變灰，完成後會重新啟用。
-
-1. 從頂部菜單中選擇 **Test** 按鈕測試語言理解模型。輸入文字，例如 `設置一個計時器，時間為5分4秒`，然後按回車鍵。句子會出現在你輸入文字的文本框下方，下面會顯示 *top intent*，即檢測到的概率最高的意圖。這應該是 `set timer`。意圖名稱後面會顯示檢測到的意圖正確的概率。
-
-1. 選擇 **Inspect** 選項查看結果的詳細信息。你會看到最高分的意圖及其百分比概率，以及檢測到的實體列表。
-
-1. 完成測試後，關閉 *Test* 面板。
-
-### 任務 - 發佈模型
-
-若要從程式碼中使用此模型，你需要發佈它。從 LUIS 發佈時，你可以選擇發佈到測試環境或正式環境。在本課中，測試環境即可。
-
-1. 從 LUIS 入口網站中，選擇頂部菜單中的 **Publish** 按鈕。
-
-1. 確保選擇了 *Staging slot*，然後選擇 **Done**。發佈應用後，你會看到通知。
-
-1. 你可以使用 curl 測試此模型。要構建 curl 命令，你需要三個值——端點、應用程式 ID（App ID）和 API 密鑰。這些可以從頂部菜單中選擇 **MANAGE** 標籤後的 *Settings* 部分中獲取。
-
-    1. 從 *Settings* 部分中複製 App ID
-1. 從 *Azure 資源* 部分選擇 *Authoring Resource*，並複製 *Primary Key* 和 *Endpoint URL*
-
-1. 在命令提示符或終端中執行以下 curl 命令：
-
-    ```sh
-    curl "<endpoint url>/luis/prediction/v3.0/apps/<app id>/slots/staging/predict" \
-          --request GET \
-          --get \
-          --data "subscription-key=<primary key>" \
-          --data "verbose=false" \
-          --data "show-all-intents=true" \
-          --data-urlencode "query=<sentence>"
-    ```
-
-    將 `<endpoint url>` 替換為 *Azure 資源* 部分中的 Endpoint URL。
-
-    將 `<app id>` 替換為 *Settings* 部分中的 App ID。
-
-    將 `<primary key>` 替換為 *Azure 資源* 部分中的 Primary Key。
-
-    將 `<sentence>` 替換為您想測試的句子。
-
-1. 此呼叫的輸出將是一個 JSON 文件，詳細說明查詢、最高意圖以及按類型劃分的實體列表。
-
-    ```JSON
-    {
-        "query": "set a timer for 45 minutes and 12 seconds",
-        "prediction": {
-            "topIntent": "set timer",
-            "intents": {
-                "set timer": {
-                    "score": 0.97031575
-                },
-                "None": {
-                    "score": 0.02205793
-                }
-            },
-            "entities": {
-                "number": [
-                    45,
-                    12
-                ],
-                "time-unit": [
-                    [
-                        "minute"
-                    ],
-                    [
-                        "second"
-                    ]
-                ]
-            }
-        }
-    }
-    ```
-
-    上述 JSON 是基於查詢 `set a timer for 45 minutes and 12 seconds` 生成的：
-
-    * `set timer` 是最高意圖，概率為 97%。
-    * 檢測到兩個 *number* 實體，分別是 `45` 和 `12`。
-    * 檢測到兩個 *time-unit* 實體，分別是 `minute` 和 `second`。
-
-## 使用語言理解模型
-
-一旦發布，LUIS 模型可以從代碼中調用。在之前的課程中，您使用 IoT Hub 處理與雲服務的通信，發送遙測數據並接收命令。這是非常異步的——一旦遙測數據發送出去，您的代碼不會等待響應，如果雲服務宕機，您也不會知道。
-
-對於智能計時器，我們希望立即獲得響應，以便告訴用戶計時器已設置，或者提醒他們雲服務不可用。為此，我們的 IoT 設備將直接調用 Web 端點，而不是依賴 IoT Hub。
-
-與其從 IoT 設備調用 LUIS，您可以使用具有不同觸發類型的無伺服器代碼——HTTP 觸發器。這使您的函數應用可以監聽 REST 請求並對其進行響應。此函數將是一個 REST 端點，您的設備可以調用。
-
-> 💁 雖然您可以直接從 IoT 設備調用 LUIS，但使用類似無伺服器代碼的方式更好。這樣當您想更改調用的 LUIS 應用時，例如訓練更好的模型或用不同語言訓練模型，您只需更新雲端代碼，而不需要重新部署代碼到可能成千上萬甚至數百萬的 IoT 設備。
-
-### 任務 - 創建無伺服器函數應用
-
-1. 創建一個名為 `smart-timer-trigger` 的 Azure Functions 應用，並在 VS Code 中打開它。
-
-1. 使用以下命令在 VS Code 終端內為此應用添加一個名為 `speech-trigger` 的 HTTP 觸發器：
-
-    ```sh
-    func new --name text-to-timer --template "HTTP trigger"
-    ```
-
-    這將創建一個名為 `text-to-timer` 的 HTTP 觸發器。
-
-1. 通過運行函數應用來測試 HTTP 觸發器。運行後，您將在輸出中看到列出的端點：
-
-    ```output
-    Functions:
-    
-            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
-    ```
-
-    通過在瀏覽器中加載 [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) URL 進行測試。
-
-    ```output
-    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
-    ```
-
-### 任務 - 使用語言理解模型
-
-1. LUIS 的 SDK 可通過 Pip 套件獲得。將以下行添加到 `requirements.txt` 文件中以添加對此套件的依賴：
-
-    ```sh
-    azure-cognitiveservices-language-luis
-    ```
-
-1. 確保 VS Code 終端已激活虛擬環境，並運行以下命令以安裝 Pip 套件：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-    > 💁 如果出現錯誤，您可能需要使用以下命令升級 pip：
-    >
-    > ```sh
-    > pip install --upgrade pip
-    > ```
-
-1. 在 **MANAGE** 標籤的 LUIS 入口網站中，為您的 LUIS API Key、Endpoint URL 和 App ID 添加新的條目到 `local.settings.json` 文件：
-
-    ```JSON
-    "LUIS_KEY": "<primary key>",
-    "LUIS_ENDPOINT_URL": "<endpoint url>",
-    "LUIS_APP_ID": "<app id>"
-    ```
-
-    將 `<endpoint url>` 替換為 **MANAGE** 標籤中 *Azure 資源* 部分的 Endpoint URL。這將是 `https://<location>.api.cognitive.microsoft.com/`。
-
-    將 `<app id>` 替換為 **MANAGE** 標籤中 *Settings* 部分的 App ID。
-
-    將 `<primary key>` 替換為 **MANAGE** 標籤中 *Azure 資源* 部分的 Primary Key。
-
-1. 將以下導入添加到 `__init__.py` 文件：
-
-    ```python
-    import json
-    import os
-    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
-    from msrest.authentication import CognitiveServicesCredentials
-    ```
-
-    這導入了一些系統庫以及與 LUIS 交互的庫。
-
-1. 刪除 `main` 方法的內容，並添加以下代碼：
-
-    ```python
-    luis_key = os.environ['LUIS_KEY']
-    endpoint_url = os.environ['LUIS_ENDPOINT_URL']
-    app_id = os.environ['LUIS_APP_ID']
-    
-    credentials = CognitiveServicesCredentials(luis_key)
-    client = LUISRuntimeClient(endpoint=endpoint_url, credentials=credentials)
-    ```
-
-    此代碼加載您在 `local.settings.json` 文件中為 LUIS 應用添加的值，使用您的 API Key 創建憑據對象，然後創建 LUIS 客戶端對象以與您的 LUIS 應用交互。
-
-1. 此 HTTP 觸發器將以 JSON 格式傳遞要理解的文本，文本位於名為 `text` 的屬性中。以下代碼從 HTTP 請求的正文中提取值並將其記錄到控制台。將此代碼添加到 `main` 函數：
-
-    ```python
-    req_body = req.get_json()
-    text = req_body['text']
-    logging.info(f'Request - {text}')
-    ```
-
-1. 通過發送預測請求（包含要預測的文本的 JSON 文件）向 LUIS 請求預測。使用以下代碼創建此請求：
-
-    ```python
-    prediction_request = { 'query' : text }
-    ```
-
-1. 然後可以使用您的應用發布到的 staging slot 將此請求發送到 LUIS：
-
-    ```python
-    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
-    ```
-
-1. 預測響應包含最高意圖——具有最高預測分數的意圖，以及實體。如果最高意圖是 `set timer`，則可以讀取實體以獲取計時器所需的時間：
-
-    ```python
-    if prediction_response.prediction.top_intent == 'set timer':
-        numbers = prediction_response.prediction.entities['number']
-        time_units = prediction_response.prediction.entities['time unit']
-        total_seconds = 0
-    ```
-
-    `number` 實體將是一個數字數組。例如，如果您說 *"Set a four minute 17 second timer."*，則 `number` 數組將包含 2 個整數——4 和 17。
-
-    `time unit` 實體將是一個字符串數組的數組，每個時間單位作為數組中的字符串數組。例如，如果您說 *"Set a four minute 17 second timer."*，則 `time unit` 數組將包含 2 個單值數組——`['minute']` 和 `['second']`。
-
-    *"Set a four minute 17 second timer."* 的這些實體的 JSON 版本是：
-
-    ```json
-    {
-        "number": [4, 17],
-        "time unit": [
-            ["minute"],
-            ["second"]
-        ]
-    }
-    ```
-
-    此代碼還定義了一個計時器的總時間（以秒為單位）的計數。這將由實體中的值填充。
-
-1. 實體之間沒有直接關聯，但我們可以對它們進行一些假設。它們將按照說話的順序排列，因此可以使用數組中的位置來確定哪個數字與哪個時間單位匹配。例如：
-
-    * *"Set a 30 second timer"* - 這將有一個數字 `30` 和一個時間單位 `second`，因此單個數字將匹配單個時間單位。
-    * *"Set a 2 minute and 30 second timer"* - 這將有兩個數字 `2` 和 `30`，以及兩個時間單位 `minute` 和 `second`，因此第一個數字將對應第一個時間單位（2 分鐘），第二個數字對應第二個時間單位（30 秒）。
-
-    以下代碼獲取 `number` 實體中的項目數，並使用該數量提取每個數組中的第一項，然後是第二項，依此類推。將此代碼添加到 `if` 塊內。
-
-    ```python
-    for i in range(0, len(numbers)):
-        number = numbers[i]
-        time_unit = time_units[i][0]
-    ```
-
-    對於 *"Set a four minute 17 second timer."*，此代碼將循環兩次，生成以下值：
-
-    | 循環次數 | `number` | `time_unit` |
-    | ---------: | -------: | ----------- |
-    | 0          | 4        | minute      |
-    | 1          | 17       | second      |
-
-1. 在此循環內，使用數字和時間單位計算計時器的總時間，對於每分鐘添加 60 秒，對於每秒添加相應的秒數。
-
-    ```python
-    if time_unit == 'minute':
-        total_seconds += number * 60
-    else:
-        total_seconds += number
-    ```
-
-1. 在此循環外，記錄計時器的總時間：
-
-    ```python
-    logging.info(f'Timer required for {total_seconds} seconds')
-    ```
-
-1. 計時器的秒數需要作為 HTTP 響應從函數返回。在 `if` 塊的末尾添加以下代碼：
-
-    ```python
-    payload = {
-        'seconds': total_seconds
-    }
-    return func.HttpResponse(json.dumps(payload), status_code=200)
-    ```
-
-    此代碼創建一個包含計時器總秒數的有效負載，將其轉換為 JSON 字符串並以狀態碼 200（表示呼叫成功）返回。
-
-1. 最後，在 `if` 塊外處理未識別意圖的情況，返回錯誤代碼：
-
-    ```python
-    return func.HttpResponse(status_code=404)
-    ```
-
-    404 是 *未找到* 的狀態碼。
-
-1. 運行函數應用並使用 curl 測試它。
-
-    ```sh
-    curl --request POST 'http://localhost:7071/api/text-to-timer' \
-         --header 'Content-Type: application/json' \
-         --include \
-         --data '{"text":"<text>"}'
-    ```
-
-    將 `<text>` 替換為您的請求文本，例如 `set a 2 minutes 27 second timer`。
-
-    您將看到函數應用的以下輸出：
-
-    ```output
-    Functions:
-
-            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
-    
-    For detailed output, run func with --verbose flag.
-    [2021-06-26T19:45:14.502Z] Worker process started and initialized.
-    [2021-06-26T19:45:19.338Z] Host lock lease acquired by instance ID '000000000000000000000000951CAE4E'.
-    [2021-06-26T19:45:52.059Z] Executing 'Functions.text-to-timer' (Reason='This function was programmatically called via the host APIs.', Id=f68bfb90-30e4-47a5-99da-126b66218e81)
-    [2021-06-26T19:45:53.577Z] Timer required for 147 seconds
-    [2021-06-26T19:45:53.746Z] Executed 'Functions.text-to-timer' (Succeeded, Id=f68bfb90-30e4-47a5-99da-126b66218e81, Duration=1750ms)
-    ```
-
-    curl 的呼叫將返回以下內容：
-
-    ```output
-    HTTP/1.1 200 OK
-    Date: Tue, 29 Jun 2021 01:14:11 GMT
-    Content-Type: text/plain; charset=utf-8
-    Server: Kestrel
-    Transfer-Encoding: chunked
-    
-    {"seconds": 147}
-    ```
-
-    計時器的秒數位於 `"seconds"` 值中。
-
-> 💁 您可以在 [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions) 文件夾中找到此代碼。
-
-### 任務 - 使您的函數可供 IoT 設備使用
-
-1. 為了讓您的 IoT 設備調用您的 REST 端點，它需要知道 URL。當您之前訪問它時，您使用了 `localhost`，這是一個快捷方式，用於訪問本地機器上的 REST 端點。要讓您的 IoT 設備獲得訪問權限，您需要將其發布到雲端，或者獲取您的 IP 地址以便本地訪問。
-
-    > ⚠️ 如果您使用的是 Wio Terminal，運行函數應用於本地會更容易，因為存在依賴庫，這意味著您無法像之前那樣部署函數應用。如果您希望部署到雲端，後續課程將提供相關信息。
-
-    * 發布函數應用 - 按照之前課程中的指示將函數應用發布到雲端。一旦發布，URL 將是 `https://<APP_NAME>.azurewebsites.net/api/text-to-timer`，其中 `<APP_NAME>` 是您的函數應用名稱。確保也發布您的本地設置。
-
-      使用 HTTP 觸發器時，它們默認通過函數應用密鑰進行保護。要獲取此密鑰，運行以下命令：
-
-      ```sh
-      az functionapp keys list --resource-group smart-timer \
-                               --name <APP_NAME>                               
-      ```
-
-      從 `functionKeys` 部分複製 `default` 條目的值。
-
-      ```output
-      {
-        "functionKeys": {
-          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
-        },
-        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
-        "systemKeys": {}
-      }
-      ```
-
-      此密鑰需要作為查詢參數添加到 URL 中，因此最終的 URL 將是 `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>`，其中 `<APP_NAME>` 是您的函數應用名稱，`<FUNCTION_KEY>` 是您的默認函數密鑰。
-
-      > 💁 您可以使用 `function.json` 文件中的 `authlevel` 設置更改 HTTP 觸發器的授權類型。您可以在 [Microsoft Docs 上的 Azure Functions HTTP 觸發器文檔配置部分](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python#configuration) 中了解更多信息。
-
-    * 本地運行函數應用並使用 IP 地址訪問 - 您可以獲取計算機在本地網絡上的 IP 地址，並使用該地址構建 URL。
-
-      獲取您的 IP 地址：
-
-      * 在 Windows 10 上，請參考 [查找您的 IP 地址指南](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn)
-      * 在 macOS 上，請參考 [如何在 Mac 上查找 IP 地址指南](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac)
-      * 在 Linux 上，請參考 [如何在 Linux 中查找 IP 地址指南](https://opensource.com/article/18/5/how-find-ip-address-linux) 中的查找私有 IP 地址部分
-
-      獲取 IP 地址後，您將能夠通過 `http://`
-
-:7071/api/text-to-timer`，其中 `<IP_ADDRESS>` 是你的 IP 位址，例如 `http://192.168.1.10:7071/api/text-to-timer`。
-
-      > 💁 請注意這裡使用的是 7071 埠，因此在 IP 位址後需要加上 `:7071`。
-
-      > 💁 這僅在你的 IoT 裝置與電腦位於同一網路時才有效。
-
-1. 使用 curl 測試此端點。
-
----
-
-## 🚀 挑戰
-
-設定計時器有許多不同的請求方式。試著想出不同的方法，並將它們作為範例加入你的 LUIS 應用程式中。測試這些方法，看看你的模型能否處理多種請求計時器的方式。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
-
-## 回顧與自學
-
-* 在 [Microsoft Docs 的語言理解 (LUIS) 文件頁面](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn)上閱讀更多關於 LUIS 及其功能的資訊
-* 在 [維基百科的自然語言理解頁面](https://wikipedia.org/wiki/Natural-language_understanding)上閱讀更多關於語言理解的資訊
-* 在 [Microsoft Docs 的 Azure Functions HTTP 觸發器文件頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python)上閱讀更多關於 HTTP 觸發器的資訊
-
-## 作業
-
-[取消計時器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/2-language-understanding/assignment.md b/translations/mo/6-consumer/lessons/2-language-understanding/assignment.md
deleted file mode 100644
index 545aab2eb..000000000
--- a/translations/mo/6-consumer/lessons/2-language-understanding/assignment.md
+++ /dev/null
@@ -1,28 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
-  "translation_date": "2025-08-27T00:06:57+00:00",
-  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
-  "language_code": "mo"
-}
--->
-# 取消計時器
-
-## 說明
-
-在本課程中，你已經訓練了一個模型來理解設定計時器的功能。另一個實用的功能是取消計時器——例如，當你的麵包已經烤好，可以在計時器結束前取出。
-
-在你的 LUIS 應用程式中新增一個取消計時器的意圖。這個意圖不需要任何實體，但需要一些範例句子。如果這是最高意圖，請在你的無伺服器代碼中處理，記錄該意圖已被識別，並返回適當的回應。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 在 LUIS 應用程式中新增取消計時器意圖 | 能夠新增意圖並訓練模型 | 能夠新增意圖但未訓練模型 | 無法新增意圖並訓練模型 |
-| 在無伺服器應用程式中處理該意圖 | 能夠檢測該意圖為最高意圖並記錄 | 能夠檢測該意圖為最高意圖 | 無法檢測該意圖為最高意圖 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/README.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/README.md
deleted file mode 100644
index 2094076a2..000000000
--- a/translations/mo/6-consumer/lessons/3-spoken-feedback/README.md
+++ /dev/null
@@ -1,142 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
-  "translation_date": "2025-08-27T00:10:02+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
-  "language_code": "mo"
-}
--->
-# 設定計時器並提供語音回饋
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-MO/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片以查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
-
-## 簡介
-
-智慧助理並非單向溝通的設備。你對它說話，它會回應你：
-
-「Alexa，設定一個三分鐘的計時器」
-
-「好的，計時器已設定為三分鐘」
-
-在前兩節課中，你學會了如何將語音轉換為文字，並從文字中提取設定計時器的請求。在本課中，你將學習如何在物聯網設備上設定計時器，並以語音回應用戶確認計時器已設定，當計時器結束時提醒用戶。
-
-本課將涵蓋以下內容：
-
-* [文字轉語音](../../../../../6-consumer/lessons/3-spoken-feedback)
-* [設定計時器](../../../../../6-consumer/lessons/3-spoken-feedback)
-* [將文字轉換為語音](../../../../../6-consumer/lessons/3-spoken-feedback)
-
-## 文字轉語音
-
-文字轉語音，顧名思義，是將文字轉換為包含語音的音頻的過程。基本原理是將文字中的單詞分解為其構成的聲音（稱為音素），然後將這些聲音的音頻拼接在一起，這些音頻可以是預先錄製的，也可以是由人工智慧模型生成的。
-
-![典型文字轉語音系統的三個階段](../../../../../translated_images/zh-MO/tts-overview.193843cf3f5ee09f.webp)
-
-文字轉語音系統通常包含三個階段：
-
-* 文字分析
-* 語言學分析
-* 波形生成
-
-### 文字分析
-
-文字分析是將提供的文字轉換為可以用於生成語音的單詞。例如，將「Hello world」轉換為語音時，不需要進行文字分析，因為這兩個單詞可以直接轉換為語音。然而，如果是「1234」，則可能需要根據上下文將其轉換為「一千兩百三十四」或「一二三四」。例如，「I have 1234 apples」應該是「一千兩百三十四」，而「The child counted 1234」則應該是「一二三四」。
-
-單詞的生成不僅因語言而異，還因語言的地區差異而不同。例如，在美式英語中，120 是「One hundred twenty」，而在英式英語中則是「One hundred and twenty」，多了一個「and」。
-
-✅ 其他需要文字分析的例子包括「in」作為英寸的縮寫，以及「st」作為聖徒或街道的縮寫。你能想到在你的語言中有哪些在沒有上下文時容易產生歧義的例子嗎？
-
-當單詞被定義後，它們會被送去進行語言學分析。
-
-### 語言學分析
-
-語言學分析將單詞分解為音素。音素不僅基於使用的字母，還基於單詞中的其他字母。例如，在英語中，「car」和「care」中的「a」發音是不同的。英語有 44 個音素，而字母表只有 26 個字母，有些音素由不同的字母共享，例如「circle」和「serpent」開頭的音素相同。
-
-✅ 做一些研究：你的語言有哪些音素？
-
-當單詞被轉換為音素後，這些音素需要額外的數據來支持語調，根據上下文調整音調或時長。例如，在英語中，音調的升高可以將句子轉換為疑問句，最後一個單詞的音調升高意味著這是一個問題。
-
-例如，句子「You have an apple」是一個陳述句，表示你有一個蘋果。如果最後一個單詞「apple」的音調升高，則變成了「You have an apple?」，詢問你是否有一個蘋果。語言學分析需要利用句末的問號來決定是否提高音調。
-
-當音素生成後，它們會被送去進行波形生成以產生音頻輸出。
-
-### 波形生成
-
-最早的電子文字轉語音系統使用每個音素的單一音頻錄音，這導致了非常單調、機械化的聲音。語言學分析會生成音素，這些音素會從聲音數據庫中加載並拼接在一起生成音頻。
-
-✅ 做一些研究：找一些早期語音合成系統的音頻錄音。將其與現代語音合成（如智慧助理中使用的語音合成）進行比較。
-
-更現代的波形生成使用基於深度學習的機器學習模型（非常大的神經網絡，類似於大腦中的神經元）來生成更自然的聲音，這些聲音甚至可以與真人無法區分。
-
-> 💁 這些機器學習模型可以通過遷移學習重新訓練，使其聽起來像真實的人。因此，使用聲音作為安全系統（例如銀行越來越多地嘗試這樣做）已不再是一個好主意，因為任何擁有幾分鐘你聲音錄音的人都可以模仿你。
-
-這些大型機器學習模型正在被訓練以將所有三個步驟結合成端到端的語音合成器。
-
-## 設定計時器
-
-要設定計時器，你的物聯網設備需要調用你使用無伺服器代碼創建的 REST 端點，然後使用返回的秒數來設定計時器。
-
-### 任務 - 調用無伺服器函數以獲取計時器時間
-
-按照相關指南從你的物聯網設備調用 REST 端點，並設定所需時間的計時器：
-
-* [Arduino - Wio Terminal](wio-terminal-set-timer.md)
-* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-set-timer.md)
-
-## 將文字轉換為語音
-
-你用於將語音轉換為文字的語音服務也可以用於將文字轉換回語音，並通過物聯網設備上的揚聲器播放。要轉換的文字會被發送到語音服務，並附帶所需的音頻類型（例如採樣率），然後返回包含音頻的二進制數據。
-
-當你發送此請求時，你會使用*語音合成標記語言*（SSML），這是一種基於 XML 的語音合成應用標記語言。它不僅定義了要轉換的文字，還定義了文字的語言、使用的語音，甚至可以用於定義某些或所有文字的速度、音量和音調。
-
-例如，以下 SSML 定義了一個請求，將文字「Your 3 minute 5 second time has been set」轉換為語音，使用名為 `en-GB-MiaNeural` 的英式英語語音：
-
-```xml
-<speak version='1.0' xml:lang='en-GB'>
-    <voice xml:lang='en-GB' name='en-GB-MiaNeural'>
-        Your 3 minute 5 second time has been set
-    </voice>
-</speak>
-```
-
-> 💁 大多數文字轉語音系統針對不同語言都有多種語音，並帶有相關的口音，例如英式英語語音帶有英國口音，紐西蘭英語語音帶有紐西蘭口音。
-
-### 任務 - 將文字轉換為語音
-
-按照相關指南，使用你的物聯網設備將文字轉換為語音：
-
-* [Arduino - Wio Terminal](wio-terminal-text-to-speech.md)
-* [單板電腦 - Raspberry Pi](pi-text-to-speech.md)
-* [單板電腦 - 虛擬設備](virtual-device-text-to-speech.md)
-
----
-
-## 🚀 挑戰
-
-SSML 提供了改變單詞發音方式的方法，例如對某些單詞加強語氣、添加停頓或改變音調。嘗試使用不同的 SSML 從你的物聯網設備發送請求，並比較輸出效果。你可以在 [萬維網聯盟的語音合成標記語言 (SSML) 1.1 版規範](https://www.w3.org/TR/speech-synthesis11/)中閱讀更多關於 SSML 的內容，包括如何改變單詞的發音方式。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
-
-## 回顧與自學
-
-* 在 [維基百科的語音合成頁面](https://wikipedia.org/wiki/Speech_synthesis)上閱讀更多關於語音合成的內容
-* 在 [BBC 新聞的「假聲音幫助網絡罪犯偷錢」報導](https://www.bbc.com/news/technology-48908736)中閱讀更多關於罪犯如何利用語音合成進行盜竊的內容
-* 在 [Vice 的文章「這起 TikTok 訴訟突顯了 AI 如何損害配音演員」](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)中了解更多關於語音演員因其聲音的合成版本而面臨的風險
-
-## 作業
-
-[取消計時器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/assignment.md
deleted file mode 100644
index dbed2c756..000000000
--- a/translations/mo/6-consumer/lessons/3-spoken-feedback/assignment.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
-  "translation_date": "2025-08-27T00:10:50+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
-  "language_code": "mo"
-}
--->
-# 取消計時器
-
-## 說明
-
-在上一課的作業中，你已經在 LUIS 中新增了一個取消計時器的意圖。在這次作業中，你需要在無伺服器的程式碼中處理這個意圖，向 IoT 裝置發送指令，然後取消計時器。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 在無伺服器程式碼中處理意圖並發送指令 | 能夠成功處理意圖並向裝置發送指令 | 能夠成功處理意圖但無法向裝置發送指令 | 無法成功處理意圖 |
-| 在裝置上取消計時器 | 能夠接收到指令並成功取消計時器 | 能夠接收到指令但無法取消計時器 | 無法接收到指令 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
deleted file mode 100644
index e0aa1e1c1..000000000
--- a/translations/mo/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
+++ /dev/null
@@ -1,156 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
-  "translation_date": "2025-08-27T00:13:15+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
-  "language_code": "mo"
-}
--->
-# 將文字轉換為語音 - Raspberry Pi
-
-在本課程的這部分，您將撰寫程式碼，使用語音服務將文字轉換為語音。
-
-## 使用語音服務將文字轉換為語音
-
-可以使用 REST API 將文字發送到語音服務，獲取語音作為音訊檔案，並在您的 IoT 裝置上播放。請求語音時，您需要提供使用的語音，因為語音可以使用多種不同的聲音生成。
-
-每種語言都支援一系列不同的聲音，您可以對語音服務發送 REST 請求，以獲取每種語言支援的聲音列表。
-
-### 任務 - 獲取聲音
-
-1. 在 VS Code 中打開 `smart-timer` 專案。
-
-1. 在 `say` 函數上方新增以下程式碼，以請求語言的聲音列表：
-
-    ```python
-    def get_voice():
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
-    
-        headers = {
-            'Authorization': 'Bearer ' + get_access_token()
-        }
-    
-        response = requests.get(url, headers=headers)
-        voices_json = json.loads(response.text)
-    
-        first_voice = next(x for x in voices_json if x['Locale'].lower() == language.lower() and x['VoiceType'] == 'Neural')
-        return first_voice['ShortName']
-    
-    voice = get_voice()
-    print(f'Using voice {voice}')
-    ```
-
-    此程式碼定義了一個名為 `get_voice` 的函數，該函數使用語音服務獲取聲音列表。然後找到與正在使用的語言匹配的第一個聲音。
-
-    接著呼叫此函數以儲存第一個聲音，並將聲音名稱列印到控制台。此聲音可以請求一次，並在每次將文字轉換為語音時使用該值。
-
-    > 💁 您可以從 [Microsoft Docs 的語言和聲音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) 獲取支援的聲音完整列表。如果您想使用特定的聲音，可以移除此函數並直接將聲音名稱硬編碼到文件中的聲音名稱。例如：
-    >
-    > ```python
-    > voice = 'hi-IN-SwaraNeural'
-    > ```
-
-### 任務 - 將文字轉換為語音
-
-1. 在此程式碼下方，定義一個常數，用於從語音服務檢索音訊格式。當您請求音訊時，可以使用多種不同的格式。
-
-    ```python
-    playback_format = 'riff-48khz-16bit-mono-pcm'
-    ```
-
-    您可以使用的格式取決於您的硬體。如果在播放音訊時出現 `Invalid sample rate` 錯誤，請將其更改為其他值。您可以在 [Microsoft Docs 的文字轉語音 REST API 文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs) 中找到支援的值列表。您需要使用 `riff` 格式音訊，可嘗試的值包括 `riff-16khz-16bit-mono-pcm`、`riff-24khz-16bit-mono-pcm` 和 `riff-48khz-16bit-mono-pcm`。
-
-1. 在此程式碼下方，宣告一個名為 `get_speech` 的函數，該函數將使用語音服務 REST API 將文字轉換為語音：
-
-    ```python
-    def get_speech(text):
-    ```
-
-1. 在 `get_speech` 函數中，定義要呼叫的 URL 和要傳遞的標頭：
-
-    ```python
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
-    
-        headers = {
-            'Authorization': 'Bearer ' + get_access_token(),
-            'Content-Type': 'application/ssml+xml',
-            'X-Microsoft-OutputFormat': playback_format
-        }
-    ```
-
-    此程式碼設定標頭以使用生成的存取權杖，將內容設定為 SSML，並定義所需的音訊格式。
-
-1. 在此程式碼下方，定義要發送到 REST API 的 SSML：
-
-    ```python
-    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
-    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
-    ssml += text
-    ssml += '</voice>'
-    ssml += '</speak>'
-    ```
-
-    此 SSML 設定要使用的語言和聲音，以及要轉換的文字。
-
-1. 最後，在此函數中新增程式碼以進行 REST 請求並返回二進位音訊資料：
-
-    ```python
-    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
-    return io.BytesIO(response.content)
-    ```
-
-### 任務 - 播放音訊
-
-1. 在 `get_speech` 函數下方，定義一個新函數以播放 REST API 呼叫返回的音訊：
-
-    ```python
-    def play_speech(speech):
-    ```
-
-1. 傳遞給此函數的 `speech` 將是 REST API 返回的二進位音訊資料。使用以下程式碼將其作為波形檔案打開，並傳遞給 PyAudio 播放音訊：
-
-    ```python
-    def play_speech(speech):
-        with wave.open(speech, 'rb') as wave_file:
-            stream = audio.open(format=audio.get_format_from_width(wave_file.getsampwidth()),
-                                channels=wave_file.getnchannels(),
-                                rate=wave_file.getframerate(),
-                                output_device_index=speaker_card_number,
-                                output=True)
-
-            data = wave_file.readframes(4096)
-
-            while len(data) > 0:
-                stream.write(data)
-                data = wave_file.readframes(4096)
-
-            stream.stop_stream()
-            stream.close()
-    ```
-
-    此程式碼使用 PyAudio 流，與捕捉音訊相同。不同之處在於此流被設定為輸出流，並從音訊資料中讀取資料並推送到流中。
-
-    與硬編碼流的詳細資訊（例如取樣率）不同，此處是從音訊資料中讀取。
-
-1. 將 `say` 函數的內容替換為以下程式碼：
-
-    ```python
-    speech = get_speech(text)
-    play_speech(speech)
-    ```
-
-    此程式碼將文字轉換為二進位音訊資料，並播放音訊。
-
-1. 執行應用程式，並確保函數應用程式也在執行。設定一些計時器，您將聽到語音回應，告訴您計時器已設定，然後在計時器完成時聽到另一個語音回應。
-
-    如果出現 `Invalid sample rate` 錯誤，請按照上述說明更改 `playback_format`。
-
-> 💁 您可以在 [code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi) 資料夾中找到此程式碼。
-
-😀 您的計時器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
deleted file mode 100644
index 19f5c8c50..000000000
--- a/translations/mo/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
+++ /dev/null
@@ -1,140 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "64ad4ddb4de81a18b7252e968f10b404",
-  "translation_date": "2025-08-27T00:07:51+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
-  "language_code": "mo"
-}
--->
-# 設定計時器 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，你將呼叫無伺服器代碼來理解語音，並根據結果在虛擬 IoT 裝置或 Raspberry Pi 上設定計時器。
-
-## 設定計時器
-
-從語音轉文字呼叫返回的文字需要傳送到你的無伺服器代碼，並由 LUIS 處理，返回計時器的秒數。這個秒數可以用來設定計時器。
-
-計時器可以使用 Python 的 `threading.Timer` 類別來設定。這個類別需要一個延遲時間和一個函數，延遲時間過後，該函數會被執行。
-
-### 任務 - 將文字傳送到無伺服器函數
-
-1. 在 VS Code 中打開 `smart-timer` 專案，並確保如果你使用的是虛擬 IoT 裝置，終端機中已載入虛擬環境。
-
-1. 在 `process_text` 函數上方，宣告一個名為 `get_timer_time` 的函數，用來呼叫你建立的 REST 端點：
-
-    ```python
-    def get_timer_time(text):
-    ```
-
-1. 在此函數中加入以下代碼以定義要呼叫的 URL：
-
-    ```python
-    url = '<URL>'
-    ```
-
-    將 `<URL>` 替換為你在上一課中建立的 REST 端點的 URL，無論是在你的電腦上還是雲端中。
-
-1. 加入以下代碼，將文字作為 JSON 屬性傳送到呼叫中：
-
-    ```python
-    body = {
-        'text': text
-    }
-    
-    response = requests.post(url, json=body)
-    ```
-
-1. 在此之下，從回應的有效負載中檢索 `seconds`，如果呼叫失敗則返回 0：
-
-    ```python
-    if response.status_code != 200:
-        return 0
-    
-    payload = response.json()
-    return payload['seconds']
-    ```
-
-    成功的 HTTP 呼叫會返回 200 範圍內的狀態碼，而你的無伺服器代碼在文字被處理並識別為設定計時器意圖時會返回 200。
-
-### 任務 - 在背景執行緒中設定計時器
-
-1. 在檔案頂部加入以下 import 語句以導入 Python 的 threading 庫：
-
-    ```python
-    import threading
-    ```
-
-1. 在 `process_text` 函數上方，加入一個函數來說出回應。目前這只會寫入到控制台，但在本課程稍後會讓它說出文字。
-
-    ```python
-    def say(text):
-        print(text)
-    ```
-
-1. 在此之下加入一個函數，該函數會由計時器呼叫以宣布計時器完成：
-
-    ```python
-    def announce_timer(minutes, seconds):
-        announcement = 'Times up on your '
-        if minutes > 0:
-            announcement += f'{minutes} minute '
-        if seconds > 0:
-            announcement += f'{seconds} second '
-        announcement += 'timer.'
-        say(announcement)
-    ```
-
-    此函數接收計時器的分鐘數和秒數，並構建一個句子來宣布計時器完成。它會檢查分鐘數和秒數，並僅在有數值時才包含每個時間單位。例如，如果分鐘數為 0，則只包含秒數。然後將此句子傳送到 `say` 函數。
-
-1. 在此之下，加入以下 `create_timer` 函數以建立計時器：
-
-    ```python
-    def create_timer(total_seconds):
-        minutes, seconds = divmod(total_seconds, 60)
-        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
-    ```
-
-    此函數接收命令中傳送的計時器總秒數，並將其轉換為分鐘和秒數。然後使用總秒數建立並啟動計時器物件，傳入 `announce_timer` 函數以及包含分鐘和秒數的列表。當計時器到期時，它會呼叫 `announce_timer` 函數，並將此列表的內容作為參數傳遞——列表中的第一項作為 `minutes` 參數，第二項作為 `seconds` 參數。
-
-1. 在 `create_timer` 函數的結尾，加入一些代碼以構建一個消息，向使用者宣布計時器正在啟動：
-
-    ```python
-    announcement = ''
-    if minutes > 0:
-        announcement += f'{minutes} minute '
-    if seconds > 0:
-        announcement += f'{seconds} second '    
-    announcement += 'timer started.'
-    say(announcement)
-    ```
-
-    同樣，這只包含有數值的時間單位。然後將此句子傳送到 `say` 函數。
-
-1. 在 `process_text` 函數的結尾加入以下內容，以從文字中獲取計時器的時間，然後建立計時器：
-
-    ```python
-    seconds = get_timer_time(text)
-    if seconds > 0:
-        create_timer(seconds)
-    ```
-
-    只有當秒數大於 0 時才會建立計時器。
-
-1. 執行應用程式，並確保函數應用程式也在執行。設定一些計時器，輸出將顯示計時器正在設定，並在到期時顯示：
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py 
-    Set a two minute 27 second timer.
-    2 minute 27 second timer started.
-    Times up on your 2 minute 27 second timer.
-    ```
-
-> 💁 你可以在 [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) 或 [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device) 資料夾中找到這段代碼。
-
-😀 你的計時器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
deleted file mode 100644
index 3d2863806..000000000
--- a/translations/mo/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
+++ /dev/null
@@ -1,88 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7966848a1f870e4c42edb4db67b13c57",
-  "translation_date": "2025-08-27T00:17:46+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
-  "language_code": "mo"
-}
--->
-# 將文字轉換為語音 - 虛擬物聯網設備
-
-在本課程的這部分，你將撰寫程式碼，使用語音服務將文字轉換為語音。
-
-## 將文字轉換為語音
-
-在上一課中你使用的語音服務 SDK，不僅可以將語音轉換為文字，還可以將文字轉換回語音。當請求語音時，你需要提供要使用的語音，因為語音可以由多種不同的聲音生成。
-
-每種語言都支援多種不同的聲音，你可以從語音服務 SDK 獲取每種語言支援的聲音列表。
-
-### 任務 - 將文字轉換為語音
-
-1. 在 VS Code 中打開 `smart-timer` 專案，並確保虛擬環境已在終端中加載。
-
-1. 從 `azure.cognitiveservices.speech` 套件中匯入 `SpeechSynthesizer`，將其添加到現有的匯入部分：
-
-    ```python
-    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
-    ```
-
-1. 在 `say` 函數上方，建立一個語音配置，用於語音合成器：
-
-    ```python
-    speech_config = SpeechConfig(subscription=speech_api_key,
-                                 region=location)
-    speech_config.speech_synthesis_language = language
-    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
-    ```
-
-    這使用了與語音識別器相同的 API 金鑰、位置和語言。
-
-1. 在此之下，添加以下程式碼以獲取語音並將其設置到語音配置中：
-
-    ```python
-    voices = speech_synthesizer.get_voices_async().get().voices
-    first_voice = next(x for x in voices if x.locale.lower() == language.lower())
-    speech_config.speech_synthesis_voice_name = first_voice.short_name
-    ```
-
-    這段程式碼會檢索所有可用語音的列表，然後找到第一個與正在使用的語言匹配的語音。
-
-    > 💁 你可以從 [Microsoft Docs 上的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) 獲取完整的支援語音列表。如果你想使用特定的語音，可以移除這個函數，並將語音名稱直接硬編碼到程式碼中。例如：
-    >
-    > ```python
-    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
-    > ```
-
-1. 更新 `say` 函數的內容，為回應生成 SSML：
-
-    ```python
-    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
-    ssml += f'<voice xml:lang=\'{language}\' name=\'{first_voice.short_name}\'>'
-    ssml += text
-    ssml += '</voice>'
-    ssml += '</speak>'
-    ```
-
-1. 在此之下，停止語音識別，播放 SSML，然後重新啟動語音識別：
-
-    ```python
-    recognizer.stop_continuous_recognition()
-    speech_synthesizer.speak_ssml(ssml)
-    recognizer.start_continuous_recognition()
-    ```
-
-    在播放語音時，語音識別會暫停，以避免計時器啟動的語音回應被檢測到，然後發送到 LUIS 並可能被解釋為設置新計時器的請求。
-
-    > 💁 你可以通過註解掉停止和重新啟動語音識別的程式碼來測試這一點。設置一個計時器，你可能會發現語音回應設置了一個新計時器，這又導致新的語音回應，進而設置新的計時器，如此循環不斷！
-
-1. 運行應用程式，並確保函數應用程式也在運行。設置一些計時器，你會聽到語音回應，告訴你計時器已設置，然後在計時器完成時聽到另一個語音回應。
-
-> 💁 你可以在 [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device) 資料夾中找到這段程式碼。
-
-😀 你的計時器程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
deleted file mode 100644
index e0209e16e..000000000
--- a/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
+++ /dev/null
@@ -1,301 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "012b69d57d898d670adf61304f42a137",
-  "translation_date": "2025-08-27T00:12:00+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
-  "language_code": "mo"
-}
--->
-# 設定計時器 - Wio Terminal
-
-在本課程中，您將呼叫無伺服器代碼來理解語音，並根據結果在 Wio Terminal 上設定計時器。
-
-## 設定計時器
-
-從語音轉文字呼叫返回的文字需要傳送到您的無伺服器代碼，透過 LUIS 處理後，獲取計時器的秒數。這個秒數可以用來設定計時器。
-
-微控制器在 Arduino 中並不原生支援多執行緒，因此不像在 Python 或其他高階語言中那樣有標準的計時器類別。相反，您可以使用計時器函式庫，透過在 `loop` 函數中測量經過的時間，並在時間到時呼叫函數來實現。
-
-### 任務 - 傳送文字到無伺服器函數
-
-1. 如果尚未開啟，請在 VS Code 中開啟 `smart-timer` 專案。
-
-1. 開啟 `config.h` 標頭檔案，並新增您的函數應用程式的 URL：
-
-    ```cpp
-    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為您在上一課最後一步中獲取的函數應用程式 URL，指向執行函數應用程式的本機機器的 IP 位址。
-
-1. 在 `src` 資料夾中建立一個名為 `language_understanding.h` 的新檔案。這將用於定義一個類別，將識別的語音傳送到您的函數應用程式，並使用 LUIS 轉換為秒數。
-
-1. 在此檔案的頂部新增以下內容：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <WiFiClient.h>
-    
-    #include "config.h"
-    ```
-
-    這包含了一些必要的標頭檔案。
-
-1. 定義一個名為 `LanguageUnderstanding` 的類別，並宣告此類別的一個實例：
-
-    ```cpp
-    class LanguageUnderstanding
-    {
-    public:
-    private:
-    };
-
-    LanguageUnderstanding languageUnderstanding;
-    ```
-
-1. 要呼叫您的函數應用程式，您需要宣告一個 WiFi 客戶端。在類別的 `private` 區域中新增以下內容：
-
-    ```cpp
-    WiFiClient _client;
-    ```
-
-1. 在 `public` 區域中，宣告一個名為 `GetTimerDuration` 的方法，用於呼叫函數應用程式：
-
-    ```cpp
-    int GetTimerDuration(String text)
-    {
-    }
-    ```
-
-1. 在 `GetTimerDuration` 方法中，新增以下代碼以構建要傳送到函數應用程式的 JSON：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["text"] = text;
-
-    String body;
-    serializeJson(doc, body);
-    ```
-
-    這將傳遞給 `GetTimerDuration` 方法的文字轉換為以下 JSON：
-
-    ```json
-    {
-        "text" : "<text>"
-    }
-    ```
-
-    其中 `<text>` 是傳遞給函數的文字。
-
-1. 在此代碼下方，新增以下代碼以呼叫函數應用程式：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-    這會向函數應用程式發送一個 POST 請求，傳遞 JSON 主體並獲取回應代碼。
-
-1. 在此代碼下方新增以下代碼：
-
-    ```cpp
-    int seconds = 0;
-    if (httpResponseCode == 200)
-    {
-        String result = httpClient.getString();
-        Serial.println(result);
-
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, result.c_str());
-
-        JsonObject obj = doc.as<JsonObject>();
-        seconds = obj["seconds"].as<int>();
-    }
-    else
-    {
-        Serial.print("Failed to understand text - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-    此代碼檢查回應代碼。如果是 200（成功），則從回應主體中檢索計時器的秒數。否則，將錯誤訊息發送到序列監視器，並將秒數設為 0。
-
-1. 在此方法的結尾新增以下代碼以關閉 HTTP 連線並返回秒數：
-
-    ```cpp
-    httpClient.end();
-
-    return seconds;
-    ```
-
-1. 在 `main.cpp` 檔案中，包含這個新的標頭檔案：
-
-    ```cpp
-    #include "speech_to_text.h"
-    ```
-
-1. 在 `processAudio` 函數的結尾，呼叫 `GetTimerDuration` 方法以獲取計時器的秒數：
-
-    ```cpp
-    int total_seconds = languageUnderstanding.GetTimerDuration(text);
-    ```
-
-    這將從 `SpeechToText` 類別的呼叫中將文字轉換為計時器的秒數。
-
-### 任務 - 設定計時器
-
-這個秒數可以用來設定計時器。
-
-1. 在 `platformio.ini` 檔案中新增以下函式庫依賴項，以新增一個用於設定計時器的函式庫：
-
-    ```ini
-    contrem/arduino-timer @ 2.3.0
-    ```
-
-1. 在 `main.cpp` 檔案中新增此函式庫的 include 指令：
-
-    ```cpp
-    #include <arduino-timer.h>
-    ```
-
-1. 在 `processAudio` 函數上方，新增以下代碼：
-
-    ```cpp
-    auto timer = timer_create_default();
-    ```
-
-    此代碼宣告了一個名為 `timer` 的計時器。
-
-1. 在此代碼下方，新增以下代碼：
-
-    ```cpp
-    void say(String text)
-    {
-        Serial.print("Saying ");
-        Serial.println(text);
-    }
-    ```
-
-    此 `say` 函數最終將把文字轉換為語音，但目前它只會將傳入的文字寫入序列監視器。
-
-1. 在 `say` 函數下方，新增以下代碼：
-
-    ```cpp
-    bool timerExpired(void *announcement)
-    {
-        say((char *)announcement);
-        return false;
-    }
-    ```
-
-    這是一個回呼函數，當計時器到期時會被呼叫。當計時器到期時，它會傳遞一個訊息。計時器可以重複執行，這可以透過回呼的返回值來控制——此處返回 `false`，表示計時器不再重複執行。
-
-1. 在 `processAudio` 函數的結尾新增以下代碼：
-
-    ```cpp
-    if (total_seconds == 0)
-    {
-        return;
-    }
-
-    int minutes = total_seconds / 60;
-    int seconds = total_seconds % 60;
-    ```
-
-    此代碼檢查總秒數，如果為 0，則從函數呼叫中返回，這樣就不會設定計時器。然後將總秒數轉換為分鐘和秒。
-
-1. 在此代碼下方，新增以下代碼以建立計時器啟動時的訊息：
-
-    ```cpp
-    String begin_message;
-    if (minutes > 0)
-    {
-        begin_message += minutes;
-        begin_message += " minute ";
-    }
-    if (seconds > 0)
-    {
-        begin_message += seconds;
-        begin_message += " second ";
-    }
-
-    begin_message += "timer started.";
-    ```
-
-1. 在此代碼下方，新增類似的代碼以建立計時器到期時的訊息：
-
-    ```cpp
-    String end_message("Times up on your ");
-    if (minutes > 0)
-    {
-        end_message += minutes;
-        end_message += " minute ";
-    }
-    if (seconds > 0)
-    {
-        end_message += seconds;
-        end_message += " second ";
-    }
-
-    end_message += "timer.";
-    ```
-
-1. 在此代碼之後，說出計時器啟動的訊息：
-
-    ```cpp
-    say(begin_message);
-    ```
-
-1. 在此函數的結尾，啟動計時器：
-
-    ```cpp
-    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
-    ```
-
-    這會觸發計時器。計時器是以毫秒為單位設定的，因此總秒數乘以 1,000 轉換為毫秒。`timerExpired` 函數作為回呼傳遞，`end_message` 作為參數傳遞給回呼。此回呼僅接受 `void *` 參數，因此字串被適當地轉換。
-
-1. 最後，計時器需要在 `loop` 函數中 *tick*。在 `loop` 函數的結尾新增以下代碼：
-
-    ```cpp
-    timer.tick();
-    ```
-
-1. 編譯此代碼，將其上傳到您的 Wio Terminal，並透過序列監視器進行測試。一旦您在序列監視器中看到 `Ready`，按下 C 按鈕（左側靠近電源開關的按鈕），然後說話。4 秒的音頻將被捕獲，轉換為文字，然後傳送到您的函數應用程式，並設定一個計時器。確保您的函數應用程式正在本地執行。
-
-    您將看到計時器啟動和結束的時間。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    Ready.
-    Starting recording...
-    Finished recording
-    Sending speech...
-    Speech sent!
-    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
-    Set a 2 minute and 27 second timer.
-    {"seconds": 147}
-    2 minute 27 second timer started.
-    Times up on your 2 minute 27 second timer.
-    ```
-
-> 💁 您可以在 [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal) 資料夾中找到此代碼。
-
-😀 您的計時器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
deleted file mode 100644
index b4897833d..000000000
--- a/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
+++ /dev/null
@@ -1,535 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "a202fa5889790a3777bfc33dd9f4b459",
-  "translation_date": "2025-08-27T00:16:24+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
-  "language_code": "mo"
-}
--->
-# 將文字轉換為語音 - Wio Terminal
-
-在本課程的這部分，您將學習如何將文字轉換為語音，以提供語音回饋。
-
-## 文字轉語音
-
-在上一課中，您使用的語音服務 SDK 將語音轉換為文字，現在可以用來將文字轉換回語音。
-
-## 獲取語音列表
-
-在請求語音時，您需要指定使用的語音，因為語音可以通過多種不同的聲音生成。每種語言都支持多種不同的聲音，您可以通過語音服務 SDK 獲取每種語言支持的語音列表。這裡需要考慮微控制器的限制——獲取文字轉語音服務支持的語音列表的請求返回的是一個超過 77KB 的 JSON 文檔，這對 Wio Terminal 來說過於龐大，無法處理。截至撰寫本文時，完整列表包含 215 種語音，每種語音由如下所示的 JSON 文檔定義：
-
-```json
-{
-    "Name": "Microsoft Server Speech Text to Speech Voice (en-US, AriaNeural)",
-    "DisplayName": "Aria",
-    "LocalName": "Aria",
-    "ShortName": "en-US-AriaNeural",
-    "Gender": "Female",
-    "Locale": "en-US",
-    "StyleList": [
-        "chat",
-        "customerservice",
-        "narration-professional",
-        "newscast-casual",
-        "newscast-formal",
-        "cheerful",
-        "empathetic"
-    ],
-    "SampleRateHertz": "24000",
-    "VoiceType": "Neural",
-    "Status": "GA"
-}
-```
-
-這個 JSON 是針對 **Aria** 語音的，它有多種語音風格。在將文字轉換為語音時，只需要 `en-US-AriaNeural` 這樣的短名稱。
-
-與其在微控制器上下載並解碼整個列表，不如編寫一些無伺服器代碼來檢索您使用的語言的語音列表，並從 Wio Terminal 調用該代碼。您的代碼可以從列表中選擇一個合適的語音，例如找到的第一個語音。
-
-### 任務 - 創建一個無伺服器函數來獲取語音列表
-
-1. 在 VS Code 中打開您的 `smart-timer-trigger` 專案，並確保終端啟用了虛擬環境。如果未啟用，請終止並重新創建終端。
-
-1. 打開 `local.settings.json` 文件，並添加語音 API 金鑰和位置的設置：
-
-    ```json
-    "SPEECH_KEY": "<key>",
-    "SPEECH_LOCATION": "<location>"
-    ```
-
-    將 `<key>` 替換為您的語音服務資源的 API 金鑰。將 `<location>` 替換為您創建語音服務資源時使用的位置。
-
-1. 在此應用中添加一個名為 `get-voices` 的新 HTTP 觸發器，使用以下命令從 VS Code 終端在函數應用專案的根文件夾中執行：
-
-    ```sh
-    func new --name get-voices --template "HTTP trigger"
-    ```
-
-    這將創建一個名為 `get-voices` 的 HTTP 觸發器。
-
-1. 將 `get-voices` 文件夾中的 `__init__.py` 文件內容替換為以下內容：
-
-    ```python
-    import json
-    import os
-    import requests
-    
-    import azure.functions as func
-    
-    def main(req: func.HttpRequest) -> func.HttpResponse:
-        location = os.environ['SPEECH_LOCATION']
-        speech_key = os.environ['SPEECH_KEY']
-    
-        req_body = req.get_json()
-        language = req_body['language']
-    
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
-    
-        headers = {
-            'Ocp-Apim-Subscription-Key': speech_key
-        }
-    
-        response = requests.get(url, headers=headers)
-        voices_json = json.loads(response.text)
-    
-        voices = filter(lambda x: x['Locale'].lower() == language.lower(), voices_json)
-        voices = map(lambda x: x['ShortName'], voices)
-    
-        return func.HttpResponse(json.dumps(list(voices)), status_code=200)
-    ```
-
-    此代碼向端點發送 HTTP 請求以獲取語音列表。該語音列表是一個包含所有語言語音的大型 JSON 文檔，因此會根據請求正文中傳遞的語言進行過濾，然後提取並返回短名稱作為 JSON 列表。短名稱是將文字轉換為語音所需的值，因此僅返回該值。
-
-    > 💁 您可以根據需要更改過濾條件，以選擇您想要的語音。
-
-    這將數據大小從 77KB（撰寫本文時）減少到一個更小的 JSON 文檔。例如，對於美國語音，這是 408 字節。
-
-1. 在本地運行您的函數應用。然後，您可以使用 curl 等工具調用它，就像測試 `text-to-timer` HTTP 觸發器一樣。確保以 JSON 正文的形式傳遞您的語言：
-
-    ```json
-    {
-        "language":"<language>"
-    }
-    ```
-
-    將 `<language>` 替換為您的語言，例如 `en-GB` 或 `zh-CN`。
-
-> 💁 您可以在 [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) 文件夾中找到此代碼。
-
-### 任務 - 從 Wio Terminal 獲取語音
-
-1. 如果尚未打開，請在 VS Code 中打開 `smart-timer` 專案。
-
-1. 打開 `config.h` 標頭文件，並添加您的函數應用的 URL：
-
-    ```cpp
-    const char *GET_VOICES_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為函數應用中 `get-voices` HTTP 觸發器的 URL。這將與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，只是函數名稱從 `text-to-timer` 改為 `get-voices`。
-
-1. 在 `src` 文件夾中創建一個名為 `text_to_speech.h` 的新文件。這將用於定義一個類來將文字轉換為語音。
-
-1. 在新的 `text_to_speech.h` 文件頂部添加以下 include 指令：
-
-    ```cpp
-    #pragma once
-
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <Seeed_FS.h>
-    #include <SD/Seeed_SD.h>
-    #include <WiFiClient.h>
-    #include <WiFiClientSecure.h>
-    
-    #include "config.h"
-    #include "speech_to_text.h"
-    ```
-
-1. 在此之下添加以下代碼，聲明 `TextToSpeech` 類，以及應用程序其餘部分可以使用的實例：
-
-    ```cpp
-    class TextToSpeech
-    {
-    public:
-    private:
-    };
-    
-    TextToSpeech textToSpeech;
-    ```
-
-1. 要調用您的函數應用，您需要聲明一個 WiFi 客戶端。在類的 `private` 部分添加以下內容：
-
-    ```cpp
-    WiFiClient _client;
-    ```
-
-1. 在 `private` 部分添加一個字段來存儲選定的語音：
-
-    ```cpp
-    String _voice;
-    ```
-
-1. 在 `public` 部分添加一個 `init` 函數，用於獲取第一個語音：
-
-    ```cpp
-    void init()
-    {
-    }
-    ```
-
-1. 為了獲取語音，需要創建一個 JSON 文檔並將其發送到函數應用。向 `init` 函數添加以下代碼以創建此 JSON 文檔：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["language"] = LANGUAGE;
-
-    String body;
-    serializeJson(doc, body);
-    ```
-
-1. 接下來，創建一個 `HTTPClient`，然後使用它調用函數應用以獲取語音，並發送 JSON 文檔：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-1. 在此之下添加代碼以檢查響應代碼，如果是 200（成功），則提取語音列表，並從列表中檢索第一個語音：
-
-    ```cpp
-    if (httpResponseCode == 200)
-    {
-        String result = httpClient.getString();
-        Serial.println(result);
-
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, result.c_str());
-
-        JsonArray obj = doc.as<JsonArray>();
-        _voice = obj[0].as<String>();
-
-        Serial.print("Using voice ");
-        Serial.println(_voice);
-    }
-    else
-    {
-        Serial.print("Failed to get voices - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-1. 在此之後，結束 HTTP 客戶端連接：
-
-    ```cpp
-    httpClient.end();
-    ```
-
-1. 打開 `main.cpp` 文件，並在頂部添加以下 include 指令以包含這個新標頭文件：
-
-    ```cpp
-    #include "text_to_speech.h"
-    ```
-
-1. 在 `setup` 函數中，`speechToText.init();` 調用之下添加以下內容以初始化 `TextToSpeech` 類：
-
-    ```cpp
-    textToSpeech.init();
-    ```
-
-1. 編譯此代碼，將其上傳到您的 Wio Terminal，並通過串行監視器進行測試。確保您的函數應用正在運行。
-
-    您將看到函數應用返回的可用語音列表，以及選定的語音。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    ["en-US-JennyNeural", "en-US-JennyMultilingualNeural", "en-US-GuyNeural", "en-US-AriaNeural", "en-US-AmberNeural", "en-US-AnaNeural", "en-US-AshleyNeural", "en-US-BrandonNeural", "en-US-ChristopherNeural", "en-US-CoraNeural", "en-US-ElizabethNeural", "en-US-EricNeural", "en-US-JacobNeural", "en-US-MichelleNeural", "en-US-MonicaNeural", "en-US-AriaRUS", "en-US-BenjaminRUS", "en-US-GuyRUS", "en-US-ZiraRUS"]
-    Using voice en-US-JennyNeural
-    Ready.
-    ```
-
-## 將文字轉換為語音
-
-一旦您有了要使用的語音，就可以用它將文字轉換為語音。與語音列表相同的內存限制也適用於將文字轉換為語音，因此您需要將語音寫入 SD 卡，然後通過 ReSpeaker 播放。
-
-> 💁 在本專案的早期課程中，您使用閃存來存儲從麥克風捕獲的語音。本課程使用 SD 卡，因為使用 Seeed 音頻庫從中播放音頻更容易。
-
-還需要考慮另一個限制，即語音服務提供的音頻數據和 Wio Terminal 支持的格式。與完整的計算機不同，微控制器的音頻庫對支持的音頻格式可能非常有限。例如，Seeed Arduino Audio 庫僅支持 44.1KHz 取樣率的音頻。Azure 語音服務可以提供多種格式的音頻，但它們都不使用此取樣率，僅提供 8KHz、16KHz、24KHz 和 48KHz。這意味著音頻需要重新取樣為 44.1KHz，這需要比 Wio Terminal 擁有的更多資源，尤其是內存。
-
-當需要操作這樣的數據時，通常更適合使用無伺服器代碼，特別是當數據是通過網絡調用獲取時。Wio Terminal 可以調用一個無伺服器函數，傳遞要轉換的文字，該無伺服器函數既可以調用語音服務將文字轉換為語音，也可以將音頻重新取樣為所需的取樣率。然後，它可以以 Wio Terminal 所需的形式返回音頻，存儲在 SD 卡上並通過 ReSpeaker 播放。
-
-### 任務 - 創建一個無伺服器函數來將文字轉換為語音
-
-1. 在 VS Code 中打開您的 `smart-timer-trigger` 專案，並確保終端啟用了虛擬環境。如果未啟用，請終止並重新創建終端。
-
-1. 在此應用中添加一個名為 `text-to-speech` 的新 HTTP 觸發器，使用以下命令從 VS Code 終端在函數應用專案的根文件夾中執行：
-
-    ```sh
-    func new --name text-to-speech --template "HTTP trigger"
-    ```
-
-    這將創建一個名為 `text-to-speech` 的 HTTP 觸發器。
-
-1. [librosa](https://librosa.org) Pip 套件具有重新取樣音頻的功能，因此將其添加到 `requirements.txt` 文件中：
-
-    ```sh
-    librosa
-    ```
-
-    添加後，使用以下命令從 VS Code 終端安裝 Pip 套件：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-    > ⚠️ 如果您使用的是 Linux，包括 Raspberry Pi OS，您可能需要使用以下命令安裝 `libsndfile`：
-    >
-    > ```sh
-    > sudo apt update
-    > sudo apt install libsndfile1-dev
-    > ```
-
-1. 要將文字轉換為語音，您不能直接使用語音 API 金鑰，而需要請求訪問令牌，使用 API 金鑰來驗證訪問令牌請求。在 `text-to-speech` 文件夾中打開 `__init__.py` 文件，並將其中的所有代碼替換為以下內容：
-
-    ```python
-    import io
-    import os
-    import requests
-    
-    import librosa
-    import soundfile as sf
-    import azure.functions as func
-    
-    location = os.environ['SPEECH_LOCATION']
-    speech_key = os.environ['SPEECH_KEY']
-    
-    def get_access_token():
-        headers = {
-            'Ocp-Apim-Subscription-Key': speech_key
-        }
-    
-        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
-        response = requests.post(token_endpoint, headers=headers)
-        return str(response.text)
-    ```
-
-    這定義了從設置中讀取的位置和語音金鑰的常量。然後定義了 `get_access_token` 函數，用於檢索語音服務的訪問令牌。
-
-1. 在此代碼下方添加以下內容：
-
-    ```python
-    playback_format = 'riff-48khz-16bit-mono-pcm'
-
-    def main(req: func.HttpRequest) -> func.HttpResponse:
-        req_body = req.get_json()
-        language = req_body['language']
-        voice = req_body['voice']
-        text = req_body['text']
-    
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
-    
-        headers = {
-            'Authorization': 'Bearer ' + get_access_token(),
-            'Content-Type': 'application/ssml+xml',
-            'X-Microsoft-OutputFormat': playback_format
-        }
-    
-        ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
-        ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
-        ssml += text
-        ssml += '</voice>'
-        ssml += '</speak>'
-    
-        response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
-    
-        raw_audio, sample_rate = librosa.load(io.BytesIO(response.content), sr=48000)
-        resampled = librosa.resample(raw_audio, sample_rate, 44100)
-        
-        output_buffer = io.BytesIO()
-        sf.write(output_buffer, resampled, 44100, 'PCM_16', format='wav')
-        output_buffer.seek(0)
-    
-        return func.HttpResponse(output_buffer.read(), status_code=200)
-    ```
-
-    這定義了將文字轉換為語音的 HTTP 觸發器。它從發送到請求的 JSON 正文中提取要轉換的文字、語言和語音，構建一些 SSML 來請求語音，然後調用相關的 REST API，使用訪問令牌進行身份驗證。此 REST API 調用返回編碼為 16 位、48KHz 單聲道 WAV 文件的音頻，由 `playback_format` 的值定義，該值發送到 REST API 調用。
-
-    然後，這些音頻通過 `librosa` 從 48KHz 的取樣率重新取樣為 44.1KHz，然後將此音頻保存到一個二進制緩衝區，最後返回。
-
-1. 在本地運行您的函數應用，或將其部署到雲端。然後，您可以使用 curl 等工具調用它，就像測試 `text-to-timer` HTTP 觸發器一樣。確保以 JSON 正文的形式傳遞語言、語音和文字：
-
-    ```json
-    {
-        "language": "<language>",
-        "voice": "<voice>",
-        "text": "<text>"
-    }
-    ```
-
-    將 `<language>` 替換為您的語言，例如 `en-GB` 或 `zh-CN`。將 `<voice>` 替換為您想要使用的語音。將 `<text>` 替換為您想要轉換為語音的文字。您可以將輸出保存到文件，並使用任何可以播放 WAV 文件的音頻播放器播放它。
-
-    例如，要使用美式英語和 Jenny Neural 語音將 "Hello" 轉換為語音，並在本地運行函數應用，可以使用以下 curl 命令：
-
-    ```sh
-    curl -X GET 'http://localhost:7071/api/text-to-speech' \
-         -H 'Content-Type: application/json' \
-         -o hello.wav \
-         -d '{
-           "language":"en-US",
-           "voice": "en-US-JennyNeural",
-           "text": "Hello"
-         }'
-    ```
-
-    這將音頻保存到當前目錄中的 `hello.wav` 文件。
-
-> 💁 您可以在 [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) 文件夾中找到此代碼。
-
-### 任務 - 從 Wio Terminal 獲取語音
-
-1. 如果尚未打開，請在 VS Code 中打開 `smart-timer` 專案。
-
-1. 打開 `config.h` 標頭文件，並添加您的函數應用的 URL：
-
-    ```cpp
-    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為函數應用中 `text-to-speech` HTTP 觸發器的 URL。這將與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，只是函數名稱從 `text-to-timer` 改為 `text-to-speech`。
-
-1. 打開 `text_to_speech.h` 標頭文件，並在 `TextToSpeech` 類的 `public` 部分添加以下方法：
-
-    ```cpp
-    void convertTextToSpeech(String text)
-    {
-    }
-    ```
-
-1. 在 `convertTextToSpeech` 方法中，添加以下代碼以創建要發送到函數應用的 JSON：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["language"] = LANGUAGE;
-    doc["voice"] = _voice;
-    doc["text"] = text;
-
-    String body;
-    serializeJson(doc, body);
-    ```
-
-    這將語言、語音和文字寫入 JSON 文檔，然後將其序列化為字符串。
-
-1. 在此之下，添加以下代碼以調用函數應用：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-    這將創建一個 HTTPClient，然後使用 JSON 文檔向文字轉語音 HTTP 觸發器發送 POST 請求。
-
-1. 如果調用成功，從函數應用調用返回的原始二進制數據可以流式寫入 SD 卡上的文件。添加以下代碼來完成此操作：
-
-    ```cpp
-    if (httpResponseCode == 200)
-    {            
-        File wav_file = SD.open("SPEECH.WAV", FILE_WRITE);
-        httpClient.writeToStream(&wav_file);
-        wav_file.close();
-    }
-    else
-    {
-        Serial.print("Failed to get speech - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-    此代碼檢查響應，如果是 200（成功），則將二進制數據流式寫入 SD 卡根目錄中的 `SPEECH.WAV` 文件。
-
-1. 在此方法的末尾，關閉 HTTP 連接：
-
-    ```cpp
-    httpClient.end();
-    ```
-
-1. 現在可以將要說的文字轉換為音頻。在 `main.cpp` 文件中，將以下行添加到 `say` 函數的末尾，以將要說的文字轉換為音頻：
-```cpp
-    textToSpeech.convertTextToSpeech(text);
-    ```
-
-### 任務 - 從你的 Wio Terminal 播放音頻
-
-**即將推出**
-
-## 將你的 Functions App 部署到雲端
-
-在本地運行 Functions App 的原因是因為 Linux 上的 `librosa` Pip 套件依賴於一個預設未安裝的庫，該庫需要在 Function App 運行之前安裝。Functions App 是無伺服器的——你無法自行管理伺服器，因此無法事先安裝這個庫。
-
-解決方法是使用 Docker 容器來部署你的 Functions App。每當雲端需要啟動你的 Functions App 的新實例時（例如當需求超過可用資源，或者 Function App 長時間未使用而被關閉時），這個容器就會被部署。
-
-你可以在 [Microsoft Docs 上的使用自定義容器在 Linux 上創建 Function 的文檔](https://docs.microsoft.com/azure/azure-functions/functions-create-function-linux-custom-image?WT.mc_id=academic-17441-jabenn&tabs=bash%2Cazurecli&pivots=programming-language-python) 中找到設置 Function App 並通過 Docker 部署的指導。
-
-部署完成後，你可以將 Wio Terminal 的代碼移植以訪問這個 Function：
-
-1. 將 Azure Functions 的證書添加到 `config.h`：
-
-    ```cpp
-    const char *FUNCTIONS_CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIFWjCCBEKgAwIBAgIQDxSWXyAgaZlP1ceseIlB4jANBgkqhkiG9w0BAQsFADBa\r\n"
-        "MQswCQYDVQQGEwJJRTESMBAGA1UEChMJQmFsdGltb3JlMRMwEQYDVQQLEwpDeWJl\r\n"
-        "clRydXN0MSIwIAYDVQQDExlCYWx0aW1vcmUgQ3liZXJUcnVzdCBSb290MB4XDTIw\r\n"
-        "MDcyMTIzMDAwMFoXDTI0MTAwODA3MDAwMFowTzELMAkGA1UEBhMCVVMxHjAcBgNV\r\n"
-        "BAoTFU1pY3Jvc29mdCBDb3Jwb3JhdGlvbjEgMB4GA1UEAxMXTWljcm9zb2Z0IFJT\r\n"
-        "QSBUTFMgQ0EgMDEwggIiMA0GCSqGSIb3DQEBAQUAA4ICDwAwggIKAoICAQCqYnfP\r\n"
-        "mmOyBoTzkDb0mfMUUavqlQo7Rgb9EUEf/lsGWMk4bgj8T0RIzTqk970eouKVuL5R\r\n"
-        "IMW/snBjXXgMQ8ApzWRJCZbar879BV8rKpHoAW4uGJssnNABf2n17j9TiFy6BWy+\r\n"
-        "IhVnFILyLNK+W2M3zK9gheiWa2uACKhuvgCca5Vw/OQYErEdG7LBEzFnMzTmJcli\r\n"
-        "W1iCdXby/vI/OxbfqkKD4zJtm45DJvC9Dh+hpzqvLMiK5uo/+aXSJY+SqhoIEpz+\r\n"
-        "rErHw+uAlKuHFtEjSeeku8eR3+Z5ND9BSqc6JtLqb0bjOHPm5dSRrgt4nnil75bj\r\n"
-        "c9j3lWXpBb9PXP9Sp/nPCK+nTQmZwHGjUnqlO9ebAVQD47ZisFonnDAmjrZNVqEX\r\n"
-        "F3p7laEHrFMxttYuD81BdOzxAbL9Rb/8MeFGQjE2Qx65qgVfhH+RsYuuD9dUw/3w\r\n"
-        "ZAhq05yO6nk07AM9c+AbNtRoEcdZcLCHfMDcbkXKNs5DJncCqXAN6LhXVERCw/us\r\n"
-        "G2MmCMLSIx9/kwt8bwhUmitOXc6fpT7SmFvRAtvxg84wUkg4Y/Gx++0j0z6StSeN\r\n"
-        "0EJz150jaHG6WV4HUqaWTb98Tm90IgXAU4AW2GBOlzFPiU5IY9jt+eXC2Q6yC/Zp\r\n"
-        "TL1LAcnL3Qa/OgLrHN0wiw1KFGD51WRPQ0Sh7QIDAQABo4IBJTCCASEwHQYDVR0O\r\n"
-        "BBYEFLV2DDARzseSQk1Mx1wsyKkM6AtkMB8GA1UdIwQYMBaAFOWdWTCCR1jMrPoI\r\n"
-        "VDaGezq1BE3wMA4GA1UdDwEB/wQEAwIBhjAdBgNVHSUEFjAUBggrBgEFBQcDAQYI\r\n"
-        "KwYBBQUHAwIwEgYDVR0TAQH/BAgwBgEB/wIBADA0BggrBgEFBQcBAQQoMCYwJAYI\r\n"
-        "KwYBBQUHMAGGGGh0dHA6Ly9vY3NwLmRpZ2ljZXJ0LmNvbTA6BgNVHR8EMzAxMC+g\r\n"
-        "LaArhilodHRwOi8vY3JsMy5kaWdpY2VydC5jb20vT21uaXJvb3QyMDI1LmNybDAq\r\n"
-        "BgNVHSAEIzAhMAgGBmeBDAECATAIBgZngQwBAgIwCwYJKwYBBAGCNyoBMA0GCSqG\r\n"
-        "SIb3DQEBCwUAA4IBAQCfK76SZ1vae4qt6P+dTQUO7bYNFUHR5hXcA2D59CJWnEj5\r\n"
-        "na7aKzyowKvQupW4yMH9fGNxtsh6iJswRqOOfZYC4/giBO/gNsBvwr8uDW7t1nYo\r\n"
-        "DYGHPpvnpxCM2mYfQFHq576/TmeYu1RZY29C4w8xYBlkAA8mDJfRhMCmehk7cN5F\r\n"
-        "JtyWRj2cZj/hOoI45TYDBChXpOlLZKIYiG1giY16vhCRi6zmPzEwv+tk156N6cGS\r\n"
-        "Vm44jTQ/rs1sa0JSYjzUaYngoFdZC4OfxnIkQvUIA4TOFmPzNPEFdjcZsgbeEz4T\r\n"
-        "cGHTBPK4R28F44qIMCtHRV55VMX53ev6P3hRddJb\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-1. 將所有包含 `<WiFiClient.h>` 的地方更改為 `<WiFiClientSecure.h>`。
-
-1. 將所有 `WiFiClient` 字段更改為 `WiFiClientSecure`。
-
-1. 在每個包含 `WiFiClientSecure` 字段的類中，添加一個構造函數，並在該構造函數中設置證書：
-
-    ```cpp
-    _client.setCACert(FUNCTIONS_CERTIFICATE);
-    ```
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/4-multiple-language-support/README.md b/translations/mo/6-consumer/lessons/4-multiple-language-support/README.md
deleted file mode 100644
index 2b07206e2..000000000
--- a/translations/mo/6-consumer/lessons/4-multiple-language-support/README.md
+++ /dev/null
@@ -1,188 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
-  "translation_date": "2025-08-26T23:55:36+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
-  "language_code": "mo"
-}
--->
-# 支援多語言
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-MO/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure 語音服務，涵蓋了前幾課中的語音轉文字和文字轉語音功能，以及本課程中討論的語音翻譯主題：
-
-[![使用少量 Python 程式碼進行語音識別（Microsoft Build 2020）](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
-
-## 簡介
-
-在過去的三節課中，你學習了如何將語音轉換為文字、理解語言以及將文字轉換為語音，這些功能都由人工智慧提供支持。人工智慧還可以協助人類溝通的另一個領域——語言翻譯，例如將英文翻譯成法文。
-
-在本課程中，你將學習如何使用人工智慧進行文字翻譯，使你的智慧計時器能夠與多語言使用者互動。
-
-本課程將涵蓋以下內容：
-
-* [翻譯文字](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [翻譯服務](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [建立翻譯資源](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [透過翻譯支援應用程式中的多語言](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [使用人工智慧服務翻譯文字](../../../../../6-consumer/lessons/4-multiple-language-support)
-
-> 🗑 這是本專案的最後一課，因此在完成本課程和作業後，別忘了清理你的雲端服務。你需要這些服務來完成作業，因此請確保先完成作業。
->
-> 如有需要，請參考[專案清理指南](../../../clean-up.md)以獲取相關指示。
-
-## 翻譯文字
-
-文字翻譯是一個已經研究了超過 70 年的計算機科學問題，直到最近，得益於人工智慧和計算能力的進步，才接近解決，並達到幾乎與人類翻譯員相媲美的水平。
-
-> 💁 其起源可以追溯到更早的時期，例如 9 世紀的阿拉伯密碼學家 [Al-Kindi](https://wikipedia.org/wiki/Al-Kindi)，他開發了語言翻譯的技術。
-
-### 機器翻譯
-
-文字翻譯最初是一種被稱為機器翻譯（Machine Translation, MT）的技術，可以在不同語言對之間進行翻譯。機器翻譯的工作原理是將一種語言中的單詞替換為另一種語言中的單詞，並添加技術來選擇正確的翻譯方式，以處理當簡單的逐字翻譯不合理時的情況。
-
-> 🎓 當翻譯工具支援在一種語言和另一種語言之間進行翻譯時，這些被稱為「語言對」（language pairs）。不同的工具支援不同的語言對，並且可能不完整。例如，一個翻譯工具可能支援英文到西班牙文的語言對，以及西班牙文到義大利文的語言對，但不支援英文到義大利文。
-
-例如，將「Hello world」從英文翻譯成法文可以通過替換完成——「Bonjour」替換「Hello」，「le monde」替換「world」，最終得到正確的翻譯「Bonjour le monde」。
-
-然而，替換法在不同語言使用不同表達方式時就不適用了。例如，英文句子「My name is Jim」翻譯成法文是「Je m'appelle Jim」，字面意思是「我叫自己 Jim」。其中「Je」是法文的「我」，「moi」是「我自己」，但由於動詞以元音開頭，會與動詞結合成「m'」，「appelle」是「叫」，而「Jim」作為名字不會被翻譯。詞序也會成為問題——簡單替換「Je m'appelle Jim」會變成「I myself call Jim」，詞序與英文不同。
-
-> 💁 有些詞永遠不會被翻譯——我的名字是 Jim，無論使用哪種語言介紹自己都是如此。當翻譯成使用不同字母或不同聲音的語言時，這些詞可能會被「音譯」，即選擇適當的字母或字符，使其聽起來與原詞相同。
-
-成語也是翻譯中的一個難題。成語是指具有特定理解意義的短語，其意義與字面解釋不同。例如，英文成語「I've got ants in my pants」並不是真的指衣服裡有螞蟻，而是指坐立不安。如果將其翻譯成德文，可能會讓聽者感到困惑，因為德文版本是「I have bumble bees in the bottom」。
-
-> 💁 不同的地區會增加不同的複雜性。例如在美式英文中，「pants」指外衣，而在英式英文中，「pants」指內衣。
-
-✅ 如果你會多種語言，想想有哪些短語無法直接翻譯。
-
-機器翻譯系統依賴於大型規則數據庫，這些規則描述了如何翻譯特定短語和成語，並結合統計方法從可能的選項中選擇最合適的翻譯。這些統計方法使用由人類翻譯成多種語言的大型數據庫，來選擇最可能的翻譯，這種技術被稱為「統計機器翻譯」（statistical machine translation）。其中一些系統使用語言的中間表示，允許一種語言翻譯成中間表示，再從中間表示翻譯成另一種語言。這樣，添加更多語言只需翻譯到中間表示和從中間表示翻譯，而不需要翻譯到所有其他語言。
-
-### 神經翻譯
-
-神經翻譯利用人工智慧的力量進行翻譯，通常使用一個模型翻譯整個句子。這些模型基於由人類翻譯的大型數據集進行訓練，例如網頁、書籍和聯合國文件。
-
-神經翻譯模型通常比機器翻譯模型更小，因為它們不需要大型短語和成語數據庫。現代人工智慧翻譯服務通常混合多種技術，結合統計機器翻譯和神經翻譯。
-
-任何語言對之間都不存在 1:1 的翻譯。不同的翻譯模型會根據訓練數據的不同產生略有差異的結果。翻譯並不總是對稱的——即如果你將一個句子從一種語言翻譯成另一種語言，再翻譯回原語言，可能會得到略有不同的句子。
-
-✅ 試試不同的線上翻譯工具，例如 [Bing 翻譯](https://www.bing.com/translator)、[Google 翻譯](https://translate.google.com) 或 Apple 翻譯應用程式。比較幾個句子的翻譯版本。也可以嘗試在一個工具中翻譯，再在另一個工具中翻譯回來。
-
-## 翻譯服務
-
-有許多人工智慧服務可以從你的應用程式中使用，用於翻譯語音和文字。
-
-### 認知服務語音服務
-
-![語音服務標誌](../../../../../translated_images/zh-MO/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png)
-
-你在過去幾課中使用的語音服務具有語音識別的翻譯功能。當你識別語音時，可以要求不僅提供相同語言的文字，還可以提供其他語言的文字。
-
-> 💁 這僅適用於語音 SDK，REST API 不內建翻譯功能。
-
-### 認知服務翻譯服務
-
-![翻譯服務標誌](../../../../../translated_images/zh-MO/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png)
-
-翻譯服務是一個專門的翻譯服務，可以將文字從一種語言翻譯成一種或多種目標語言。除了翻譯，它還支援許多額外功能，包括屏蔽不雅詞語。它還允許你為特定單詞或句子提供特定翻譯，以處理不希望翻譯的術語或具有特定知名翻譯的術語。
-
-例如，當翻譯句子「I have a Raspberry Pi」（指的是單板電腦）到另一種語言如法文時，你可能希望保留「Raspberry Pi」的名稱不被翻譯，得到「J’ai un Raspberry Pi」而不是「J’ai une pi aux framboises」。
-
-## 建立翻譯資源
-
-在本課程中，你需要一個翻譯資源。你將使用 REST API 來翻譯文字。
-
-### 任務 - 建立翻譯資源
-
-1. 在終端或命令提示符中執行以下命令，在你的 `smart-timer` 資源群組中建立翻譯資源。
-
-    ```sh
-    az cognitiveservices account create --name smart-timer-translator \
-                                        --resource-group smart-timer \
-                                        --kind TextTranslation \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為建立資源群組時使用的位置。
-
-1. 獲取翻譯服務的金鑰：
-
-    ```sh
-    az cognitiveservices account keys list --name smart-timer-translator \
-                                           --resource-group smart-timer \
-                                           --output table
-    ```
-
-    複製其中一個金鑰。
-
-## 透過翻譯支援應用程式中的多語言
-
-在理想情況下，整個應用程式應該能理解盡可能多的不同語言，從語音識別到語言理解，再到語音回應。這需要大量工作，而翻譯服務可以加快應用程式的交付時間。
-
-![智慧計時器架構：將日文翻譯成英文，使用英文處理，再翻譯回日文](../../../../../translated_images/zh-MO/translated-smart-timer.08ac20057fdc5c37.webp)
-
-假設你正在建立一個智慧計時器，使用英文進行端到端處理，包括識別英文語音並轉換為文字、使用英文進行語言理解、用英文構建回應並以英文語音回應。如果你想添加日文支援，可以先將日文語音翻譯成英文文字，然後保持應用程式的核心部分不變，最後將回應文字翻譯成日文並以日文語音回應。這樣可以快速添加日文支援，並且你可以稍後擴展到提供完整的端到端日文支援。
-
-> 💁 依賴機器翻譯的缺點是，不同語言和文化有不同的表達方式，因此翻譯可能無法匹配你期望的表達。
-
-機器翻譯還為應用程式和設備提供了翻譯使用者創建內容的可能性。科幻作品中經常出現「通用翻譯器」，這些設備可以將外星語言翻譯成（通常是）美式英文。這些設備已不再是科幻，而是科學事實，當然不包括外星部分。目前已經有應用程式和設備可以實現語音和文字的即時翻譯，結合語音和翻譯服務。
-
-其中一個例子是 [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn) 手機應用程式，以下影片展示了其功能：
-
-[![Microsoft Translator 即時功能展示](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
-
-> 🎥 點擊上方圖片觀看影片
-
-想像一下擁有這樣的設備，尤其是在旅行或與不懂其語言的人互動時。在機場或醫院中使用自動翻譯設備將提供急需的無障礙改進。
-
-✅ 做些研究：是否有任何商業化的翻譯物聯網設備？智慧設備中是否內建翻譯功能？
-
-> 👽 雖然目前還沒有真正的通用翻譯器可以讓我們與外星人交流，但 [Microsoft Translator 支援克林貢語](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn)。Qapla’！
-
-## 使用人工智慧服務翻譯文字
-
-你可以使用人工智慧服務為你的智慧計時器添加翻譯功能。
-
-### 任務 - 使用人工智慧服務翻譯文字
-
-按照相關指南，將文字翻譯功能添加到你的物聯網設備：
-
-* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
-* [單板電腦 - Raspberry Pi](pi-translate-speech.md)
-* [單板電腦 - 虛擬設備](virtual-device-translate-speech.md)
-
----
-
-## 🚀 挑戰
-
-機器翻譯如何能夠幫助智慧設備以外的其他物聯網應用程式？想想翻譯如何幫助，不僅是語音，還包括文字。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
-
-## 回顧與自學
-
-* 在 [Wikipedia 的機器翻譯頁面](https://wikipedia.org/wiki/Machine_translation)上閱讀更多關於機器翻譯的內容
-* 在 [Wikipedia 的神經機器翻譯頁面](https://wikipedia.org/wiki/Neural_machine_translation)上閱讀更多關於神經機器翻譯的內容
-* 查看 Microsoft 語音服務支援的語言列表，請參考 [Microsoft Docs 上的語音服務語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn)
-
-## 作業
-
-[建立一個通用翻譯器](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/mo/6-consumer/lessons/4-multiple-language-support/assignment.md
deleted file mode 100644
index 5e4925ee6..000000000
--- a/translations/mo/6-consumer/lessons/4-multiple-language-support/assignment.md
+++ /dev/null
@@ -1,31 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
-  "translation_date": "2025-08-26T23:56:37+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
-  "language_code": "mo"
-}
--->
-# 建立一個通用翻譯器
-
-## 指示
-
-通用翻譯器是一種設備，可以在多種語言之間進行翻譯，讓說不同語言的人能夠溝通。利用過去幾節課所學的內容，使用兩個物聯網設備來建立一個通用翻譯器。
-
-> 如果你沒有兩個設備，請按照前幾節課的步驟設置一個虛擬物聯網設備作為其中一個物聯網設備。
-
-你應該為每個設備配置一種語言。一個設備負責一種語言，另一個負責另一種語言。每個設備應該能接受語音，將其轉換為文字，通過物聯網中心和 Functions 應用程序發送到另一個設備，然後進行翻譯並播放翻譯後的語音。
-
-> 💁 提示：在將語音從一個設備發送到另一個設備時，請同時發送語音所使用的語言，這樣翻譯起來會更方便。你甚至可以讓每個設備先通過物聯網中心和 Functions 應用程序註冊，傳遞它們支持的語言並存儲在 Azure Storage 中。然後可以使用 Functions 應用程序進行翻譯，將翻譯後的文字發送到物聯網設備。
-
-## 評分標準
-
-| 評分項目 | 卓越 | 合格 | 需要改進 |
-| -------- | ----- | ----- | -------- |
-| 建立通用翻譯器 | 能夠成功建立一個通用翻譯器，將一個設備檢測到的語音轉換為另一個設備播放的不同語言的語音 | 能夠使部分組件運行，例如捕捉語音或翻譯，但無法建立端到端的解決方案 | 無法建立任何部分可運行的通用翻譯器 |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/mo/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
deleted file mode 100644
index 711394f4a..000000000
--- a/translations/mo/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
+++ /dev/null
@@ -1,164 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
-  "translation_date": "2025-08-26T23:57:34+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
-  "language_code": "mo"
-}
--->
-# 翻譯語音 - Raspberry Pi
-
-在本課程的這部分，你將撰寫程式碼，使用翻譯服務來翻譯文字。
-
-## 使用翻譯服務將文字轉換為語音
-
-語音服務的 REST API 不支援直接翻譯，但你可以使用翻譯服務來翻譯由語音轉文字服務生成的文字，以及語音回應的文字。此服務提供 REST API，可用於翻譯文字。
-
-### 任務 - 使用翻譯資源翻譯文字
-
-1. 你的智慧計時器將設定兩種語言——用於訓練 LUIS 的伺服器語言（同時用於生成與使用者溝通的訊息），以及使用者所說的語言。更新 `language` 變數為使用者將使用的語言，並新增一個名為 `server_language` 的變數，用於設定訓練 LUIS 的語言：
-
-    ```python
-    language = '<user language>'
-    server_language = '<server language>'
-    ```
-
-    將 `<user language>` 替換為你將使用的語言的地區名稱，例如法語的 `fr-FR` 或粵語的 `zn-HK`。
-
-    將 `<server language>` 替換為用於訓練 LUIS 的語言的地區名稱。
-
-    你可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其地區名稱列表。
-
-    > 💁 如果你不會說多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 的服務，將你的首選語言翻譯成其他語言。這些服務還可以播放翻譯後的文字音頻。
-    >
-    > 例如，如果你用英文訓練 LUIS，但希望使用法語作為使用者語言，你可以使用 Bing 翻譯將像 "設置一個 2 分 27 秒的計時器" 這樣的句子從英文翻譯成法語，然後使用 **聆聽翻譯** 按鈕將翻譯語音說入麥克風。
-    >
-    > ![Bing 翻譯中的聆聽翻譯按鈕](../../../../../translated_images/zh-MO/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png)
-
-1. 在 `speech_api_key` 下新增翻譯 API 金鑰：
-
-    ```python
-    translator_api_key = '<key>'
-    ```
-
-    將 `<key>` 替換為你的翻譯服務資源的 API 金鑰。
-
-1. 在 `say` 函數上方，定義一個 `translate_text` 函數，用於將文字從伺服器語言翻譯成使用者語言：
-
-    ```python
-    def translate_text(text, from_language, to_language):
-    ```
-
-    此函數接收來源語言和目標語言——你的應用程式需要在辨識語音時將使用者語言轉換為伺服器語言，並在提供語音回饋時將伺服器語言轉換為使用者語言。
-
-1. 在此函數內，定義 REST API 呼叫的 URL 和標頭：
-
-    ```python
-    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
-
-    headers = {
-        'Ocp-Apim-Subscription-Key': translator_api_key,
-        'Ocp-Apim-Subscription-Region': location,
-        'Content-type': 'application/json'
-    }
-    ```
-
-    此 API 的 URL 不特定於位置，而是將位置作為標頭傳遞。API 金鑰直接使用，因此不像語音服務那樣需要從令牌發行 API 獲取存取令牌。
-
-1. 在此下方定義呼叫的參數和主體：
-
-    ```python
-    params = {
-        'from': from_language,
-        'to': to_language
-    }
-
-    body = [{
-        'text' : text
-    }]
-    ```
-
-    `params` 定義了 API 呼叫的參數，傳遞來源語言和目標語言。此呼叫將把 `from` 語言的文字翻譯成 `to` 語言。
-
-    `body` 包含要翻譯的文字。這是一個陣列，因為同一次呼叫可以翻譯多段文字。
-
-1. 呼叫 REST API 並獲取回應：
-
-    ```python
-    response = requests.post(url, headers=headers, params=params, json=body)
-    ```
-
-    回應是一個 JSON 陣列，其中包含一個項目，該項目包含翻譯結果。此項目有一個陣列，包含所有在主體中傳遞的項目的翻譯。
-
-    ```json
-    [
-        {
-            "translations": [
-                {
-                    "text": "Set a 2 minute 27 second timer.",
-                    "to": "en"
-                }
-            ]
-        }
-    ]
-    ```
-
-1. 從陣列的第一個項目中返回第一個翻譯的 `test` 屬性：
-
-    ```python
-    return response.json()[0]['translations'][0]['text']
-    ```
-
-1. 更新 `while True` 迴圈，將從 `convert_speech_to_text` 呼叫中獲得的文字從使用者語言翻譯成伺服器語言：
-
-    ```python
-    if len(text) > 0:
-        print('Original:', text)
-        text = translate_text(text, language, server_language)
-        print('Translated:', text)
-
-        message = Message(json.dumps({ 'speech': text }))
-        device_client.send_message(message)
-    ```
-
-    此程式碼還會將原始文字和翻譯文字打印到控制台。
-
-1. 更新 `say` 函數，將要說的文字從伺服器語言翻譯成使用者語言：
-
-    ```python
-    def say(text):
-        print('Original:', text)
-        text = translate_text(text, server_language, language)
-        print('Translated:', text)
-        speech = get_speech(text)
-        play_speech(speech)
-    ```
-
-    此程式碼還會將原始文字和翻譯文字打印到控制台。
-
-1. 執行你的程式碼。確保你的函數應用程式正在運行，並以使用者語言請求計時器，可以自己說該語言，或者使用翻譯應用程式。
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py
-    Connecting
-    Connected
-    Using voice fr-FR-DeniseNeural
-    Original: Définir une minuterie de 2 minutes et 27 secondes.
-    Translated: Set a timer of 2 minutes and 27 seconds.
-    Original: 2 minute 27 second timer started.
-    Translated: 2 minute 27 seconde minute a commencé.
-    Original: Times up on your 2 minute 27 second timer.
-    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
-    ```
-
-    > 💁 由於不同語言表達方式的差異，你可能會得到與你提供給 LUIS 的範例稍有不同的翻譯。如果是這種情況，請向 LUIS 添加更多範例，重新訓練並重新發布模型。
-
-> 💁 你可以在 [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi) 資料夾中找到此程式碼。
-
-😀 你的多語言計時器程式成功了！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/mo/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
deleted file mode 100644
index a63f0abf7..000000000
--- a/translations/mo/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
+++ /dev/null
@@ -1,204 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d620a470d9dd8614d99824832978360a",
-  "translation_date": "2025-08-26T23:59:00+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
-  "language_code": "mo"
-}
--->
-# 翻譯語音 - 虛擬物聯網設備
-
-在本課程的這部分，您將撰寫程式碼，使用語音服務將語音轉換為文字時進行翻譯，然後使用翻譯服務將文字翻譯後生成語音回應。
-
-## 使用語音服務翻譯語音
-
-語音服務不僅可以將語音轉換為相同語言的文字，還可以將輸出翻譯為其他語言。
-
-### 任務 - 使用語音服務翻譯語音
-
-1. 在 VS Code 中打開 `smart-timer` 專案，並確保虛擬環境已在終端中載入。
-
-1. 在現有的匯入語句下方新增以下匯入語句：
-
-    ```python
-    from azure.cognitiveservices import speech
-    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
-    import requests
-    ```
-
-    這將匯入用於翻譯語音的類別，以及稍後在本課程中用於呼叫翻譯服務的 `requests` 函式庫。
-
-1. 您的智慧計時器將設定兩種語言——用於訓練 LUIS 的伺服器語言（同樣的語言也用於構建與使用者對話的訊息），以及使用者所說的語言。更新 `language` 變數為使用者將使用的語言，並新增一個名為 `server_language` 的變數，用於設定訓練 LUIS 的語言：
-
-    ```python
-    language = '<user language>'
-    server_language = '<server language>'
-    ```
-
-    將 `<user language>` 替換為您將使用的語言的區域名稱，例如法語為 `fr-FR`，或粵語為 `zn-HK`。
-
-    將 `<server language>` 替換為用於訓練 LUIS 的語言的區域名稱。
-
-    您可以在 [Microsoft Docs 上的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其區域名稱的列表。
-
-    > 💁 如果您不會多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 這樣的服務，將您的首選語言翻譯為您選擇的語言。這些服務還可以播放翻譯後文字的音頻。請注意，語音識別器可能會忽略來自您設備的一些音頻輸出，因此您可能需要使用額外的設備來播放翻譯後的文字。
-    >
-    > 例如，如果您用英語訓練 LUIS，但希望使用法語作為使用者語言，您可以使用 Bing 翻譯將像 "set a 2 minute and 27 second timer" 這樣的句子從英語翻譯為法語，然後使用 **聆聽翻譯** 按鈕將翻譯內容說入您的麥克風。
-    >
-    > ![Bing 翻譯上的聆聽翻譯按鈕](../../../../../translated_images/zh-MO/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png)
-
-1. 用以下內容替換 `recognizer_config` 和 `recognizer` 的宣告：
-
-    ```python
-    translation_config = SpeechTranslationConfig(subscription=speech_api_key,
-                                                 region=location,
-                                                 speech_recognition_language=language,
-                                                 target_languages=(language, server_language))
-    
-    recognizer = TranslationRecognizer(translation_config=translation_config)
-    ```
-
-    這會創建一個翻譯配置，用於識別使用者語言的語音，並生成使用者語言和伺服器語言的翻譯。然後使用此配置創建一個翻譯識別器——一個可以將語音識別的輸出翻譯為多種語言的語音識別器。
-
-    > 💁 必須在 `target_languages` 中指定原始語言，否則您將無法獲得任何翻譯。
-
-1. 更新 `recognized` 函數，將函數的全部內容替換為以下內容：
-
-    ```python
-    if args.result.reason == speech.ResultReason.TranslatedSpeech:
-        language_match = next(l for l in args.result.translations if server_language.lower().startswith(l.lower()))
-        text = args.result.translations[language_match]
-        if (len(text) > 0):
-            print(f'Translated text: {text}')
-    
-            message = Message(json.dumps({ 'speech': text }))
-            device_client.send_message(message)
-    ```
-
-    此程式碼檢查是否因為語音被翻譯而觸發了識別事件（此事件也可能在其他情況下觸發，例如語音被識別但未翻譯）。如果語音被翻譯，它會在 `args.result.translations` 字典中找到與伺服器語言匹配的翻譯。
-
-    `args.result.translations` 字典的鍵是區域設置的語言部分，而不是整個設置。例如，如果您請求將法語翻譯為 `fr-FR`，字典中將包含一個 `fr` 的條目，而不是 `fr-FR`。
-
-    翻譯後的文字將被發送到 IoT Hub。
-
-1. 執行此程式碼以測試翻譯功能。確保您的函數應用程式正在運行，並用使用者語言請求計時器，可以是您自己說該語言，也可以使用翻譯應用程式。
-
-    ```output
-    (.venv) ➜  smart-timer python app.py
-    Connecting
-    Connected
-    Translated text: Set a timer of 2 minutes and 27 seconds.
-    ```
-
-## 使用翻譯服務翻譯文字
-
-語音服務不支援將翻譯後的文字轉回語音，您可以使用翻譯服務將文字翻譯。此服務提供一個 REST API，您可以用來翻譯文字。
-
-### 任務 - 使用翻譯資源翻譯文字
-
-1. 在 `speech_api_key` 下方新增翻譯 API 金鑰：
-
-    ```python
-    translator_api_key = '<key>'
-    ```
-
-    將 `<key>` 替換為您的翻譯服務資源的 API 金鑰。
-
-1. 在 `say` 函數上方，定義一個 `translate_text` 函數，用於將文字從伺服器語言翻譯為使用者語言：
-
-    ```python
-    def translate_text(text):
-    ```
-
-1. 在此函數內，定義 REST API 呼叫的 URL 和標頭：
-
-    ```python
-    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
-
-    headers = {
-        'Ocp-Apim-Subscription-Key': translator_api_key,
-        'Ocp-Apim-Subscription-Region': location,
-        'Content-type': 'application/json'
-    }
-    ```
-
-    此 API 的 URL 並非特定於位置，而是將位置作為標頭傳遞。API 金鑰直接使用，因此與語音服務不同，無需從令牌發行 API 獲取訪問令牌。
-
-1. 在此下方定義呼叫的參數和主體：
-
-    ```python
-    params = {
-        'from': server_language,
-        'to': language
-    }
-
-    body = [{
-        'text' : text
-    }]
-    ```
-
-    `params` 定義了傳遞給 API 呼叫的參數，指定翻譯的來源語言和目標語言。此呼叫將把 `from` 語言的文字翻譯為 `to` 語言。
-
-    `body` 包含要翻譯的文字。這是一個陣列，因為可以在一次呼叫中翻譯多段文字。
-
-1. 呼叫 REST API 並獲取回應：
-
-    ```python
-    response = requests.post(url, headers=headers, params=params, json=body)
-    ```
-
-    返回的回應是一個 JSON 陣列，其中包含一個項目，該項目包含翻譯結果。此項目有一個陣列，包含所有在主體中傳遞的項目的翻譯。
-
-    ```json
-    [
-        {
-            "translations": [
-                {
-                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
-                    "to": "fr"
-                }
-            ]
-        }
-    ]
-    ```
-
-1. 返回陣列中第一個項目中第一個翻譯的 `text` 屬性：
-
-    ```python
-    return response.json()[0]['translations'][0]['text']
-    ```
-
-1. 更新 `say` 函數，在生成 SSML 之前翻譯要說的文字：
-
-    ```python
-    print('Original:', text)
-    text = translate_text(text)
-    print('Translated:', text)
-    ```
-
-    此程式碼還會將原始文字和翻譯後的文字打印到控制台。
-
-1. 執行您的程式碼。確保您的函數應用程式正在運行，並用使用者語言請求計時器，可以是您自己說該語言，也可以使用翻譯應用程式。
-
-    ```output
-    (.venv) ➜  smart-timer python app.py
-    Connecting
-    Connected
-    Translated text: Set a timer of 2 minutes and 27 seconds.
-    Original: 2 minute 27 second timer started.
-    Translated: 2 minute 27 seconde minute a commencé.
-    Original: Times up on your 2 minute 27 second timer.
-    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
-    ```
-
-    > 💁 由於不同語言表達方式的差異，您可能會得到與您提供給 LUIS 的範例略有不同的翻譯。如果是這種情況，請向 LUIS 添加更多範例，重新訓練並重新發布模型。
-
-> 💁 您可以在 [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 您的多語言計時器程式大獲成功！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/mo/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
deleted file mode 100644
index 83f033669..000000000
--- a/translations/mo/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
+++ /dev/null
@@ -1,284 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5f6c164e349f8989959e02a90f37908d",
-  "translation_date": "2025-08-26T23:52:46+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
-  "language_code": "mo"
-}
--->
-# 翻譯語音 - Wio Terminal
-
-在本課程的這部分，你將撰寫程式碼，使用翻譯服務來翻譯文字。
-
-## 使用翻譯服務將文字轉換為語音
-
-語音服務的 REST API 不支援直接翻譯，但你可以使用翻譯服務將語音轉文字服務生成的文字，以及語音回應的文字進行翻譯。此服務提供 REST API，可用於翻譯文字，但為了更方便使用，將在你的函數應用程式中包裝成另一個 HTTP 觸發器。
-
-### 任務 - 建立無伺服器函數來翻譯文字
-
-1. 在 VS Code 中開啟你的 `smart-timer-trigger` 專案，並開啟終端機，確保虛擬環境已啟動。如果未啟動，請終止並重新建立終端機。
-
-1. 開啟 `local.settings.json` 檔案，並新增翻譯 API 金鑰和位置的設定：
-
-    ```json
-    "TRANSLATOR_KEY": "<key>",
-    "TRANSLATOR_LOCATION": "<location>"
-    ```
-
-    將 `<key>` 替換為你的翻譯服務資源的 API 金鑰。將 `<location>` 替換為你建立翻譯服務資源時使用的位置。
-
-1. 在函數應用程式專案的根目錄中，使用以下指令新增一個名為 `translate-text` 的 HTTP 觸發器：
-
-    ```sh
-    func new --name translate-text --template "HTTP trigger"
-    ```
-
-    這將建立一個名為 `translate-text` 的 HTTP 觸發器。
-
-1. 將 `translate-text` 資料夾中的 `__init__.py` 檔案內容替換為以下內容：
-
-    ```python
-    import logging
-    import os
-    import requests
-    
-    import azure.functions as func
-    
-    location = os.environ['TRANSLATOR_LOCATION']
-    translator_key = os.environ['TRANSLATOR_KEY']
-    
-    def main(req: func.HttpRequest) -> func.HttpResponse:
-        req_body = req.get_json()
-        from_language = req_body['from_language']
-        to_language = req_body['to_language']
-        text = req_body['text']
-        
-        logging.info(f'Translating {text} from {from_language} to {to_language}')
-    
-        url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
-    
-        headers = {
-            'Ocp-Apim-Subscription-Key': translator_key,
-            'Ocp-Apim-Subscription-Region': location,
-            'Content-type': 'application/json'
-        }
-    
-        params = {
-            'from': from_language,
-            'to': to_language
-        }
-    
-        body = [{
-            'text' : text
-        }]
-        
-        response = requests.post(url, headers=headers, params=params, json=body)
-        return func.HttpResponse(response.json()[0]['translations'][0]['text'])
-    ```
-
-    此程式碼從 HTTP 請求中提取文字和語言，然後向翻譯 REST API 發出請求，將語言作為 URL 的參數，將要翻譯的文字作為主體傳遞。最後返回翻譯結果。
-
-1. 在本地執行你的函數應用程式。你可以使用像 curl 這樣的工具來呼叫它，就像測試 `text-to-timer` HTTP 觸發器一樣。確保以 JSON 主體的形式傳遞要翻譯的文字和語言：
-
-    ```json
-    {
-        "text": "Définir une minuterie de 30 secondes",
-        "from_language": "fr-FR",
-        "to_language": "en-US"
-    }
-    ```
-
-    此範例將 *Définir une minuterie de 30 secondes* 從法語翻譯為美式英語。它將返回 *Set a 30-second timer*。
-
-> 💁 你可以在 [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions) 資料夾中找到此程式碼。
-
-### 任務 - 使用翻譯函數來翻譯文字
-
-1. 如果尚未開啟，請在 VS Code 中開啟 `smart-timer` 專案。
-
-1. 你的智慧計時器將設定兩種語言——用於訓練 LUIS 的伺服器語言（此語言也用於構建與使用者對話的訊息）以及使用者說的語言。更新 `config.h` 標頭檔案中的 `LANGUAGE` 常數為使用者將使用的語言，並新增一個名為 `SERVER_LANGUAGE` 的常數，用於訓練 LUIS 的語言：
-
-    ```cpp
-    const char *LANGUAGE = "<user language>";
-    const char *SERVER_LANGUAGE = "<server language>";
-    ```
-
-    將 `<user language>` 替換為你將使用的語言的區域名稱，例如法語為 `fr-FR`，或粵語為 `zn-HK`。
-
-    將 `<server language>` 替換為用於訓練 LUIS 的語言的區域名稱。
-
-    你可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其區域名稱的清單。
-
-    > 💁 如果你不會多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 這樣的服務，將你的首選語言翻譯成其他語言。這些服務還可以播放翻譯後文字的音頻。
-    >
-    > 例如，如果你用英語訓練 LUIS，但希望使用法語作為使用者語言，你可以使用 Bing 翻譯將像 "set a 2 minute and 27 second timer" 這樣的句子從英語翻譯成法語，然後使用 **聆聽翻譯** 按鈕將翻譯語音說入麥克風。
-    >
-    > ![Bing 翻譯上的聆聽翻譯按鈕](../../../../../translated_images/zh-MO/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png)
-
-1. 在 `SPEECH_LOCATION` 下新增翻譯 API 金鑰和位置：
-
-    ```cpp
-    const char *TRANSLATOR_API_KEY = "<KEY>";
-    const char *TRANSLATOR_LOCATION = "<LOCATION>";
-    ```
-
-    將 `<KEY>` 替換為你的翻譯服務資源的 API 金鑰。將 `<LOCATION>` 替換為你建立翻譯服務資源時使用的位置。
-
-1. 在 `VOICE_URL` 下新增翻譯觸發器的 URL：
-
-    ```cpp
-    const char *TRANSLATE_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為函數應用程式中 `translate-text` HTTP 觸發器的 URL。這將與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，但函數名稱為 `translate-text` 而非 `text-to-timer`。
-
-1. 在 `src` 資料夾中新增一個名為 `text_translator.h` 的檔案。
-
-1. 此新的 `text_translator.h` 標頭檔案將包含一個用於翻譯文字的類別。在此檔案中新增以下內容以宣告此類別：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <WiFiClient.h>
-    
-    #include "config.h"
-    
-    class TextTranslator
-    {
-    public:   
-    private:
-        WiFiClient _client;
-    };
-    
-    TextTranslator textTranslator;
-    ```
-
-    這宣告了 `TextTranslator` 類別，以及此類別的一個實例。該類別有一個用於 WiFi 客戶端的欄位。
-
-1. 在此類別的 `public` 區段中，新增一個用於翻譯文字的方法：
-
-    ```cpp
-    String translateText(String text, String from_language, String to_language)
-    {
-    }
-    ```
-
-    此方法接收要翻譯的來源語言和目標語言。在處理語音時，語音將從使用者語言翻譯為 LUIS 伺服器語言，而在提供回應時，將從 LUIS 伺服器語言翻譯為使用者語言。
-
-1. 在此方法中，新增程式碼以構建包含要翻譯文字和語言的 JSON 主體：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["text"] = text;
-    doc["from_language"] = from_language;
-    doc["to_language"] = to_language;
-
-    String body;
-    serializeJson(doc, body);
-
-    Serial.print("Translating ");
-    Serial.print(text);
-    Serial.print(" from ");
-    Serial.print(from_language);
-    Serial.print(" to ");
-    Serial.print(to_language);
-    ```
-
-1. 在此之下，新增以下程式碼以將主體發送到無伺服器函數應用程式：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-1. 接著，新增程式碼以獲取回應：
-
-    ```cpp
-    String translated_text = "";
-
-    if (httpResponseCode == 200)
-    {
-        translated_text = httpClient.getString();
-        Serial.print("Translated: ");
-        Serial.println(translated_text);
-    }
-    else
-    {
-        Serial.print("Failed to translate text - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-1. 最後，新增程式碼以關閉連線並返回翻譯後的文字：
-
-    ```cpp
-    httpClient.end();
-
-    return translated_text;
-    ```
-
-### 任務 - 翻譯識別的語音和回應
-
-1. 開啟 `main.cpp` 檔案。
-
-1. 在檔案頂部新增一個包含 `TextTranslator` 類別標頭檔案的 include 指令：
-
-    ```cpp
-    #include "text_translator.h"
-    ```
-
-1. 設定計時器時或計時器到期時所說的文字需要被翻譯。為此，在 `say` 函數的第一行新增以下內容：
-
-    ```cpp
-    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
-    ```
-
-    這將把文字翻譯成使用者語言。
-
-1. 在 `processAudio` 函數中，透過 `String text = speechToText.convertSpeechToText();` 呼叫從捕獲的音頻中檢索文字。在此呼叫之後，翻譯文字：
-
-    ```cpp
-    String text = speechToText.convertSpeechToText();
-    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
-    ```
-
-    這將把文字從使用者語言翻譯成伺服器使用的語言。
-
-1. 編譯此程式碼，將其上傳到你的 Wio Terminal，並透過序列監視器進行測試。一旦你在序列監視器中看到 `Ready`，按下 C 按鈕（左側靠近電源開關的按鈕），然後說話。確保你的函數應用程式正在執行，並以使用者語言請求計時器，可以是你自己說該語言，也可以使用翻譯應用程式。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    Ready.
-    Starting recording...
-    Finished recording
-    Sending speech...
-    Speech sent!
-    {"RecognitionStatus":"Success","DisplayText":"Définir une minuterie de 2 minutes 27 secondes.","Offset":9600000,"Duration":40400000}
-    Translating Définir une minuterie de 2 minutes 27 secondes. from fr-FR to en-US
-    Translated: Set a timer of 2 minutes 27 seconds.
-    Set a timer of 2 minutes 27 seconds.
-    {"seconds": 147}
-    Translating 2 minute 27 second timer started. from en-US to fr-FR
-    Translated: 2 minute 27 seconde minute a commencé.
-    2 minute 27 seconde minute a commencé.
-    Translating Times up on your 2 minute 27 second timer. from en-US to fr-FR
-    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
-    Chronométrant votre minuterie de 2 minutes 27 secondes.
-    ```
-
-> 💁 你可以在 [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal) 資料夾中找到此程式碼。
-
-😀 你的多語言計時器程式大功告成！
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/CODE_OF_CONDUCT.md b/translations/mo/CODE_OF_CONDUCT.md
deleted file mode 100644
index 7dcd013b7..000000000
--- a/translations/mo/CODE_OF_CONDUCT.md
+++ /dev/null
@@ -1,23 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
-  "translation_date": "2025-08-26T21:24:46+00:00",
-  "source_file": "CODE_OF_CONDUCT.md",
-  "language_code": "mo"
-}
--->
-# 微軟開源行為準則
-
-此專案已採用[微軟開源行為準則](https://opensource.microsoft.com/codeofconduct/)。
-
-資源：
-
-- [微軟開源行為準則](https://opensource.microsoft.com/codeofconduct/)
-- [微軟行為準則常見問題](https://opensource.microsoft.com/codeofconduct/faq/)
-- 如有疑問或擔憂，請聯繫[opencode@microsoft.com](mailto:opencode@microsoft.com)
-
----
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/mo/CONTRIBUTING.md b/translations/mo/CONTRIBUTING.md
deleted file mode 100644
index 8eebdfd7b..000000000
--- a/translations/mo/CONTRIBUTING.md
+++ /dev/null
@@ -1,24 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d6f80293fa9c213283eac7e79b078671",
-  "translation_date": "2025-08-26T21:28:08+00:00",
-  "source_file": "CONTRIBUTING.md",
-  "language_code": "mo"
-}
--->
-# 貢獻指南
-
-此專案歡迎各種貢獻與建議。大多數的貢獻需要您同意一份貢獻者授權協議 (Contributor License Agreement, CLA)，聲明您有權利並實際授權我們使用您的貢獻。詳情請參閱 https://cla.microsoft.com。
-
-> 重要提示：在翻譯此存放庫中的文字時，請確保不要使用機器翻譯。我們將透過社群驗證翻譯，因此請僅在您精通的語言中自願進行翻譯。
-
-當您提交拉取請求 (pull request) 時，CLA 機器人會自動判斷您是否需要提供 CLA，並適當地標記 PR（例如，標籤、評論）。只需按照機器人提供的指示操作即可。您只需在所有使用我們 CLA 的存放庫中執行一次此操作。
-
-此專案採用了 [Microsoft 開放原始碼行為準則](https://opensource.microsoft.com/codeofconduct/)。  
-如需更多資訊，請閱讀 [行為準則常見問題](https://opensource.microsoft.com/codeofconduct/faq/)，或透過 [opencode@microsoft.com](mailto:opencode@microsoft.com) 聯繫我們提出其他問題或意見。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/README.md b/translations/mo/README.md
deleted file mode 100644
index 6eb16591d..000000000
--- a/translations/mo/README.md
+++ /dev/null
@@ -1,222 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6c354ec3487e4f6cfafbe44557996cd9",
-  "translation_date": "2026-01-05T17:25:13+00:00",
-  "source_file": "README.md",
-  "language_code": "mo"
-}
--->
-[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE)
-[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/)
-[![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/)
-[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/)
-[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)
-
-[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/)
-[![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/)
-[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/)
-
-### 加入 Azure AI Foundry 社群
-
-如果你遇到困難或對建構 AI 應用程式有任何疑問。加入其他學習者和有經驗的開發者，一同討論 MCP。這是一個支持性的社區，歡迎發問並自由分享知識。
-
-[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
-
-如果你在建置時有產品反饋或錯誤，請造訪：
-
-[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
-
-按照以下步驟開始使用這些資源：
-1. **分支此程式庫**：點擊 [![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork)
-2. **克隆此程式庫**：   `git clone https://github.com/microsoft/IoT-For-Beginners.git`
-3. [**加入 Microsoft Foundry Discord，與專家及其他開發者交流**](https://discord.com/invite/ByRwuEEgH4)
-
-
-### 🌐 多語言支援
-
-#### 透過 GitHub Action 支援（自動且持續更新）
-
-<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
-[阿拉伯語](../ar/README.md) | [孟加拉語](../bn/README.md) | [保加利亞語](../bg/README.md) | [緬甸語 (Myanmar)](../my/README.md) | [中文 (簡體)](../zh/README.md) | [中文 (繁體, 香港)](../hk/README.md) | [中文 (繁體, 澳門)](./README.md) | [中文 (繁體, 台灣)](../tw/README.md) | [克羅地亞語](../hr/README.md) | [捷克語](../cs/README.md) | [丹麥語](../da/README.md) | [荷蘭語](../nl/README.md) | [愛沙尼亞語](../et/README.md) | [芬蘭語](../fi/README.md) | [法語](../fr/README.md) | [德語](../de/README.md) | [希臘語](../el/README.md) | [希伯來語](../he/README.md) | [印地語](../hi/README.md) | [匈牙利語](../hu/README.md) | [印尼語](../id/README.md) | [義大利語](../it/README.md) | [日語](../ja/README.md) | [坎納達語](../kn/README.md) | [韓語](../ko/README.md) | [立陶宛語](../lt/README.md) | [馬來語](../ms/README.md) | [馬拉雅拉姆語](../ml/README.md) | [馬拉地語](../mr/README.md) | [尼泊爾語](../ne/README.md) | [奈及利亞皮欽語](../pcm/README.md) | [挪威語](../no/README.md) | [波斯語 (法爾西語)](../fa/README.md) | [波蘭語](../pl/README.md) | [葡萄牙語 (巴西)](../br/README.md) | [葡萄牙語 (葡萄牙)](../pt/README.md) | [旁遮普語 (Gurmukhi)](../pa/README.md) | [羅馬尼亞語](../ro/README.md) | [俄語](../ru/README.md) | [塞爾維亞語 (西里爾字母)](../sr/README.md) | [斯洛伐克語](../sk/README.md) | [斯洛維尼亞語](../sl/README.md) | [西班牙語](../es/README.md) | [斯瓦希里語](../sw/README.md) | [瑞典語](../sv/README.md) | [塔加洛語 (菲律賓語)](../tl/README.md) | [泰米爾語](../ta/README.md) | [泰盧固語](../te/README.md) | [泰語](../th/README.md) | [土耳其語](../tr/README.md) | [烏克蘭語](../uk/README.md) | [烏爾都語](../ur/README.md) | [越南語](../vi/README.md)
-
-> **想要本地克隆？**
-
-> 此程式庫包含超過 50 種語言翻譯，會顯著增加下載大小。若不需要翻譯，請使用稀疏檢出：
-> ```bash
-> git clone --filter=blob:none --sparse https://github.com/microsoft/IoT-For-Beginners.git
-> cd IoT-For-Beginners
-> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
-> ```
-> 這樣可以更快速下載所需內容完成課程。
-<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
-
-# IoT 初學者課程大綱
-
-微軟 Azure 雲端推廣大使很高興提供一個為期 12 週、共 24 課的 IoT 基礎課程。每節課包含課前與課後測驗、完成課程的書面教學、解答、作業等。我們基於專案的教學法允許你在建構過程中學習，是一種驗證過的技能鞏固方法。
-
-這些專案涵蓋食物從農場到餐桌的旅程。包括農業、物流、製造、零售與消費端——這些是 IoT 裝置廣泛應用的行業領域。
-
-![課程路線圖顯示 24 個課程涵蓋介紹、農業、運輸、加工、零售與烹飪](../../translated_images/zh-MO/Roadmap.bb1dec285dda0eda.webp)
-
-> 草圖筆記由 [Nitya Narasimhan](https://github.com/nitya) 製作。點擊圖片查看大圖。
-
-**誠摯感謝作者 [Jen Fox](https://github.com/jenfoxbot)、[Jen Looper](https://github.com/jlooper)、[Jim Bennett](https://github.com/jimbobbennett) 以及草圖筆記藝術家 [Nitya Narasimhan](https://github.com/nitya)。**
-
-**同時也感謝 [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) 團隊成員的審閱與翻譯：包括 [Aditya Garg](https://github.com/AdityaGarg00)、[Anurag Sharma](https://github.com/Anurag-0-1-A)、[Arpita Das](https://github.com/Arpiiitaaa)、[Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/)、[Bhavesh Suneja](https://github.com/EliteWarrior315)、[Faith Hunja](https://faithhunja.github.io/)、[Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/)、[Manvi Jha](https://github.com/Severus-Matthew)、[Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/)、[Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119)、[Mohammad Zulfikar](https://github.com/mohzulfikar)、[Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba)、[Thanmai Gowducheruvu](https://github.com/innovation-platform) 以及 [Zina Kamel](https://www.linkedin.com/in/zina-kamel/)。**
-
-認識團隊吧！
-
-[![宣傳影片](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)
-
-**Gif 由** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) 製作
-
-> 🎥 點擊上方圖片觀看專案介紹影片！
-
-> **教師們**，我們提供了[一些建議](for-teachers.md)關於如何使用這個課程大綱。如果你想創建自己的課程，也包含了一個[課程範本](lesson-template/README.md)。
-
-> **[學生](https://aka.ms/student-page)**，若想自行使用此課程，請將整個儲存庫分支，並自行完成練習。從課前測驗開始，閱覽課文並完成其餘作業。嘗試理解課程來完成專案，而非直接複製解答代碼；不過解答代碼可在各專案課程的 /solutions 目錄下找到。另一個好方法是與朋友組成讀書會，共同研讀內容。進一步學習，推薦參考 [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn)。
-
-課程影片總覽：
-
-[![宣傳影片](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video")
-
-> 🎥 點擊上方圖片觀看專案介紹影片！
-
-## 教學法
-
-本課程秉持兩項教學原則：確保課程以專案為基礎，以及包含頻繁的小測驗。完成此系列課程後，學生將打造一個植物監控與澆水系統、車輛追蹤器、智慧工廠用於追蹤檢驗食物的系統，以及語音控制的烹飪計時器，並學習物聯網基礎知識，包括如何撰寫裝置程式碼、連接雲端、分析遙測數據及在邊緣執行 AI。
-
-透過專案對應內容，使過程更具吸引力並提升概念保留效果。
-
-此外，課前測驗可設定學生學習目標，課後測驗則鞏固學習成效。此課程設計彈性且有趣，可整套或分段學習。專案由簡入繁，於 12 星期後逐步提升複雜度。
-
-每個專案均基於學生及業餘愛好者可取得的真實硬體。每個專案都探討特定領域，提供相關背景知識。身為成功的開發者，了解問題域有助問題解決。這些背景知識讓學生能在實際物聯網問題情境中思考解決方案和學習內容，理解他們建立的解決方案的「為何」，並理解最終使用者。
-
-## 硬體
-
-我們提供兩種 IoT 硬體可供專案使用，依個人喜好、程式語言知識、學習目標與可用性選擇。同時也提供「虛擬硬體」版本，供未持有硬體或想先深入了解再購買的學習者。你可以在[硬體頁面](./hardware.md) 詳讀更多內容，該頁包含購買完整套件的購物清單與 Seeed Studio 友商連結。
-> 💁 查閱我哋嘅 [行為守則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md) 同 [翻譯指南](TRANSLATIONS.md)。我哋歡迎您嘅建設性意見！
->
-> 🔧 有問題？睇睇我哋嘅 [疑難排解指南](TROUBLESHOOTING.md) 搵解決方法。
-
-## 每課包括：
-
-- 手繪筆記
-- 選擇性補充影片
-- 課前熱身測驗
-- 書面課程
-- 就專案基礎嘅課程，有逐步指引教你點建立專案
-- 知識檢查
-- 挑戰
-- 補充閱讀
-- 作業
-- [課後測驗](https://ff-quizzes.netlify.app/en/)
-
-> **有關測驗嘅提示**：所有測驗都喺 quiz-app 資料夾內，共有 48 個測驗，每個有三條問題。測驗喺課程中有連結，但測驗應用可以喺本機運行或者部署到 Azure；跟住 quiz-app 資料夾入面嘅指示進行。佢哋會逐步本地化。
-
-## 課程
-
-|       |              專案名稱              |                       授課概念                       | 學習目標                                                                                                                                                               |                                                        相關課程                                                         |
-| :---: | :------------------------------------: | :---------------------------------------------------------: | --------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: |
-|  01   | [入門](./1-getting-started/README.md) |                     物聯網簡介                     | 學習物聯網嘅基本原則同物聯網解決方案嘅基本組件，例如感應器同雲端服務，同時設置你嘅第一個物聯網裝置                                                                                                     |                      [物聯網簡介](./1-getting-started/lessons/1-introduction-to-iot/README.md)                      |
-|  02   | [入門](./1-getting-started/README.md) |                   深入認識物聯網                   | 進一步了解物聯網系統嘅元件，仲有微控制器同單板電腦                                                                                                                 |                        [深入認識物聯網](./1-getting-started/lessons/2-deeper-dive/README.md)                         |
-|  03   | [入門](./1-getting-started/README.md) | 用感應器同埋執行器同物理世界互動 | 學習點用感應器收集物理世界嘅數據，執行器如何傳送回饋，仲可以建立一盞夜燈                                                                                           | [用感應器同執行器同物理世界互動](./1-getting-started/lessons/3-sensors-and-actuators/README.md) |
-|  04   | [入門](./1-getting-started/README.md) |             將裝置連接到網絡             | 學習點樣將物聯網裝置連接到互聯網，發送同接收訊息，連接你嘅夜燈到 MQTT 代理                                                               |               [將裝置連接到網絡](./1-getting-started/lessons/4-connect-internet/README.md)                |
-|  05   |            [農場](./2-farm/README.md)            |                    預測植物生長                     | 學習點用物聯網裝置捕捉嘅溫度數據來預測植物生長                                                                                                              |                          [預測植物生長](./2-farm/lessons/1-predict-plant-growth/README.md)                           |
-|  06   |            [農場](./2-farm/README.md)            |                    偵測土壤濕度                     | 學習點偵測土壤濕度同標定土壤濕度感應器                                                                                                                      |                          [偵測土壤濕度](./2-farm/lessons/2-detect-soil-moisture/README.md)                           |
-|  07   |            [農場](./2-farm/README.md)            |                  自動灌溉                   | 學習點用繼電器同 MQTT 自動化同定時澆水                                                                                                                      |                      [自動灌溉](./2-farm/lessons/3-automated-plant-watering/README.md)                       |
-|  08   |            [農場](./2-farm/README.md)            |               將植物遷移到雲端               | 了解雲端及其物聯網服務，學習如何將植物連接到雲端，而唔係連接公眾 MQTT 代理                                                      |               [將植物遷移到雲端](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                |
-|  09   |            [農場](./2-farm/README.md)            |         將應用邏輯遷移到雲端         | 學習點寫雲端嘅應用邏輯，回應物聯網嘅訊息                                                                                                                |         [將應用邏輯遷移到雲端](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)         |
-|  10   |            [農場](./2-farm/README.md)            |                   保護你嘅植物安全                    | 學習物聯網安全，點用密鑰同證書保障你嘅植物                                                                                                                |                        [保護你嘅植物安全](./2-farm/lessons/6-keep-your-plant-secure/README.md)                         |
-|  11   |       [運輸](./3-transport/README.md)       |                      定位追蹤                      | 學習物聯網裝置嘅 GPS 定位追蹤                                                                                                                         |                           [定位追蹤](./3-transport/lessons/1-location-tracking/README.md)                           |
-|  12   |       [運輸](./3-transport/README.md)       |                     儲存位置數據                     | 學習點儲存物聯網數據，方便之後視覺化或分析                                                                                                          |                         [儲存位置數據](./3-transport/lessons/2-store-location-data/README.md)                         |
-|  13   |       [運輸](./3-transport/README.md)       |                   視覺化位置數據                   | 學習點將位置數據喺地圖上視覺化，仲理解地圖點樣將三維真實世界喺二維上呈現                                            |                     [視覺化位置數據](./3-transport/lessons/3-visualize-location-data/README.md)                     |
-|  14   |       [運輸](./3-transport/README.md)       |                          地理圍欄                          | 了解地理圍欄，點用嚟喺運輸鏈中車輛接近目的地時發出警報                                                         |                                   [地理圍欄](./3-transport/lessons/4-geofences/README.md)                                   |
-|  15   |   [製造](./4-manufacturing/README.md)   |               訓練水果品質檢測器                | 學習喺雲端訓練圖像分類器嚟檢測水果品質                                                                                                               |                 [訓練水果品質檢測器](./4-manufacturing/lessons/1-train-fruit-detector/README.md)                 |
-|  16   |   [製造](./4-manufacturing/README.md)   |           用物聯網裝置檢查水果品質            | 學習點用物聯網裝置配合你嘅水果品質檢測器                                                                                                           |           [用物聯網裝置檢查水果品質](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)            |
-|  17   |   [製造](./4-manufacturing/README.md)   |             喺邊緣運行水果檢測器             | 學習點喺邊緣設備上運行水果檢測器                                                                                                               |             [喺邊緣運行水果檢測器](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)             |
-|  18   |   [製造](./4-manufacturing/README.md)   |        用感應器觸發水果品質檢測        | 學習點用感應器觸發水果品質檢測                                                                                                                   |        [用感應器觸發水果品質檢測](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)         |
-|  19   |          [零售](./5-retail/README.md)          |                   訓練庫存檢測器                    | 學習如何用物件檢測訓練庫存檢測器，計算店舖內嘅庫存                                                                                              |                        [訓練庫存檢測器](./5-retail/lessons/1-train-stock-detector/README.md)                         |
-|  20   |          [零售](./5-retail/README.md)          |               用物聯網裝置檢查庫存                | 學習用物聯網裝置利用物件檢測模型檢查庫存                                                                                                     |                     [用物聯網裝置檢查庫存](./5-retail/lessons/2-check-stock-device/README.md)                      |
-|  21   |        [消費者](./6-consumer/README.md)        |             用物聯網裝置識別語音             | 學習點用物聯網裝置識別語音，建立智能定時器                                                                                                 |                  [用物聯網裝置識別語音](./6-consumer/lessons/1-speech-recognition/README.md)                  |
-|  22   |        [消費者](./6-consumer/README.md)        |                     理解語言                     | 學習了解說畀物聯網裝置嘅句子                                                                                                           |                        [理解語言](./6-consumer/lessons/2-language-understanding/README.md)                        |
-|  23   |        [消費者](./6-consumer/README.md)        |           設定定時器並提供語音回應           | 學習點喺物聯網裝置設定定時器，同用語音回應提示定時器已設置及完成                                                                |                 [設定定時器並提供語音回應](./6-consumer/lessons/3-spoken-feedback/README.md)                  |
-|  24   |        [消費者](./6-consumer/README.md)        |                 支援多語言                  | 學習點支援多種語言，包括講話同智能定時器嘅回應                                                                                               |                   [支援多語言](./6-consumer/lessons/4-multiple-language-support/README.md)                   |
-
-## 離線使用
-
-你可以用 [Docsify](https://docsify.js.org/#/) 喺離線狀態下運行呢份文件。Fork 呢個 repo，喺你嘅本機安裝 Docsify（[Docsify 快速開始指南](https://docsify.js.org/#/quickstart)），然後喺呢個 repo 根目錄輸入 `docsify serve`。網站會喺本地嘅 3000 埠運行：`localhost:3000`。
-
-## 測驗
-
-多謝社群為每章節提供嘅互動式測驗，檢驗你嘅知識。你可以喺 [呢度](https://ff-quizzes.netlify.app/en/) 測試你嘅知識。
-
-### PDF
-
-如果需要，你可以將內容生產成 PDF 以離線查看。確保你已經安裝咗 [npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm)，然後喺呢個 repo 根目錄執行以下指令：
-
-```sh
-npm i
-npm run convert
-```
-
-
-### 簡報
-
-部分課程有簡報，可喺 [slides](../../slides) 資料夾睇到。
-
-## 其他課程
-
-我哋團隊仲有其他課程！快啲睇睇：
-
-<!-- CO-OP TRANSLATOR OTHER COURSES START -->
-### LangChain
-[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
-[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
-
----
-
-### Azure / Edge / MCP / Agents
-[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的 AI 代理](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
-
----
- 
-### 生成式 AI 系列
-[![初學者的生成式 AI](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![生成式 AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
-[![生成式 AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
-[![生成式 AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
-
----
- 
-### 核心學習
-[![初學者的機器學習](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的數據科學](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的人工智能](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的網絡安全](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
-[![初學者的網頁開發](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的物聯網](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的 XR 開發](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
-
----
- 
-### Copilot 系列
-[![AI 配對編程的 Copilot](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
-[![C#/.NET 專用的 Copilot](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
-[![Copilot 冒險](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
-<!-- CO-OP TRANSLATOR OTHER COURSES END -->
-
-## 圖像歸屬
-
-您可以在需要的地方於[歸屬](./attributions.md)查看本課程中所使用的所有圖像歸屬。
-
----
-
-<!-- CO-OP TRANSLATOR DISCLAIMER START -->
-**免責聲明**：
-本文件係使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我哋致力保證準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原文文件之原語言版本應視為權威來源。對於重要資訊，建議採用專業人工翻譯。本公司對因使用本翻譯而引致之任何誤解或誤釋概不負責。
-<!-- CO-OP TRANSLATOR DISCLAIMER END -->
\ No newline at end of file
diff --git a/translations/mo/SECURITY.md b/translations/mo/SECURITY.md
deleted file mode 100644
index 9cc8f6ed5..000000000
--- a/translations/mo/SECURITY.md
+++ /dev/null
@@ -1,51 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
-  "translation_date": "2025-08-26T21:27:33+00:00",
-  "source_file": "SECURITY.md",
-  "language_code": "mo"
-}
--->
-# 安全性
-
-Microsoft 非常重視我們軟體產品與服務的安全性，這包括透過我們的 GitHub 組織管理的所有原始碼庫，這些組織包括 [Microsoft](https://github.com/Microsoft)、[Azure](https://github.com/Azure)、[DotNet](https://github.com/dotnet)、[AspNet](https://github.com/aspnet)、[Xamarin](https://github.com/xamarin) 和 [我們的 GitHub 組織](https://opensource.microsoft.com/)。
-
-如果您認為在任何 Microsoft 擁有的原始碼庫中發現了符合 [Microsoft 對安全性漏洞的定義](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10)) 的安全性漏洞，請按照以下說明向我們報告。
-
-## 回報安全性問題
-
-**請勿透過公開的 GitHub 問題回報安全性漏洞。**
-
-相反地，請透過 Microsoft Security Response Center (MSRC) 回報，網址為 [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report)。
-
-如果您希望在不登入的情況下提交，請發送電子郵件至 [secure@microsoft.com](mailto:secure@microsoft.com)。如果可能，請使用我們的 PGP 金鑰加密您的訊息；您可以從 [Microsoft Security Response Center PGP Key 頁面](https://www.microsoft.com/en-us/msrc/pgp-key-msrc) 下載。
-
-您應該會在 24 小時內收到回覆。如果因某些原因未收到，請透過電子郵件跟進，以確保我們已收到您的原始訊息。更多資訊請參閱 [microsoft.com/msrc](https://www.microsoft.com/msrc)。  
-
-請盡可能提供以下所列的資訊，以幫助我們更好地了解問題的性質與範圍：
-
-  * 問題類型（例如：緩衝區溢位、SQL 注入、跨網站腳本攻擊等）
-  * 與問題相關的原始檔案完整路徑
-  * 受影響原始碼的位置（標籤/分支/提交或直接 URL）
-  * 重現問題所需的任何特殊配置
-  * 重現問題的逐步指導
-  * 概念驗證或漏洞利用程式碼（如果可能）
-  * 問題的影響，包括攻擊者可能如何利用該問題
-
-這些資訊將幫助我們更快速地處理您的回報。
-
-如果您是為了漏洞賞金計畫而回報，提供更完整的報告可能會獲得更高的賞金獎勵。請造訪我們的 [Microsoft Bug Bounty Program](https://microsoft.com/msrc/bounty) 頁面，了解更多關於我們現行計畫的詳細資訊。
-
-## 偏好語言
-
-我們偏好所有的溝通以英文進行。
-
-## 政策
-
-Microsoft 遵循 [協調式漏洞披露](https://www.microsoft.com/en-us/msrc/cvd) 原則。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/SUPPORT.md b/translations/mo/SUPPORT.md
deleted file mode 100644
index 60e2e6e55..000000000
--- a/translations/mo/SUPPORT.md
+++ /dev/null
@@ -1,25 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "cd89329575372232e59605f7a08ae0df",
-  "translation_date": "2025-08-26T21:23:13+00:00",
-  "source_file": "SUPPORT.md",
-  "language_code": "mo"
-}
--->
-# 支援
-
-## 如何提交問題並獲得協助  
-
-此專案使用 GitHub Issues 來追蹤錯誤和功能請求。在提交新問題之前，請先搜尋現有問題以避免重複。若有新問題，請將您的錯誤或功能請求提交為一個新的 Issue。
-
-若需協助或對使用此專案有任何疑問，請透過在此存放庫中提出 Issue 與我們聯繫。
-
-## 微軟支援政策  
-
-對於此 **專案或產品** 的支援僅限於上述列出的資源。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/TROUBLESHOOTING.md b/translations/mo/TROUBLESHOOTING.md
deleted file mode 100644
index 3a28f9a7e..000000000
--- a/translations/mo/TROUBLESHOOTING.md
+++ /dev/null
@@ -1,761 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9713e21a309662f6fcb271b573d47848",
-  "translation_date": "2026-01-05T17:37:31+00:00",
-  "source_file": "TROUBLESHOOTING.md",
-  "language_code": "mo"
-}
--->
-# 疑難排解指南
-
-本指南幫助您解決在使用 IoT for Beginners 課程時常見的問題。問題按類別組織，方便瀏覽。
-
-## 目錄
-
-- [安裝問題](../..)
-  - [Python 安裝](../..)
-  - [VS Code 與擴充套件](../..)
-  - [PlatformIO（Wio Terminal）](../..)
-  - [Grove 函式庫](../..)
-- [硬體問題](../..)
-  - [Raspberry Pi](../..)
-  - [Wio Terminal](../..)
-  - [虛擬裝置（CounterFit）](../..)
-- [連線問題](../..)
-  - [WiFi 連線](../..)
-  - [雲端服務](../..)
-  - [MQTT](../..)
-- [感測器與執行器問題](../..)
-  - [Grove 感測器](../..)
-  - [相機](../..)
-  - [麥克風與喇叭](../..)
-- [開發環境問題](../..)
-  - [VS Code](../..)
-  - [Python 虛擬環境](../..)
-  - [相依性](../..)
-- [效能問題](../..)
-- [常見錯誤訊息](../..)
-- [求助](../..)
-
----
-
-## 安裝問題
-
-### Python 安裝
-
-#### 問題：Python 版本太舊
-**錯誤：** `需要 Python 3.6 或更高版本`
-
-**解決方案：**
-1. 從 [python.org](https://www.python.org/downloads/) 下載最新 Python 3
-2. 在 Windows 安裝時，勾選「將 Python 加入 PATH」
-3. 驗證安裝：
-   ```bash
-   python3 --version
-   ```
-
-#### 問題：多個 Python 版本衝突
-**症狀：** 執行錯誤的 Python 版本，套件安裝到錯誤位置
-
-**解決方案：**
-- **Windows：** 使用 `py -3` 替代 `python` 明確呼叫 Python 3
-- **macOS/Linux：** 使用 `python3` 替代 `python`
-- 專案中務必建立並使用虛擬環境
-
-#### 問題：找不到 pip 指令
-**錯誤：** `'pip' 不是內部或外部命令，也不是可執行的程式或批次檔`
-
-**解決方案：**
-1. 嘗試使用 `pip3` 替代 `pip`
-2. 或使用 `python -m pip` 或 `python3 -m pip`
-3. 確認 Python 已加入 PATH（重新安裝 Python 並勾選相關選項）
-
-### VS Code 與擴充套件
-
-#### 問題：Pylance 擴充套件無法運作
-**症狀：** 沒有 Python 智慧感知、程式碼補完或型別檢查
-
-**解決方案：**
-1. 打開 VS Code 命令面板（`Ctrl+Shift+P` 或 `Cmd+Shift+P`）
-2. 執行「Python: Select Interpreter」
-3. 選擇正確的 Python 直譯器（如使用虛擬環境選擇虛擬環境）
-4. 重新載入 VS Code 視窗
-
-#### 問題：VS Code 無法偵測虛擬環境
-**症狀：** 選錯 Python 直譯器
-
-**解決方案：**
-1. 確認已在終端機啟動虛擬環境
-2. 開啟命令面板並執行「Python: Select Interpreter」
-3. 選擇 `.venv` 資料夾中的直譯器
-4. 查看狀態列（左下）顯示正確 Python 版本
-
-### PlatformIO（Wio Terminal）
-
-#### 問題：PlatformIO 安裝失敗
-**錯誤：** PlatformIO 安裝過程中出現各種錯誤
-
-**解決方案：**
-1. 確認 VS Code 為最新版
-2. 先安裝 C/C++ 擴充套件
-3. 安裝 PlatformIO 後重啟 VS Code
-4. 檢查網路連線（PlatformIO 需下載大型檔案）
-
-#### 問題：PlatformIO 無法偵測開發板
-**症狀：** 無法上傳程式碼至 Wio Terminal
-
-**解決方案：**
-1. 換用不同 USB 線（有些線只支援充電）
-2. 檢查裝置管理員（Windows）或使用 `ls /dev/tty*`（macOS/Linux）
-3. 安裝或更新 USB 驅動程式
-4. 換用不同 USB 埠
-5. 快速滑動 Wio Terminal 電源開關兩次進入 bootloader 模式
-
-#### 問題：PlatformIO 編譯錯誤
-**錯誤：** `fatal error: Arduino.h: No such file or directory`
-
-**解決方案：**
-1. 刪除專案中的 `.pio` 資料夾
-2. 使用命令面板執行「PlatformIO: Rebuild」
-3. 確認 `platformio.ini` 內使用正確開發板設定：
-   ```ini
-   [env:seeed_wio_terminal]
-   platform = atmelsam
-   board = seeed_wio_terminal
-   framework = arduino
-   ```
-
-### Grove 函式庫
-
-#### 問題：Raspberry Pi 上的 Grove 函式庫導入失敗
-**錯誤：** `ModuleNotFoundError: No module named 'grove'`
-
-**解決方案：**
-1. 重新安裝 Grove 函式庫：
-   ```bash
-   cd ~
-   git clone https://github.com/Seeed-Studio/grove.py
-   cd grove.py
-   sudo pip3 install .
-   ```
-2. 若使用虛擬環境，可能需在全域安裝或複製函式庫
-3. 確認已啟用 I2C：`sudo raspi-config nonint do_i2c 0`
-
-#### 問題：Grove 感測器無法偵測
-**錯誤：** `IOError: [Errno 121] Remote I/O error`
-
-**解決方案：**
-1. 檢查物理連接（確保 Grove 線材完全插入）
-2. 確認感測器接到正確埠位（類比、數位、I2C、UART）
-3. 執行 `i2cdetect -y 1` 查看裝置是否出現在 I2C 匯流排
-4. 換用另一條 Grove 線材
-5. 確認 Grove Base Hat 是否正確插於 Raspberry Pi GPIO 腳位
-
----
-
-## 硬體問題
-
-### Raspberry Pi
-
-#### 問題：Raspberry Pi 無法開機
-**症狀：** 無顯示、無 LED 動作或出現彩虹螢幕
-
-**解決方案：**
-1. **檢查電源供應：** Pi 4 使用官方 5V 3A USB-C 電源供應器
-2. **SD 卡問題：** 
-   - 重新格式化 SD 卡並重新安裝 Raspberry Pi OS
-   - 換用不同 SD 卡（推薦的品牌）
-   - 確認 SD 卡插入正確
-3. **檢查 HDMI 連接：** 嘗試 Pi 4 上兩個 HDMI 埠，使用靠近電源的 HDMI 埠
-
-#### 問題：無法 SSH 連線至 Raspberry Pi
-**症狀：** 連線被拒或逾時
-
-**解決方案：**
-1. 啟用 SSH：
-   - 使用 Raspberry Pi Imager 燒錄 SD 卡時在進階選項設定 SSH
-   - 或在啟動分割區建立名為 `ssh`（無副檔名）的空文件
-2. 找出 Pi 的 IP 位址：
-   - 查看路由器的已連接裝置
-   - 使用 `ping raspberrypi.local`（若 mDNS 有效）
-   - 使用網路掃描工具如 `nmap` 或 Angry IP Scanner
-3. 網路檢查：
-   - 確認 Pi 與電腦在同一網路
-   - 嘗試使用有線乙太網路代替 WiFi
-4. 驗證帳號/密碼（預設：使用者名稱 `pi`，密碼 `raspberry`）
-
-#### 問題：Grove Base Hat 未被識別
-**症狀：** 感測器無法運作，I2C 錯誤
-
-**解決方案：**
-1. 確保 Base Hat 牢固插入全部 GPIO 腳位
-2. 檢查 Pi 或 Base Hat 的腳位是否彎曲
-3. 啟用 I2C 介面：
-   ```bash
-   sudo raspi-config nonint do_i2c 0
-   sudo reboot
-   ```
-4. 驗證 I2C 運作：`i2cdetect -y 1`
-
-#### 問題：Raspberry Pi 執行速度緩慢
-**症狀：** 介面卡頓，反應遲鈍
-
-**解決方案：**
-1. 檢查 SD 卡速度（使用 Class 10 或以上，或透過 USB 外接 SSD）
-2. 釋放磁碟空間：使用 `df -h` 檢查，刪除不必要檔案
-3. 若未頻繁使用相機或顯示器，可在 `raspi-config` 減少 GPU 記憶體分配
-4. 關閉不必要的應用程式
-5. 若用 Pi 3 或更舊機型，考慮升級到具更多 RAM 的 Pi 4
-
-### Wio Terminal
-
-#### 問題：Wio Terminal 螢幕維持空白
-**症狀：** 上傳程式後無顯示輸出
-
-**解決方案：**
-1. 確認程式碼有初始化螢幕顯示（使用 TFT_eSPI 函式庫）
-2. 從 [Seeed Wiki](https://wiki.seeedstudio.com/Wio-Terminal-Getting-Started/) 更新 Wio Terminal 韌體
-3. 新增螢幕初始化程式碼：
-   ```cpp
-   #include <TFT_eSPI.h>
-   TFT_eSPI tft;
-   tft.begin();
-   tft.fillScreen(TFT_BLACK);
-   ```
-4. 透過 PlatformIO 上傳範例程式碼測試硬體
-
-#### 問題：Wio Terminal WiFi 無法使用
-**症狀：** 無法連線 WiFi，出現網路錯誤
-
-**解決方案：**
-1. **更新 WiFi 韌體：** 參考 [Wio Terminal WiFi 韌體更新指南](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/)
-2. **檢查 WiFi 資訊：** 確認 SSID 與密碼正確
-3. **WiFi 頻段：** Wio Terminal 僅支援 2.4GHz WiFi（不支援 5GHz）
-4. **訊號強度：** 讓裝置靠近路由器
-5. **路由器設定：** 部份企業網路/WPA-Enterprise 可能無法使用
-
-#### 問題：Wio Terminal 未被電腦識別
-**症狀：** USB 裝置未被偵測
-
-**解決方案：**
-1. **換用不同 USB 線：** 使用資料線，非僅充電線
-2. **進入 bootloader 模式：** 快速向下滑動電源開關兩次  
-   - 藍燈會閃爍，裝置在裝置管理員顯示為「Arduino」
-3. **安裝驅動程式（Windows）：**  
-   - 下載並安裝 [Seeed USB 驅動程式](https://wiki.seeedstudio.com/Driver_for_Seeeduino/)
-4. **換用不同 USB 埠：** 避免使用 USB 集線器，使用直接連接
-5. **更新系統 USB 驅動程式**
-
-#### 問題：Wio Terminal 感測器無法運作
-**症狀：** Grove 感測器無法讀取資料
-
-**解決方案：**
-1. 檢查 Grove 線材連接
-2. 確認使用正確 Grove 埠（左邊或右邊）
-3. 包含感測器所需的函式庫
-4. 檢查感測器的電源要求
-5. 使用函式庫範例程式測試感測器
-
-### 虛擬裝置（CounterFit）
-
-#### 問題：CounterFit 應用程式無法啟動
-**錯誤：** 啟動 CounterFit 時出現各種 Python 錯誤
-
-**解決方案：**
-1. 確認虛擬環境已啟動
-2. 安裝或重新安裝 CounterFit：
-   ```bash
-   pip install CounterFit
-   ```
-3. 檢查 5000 埠是否已被占用：  
-   - Windows：`netstat -ano | findstr :5000`  
-   - macOS/Linux：`lsof -i :5000`  
-4. 結束使用 5000 埠的程序或使用其他埠位：
-   ```bash
-   counterfit --port 5001
-   ```
-
-#### 問題：無法從程式碼連接到 CounterFit
-**錯誤：** 連線被拒絕或逾時
-
-**解決方案：**
-1. 確認 CounterFit 正在執行：用瀏覽器開啟 `http://127.0.0.1:5000`
-2. 檢查程式碼中的連線 URL 是否與 CounterFit 位址一致
-3. 確認防火牆未阻擋連線
-4. 嘗試重新啟動 CounterFit 應用程式與您的程式碼
-
-#### 問題：CounterFit 中感測器不顯示
-**症狀：** 已建立的感測器無法在 CounterFit UI 中顯示
-
-**解決方案：**
-1. 在執行程式前，先在 CounterFit UI 中建立感測器
-2. 手動重新整理瀏覽器頁面
-3. 確認感測器類型符合程式碼使用
-4. 清除瀏覽器快取
-
----
-
-## 連線問題
-
-### WiFi 連線
-
-#### 問題：裝置無法連接 WiFi
-**症狀：** 連線逾時，認證失敗
-
-**解決方案：**
-1. **檢查 SSID 與密碼：** 確認資料正確
-2. **WiFi 頻段：** 大部分物聯網裝置只支援 2.4GHz（不支援 5GHz）
-3. **路由器設定：**
-   - 如果啟用，請關閉 AP 隔離
-   - 使用 WPA2-PSK 安全性（避免 WPA3、WEP 或開放網路）
-   - 確認啟用 DHCP
-4. **隱藏網路：** 隱藏 SSID 時可能需手動設定
-5. **訊號強度：** 讓裝置靠近路由器
-6. **干擾：** 其他裝置、微波爐或牆壁可能造成干擾
-
-#### 問題：WiFi 連線常掉線
-**症狀：** 連線不穩定斷斷續續
-
-**解決方案：**
-1. 檢查路由器穩定性並考慮重啟
-2. 更新裝置韌體
-3. 使用固定 IP 代替 DHCP
-4. 減少裝置與路由器間距離或使用 WiFi 延伸器
-5. 檢查其他裝置的干擾狀況
-6. 確認電源供應充足（特別是 Raspberry Pi）
-
-### 雲端服務
-
-#### 問題：無法連接 Azure IoT Hub
-**錯誤：** 認證失敗，連線被拒
-
-**解決方案：**
-1. **確認認證：**
-   - 檢查連線字串正確無誤
-   - 確認連線字串無額外空白或換行
-2. **檢查裝置註冊：** 裝置必須已註冊於 IoT Hub
-3. **防火牆/代理伺服器：** 確保允許外送 MQTT（埠號 8883）或 HTTPS（埠號 443）
-4. **IoT Hub 所屬區域：** 確保 IoT Hub 在運作中且不在不同區域以避免延遲
-5. **配額限制：** 檢查是否超過免費層限制
-6. **測試連線：**
-   ```bash
-   az iot hub device-identity show-connection-string --hub-name YourIoTHub --device-id YourDevice
-   ```
-
-#### 問題：Azure Functions 無法觸發
-**症狀：** 訊息送出，但函式不執行
-
-**解決方案：**
-1. 確認 Function App 正在執行（未停止）
-2. 驗證 Function App 設定中的連線字串
-3. 檢查 Azure 入口網站中的函式日誌
-4. 確保 Event Hub 相容端點設定正確
-5. 驗證訊息格式符合函式需求
-6. 檢查 Function App 服務方案（消耗方案 vs. 專用方案）
-
-### MQTT
-#### 問題：MQTT 連線失敗  
-**錯誤：** 連線被拒，驗證失敗
-
-**解決方案：**  
-1. **Broker 位址：** 確認 Broker URL/IP 是否正確  
-2. **埠號：** 檢查埠號（1883 為未加密，8883 為 TLS）  
-3. **認證：** 確認是否需要使用者名稱與密碼  
-4. **TLS/SSL：** 確保憑證有效且被信任  
-5. **防火牆：** 檢查埠號是否被阻擋  
-6. **使用 MQTT 用戶端測試：** 使用 MQTT Explorer 或 mosquitto_pub/sub 測試
-
-#### 問題：MQTT 訊息無法接收  
-**症狀：** 訊息已發布但訂閱者未收到
-
-**解決方案：**  
-1. **主題名稱：** 確認訂閱主題與發布主題完全一致  
-2. **QoS 等級：** 嘗試 QoS 1 或 2 代替 0  
-3. **萬用字元：** 檢查主題萬用字元使用是否正確（`+` 單層，`#` 多層）  
-4. **保留訊息：** 發布者可設定保留旗標以保存最後一則訊息  
-5. **連線時間：** 確保訂閱者在訊息發布前已連接
-
----
-
-## 感測器與執行器問題
-
-### Grove 感測器
-
-#### 問題：感測器回傳錯誤數值  
-**症狀：** 讀值為 0、-1 或無意義值
-
-**解決方案：**  
-1. **檢查連線：** 確保感測器接線正確  
-2. **正確埠口：** 確認感測器連接到正確類型埠口：  
-   - 類比感測器 → 類比埠（A0、A2、A4）  
-   - 數位感測器 → 數位埠（D5、D16、D18 等）  
-   - I2C 感測器 → I2C 埠口  
-3. **校正：** 某些感測器需校正（土壤濕度、光感測器）  
-4. **重新開機：** 斷開後重連感測器  
-5. **感測器規格表：** 檢查感測器規格與需求
-
-#### 問題：電容式土壤濕度感測器總是讀取為濕  
-**症狀：** 感測器即使乾燥也讀取高濕度
-
-**解決方案：**  
-1. **需校正：** 土壤感測器需校正：  
-   - 在空氣中讀取值（乾燥基準）  
-   - 在水中讀取值（濕潤基準）  
-   - 將讀取值映射在這些基準中間  
-2. **檢查感測器塗層：** 濕度感測器塗層損壞會影響讀值  
-3. **放置位置：** 確保感測器完全插入土壤中
-
-#### 問題：溫濕度感測器讀值錯誤  
-**症狀：** DHT11/DHT22 顯示的溫度或濕度錯誤
-
-**解決方案：**  
-1. **感測器放置：** 避免直射日光、熱源或空氣流通強烈的地方  
-2. **暖機時間：** 電源開啟後給感測器 2 秒暖機時間再讀取  
-3. **讀取頻率：** DHT 感測器需間隔時間（至少 2 秒）  
-4. **檢查結露：** 濕氣結露會影響讀值  
-5. **感測器品質：** DHT11 精準度低於 DHT22
-
-### 攝影機
-
-#### 問題：樹莓派無法偵測攝影機  
-**錯誤：** `mmal: mmal_vc_component_create: failed to create component 'vc.ril.camera'`
-
-**解決方案：**  
-1. **啟用攝影機介面：**  
-   ```bash
-   sudo raspi-config
-   ```
- 進入介面選項 → 攝影機 → 啟用  
-2. **檢查排線：** 確認攝影機排線正確插入  
-   - Pi Zero 藍色一面朝 USB 埠方向  
-   - Pi 4 藍色一面背離 USB 埠方向  
-3. **更新韌體：**  
-   ```bash
-   sudo apt update
-   sudo apt full-upgrade
-   sudo reboot
-   ```
-4. **測試攝影機：**  
-   ```bash
-   raspistill -o test.jpg
-   ```
-  
-#### 問題：攝影機影像品質差  
-**症狀：** 影像模糊、昏暗或過曝
-
-**解決方案：**  
-1. **對焦：** 移除鏡頭保護膜，如可調整則調整焦距  
-2. **光線：** 確保足夠的照明  
-3. **攝影機設定：** 調整程式中的曝光、ISO、白平衡  
-4. **穩定性：** 保持攝影機固定，必要時使用三腳架  
-5. **解像度：** 不要超過攝影機最大解像度
-
-### 麥克風與喇叭
-
-#### 問題：無法錄音或播放音訊  
-**症狀：** 麥克風無錄音，喇叭無播放
-
-**解決方案：**  
-1. **檢查連線：** 確認音訊裝置已正確接線  
-2. **測試硬體：**  
-   - 喇叭：`speaker-test -t wav -c 2`  
-   - 麥克風：`arecord -l` 列出裝置，`arecord test.wav` 錄音  
-3. **音量設定：** 調整與檢查音量：  
-   ```bash
-   alsamixer
-   ```
-4. **選擇音訊裝置：** 代碼中指定正確音訊裝置  
-5. **驅動程式問題：** 更新 ALSA 或重裝音訊驅動
-
-#### 問題：ReSpeaker HAT 無法運作  
-**症狀：** 無法偵測音訊裝置
-
-**解決方案：**  
-1. **安裝驅動程式：**  
-   ```bash
-   git clone https://github.com/HinTak/seeed-voicecard
-   cd seeed-voicecard
-   sudo ./install.sh
-   sudo reboot
-   ```
-2. **檢查安裝：** `arecord -l` 應有 ReSpeaker 裝置  
-3. **韌體更新：** 部分 Pi OS 版本需更新驅動  
-4. **確認安裝位置：** 確保 HAT 正確插入 GPIO 腳位
-
----
-
-## 開發環境問題
-
-### VS Code
-
-#### 問題：終端機未自動啟動虛擬環境  
-**症狀：** 終端顯示但 venv 未啟動
-
-**解決方案：**  
-1. **設定 Python 直譯器：** 指令面板 → "Python: Select Interpreter" → 選擇 venv  
-2. **重新啟動 VS Code** 選擇直譯器後  
-3. **設定檔檢查：** 在 `settings.json` 加入：  
-   ```json
-   "python.terminal.activateEnvironment": true
-   ```
-  
-#### 問題：代碼執行不出結果  
-**症狀：** 代碼執行但裝置沒有反應
-
-**解決方案：**  
-1. **確定代碼已保存**（檔案標籤上有點）  
-2. **檢查使用的 Python：** `which python` 或 `where python`  
-3. **Wio Terminal：** 確保經由 PlatformIO 上傳（點按上傳鈕）  
-4. **Raspberry Pi：** SSH 登入 Pi 並在那裏執行代碼  
-5. **檢查輸出視窗** 是否有錯誤訊息
-
-#### 問題：IntelliSense 不顯示函數  
-**症狀：** 匯入模組沒有自動補全
-
-**解決方案：**  
-1. 確保函式庫安裝於目前環境  
-2. 重新載入 VS Code 視窗  
-3. 檢查 Python 直譯器是否正確  
-4. 安裝型別提示：`pip install types-<library-name>`
-
-### Python 虛擬環境
-
-#### 問題：無法建立虛擬環境  
-**錯誤：** `The virtual environment was not created successfully`
-
-**解決方案：**  
-1. **安裝 venv 模組：**  
-   - Ubuntu/Debian：`sudo apt install python3-venv`  
-   - macOS：Python 內建  
-   - Windows：重新安裝 Python 並安裝所有組件  
-2. **檢查 Python 安裝：** 確認 Python 已正確安裝  
-3. **使用完整路徑：** 嘗試使用 `python3 -m venv .venv`
-
-#### 問題：套件安裝位置錯誤  
-**症狀：** 安裝套件後匯入失敗
-
-**解決方案：**  
-1. **確認 venv 已啟動：** 命令提示符應該顯示 `(.venv)`  
-2. **檢查 pip 位置：** `which pip` 應指向 `.venv/bin/pip`  
-3. **重新安裝於 venv：** 啟動 venv 後執行 `pip install <package>`  
-4. **虛擬環境中不要使用 sudo**
-
-#### 問題：虛擬環境無法攜帶移動  
-**症狀：** 移動或在不同電腦上無法使用 venv
-
-**解決方案：**  
-1. **不要移動 venv：** 刪除並在新位置重新建立  
-2. **使用 requirements.txt：**  
-   ```bash
-   pip freeze > requirements.txt
-   pip install -r requirements.txt
-   ```
-3. **重新建立 venv：**  
-   ```bash
-   python3 -m venv .venv
-   source .venv/bin/activate  # 或 Windows 上的 activate.bat
-   pip install -r requirements.txt
-   ```
-  
-### 相依性問題
-
-#### 問題：套件安裝失敗  
-**錯誤：** 不同 pip 錯誤訊息
-
-**解決方案：**  
-1. **更新 pip：**  
-   ```bash
-   pip install --upgrade pip
-   ```
-2. **安裝建置工具：**  
-   - Ubuntu/Debian：`sudo apt install build-essential python3-dev`  
-   - macOS：`xcode-select --install`  
-   - Windows：安裝 Visual Studio Build Tools  
-3. **檢查網路連線**  
-4. **切換套件源：** `pip install --index-url https://pypi.org/simple/ <package>`  
-5. **安裝特定版本：** `pip install <package>==<version>`
-
-#### 問題：相依性衝突  
-**錯誤：** `ERROR: pip's dependency resolver does not currently take into account all the packages that are installed`
-
-**解決方案：**  
-1. **每專案使用新的虛擬環境**  
-2. **更新套件：** `pip install --upgrade <package>`  
-3. **檢查需求衝突：** 使用 `pip check`  
-4. **安裝相容版本：** 在 requirements.txt 指定版本範圍
-
----
-
-## 效能問題
-
-### 問題：代碼運行緩慢  
-**症狀：** 延遲、逾時、無回應
-
-**解決方案：**  
-1. **減少感測器讀取頻率**，不要過頻繁讀取  
-2. **優化迴圈：** 避免忙等，使用 sleep() 或延遲  
-3. **記憶體問題：**  
-   - 關閉不必要的應用程式  
-   - 釋放儲存空間  
-   - 使用 Pi 上的 `top` 或 `htop` 監控  
-4. **SD 卡速度：** 使用較快的 SD 卡或 SSD  
-5. **網路延遲：** 網路呼叫使用非同步
-
-### 問題：記憶體不足錯誤  
-**錯誤：** `MemoryError` 或系統凍結
-
-**解決方案：**  
-1. **Raspberry Pi：**  
-   - 關閉不必要的程式  
-   - 增加交換空間  
-   - 使用輕量版本的作業系統（Lite）  
-   - 升級 RAM（Pi 4 有 2/4/8GB 選項）  
-2. **Wio Terminal：**  
-   - 減少快取大小  
-   - 使用較小的圖片  
-   - 優化字串使用  
-   - 檢查記憶體洩漏
-
-### 問題：資料遺失或損毀  
-**症狀：** 訊息丟失、檔案毀損
-
-**解決方案：**  
-1. **SD 卡問題：**  
-   - 使用品質良好的 SD 卡（避免廉價/仿冒）  
-   - 定期備份  
-   - 正確關機（勿強制斷電）  
-2. **快取溢位：** 增加程式內快取大小  
-3. **網絡可靠性：** 實作重試與錯誤處理  
-4. **服務品質：** 重要訊息使用 MQTT QoS 1 或 2
-
----
-
-## 常見錯誤訊息
-
-### `ModuleNotFoundError: No module named 'X'`  
-**原因：** 套件未安裝或虛擬環境未啟動
-
-**解決方案：**  
-```bash
-pip install X
-```
-請先確認虛擬環境已啟動。
-
-### Linux/macOS `Permission denied`  
-**原因：** 權限不足或檔案權限問題
-
-**解決方案：**  
-- 系統操作使用 `sudo`  
-- pip 不要在虛擬環境內使用 sudo，先啟動 venv  
-- 串口權限：將使用者加入 dialout 群組：`sudo usermod -a -G dialout $USER`，然後重新登入
-
-### `OSError: [Errno 98] Address already in use`  
-**原因：** 埠號已被其他程序使用
-
-**解決方案：**  
-1. 查找占用程序：`lsof -i :<port>` 或 `netstat -ano | findstr :<port>`  
-2. 終止程序或在代碼中使用不同埠號
-
-### `SSL: CERTIFICATE_VERIFY_FAILED`  
-**原因：** SSL 憑證驗證失敗
-
-**解決方案：**  
-1. 更新憑證：`pip install --upgrade certifi`  
-2. 檢查系統時間是否正確：`date`  
-3. 僅開發時（非正式環境）可在代碼中禁用驗證
-
-### `IndentationError: unexpected indent`  
-**原因：** Python 縮排錯誤（混用 tab 與空格）
-
-**解決方案：**  
-1. 統一縮排風格（Python 標準為 4 個空格）  
-2. 編輯器設定使用空格取代 tab  
-3. VS Code 設定 `"editor.insertSpaces": true` 和 `"editor.tabSize": 4`
-
-### `UnicodeDecodeError` 或 `UnicodeEncodeError`  
-**原因：** 字元編碼問題
-
-**解決方案：**  
-```python
-# 讀取檔案時
-with open('file.txt', 'r', encoding='utf-8') as f:
-    content = f.read()
-
-# 寫入檔案時
-with open('file.txt', 'w', encoding='utf-8') as f:
-    f.write(content)
-```
-  
----
-
-## 尋求協助
-
-如果已嘗試上述排除方法仍有問題：
-
-### 1. 查閱現有資源  
-- **文件：** 查看 [README](README.md) 及課程說明  
-- **硬體指南：** 參考 [hardware.md](hardware.md) 硬體相關資訊  
-- **Seeed Studio Wiki:** [Seeed Studio Wiki](https://wiki.seeedstudio.com/) 了解 Grove 元件
-
-### 2. 搜尋類似問題  
-- **GitHub Issues：** 搜尋 [現有問題](https://github.com/microsoft/IoT-For-Beginners/issues)  
-- **Stack Overflow：** 搜尋錯誤訊息  
-- **裝置論壇：** 查詢 Raspberry Pi 論壇或 Arduino 論壇
-
-### 3. 建立 GitHub 問題單  
-若找不到解決方案：  
-1. 前往 [GitHub Issues](https://github.com/microsoft/IoT-For-Beginners/issues)  
-2. 點選「New Issue」  
-3. 提供：  
-   - 清楚描述問題  
-   - 重現步驟  
-   - 錯誤訊息（完整文字）  
-   - 硬體／軟體版本  
-   - 已嘗試的方式  
-   - 如有相關，附上截圖
-
-### 4. 加入社群  
-- **Discord：** [Microsoft Foundry Discord](https://discord.gg/nTYy5BXMWG)  
-- **Microsoft Learn：** [Microsoft Learn IoT](https://docs.microsoft.com/learn/browse/?products=azure-iot)
-
-### 5. 提供良好錯誤回報  
-良好的錯誤回報包含：
-- **環境：** 作業系統、Python 版本、使用的硬件
-- **重現步驟：** 引起問題的確切步驟
-- **預期行為：** 應該發生的情況
-- **實際行為：** 實際發生的情況
-- **錯誤訊息：** 完整錯誤文字，非截圖
-- **程式碼：** 能重現問題的最小範例程式碼
-
----
-
-## 預防小貼士
-
-### 一般最佳做法
-1. **保持備份：** 定期備份正常運作的 SD 卡／程式碼
-2. **記錄變更：** 在註解中記下有效的方法
-3. **版本控制：** 使用 git 追蹤程式碼更動
-4. **逐步測試：** 小幅度改動先測試，再合併
-5. **閱讀錯誤訊息：** 常會明確說明問題所在
-6. **定期更新：** 保持軟件／韌體最新
-7. **使用優質零件：** 避免廉價線材／電源供應器
-8. **電力穩定：** 使用適當電源（特別是 Pi）
-
-### 開發工作流程
-1. **從簡入手：** 從可用示例程式開始
-2. **一次一改：** 容易找出問題所在
-3. **經常測試：** 及早發現問題
-4. **保持整潔：** 合理整理檔案和程式碼
-5. **註解程式碼：** 未來的你會感激
-
----
-
-*這份故障排除指南由社群維護。如果你找到此處未列出問題的解決方案，請考慮[貢獻](CONTRIBUTING.md)幫助他人！*
-
----
-
-<!-- CO-OP TRANSLATOR DISCLAIMER START -->
-**免責聲明**：
-本文件由人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們力求準確，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或錯誤詮釋承擔責任。
-<!-- CO-OP TRANSLATOR DISCLAIMER END -->
\ No newline at end of file
diff --git a/translations/mo/attributions.md b/translations/mo/attributions.md
deleted file mode 100644
index 1def943c0..000000000
--- a/translations/mo/attributions.md
+++ /dev/null
@@ -1,54 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4506d33bbda7acc0ab20980172687090",
-  "translation_date": "2025-08-26T21:17:24+00:00",
-  "source_file": "attributions.md",
-  "language_code": "mo"
-}
--->
-# 圖片來源
-
-* 香蕉由 abderraouf omara 提供，來自 [Noun Project](https://thenounproject.com)
-* 大腦由 Icon Market 提供，來自 [Noun Project](https://thenounproject.com)
-* 廣播由 RomStu 提供，來自 [Noun Project](https://thenounproject.com)
-* 按鈕由 Dan Hetteix 提供，來自 [Noun Project](https://thenounproject.com)
-* C451B 小振膜電容麥克風由 AKG Acoustics 提供。[Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) 在 [en.wikipedia](https://en.wikipedia.org/) / [創作共用署名-相同方式分享 3.0 未移植版](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
-* 日曆由 Alice-vector 提供，來自 [Noun Project](https://thenounproject.com)
-* 證書由 alimasykurm 提供，來自 [Noun Project](https://thenounproject.com)
-* 晶片由 Astatine Lab 提供，來自 [Noun Project](https://thenounproject.com)
-* 雲由 Debi Alpa Nugraha 提供，來自 [Noun Project](https://thenounproject.com)
-* 容器由 ProSymbols 提供，來自 [Noun Project](https://thenounproject.com)
-* CPU 由 Icon Lauk 提供，來自 [Noun Project](https://thenounproject.com)
-* 資料庫由 Icons Bazaar 提供，來自 [Noun Project](https://thenounproject.com)
-* 撥盤由 Jamie Dickinson 提供，來自 [Noun Project](https://thenounproject.com)
-* GPS 由 mim studio 提供，來自 [Noun Project](https://thenounproject.com)
-* 加熱器由 Pascal Heß 提供，來自 [Noun Project](https://thenounproject.com)
-* 想法由 Pause08 提供，來自 [Noun Project](https://thenounproject.com)
-* 物聯網由 Adrien Coquet 提供，來自 [Noun Project](https://thenounproject.com)
-* LED 由 abderraouf omara 提供，來自 [Noun Project](https://thenounproject.com)
-* 光敏電阻由 Eucalyp 提供，來自 [Noun Project](https://thenounproject.com)
-* 燈泡由 Maxim Kulikov 提供，來自 [Noun Project](https://thenounproject.com)
-* 微控制器由 Template 提供，來自 [Noun Project](https://thenounproject.com)
-* 手機由 Alice-vector 提供，來自 [Noun Project](https://thenounproject.com)
-* 馬達由 Bakunetsu Kaito 提供，來自 [Noun Project](https://thenounproject.com)
-* Patti Smith 使用 Shure SM58（動圈心型麥克風）演唱。Beni Köhler / [創作共用署名-相同方式分享 3.0 未移植版](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
-* 植物由 Alex Muravev 提供，來自 [Noun Project](https://thenounproject.com)
-* 植物細胞由 Léa Lortal 提供，來自 [Noun Project](https://thenounproject.com)
-* 探測器由 Adnen Kadri 提供，來自 [Noun Project](https://thenounproject.com)
-* 記憶體由 Atif Arshad 提供，來自 [Noun Project](https://thenounproject.com)
-* Raspberry Pi 4 由 Michael Henzler 提供 / [維基共享資源](https://commons.wikimedia.org/wiki/Main_Page) / [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/)
-* 錄音由 Aybige Speaker 提供，來自 [Noun Project](https://thenounproject.com)
-* 衛星由 Noura Mbarki 提供，來自 [Noun Project](https://thenounproject.com)
-* 智能感測器由 Andrei Yushchenko 提供，來自 [Noun Project](https://thenounproject.com)
-* 喇叭由 Gregor Cresnar 提供，來自 [Noun Project](https://thenounproject.com)
-* 開關由 Chattapat 提供，來自 [Noun Project](https://thenounproject.com)
-* 溫度由 Vectors Market 提供，來自 [Noun Project](https://thenounproject.com)
-* 番茄由 parkjisun 提供，來自 [Noun Project](https://thenounproject.com)
-* 灑水壺由 Daria Moskvina 提供，來自 [Noun Project](https://thenounproject.com)
-* 天氣由 Adrien Coquet 提供，來自 [Noun Project](https://thenounproject.com)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/clean-up.md b/translations/mo/clean-up.md
deleted file mode 100644
index 84533a222..000000000
--- a/translations/mo/clean-up.md
+++ /dev/null
@@ -1,55 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
-  "translation_date": "2025-08-26T21:24:21+00:00",
-  "source_file": "clean-up.md",
-  "language_code": "mo"
-}
--->
-# 清理您的專案
-
-完成每個專案後，最好刪除您的雲端資源。
-
-在每個專案的課程中，您可能已建立以下資源：
-
-* 資源群組
-* IoT Hub
-* IoT 裝置註冊
-* 儲存帳戶
-* Functions App
-* Azure Maps 帳戶
-* 自訂視覺專案
-* Azure 容器登錄
-* 認知服務資源
-
-大多數這些資源不會產生費用——它們要麼完全免費，要麼您使用的是免費層級。對於需要付費層級的服務，您可能使用的是包含在免費配額內的層級，或者僅需支付幾分錢。
-
-即使成本相對較低，完成後刪除這些資源仍然是值得的。例如，您只能擁有一個使用免費層級的 IoT Hub，因此如果您想建立另一個，則需要使用付費層級。
-
-所有服務都建立在資源群組內，這使得管理更加方便。您可以刪除資源群組，該資源群組中的所有服務也會一併刪除。
-
-要刪除資源群組，請在終端或命令提示字元中執行以下指令：
-
-```sh
-az group delete --name <resource-group-name>
-```
-
-將 `<resource-group-name>` 替換為您感興趣的資源群組名稱。
-
-系統會出現確認提示：
-
-```output
-Are you sure you want to perform this operation? (y/n): 
-```
-
-輸入 `y` 以確認並刪除資源群組。
-
-刪除所有服務需要一些時間。
-
-> 💁 您可以在 [Microsoft Docs 上的 Azure 資源管理器資源群組和資源刪除文件](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli) 中閱讀更多相關資訊。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/docs/_sidebar.md b/translations/mo/docs/_sidebar.md
deleted file mode 100644
index 99b6104ba..000000000
--- a/translations/mo/docs/_sidebar.md
+++ /dev/null
@@ -1,49 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
-  "translation_date": "2025-08-26T23:08:40+00:00",
-  "source_file": "docs/_sidebar.md",
-  "language_code": "mo"
-}
--->
-- 介紹
-  - [1](../1-getting-started/lessons/1-introduction-to-iot/README.md)
-  - [2](../1-getting-started/lessons/2-deeper-dive/README.md)
-  - [3](../1-getting-started/lessons/3-sensors-and-actuators/README.md)
-  - [4](../1-getting-started/lessons/4-connect-internet/README.md)
-  
-- 農場
-  - [5](../2-farm/lessons/1-predict-plant-growth/README.md)
-  - [6](../2-farm/lessons/2-detect-soil-moisture/README.md)
-  - [7](../2-farm/lessons/3-automated-plant-watering/README.md)
-  - [8](../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)
-  - [9](../2-farm/lessons/5-migrate-application-to-the-cloud/README.md)
-  - [10](../2-farm/lessons/6-keep-your-plant-secure/README.md)
-  
-- 運輸
-  - [11](../3-transport/lessons/1-location-tracking/README.md)
-  - [12](../3-transport/lessons/2-store-location-data/README.md)
-  - [13](../3-transport/lessons/3-visualize-location-data/README.md)
-  - [14](../3-transport/lessons/4-geofences/README.md)
-  
-- 製造
-  - [15](../4-manufacturing/lessons/1-train-fruit-detector/README.md)
-  - [16](../4-manufacturing/lessons/2-check-fruit-from-device/README.md)
-  - [17](../4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)
-  - [18](../4-manufacturing/lessons/4-trigger-fruit-detector/README.md)
-  
-- 零售
-  - [19](../5-retail/lessons/1-train-stock-detector/README.md)
-  - [20](../5-retail/lessons/2-check-stock-device/README.md)
-  
-- 消費者
-  - [21](../6-consumer/lessons/1-speech-recognition/README.md)
-  - [22](../6-consumer/lessons/2-language-understanding/README.md)
-  - [23](../6-consumer/lessons/3-spoken-feedback/README.md)
-  - [24](../6-consumer/lessons/4-multiple-language-support/README.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/docs/troubleshooting.md b/translations/mo/docs/troubleshooting.md
deleted file mode 100644
index eb7ddd80e..000000000
--- a/translations/mo/docs/troubleshooting.md
+++ /dev/null
@@ -1,98 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "271dcd720357806934b2f0d94e19410e",
-  "translation_date": "2026-01-05T17:46:28+00:00",
-  "source_file": "docs/troubleshooting.md",
-  "language_code": "mo"
-}
--->
-# Raspberry Pi 疑難排解指南
-
-本指南提供在 Raspberry Pi 設備上運行物聯網項目時常見問題的解決方案。  
-它為遵循物聯網新手課程的初學者而設計，但對一般 Pi 開發也很有用。
-
----
-
-## 1. 安裝與依賴錯誤
-
-### ❗ `ModuleNotFoundError: No module named 'xyz'`
-當所需的 Python 模組未安裝時會發生此錯誤。
-
-**修正方法**
-```bash
-pip3 install <module_name>
-
- Permission denied when running scripts
-
-Often caused by accessing GPIO, I2C or system hardware without elevated privileges.
-Quick fix:
-sudo python3 script.py
-
-Recommended fix (no sudo needed every time):
-sudo usermod -aG gpio,i2c,spi $USER
-sudo reboot
-
-2. GPIO / I2C / SPI Not Working
-❗ RuntimeError: No access to GPIO
-
-Add user to GPIO group:
-sudo usermod -aG gpio $USER
-sudo reboot
-
-❗ I2C / SPI devices not detected
-
-Enable interfaces:
-sudo raspi-config
-→ Interface Options
-→ Enable I2C / Enable SPI
-
-Check if I2C device appears:
-i2cdetect -y 1
-
-3. Camera / Video Issues
-❗ Camera not detected or fails to start
-
-Enable camera interface:
-sudo raspi-config
-→ Interface Options → Camera → Enable
-sudo reboot
-
-Check if camera is visible:
-vcgencmd get_camera
-
-4. Wi-Fi / SSH / Connectivity Problems
-| Problem                          | Fix                                           |
-| -------------------------------- | --------------------------------------------- |
-| SSH connection refused           | `sudo raspi-config → Interface Options → SSH` |
-| Device not showing on network    | Check IP using: `hostname -I`                 |
-| Slow Wi-Fi / unstable connection | Prefer 2.4 GHz band, update OS                |
-| Unable to access Pi headless     | Add `ssh` file to boot partition              |
-
-
-5. Performance Issues
-Raspberry Pi running slow / laggy
-
-Close unused applications
-
-Reduce background services
-
-Use Lite OS if no desktop needed
-
-Ensure sufficient power supply (5V/3A or better)
-
-Check CPU load:
-top
-htop
-
-Storage issues:
-sudo apt autoremove
-sudo apt clean
-df -h
-
----
-
-<!-- CO-OP TRANSLATOR DISCLAIMER START -->
-**免責聲明**：  
-本文件由AI翻譯服務[Co-op Translator](https://github.com/Azure/co-op-translator)翻譯。儘管我們努力追求準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或誤譯承擔責任。
-<!-- CO-OP TRANSLATOR DISCLAIMER END -->
\ No newline at end of file
diff --git a/translations/mo/for-teachers.md b/translations/mo/for-teachers.md
deleted file mode 100644
index 8bdb35462..000000000
--- a/translations/mo/for-teachers.md
+++ /dev/null
@@ -1,41 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
-  "translation_date": "2025-08-26T21:23:47+00:00",
-  "source_file": "for-teachers.md",
-  "language_code": "mo"
-}
--->
-# 給教育工作者
-
-您是否希望在課堂上使用這份課程？請隨意使用！
-
-事實上，您可以直接在 GitHub 上使用 GitHub Classroom 來進行。
-
-要做到這一點，請先 fork 此 repo。您需要為每一課建立一個 repo，因此需要將每個文件夾提取到單獨的 repo 中。這樣，[GitHub Classroom](https://classroom.github.com/classrooms) 就能分別處理每一課。
-
-這些[完整的指導](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)可以幫助您了解如何設置您的課堂。
-
-## 建議的學習模式
-
-您可以在我們的[建議學習模式指南](recommended-learning-model.md)中了解更多有關教授這份課程的建議學習模式。
-
-## 按原樣使用此 repo
-
-如果您希望按目前的形式使用此 repo，而不使用 GitHub Classroom，也可以這樣做。您需要與您的學生溝通，告訴他們一起學習哪一課。
-
-在線上形式（如 Zoom、Teams 或其他）中，您可以為測驗設置分組討論室，並指導學生準備學習。然後邀請學生參加測驗，並在特定時間以 "issues" 的形式提交答案。如果您希望學生公開合作完成作業，也可以採用相同的方式。
-
-如果您更喜歡更私密的形式，可以要求您的學生逐課 fork 課程到他們自己的 GitHub 私人 repo，並授予您訪問權限。然後他們可以私下完成測驗和作業，並通過 classroom repo 的 issues 提交給您。
-
-在線課堂形式有很多種方式可以運作。請告訴我們哪種方式最適合您！
-
-## 請提供您的意見！
-
-我們希望這份課程能夠滿足您和您學生的需求。請提供您的[反饋](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u)。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/hardware.md b/translations/mo/hardware.md
deleted file mode 100644
index f6ca40c33..000000000
--- a/translations/mo/hardware.md
+++ /dev/null
@@ -1,121 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
-  "translation_date": "2025-08-26T21:26:26+00:00",
-  "source_file": "hardware.md",
-  "language_code": "mo"
-}
--->
-# 硬體
-
-在 IoT 中，**T** 代表的是 **Things（物件）**，指的是與我們周圍環境互動的設備。每個專案都基於學生和愛好者可獲得的實體硬體。我們提供了兩種 IoT 硬體選擇，具體取決於個人偏好、程式語言知識或偏好、學習目標以及硬體的可用性。此外，我們還提供了「虛擬硬體」版本，適合那些無法取得硬體或想在購買前多了解的學習者。
-
-> 💁 完成這些作業並不需要購買任何 IoT 硬體。你可以使用虛擬 IoT 硬體完成所有內容。
-
-實體硬體選擇包括 Arduino 和 Raspberry Pi。每個平台都有其優缺點，這些內容會在初期課程中詳細介紹。如果你尚未決定使用哪種硬體平台，可以參考[第一個專案的第二課](./1-getting-started/lessons/2-deeper-dive/README.md)，以選擇你最感興趣的硬體平台。
-
-我們選擇的硬體旨在降低課程和作業的複雜性。雖然其他硬體可能也能使用，但我們無法保證所有作業都能在未額外添加硬體的情況下支援。例如，許多 Arduino 設備不具備 WiFi 功能，而連接雲端需要 WiFi，因此我們選擇了內建 WiFi 的 Wio Terminal。
-
-此外，你還需要一些非技術性的物品，例如土壤或盆栽，以及水果或蔬菜。
-
-## 購買套件
-
-![Seeed Studios 標誌](../../translated_images/zh-MO/seeed-logo.74732b6b482b6e8e.webp)
-
-Seeed Studios 非常貼心地將所有硬體整合成易於購買的套件：
-
-### Arduino - Wio Terminal
-
-**[適用於初學者的 IoT：Seeed 與 Microsoft 合作推出的 Wio Terminal 入門套件](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
-
-[![Wio Terminal 硬體套件](../../translated_images/zh-MO/wio-hardware-kit.4c70c48b85e4283a.webp)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
-
-### Raspberry Pi
-
-**[適用於初學者的 IoT：Seeed 與 Microsoft 合作推出的 Raspberry Pi 4 入門套件](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
-
-[![Raspberry Pi 硬體套件](../../translated_images/zh-MO/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
-
-## Arduino
-
-所有 Arduino 的設備程式碼均使用 C++ 編寫。要完成所有作業，你需要以下硬體：
-
-### Arduino 硬體
-
-* [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
-* *可選* - USB-C 線或 USB-A 至 USB-C 轉接器。Wio Terminal 配備 USB-C 埠，並附帶 USB-C 至 USB-A 線。如果你的電腦或 Mac 僅有 USB-C 埠，你需要 USB-C 線或 USB-A 至 USB-C 轉接器。
-
-### Arduino 專用感測器與致動器
-
-這些元件僅適用於 Wio Terminal Arduino 設備，與 Raspberry Pi 無關。
-
-* [ArduCam Mini 2MP Plus - OV2640](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)
-* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
-* [麵包板跳線](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
-* 耳機或其他帶 3.5mm 插孔的喇叭，或者 JST 喇叭，例如：
-  * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
-* 16GB 或更小的 microSD 卡，以及用於將 SD 卡連接到電腦的轉接器（如果電腦沒有內建 SD 卡插槽）。**注意** - Wio Terminal 僅支援容量不超過 16GB 的 SD 卡。
-
-## Raspberry Pi
-
-所有 Raspberry Pi 的設備程式碼均使用 Python 編寫。要完成所有作業，你需要以下硬體：
-
-### Raspberry Pi 硬體
-
-* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
-  > 💁 Pi 2B 及以上版本應該都能完成這些課程中的作業。如果你計劃直接在 Pi 上運行 VS Code，則需要 Pi 4 並配備 2GB 或更多 RAM。如果你打算遠端訪問 Pi，那麼任何 Pi 2B 及以上版本都可以使用。
-* microSD 卡（你可以購買附帶 microSD 卡的 Raspberry Pi 套件），以及用於將 SD 卡連接到電腦的轉接器（如果電腦沒有內建 SD 卡插槽）。
-* USB 電源供應器（你可以購買附帶電源供應器的 Raspberry Pi 4 套件）。如果使用 Raspberry Pi 4，則需要 USB-C 電源供應器，較早的設備則需要 micro-USB 電源供應器。
-
-### Raspberry Pi 專用感測器與致動器
-
-這些元件僅適用於 Raspberry Pi，與 Arduino 設備無關。
-
-* [Grove Pi 基座帽](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
-* [Raspberry Pi 攝像頭模組](https://www.raspberrypi.org/products/camera-module-v2/)
-* 麥克風與喇叭：
-
-  可選以下任一（或等效設備）：
-  * 任意 USB 麥克風搭配 USB 喇叭，或帶 3.5mm 插孔的喇叭，或者如果 Raspberry Pi 連接到帶喇叭的顯示器或電視，則使用 HDMI 音頻輸出
-  * 任意內建麥克風的 USB 耳機
-  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) 搭配
-    * 耳機或其他帶 3.5mm 插孔的喇叭，或者 JST 喇叭，例如：
-    * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
-  * [USB 擴音器](https://www.amazon.com/USB-Speakerphone-Conference-Business-Microphones/dp/B07Q3D7F8S/ref=sr_1_1?dchild=1&keywords=m0&qid=1614647389&sr=8-1)
-* [Grove 光感測器](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
-* [Grove 按鈕](https://www.seeedstudio.com/Grove-Button.html)
-
-## 感測器與致動器
-
-大多數感測器與致動器適用於 Arduino 和 Raspberry Pi 學習路徑：
-
-* [Grove LED](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
-* [Grove 濕度與溫度感測器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
-* [Grove 電容式土壤濕度感測器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
-* [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)
-* [Grove GPS (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
-* [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
-
-## 可選硬體
-
-自動澆水課程使用繼電器。作為選項，你可以將此繼電器連接到 USB 供電的水泵，並使用以下硬體：
-
-* [6V 水泵](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
-* [USB 接頭](https://www.adafruit.com/product/3628)
-* 矽膠管
-* 紅色與黑色電線
-* 小型平頭螺絲起子
-
-## 虛擬硬體
-
-虛擬硬體路徑提供感測器與致動器的模擬器，使用 Python 實現。根據你的硬體可用性，你可以在普通開發設備（如 Mac、PC）上運行，或者在 Raspberry Pi 上運行並僅模擬你缺少的硬體。例如，如果你有 Raspberry Pi 攝像頭但沒有 Grove 感測器，你可以在 Pi 上運行虛擬設備程式碼，模擬 Grove 感測器，但使用實體攝像頭。
-
-虛擬硬體將使用 [CounterFit 專案](https://github.com/CounterFit-IoT/CounterFit)。
-
-完成這些課程需要一個網路攝像頭、麥克風和音頻輸出設備（如喇叭或耳機）。這些設備可以是內建的或外接的，並需要配置為與操作系統兼容，且可供所有應用程式使用。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/images/README.md b/translations/mo/images/README.md
deleted file mode 100644
index ff6c15ed3..000000000
--- a/translations/mo/images/README.md
+++ /dev/null
@@ -1,21 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
-  "translation_date": "2025-08-26T21:28:33+00:00",
-  "source_file": "images/README.md",
-  "language_code": "mo"
-}
--->
-# 圖片
-
-[icons](../../../images/icons) 資料夾中的圖片來自 [Noun Project](https://thenounproject.com)，並需要標註來源。每張圖片都列出了所需的標註。這些圖片應用於任何需要它們的圖表，以保持影像的一致性。
-
-[Diagrams.sketch](../../../images/Diagrams.sketch) 文件是一個 [Sketch](https://www.sketch.com) 文件，包含課程和項目中使用的所有圖表。如果您參與翻譯，請通過複製並更新文件或在 GitHub 問題中提供需要翻譯的詞語列表來翻譯這些內容。
-
-其餘的圖片則用於課程和項目中。
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/lesson-template/README.md b/translations/mo/lesson-template/README.md
deleted file mode 100644
index f98bf8d93..000000000
--- a/translations/mo/lesson-template/README.md
+++ /dev/null
@@ -1,65 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
-  "translation_date": "2025-08-27T01:04:01+00:00",
-  "source_file": "lesson-template/README.md",
-  "language_code": "mo"
-}
--->
-# [課程主題]
-
-![嵌入影片](../../../lesson-template/video-url)
-
-## [課前測驗](../../../lesson-template/quiz-url)
-
-[描述我們將學習的內容]
-
-### 介紹
-
-描述將涵蓋的內容
-
-> 注意事項
-
-### 前置條件
-
-在這堂課之前應該完成哪些步驟？
-
-### 準備工作
-
-開始這堂課的準備步驟
-
----
-
-[逐步講解內容]
-
-## [主題 1]
-
-### 任務：
-
-共同合作逐步改進你的代碼庫，以使用共享代碼構建專案：
-
-```html
-code blocks
-```
-
-✅ 知識檢查 - 利用這個時機通過開放性問題擴展學生的知識
-
-## [主題 2]
-
-## [主題 3]
-
-🚀 挑戰：為學生設計一個課堂合作挑戰，提升專案的功能
-
-可選：如果適合，可以添加完成課程後的介面截圖
-
-## [課後測驗](../../../lesson-template/quiz-url)
-
-## 回顧與自學
-
-**作業截止日期 [MM/YY]**: [作業名稱](assignment.md)
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/lesson-template/assignment.md b/translations/mo/lesson-template/assignment.md
deleted file mode 100644
index ae6058589..000000000
--- a/translations/mo/lesson-template/assignment.md
+++ /dev/null
@@ -1,23 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
-  "translation_date": "2025-08-27T01:04:22+00:00",
-  "source_file": "lesson-template/assignment.md",
-  "language_code": "mo"
-}
--->
-# [作業名稱]
-
-## 說明
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需改進 |
-| -------- | ---- | ---- | ------- |
-|          |      |      |         |
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/quiz-app/README.md b/translations/mo/quiz-app/README.md
deleted file mode 100644
index 9f88bc859..000000000
--- a/translations/mo/quiz-app/README.md
+++ /dev/null
@@ -1,127 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
-  "translation_date": "2025-08-27T01:05:14+00:00",
-  "source_file": "quiz-app/README.md",
-  "language_code": "mo"
-}
--->
-# 測驗
-
-這些測驗是 IoT 初學者課程（https://aka.ms/iot-beginners）的課前和課後測驗。
-
-## 專案設置
-
-```
-npm install
-```
-
-### 編譯並啟用開發模式的熱重載
-
-```
-npm run serve
-```
-
-### 編譯並壓縮以進行生產部署
-
-```
-npm run build
-```
-
-### 檢查並修復檔案
-
-```
-npm run lint
-```
-
-### 自訂配置
-
-請參閱[配置參考](https://cli.vuejs.org/config/)。
-
-致謝：感謝此測驗應用程式的原始版本：https://github.com/arpan45/simple-quiz-vue
-
-## 部署到 Azure
-
-以下是幫助您開始的分步指南：
-
-1. Fork GitHub 儲存庫  
-確保您的靜態網站應用程式代碼已存放於 GitHub 儲存庫中。Fork 此儲存庫。
-
-2. 建立 Azure 靜態網站應用程式  
-- 建立並[註冊 Azure 帳戶](http://azure.microsoft.com)  
-- 前往 [Azure 入口網站](https://portal.azure.com)  
-- 點擊「建立資源」，然後搜尋「靜態網站應用程式」。  
-- 點擊「建立」。  
-
-3. 配置靜態網站應用程式  
-- 基本設定：  
-  - 訂閱：選擇您的 Azure 訂閱。  
-  - 資源群組：建立新的資源群組或使用現有的資源群組。  
-  - 名稱：為您的靜態網站應用程式提供一個名稱。  
-  - 區域：選擇最接近您使用者的區域。  
-
-- #### 部署詳情：  
-  - 原始碼來源：選擇「GitHub」。  
-  - GitHub 帳戶：授權 Azure 訪問您的 GitHub 帳戶。  
-  - 組織：選擇您的 GitHub 組織。  
-  - 儲存庫：選擇包含靜態網站應用程式的儲存庫。  
-  - 分支：選擇您要部署的分支。  
-
-- #### 建置詳情：  
-  - 建置預設值：選擇您的應用程式所使用的框架（例如 React、Angular、Vue 等）。  
-  - 應用程式位置：指定包含應用程式代碼的資料夾（例如，如果在根目錄，則為 /）。  
-  - API 位置：如果有 API，請指定其位置（可選）。  
-  - 輸出位置：指定生成輸出的資料夾（例如 build 或 dist）。  
-
-4. 檢查並建立  
-檢查您的設置，然後點擊「建立」。Azure 將設置必要的資源，並在您的儲存庫中建立一個 GitHub Actions 工作流程。
-
-5. GitHub Actions 工作流程  
-Azure 會自動在您的儲存庫中建立一個 GitHub Actions 工作流程檔案（.github/workflows/azure-static-web-apps-<name>.yml）。此工作流程將處理建置和部署過程。
-
-6. 監控部署  
-前往 GitHub 儲存庫中的「Actions」標籤。  
-您應該會看到一個正在運行的工作流程。此工作流程將建置並部署您的靜態網站應用程式到 Azure。  
-一旦工作流程完成，您的應用程式將在提供的 Azure URL 上線。
-
-### 範例工作流程檔案
-
-以下是 GitHub Actions 工作流程檔案的範例：  
-name: Azure Static Web Apps CI/CD  
-```
-on:
-  push:
-    branches:
-      - main
-  pull_request:
-    types: [opened, synchronize, reopened, closed]
-    branches:
-      - main
-
-jobs:
-  build_and_deploy_job:
-    runs-on: ubuntu-latest
-    name: Build and Deploy Job
-    steps:
-      - uses: actions/checkout@v2
-      - name: Build And Deploy
-        id: builddeploy
-        uses: Azure/static-web-apps-deploy@v1
-        with:
-          azure_static_web_apps_api_token: ${{ secrets.AZURE_STATIC_WEB_APPS_API_TOKEN }}
-          repo_token: ${{ secrets.GITHUB_TOKEN }}
-          action: "upload"
-          app_location: "quiz-app" #App source code path
-          api_location: ""API source code path optional
-          output_location: "dist" #Built app content directory - optional
-```
-
-### 其他資源
-- [Azure 靜態網站應用程式文件](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
-- [GitHub Actions 文件](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/recommended-learning-model.md b/translations/mo/recommended-learning-model.md
deleted file mode 100644
index 2f1ffd804..000000000
--- a/translations/mo/recommended-learning-model.md
+++ /dev/null
@@ -1,55 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
-  "translation_date": "2025-08-26T21:18:26+00:00",
-  "source_file": "recommended-learning-model.md",
-  "language_code": "mo"
-}
--->
-# 推薦的學習模式
-
-為了達到最有效的學習成果，**我們建議採用「翻轉模式」的學習方法**，類似於科學實驗室：學生在課堂上進行專案，並有機會進行討論、問答以及獲得專案協助，而講課部分則由學生在課前自行閱讀完成。
-
-## 為什麼選擇翻轉學習？
-
-1. 這種教學模式結合了多種學習方法——視覺、聽覺、動手操作、問題解決等。[[1]](../..)
-2. 翻轉教室已被證明能提升專注力、參與度、動機、自主學習能力、知識保留以及溝通能力（包括師生之間和學生之間的溝通）。[[2,3]](../..)
-3. 作為教師，您可以花更多時間幫助有困難的學生，同時讓進度較快的學生有更多自由去提前探索。[[4]](../..)
-
-我們還建議教師扮演**「共同促進者」**的角色，與學生一起學習，並在學生基於自身興趣和見解進行探索和提問時提供支持。
-
-在這裡，沒有「唯一正確的方法」。有時候，您可能無法解答所有問題。有些學生可能無法完成所有專案。您的目標是幫助學生自然地找到解決問題的方法，這些方法可能比他們原本預期的更具趣味性、更具合作性或更具自主性。
-
-## 有用的促進技巧：
-
-* 反思您觀察到的內容，提出問題並做出觀察。
-* 使用像「我注意到……」和「我想知道……」這樣的語句。
-* 將有困難的學生與已經找到解決方案的學生連結起來。
-* 指出元件和部分，或對學生卡住時可以嘗試的不同方法提出建議。請學生一次改變一個變數，並觀察結果。
-* 承認挫折並肯定努力。
-* 除非學生需要實際的物理協助，否則避免為學生構建或編碼。
-
-## 範例促進語言：
-
-* 「在問我之前，先問兩位其他同學。」
-* 「再試兩分鐘……」
-* 「我們試著先暫時放下這個問題。也許你可以幫助其他同學解決他們的電路連接問題，因為你已經解決了這部分？」
-* 「我想知道是否有其他學生遇到過同樣的問題。我們來看看吧！」
-* 「你真的投入了很多努力並解決了這個問題！我可以推薦其他同學向你請教這部分嗎？」
-* 「這很奇怪，我也不太明白。也許我們可以問問其他同學，或者如果你解決了，能否與全班分享？」
-
-## 參考資料
-
-[1] [An empirical study on the effectiveness of College English Reading classroom teaching in the flipped classroom paradigm (researchgate.net)](https://www.researchgate.net/publication/322264495_An_empirical_study_on_the_effectiveness_of_College_English_Reading_classroom_teaching_in_the_flipped_classroom_paradigm). Accessed 4/21/21.
-
-[2] [Flipped Classroom adapted to the ARCS Model of Motivation and applied to a Physics Course (ejmste.com)](https://www.ejmste.com/article/flipped-classroom-adapted-to-the-arcs-model-of-motivation-and-applied-to-a-physics-course-4562). Accessed 4/21/21.
-
-[3] [How Does Flipping Classroom Foster the STEM Education: A Case Study of the FPD Model | SpringerLink](https://link.springer.com/article/10.1007/s10758-020-09443-9). Accessed 4/21/21
-
-[4] [An Introduction to Flipped Learning | Lesley University](https://lesley.edu/article/an-introduction-to-flipped-learning#:~:text=An%20Introduction%20to%20Flipped%20Learning.%20Flipped%20learning%20is,advancements%20in%20the%20modern%20classroom%20is%20flipped%20learning.). Accessed 4/21/21.
-
----
-
-**免責聲明**：  
-本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/README.md b/translations/tw/1-getting-started/README.md
deleted file mode 100644
index e6bf3950f..000000000
--- a/translations/tw/1-getting-started/README.md
+++ /dev/null
@@ -1,28 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
-  "translation_date": "2025-08-24T22:59:25+00:00",
-  "source_file": "1-getting-started/README.md",
-  "language_code": "tw"
-}
--->
-# 開始學習物聯網
-
-在本課程中，您將了解物聯網的基本概念，並學習如何建立您的第一個「Hello World」物聯網專案，將設備連接到雲端。這個專案是一個夜燈，當感測器測量到光線水平下降時，燈光會亮起。
-
-![LED 連接到 WIO，隨著光線水平變化而開啟和關閉](../../../images/wio-running-assignment-1-1.gif)
-
-## 主題
-
-1. [物聯網簡介](lessons/1-introduction-to-iot/README.md)
-1. [深入了解物聯網](lessons/2-deeper-dive/README.md)
-1. [使用感測器和致動器與物理世界互動](lessons/3-sensors-and-actuators/README.md)
-1. [將您的設備連接到互聯網](lessons/4-connect-internet/README.md)
-
-## 致謝
-
-所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/tw/1-getting-started/lessons/1-introduction-to-iot/README.md
deleted file mode 100644
index fde81481d..000000000
--- a/translations/tw/1-getting-started/lessons/1-introduction-to-iot/README.md
+++ /dev/null
@@ -1,240 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
-  "translation_date": "2025-08-24T23:27:06+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
-  "language_code": "tw"
-}
--->
-# 物聯網簡介
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-TW/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩個影片進行教學——一個 1 小時的課程，以及一個 1 小時的辦公時間，深入探討課程內容並回答問題。
-
-[![課程 1：物聯網簡介](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
-
-[![課程 1：物聯網簡介 - 辦公時間](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
-
-## 簡介
-
-本課程涵蓋了有關物聯網的一些入門主題，並幫助您開始設置硬體。
-
-在本課程中，我們將討論：
-
-* [什麼是「物聯網」？](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [物聯網設備](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [設置您的設備](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [物聯網的應用](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-* [您周圍可能擁有的物聯網設備範例](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-
-## 什麼是「物聯網」？
-
-「物聯網」這個術語由 [Kevin Ashton](https://wikipedia.org/wiki/Kevin_Ashton) 在 1999 年提出，用來描述通過感測器將互聯網連接到物理世界。自那時以來，這個術語被用來描述任何與周圍物理世界互動的設備，無論是通過感測器收集數據，還是通過致動器（例如打開開關或點亮 LED 的設備）提供實際的互動，通常這些設備會連接到其他設備或互聯網。
-
-> **感測器** 從世界中收集信息，例如測量速度、溫度或位置。
->
-> **致動器** 將電信號轉換為實際的互動，例如觸發開關、打開燈光、發出聲音，或向其他硬體發送控制信號，例如打開電源插座。
-
-物聯網作為一個技術領域，不僅僅是設備本身——它還包括基於雲端的服務，這些服務可以處理感測器數據，或向連接到物聯網設備的致動器發送請求。它還包括不具備或不需要互聯網連接的設備，通常被稱為邊緣設備。這些設備可以自行處理和響應感測器數據，通常使用在雲端訓練的 AI 模型。
-
-物聯網是一個快速增長的技術領域。據估計，到 2020 年底，已有 300 億個物聯網設備被部署並連接到互聯網。展望未來，預計到 2025 年，物聯網設備將收集近 80 ZB（zettabytes，十萬億 GB）的數據。這是一個巨大的數據量！
-
-![一個顯示活躍物聯網設備隨時間增長的圖表，從 2015 年的不到 50 億增長到 2025 年的超過 300 億](../../../../../images/connected-iot-devices.svg)
-
-✅ 做一些研究：物聯網設備生成的數據中有多少實際被使用了，又有多少被浪費了？為什麼會有這麼多數據被忽略？
-
-這些數據是物聯網成功的關鍵。要成為一名成功的物聯網開發者，您需要了解需要收集的數據、如何收集數據、如何根據數據做出決策，以及在需要時如何利用這些決策與物理世界互動。
-
-## 物聯網設備
-
-物聯網中的 **T** 代表 **Things（物件）**——這些設備通過感測器收集數據或通過致動器提供實際的互動，與周圍的物理世界互動。
-
-用於生產或商業用途的設備，例如消費者健身追蹤器或工業機器控制器，通常是定制製造的。它們使用定制的電路板，甚至可能是定制的處理器，以滿足特定任務的需求，無論是小到可以戴在手腕上，還是堅固到可以在高溫、高壓或高振動的工廠環境中工作。
-
-作為一名學習物聯網或創建設備原型的開發者，您需要從開發套件開始。這些是為開發者設計的通用物聯網設備，通常具有生產設備不會有的功能，例如一組外部引腳，用於連接感測器或致動器，支持調試的硬體，或在大規模生產中會增加不必要成本的額外資源。
-
-這些開發套件通常分為兩類——微控制器和單板電腦。我們將在這裡介紹它們，並在下一課中進一步詳細說明。
-
-> 💁 您的手機也可以被視為一種通用的物聯網設備，內建感測器和致動器，不同的應用程式以不同的方式使用這些感測器和致動器，並與不同的雲端服務交互。您甚至可以找到一些使用手機應用程式作為物聯網設備的教程。
-
-### 微控制器
-
-微控制器（也稱為 MCU，Microcontroller Unit 的縮寫）是一種小型計算機，由以下部分組成：
-
-🧠 一個或多個中央處理單元（CPU）——微控制器的「大腦」，負責運行您的程式
-
-💾 記憶體（RAM 和程式記憶體）——存儲您的程式、數據和變數
-
-🔌 可編程的輸入/輸出（I/O）連接——與外部周邊設備（連接的設備）如感測器和致動器進行通信
-
-微控制器通常是低成本的計算設備，用於定制硬體的微控制器平均價格約為 0.50 美元，有些設備甚至低至 0.03 美元。開發套件的起價約為 4 美元，隨著功能的增加，成本也會上升。[Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 是 [Seeed Studios](https://www.seeedstudio.com) 的一款微控制器開發套件，內建感測器、致動器、WiFi 和螢幕，價格約為 30 美元。
-
-![Wio Terminal](../../../../../translated_images/zh-TW/wio-terminal.b8299ee16587db9a.webp)
-
-> 💁 在網上搜索微控制器時，請注意搜索術語 **MCU**，因為這可能會返回大量有關漫威電影宇宙（Marvel Cinematic Universe）的結果，而不是微控制器。
-
-微控制器的設計目的是執行有限數量的非常特定的任務，而不是像 PC 或 Mac 那樣的通用計算機。除非是非常特定的情況，否則您無法連接顯示器、鍵盤和滑鼠，並將其用於通用任務。
-
-微控制器開發套件通常內建額外的感測器和致動器。大多數開發板會有一個或多個可編程的 LED，以及其他設備，例如標準插頭，用於通過各製造商的生態系統添加更多感測器或致動器，或內建感測器（通常是最受歡迎的，例如溫度感測器）。一些微控制器內建無線連接功能，例如藍牙或 WiFi，或者在開發板上添加額外的微控制器以實現這些連接功能。
-
-> 💁 微控制器通常使用 C/C++ 編程。
-
-### 單板電腦
-
-單板電腦是一種小型計算設備，將完整計算機的所有元素集成在一個小型電路板上。這些設備的規格接近桌上型或筆記型電腦，運行完整的操作系統，但體積更小，功耗更低，價格也便宜得多。
-
-![Raspberry Pi 4](../../../../../translated_images/zh-TW/raspberry-pi-4.fd4590d308c3d456.webp)
-
-Raspberry Pi 是最受歡迎的單板電腦之一。
-
-與微控制器類似，單板電腦具有 CPU、記憶體和輸入/輸出引腳，但它們還具有額外的功能，例如圖形晶片以連接顯示器、音訊輸出，以及 USB 埠以連接鍵盤、滑鼠和其他標準 USB 設備（如網路攝影機或外部存儲設備）。程式和操作系統存儲在 SD 卡或硬碟上，而不是內建在電路板上的記憶體晶片。
-
-> 🎓 您可以將單板電腦視為您正在使用的 PC 或 Mac 的更小、更便宜版本，並額外配備 GPIO（通用輸入/輸出）引腳，用於與感測器和致動器交互。
-
-單板電腦是功能齊全的計算機，因此可以使用任何語言進行編程。物聯網設備通常使用 Python 編程。
-
-### 後續課程的硬體選擇
-
-所有後續課程都包括使用物聯網設備與物理世界交互並與雲端通信的作業。每節課支持三種設備選擇——Arduino（使用 Seeed Studios 的 Wio Terminal），或單板電腦（實體設備 Raspberry Pi 4 或在 PC 或 Mac 上運行的虛擬單板電腦）。
-
-您可以在 [硬體指南](../../../hardware.md) 中閱讀完成所有作業所需的硬體。
-
-> 💁 您不需要購買任何物聯網硬體即可完成作業，您可以使用虛擬單板電腦完成所有內容。
-
-選擇哪種硬體取決於您家中或學校中可用的設備，以及您已掌握或計劃學習的編程語言。兩種硬體變體將使用相同的感測器生態系統，因此如果您選擇了一種路徑，之後可以切換到另一種，而無需更換大部分設備。虛擬單板電腦相當於在 Raspberry Pi 上學習，大部分程式碼可以轉移到實體 Pi 上，當您最終獲得設備和感測器時。
-
-### Arduino 開發套件
-
-如果您對學習微控制器開發感興趣，可以使用 Arduino 設備完成作業。您需要對 C/C++ 編程有基本的了解，因為課程只會教授與 Arduino 框架、感測器和致動器以及與雲端交互的庫相關的程式碼。
-
-作業將使用 [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) 和 [PlatformIO 微控制器開發擴展](https://platformio.org)。如果您熟悉 Arduino IDE，也可以使用該工具，但課程中不會提供相關指導。
-
-### 單板電腦開發套件
-
-如果您對使用單板電腦進行物聯網開發感興趣，可以使用 Raspberry Pi 或在 PC 或 Mac 上運行的虛擬設備完成作業。
-
-您需要對 Python 編程有基本的了解，因為課程只會教授與感測器和致動器以及與雲端交互的庫相關的程式碼。
-
-> 💁 如果您想學習 Python 編程，請參考以下兩個影片系列：
->
-> * [Python 初學者教程](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
-> * [進階 Python 初學者教程](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
-
-作業將使用 [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn)。
-
-如果您使用 Raspberry Pi，可以選擇運行完整桌面版本的 Raspberry Pi OS，並直接在 Pi 上使用 [Raspberry Pi OS 版本的 VS Code](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn) 進行編程，或者將 Pi 作為無頭設備運行，並使用 VS Code 的 [Remote SSH 擴展](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) 從 PC 或 Mac 連接到 Pi，像直接在 Pi 上編程一樣進行編輯、調試和運行程式。
-
-如果您選擇虛擬設備選項，您將直接在電腦上編程。與其訪問感測器和致動器，您將使用一個工具來模擬這些硬體，提供您可以定義的感測器值，並在螢幕上顯示致動器的結果。
-
-## 設置您的設備
-
-在開始編程您的物聯網設備之前，您需要進行一些基本設置。根據您將使用的設備，請遵循相關指導進行設置。
-💁 如果你還沒有設備，請參考[硬體指南](../../../hardware.md)，以幫助決定你將使用哪種設備，以及需要購買哪些額外的硬體。你不需要購買硬體，因為所有專案都可以在虛擬硬體上運行。
-這些指引包含了來自硬體或工具製造商的第三方網站連結，目的是確保您始終使用最新的工具和硬體指引。
-
-按照相關指南設置您的設備，並完成一個「Hello World」項目。這將是本入門部分四節課中創建物聯網夜燈的第一步。
-
-* [Arduino - Wio Terminal](wio-terminal.md)  
-* [單板電腦 - Raspberry Pi](pi.md)  
-* [單板電腦 - 虛擬設備](virtual-device.md)  
-
-✅ 您將使用 VS Code 來操作 Arduino 和單板電腦。如果您之前未使用過，請在 [VS Code 官方網站](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 了解更多。
-
-## 物聯網的應用
-
-物聯網涵蓋了廣泛的使用案例，主要分為以下幾大類：
-
-* 消費型物聯網  
-* 商業型物聯網  
-* 工業型物聯網  
-* 基礎設施型物聯網  
-
-✅ 做一些研究：針對以下描述的每個領域，找出一個文中未提到的具體例子。
-
-### 消費型物聯網
-
-消費型物聯網指的是消費者會購買並在家中使用的物聯網設備。其中一些設備非常實用，例如智能音箱、智能供暖系統和掃地機器人。另一些設備的實用性則值得商榷，例如語音控制的水龍頭，當水聲太大導致語音控制無法聽到時，您可能無法關閉水龍頭。
-
-消費型物聯網設備讓人們能在周圍環境中實現更多目標，尤其是對於全球 10 億有殘疾的人士來說。掃地機器人可以幫助行動不便的人保持地板清潔，語音控制的烤箱讓視力或運動能力有限的人僅用語音即可加熱烤箱，健康監測設備則能讓患者更頻繁且詳細地監控慢性病情況。這些設備變得如此普及，甚至連小孩都將它們融入日常生活。例如，在 COVID 疫情期間進行虛擬學習的學生會使用智能家居設備設置計時器來追蹤學業進度，或設置鬧鐘提醒即將開始的課堂會議。
-
-✅ 您身上或家中有哪些消費型物聯網設備？
-
-### 商業型物聯網
-
-商業型物聯網涵蓋了物聯網在工作場所的應用。在辦公室環境中，可能會有佔用感應器和運動檢測器來管理照明和供暖，僅在需要時開啟燈光和供暖，從而降低成本和碳排放。在工廠中，物聯網設備可以監控安全隱患，例如員工未佩戴安全帽或噪音達到危險水平。在零售業，物聯網設備可以測量冷藏設備的溫度，當冰箱或冷凍櫃的溫度超出規定範圍時提醒店主，或者監控貨架上的商品，指導員工補充已售出的商品。運輸行業越來越依賴物聯網來監控車輛位置、追蹤道路行駛里程以進行道路使用收費、追蹤駕駛員的工作時間和休息合規性，或在車輛接近倉庫時通知員工準備裝卸貨物。
-
-✅ 您的學校或工作場所有哪些商業型物聯網設備？
-
-### 工業型物聯網 (IIoT)
-
-工業型物聯網（IIoT）是指在大規模機械控制和管理中使用物聯網設備。這涵蓋了從工廠到數字農業的廣泛使用案例。
-
-工廠以多種方式使用物聯網設備。機械設備可以通過多個感應器監控溫度、振動和旋轉速度等數據。這些數據可以被監控，當機械超出某些容差範圍時（例如過熱），可以自動停止運行。這些數據還可以隨時間收集並分析，用於預測性維護，AI 模型會分析故障前的數據，並利用這些數據預測其他潛在故障。
-
-數字農業對於養活日益增長的人口至關重要，尤其是對於依靠[自給農業](https://wikipedia.org/wiki/Subsistence_agriculture)維生的 5 億家庭中的 20 億人來說。數字農業的範圍從幾美元的簡單感應器到大型商業設施不等。農民可以通過監控溫度並使用[生長度日](https://wikipedia.org/wiki/Growing_degree-day)來預測作物的收穫時間。他們可以將土壤濕度監測與自動灌溉系統連接，為作物提供所需的水分，既不會讓作物乾枯，也不會浪費水資源。農民甚至進一步利用無人機、衛星數據和 AI 來監控大面積農田的作物生長、病害和土壤質量。
-
-✅ 還有哪些物聯網設備可以幫助農民？
-
-### 基礎設施型物聯網
-
-基礎設施型物聯網是用於監控和控制人們日常使用的本地和全球基礎設施。
-
-[智慧城市](https://wikipedia.org/wiki/Smart_city)是利用物聯網設備收集城市數據並改善城市運行的都市區域。這些城市通常由地方政府、學術界和當地企業合作運營，追蹤和管理從交通到停車和污染等各種事務。例如，在丹麥哥本哈根，空氣污染對當地居民非常重要，因此會進行測量，並利用數據提供最清潔的騎行和慢跑路線。
-
-[智慧電網](https://wikipedia.org/wiki/Smart_grid)通過收集個別家庭的用電數據，提供更好的電力需求分析。這些數據可以用於國家層面的決策，例如建設新電站的位置，也可以用於個人層面，幫助用戶了解自己的用電量、用電時間，甚至提供降低成本的建議，例如在夜間為電動汽車充電。
-
-✅ 如果您可以在居住地添加物聯網設備來測量任何事物，您會選擇什麼？
-
-## 您周圍可能擁有的物聯網設備示例
-
-您可能會驚訝於周圍有多少物聯網設備。我正在家中撰寫這篇文章，我家中有以下設備連接到互聯網，並具有應用控制、語音控制或通過手機向我發送數據的智能功能：
-
-* 多個智能音箱  
-* 冰箱、洗碗機、烤箱和微波爐  
-* 太陽能板的電力監測器  
-* 智能插座  
-* 視頻門鈴和安全攝像頭  
-* 帶有多個智能房間感應器的智能恆溫器  
-* 車庫門開啟器  
-* 家庭娛樂系統和語音控制電視  
-* 燈光  
-* 健身和健康追蹤器  
-
-所有這些設備都具有感應器和/或執行器，並與互聯網通信。我可以通過手機查看車庫門是否開著，並讓智能音箱幫我關上。我甚至可以設置定時器，如果晚上車庫門仍然開著，它會自動關閉。當門鈴響起時，我可以通過手機查看誰在門口，無論我身在世界何處，還可以通過門鈴內置的揚聲器和麥克風與他們交談。我可以監控我的血糖、心率和睡眠模式，通過數據模式改善我的健康。我可以通過雲端控制燈光，但當我的網絡連接中斷時，我可能會坐在黑暗中。
-
----
-
-## 🚀 挑戰
-
-列出您家中、學校或工作場所的所有物聯網設備——可能比您想像的還要多！
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
-
-## 回顧與自學
-
-閱讀有關消費型物聯網項目優勢和失敗的資料。在新聞網站上查找有關失敗案例的文章，例如隱私問題、硬體問題或因缺乏連接性而引發的問題。
-
-一些例子：
-
-* 查看 Twitter 帳戶 **[Internet of Sh*t](https://twitter.com/internetofshit)** *(內含粗俗語言警告)*，了解一些消費型物聯網失敗的好例子。  
-* [c|net - 我的 Apple Watch 救了我的命：5 人分享他們的故事](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)  
-* [c|net - ADT 技術員承認多年來窺探客戶攝像頭畫面](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(內含非自願窺視警告)*  
-
-## 作業
-
-[調查一個物聯網項目](assignment.md)  
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/tw/1-getting-started/lessons/1-introduction-to-iot/assignment.md
deleted file mode 100644
index d6caa15c6..000000000
--- a/translations/tw/1-getting-started/lessons/1-introduction-to-iot/assignment.md
+++ /dev/null
@@ -1,25 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
-  "translation_date": "2025-08-24T23:31:37+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
-  "language_code": "tw"
-}
--->
-# 調查一個物聯網項目
-
-## 說明
-
-全球正在推行許多大大小小的物聯網項目，從智慧農場到智慧城市，涵蓋醫療監測、交通運輸以及公共空間的使用。
-
-在網路上搜尋一個令你感興趣的項目，最好是離你住的地方較近的。解釋該項目的優點和缺點，例如它帶來了哪些好處、可能引發的問題，以及如何考慮隱私問題。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 解釋優點和缺點 | 清楚地解釋了項目的優點和缺點 | 簡要地解釋了項目的優點和缺點 | 未解釋項目的優點或缺點 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/tw/1-getting-started/lessons/1-introduction-to-iot/pi.md
deleted file mode 100644
index c32a185ec..000000000
--- a/translations/tw/1-getting-started/lessons/1-introduction-to-iot/pi.md
+++ /dev/null
@@ -1,284 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
-  "translation_date": "2025-08-24T23:35:07+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
-  "language_code": "tw"
-}
--->
-# 樹莓派
-
-[樹莓派](https://raspberrypi.org) 是一款單板電腦。你可以使用各種設備和生態系統添加感測器和致動器，這些課程中將使用一個名為 [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) 的硬體生態系統。你將使用 Python 為樹莓派編寫程式並存取 Grove 感測器。
-
-![樹莓派 4](../../../../../translated_images/zh-TW/raspberry-pi-4.fd4590d308c3d456.webp)
-
-## 設置
-
-如果你使用樹莓派作為物聯網硬體，有兩種選擇——你可以直接在樹莓派上完成所有這些課程並編寫程式，或者你可以遠端連接到一個「無頭」的樹莓派，並從你的電腦上進行編碼。
-
-在開始之前，你還需要將 Grove Base Hat 連接到樹莓派。
-
-### 任務 - 設置
-
-將 Grove Base Hat 安裝到樹莓派並配置樹莓派。
-
-1. 將 Grove Base Hat 連接到樹莓派。帽子上的插槽覆蓋樹莓派上的所有 GPIO 引腳，滑動到底部以穩固地固定在基座上。它覆蓋在樹莓派上。
-
-    ![安裝 Grove Hat](../../../../../images/pi-grove-hat-fitting.gif)
-
-1. 決定你想如何編程樹莓派，然後前往以下相關部分：
-
-    * [直接在樹莓派上工作](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-    * [遠端訪問以編寫樹莓派程式](../../../../../1-getting-started/lessons/1-introduction-to-iot)
-
-### 直接在樹莓派上工作
-
-如果你想直接在樹莓派上工作，可以使用樹莓派 OS 的桌面版本並安裝所有需要的工具。
-
-#### 任務 - 直接在樹莓派上工作
-
-為開發設置樹莓派。
-
-1. 按照 [樹莓派設置指南](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up) 中的說明設置樹莓派，連接鍵盤/滑鼠/顯示器，連接到 WiFi 或乙太網路，並更新軟體。
-
-為了使用 Grove 感測器和致動器編寫樹莓派程式，你需要安裝一個編輯器來編寫設備程式碼，以及與 Grove 硬體互動的各種庫和工具。
-
-1. 樹莓派重新啟動後，點擊頂部菜單欄上的 **Terminal** 圖標啟動終端，或者選擇 *Menu -> Accessories -> Terminal*。
-
-1. 執行以下命令以確保操作系統和已安裝的軟體是最新的：
-
-    ```sh
-    sudo apt update && sudo apt full-upgrade --yes
-    ```
-
-1. 執行以下命令以安裝 Grove 硬體所需的所有庫：
-
-    ```sh
-    sudo apt install git python3-dev python3-pip --yes
-
-    git clone https://github.com/Seeed-Studio/grove.py
-    cd grove.py
-    sudo pip3 install .
-
-    sudo raspi-config nonint do_i2c 0
-    ```
-
-    這首先安裝 Git 和 Pip，用於安裝 Python 套件。
-
-    Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是其他人編寫並發布到網路上的程式碼套件。你可以用一條命令將 Pip 套件安裝到你的電腦上，然後在程式碼中使用該套件。
-
-    Seeed Grove 的 Python 套件需要從原始碼安裝。這些命令將克隆包含該套件原始碼的倉庫，然後在本地安裝它。
-
-    > 💁 默認情況下，當你安裝一個套件時，它在你的電腦上是全域可用的，這可能會導致套件版本的問題——例如，一個應用程式依賴於某個版本的套件，而當你為另一個應用程式安裝新版本時，可能會導致問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，本質上是在一個專用資料夾中的 Python 副本，當你安裝 Pip 套件時，它們只會安裝到該資料夾中。在使用樹莓派時，你不會使用虛擬環境。Grove 安裝腳本會全域安裝 Grove 的 Python 套件，因此如果要使用虛擬環境，你需要設置虛擬環境，然後手動重新安裝 Grove 套件到該環境中。使用全域套件更簡單，特別是因為許多樹莓派開發者會為每個專案重新刷新乾淨的 SD 卡。
-
-    最後，這將啟用 I<sup>2</sup>C 介面。
-
-1. 使用菜單或在終端中執行以下命令重新啟動樹莓派：
-
-    ```sh
-    sudo reboot
-    ```
-
-1. 樹莓派重新啟動後，重新啟動終端並執行以下命令安裝 [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn)——這是你將用來用 Python 編寫設備程式碼的編輯器。
-
-    ```sh
-    sudo apt install code
-    ```
-
-    安裝完成後，VS Code 將可從頂部菜單中使用。
-
-    > 💁 如果你有偏好的工具，可以自由使用任何 Python IDE 或編輯器進行這些課程，但課程中的指導將基於使用 VS Code。
-
-1. 安裝 Pylance。這是 VS Code 的一個擴展，提供 Python 語言支持。請參考 [Pylance 擴展文檔](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 了解如何在 VS Code 中安裝此擴展。
-
-### 遠端訪問以編寫樹莓派程式
-
-與其直接在樹莓派上編碼，你可以讓它以「無頭」模式運行，也就是不連接鍵盤/滑鼠/顯示器，並從你的電腦上使用 Visual Studio Code 進行配置和編碼。
-
-#### 設置樹莓派操作系統
-
-要遠端編碼，需要將樹莓派操作系統安裝到 SD 卡上。
-
-##### 任務 - 設置樹莓派操作系統
-
-設置無頭樹莓派操作系統。
-
-1. 從 [樹莓派操作系統軟體頁面](https://www.raspberrypi.org/software/) 下載 **Raspberry Pi Imager** 並安裝它。
-
-1. 將 SD 卡插入電腦，如有需要使用轉接器。
-
-1. 啟動 Raspberry Pi Imager。
-
-1. 在 Raspberry Pi Imager 中，選擇 **CHOOSE OS** 按鈕，然後選擇 *Raspberry Pi OS (Other)*，接著選擇 *Raspberry Pi OS Lite (32-bit)*。
-
-    ![Raspberry Pi Imager 中選擇 Raspberry Pi OS Lite](../../../../../translated_images/zh-TW/raspberry-pi-imager.24aedeab9e233d84.webp)
-
-    > 💁 Raspberry Pi OS Lite 是一個沒有桌面 UI 或基於 UI 工具的樹莓派操作系統版本。這些對於無頭樹莓派來說並不需要，並且使安裝更小，啟動時間更快。
-
-1. 選擇 **CHOOSE STORAGE** 按鈕，然後選擇你的 SD 卡。
-
-1. 按下 `Ctrl+Shift+X` 啟動 **Advanced Options**。這些選項允許在將操作系統寫入 SD 卡之前進行一些預配置。
-
-    1. 勾選 **Enable SSH** 選框，並為 `pi` 使用者設置密碼。這是你稍後登錄樹莓派時使用的密碼。
-
-    1. 如果你計劃通過 WiFi 連接到樹莓派，勾選 **Configure WiFi** 選框，並輸入你的 WiFi SSID 和密碼，以及選擇你的 WiFi 國家。若使用乙太網線則不需要此步驟。確保你連接的網路與電腦在同一網路中。
-
-    1. 勾選 **Set locale settings** 選框，並設置你的國家和時區。
-
-    1. 選擇 **SAVE** 按鈕。
-
-1. 選擇 **WRITE** 按鈕將操作系統寫入 SD 卡。如果你使用 macOS，系統會要求你輸入密碼，因為寫入磁碟映像的底層工具需要特權訪問。
-
-操作系統將被寫入 SD 卡，完成後操作系統會彈出該卡，並通知你。從電腦中取出 SD 卡，插入樹莓派，啟動樹莓派並等待約 2 分鐘讓其正常啟動。
-
-#### 連接到樹莓派
-
-下一步是遠端訪問樹莓派。你可以使用 `ssh` 來完成，這在 macOS、Linux 和最近版本的 Windows 上都可用。
-
-##### 任務 - 連接到樹莓派
-
-遠端訪問樹莓派。
-
-1. 啟動終端或命令提示符，輸入以下命令連接到樹莓派：
-
-    ```sh
-    ssh pi@raspberrypi.local
-    ```
-
-    如果你使用的是舊版本的 Windows，且未安裝 `ssh`，可以使用 OpenSSH。安裝說明請參考 [OpenSSH 安裝文檔](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn)。
-
-1. 這應該會連接到樹莓派並要求輸入密碼。
-
-    能夠通過 `<hostname>.local` 在網路上找到電腦是 Linux 和 Windows 的一個相對較新的功能。如果你使用的是 Linux 或 Windows，並且收到有關找不到主機名的錯誤，則需要安裝額外的軟體以啟用 ZeroConf 網路（Apple 稱之為 Bonjour）：
-
-    1. 如果你使用的是 Linux，使用以下命令安裝 Avahi：
-
-        ```sh
-        sudo apt-get install avahi-daemon
-        ```
-
-    1. 如果你使用的是 Windows，啟用 ZeroConf 最簡單的方法是安裝 [Bonjour Print Services for Windows](http://support.apple.com/kb/DL999)。你也可以安裝 [iTunes for Windows](https://www.apple.com/itunes/download/) 以獲得該工具的更新版本（該工具無法單獨下載）。
-
-    > 💁 如果無法使用 `raspberrypi.local` 連接，則可以使用樹莓派的 IP 地址。請參考 [樹莓派 IP 地址文檔](https://www.raspberrypi.org/documentation/remote-access/ip-address.md) 獲取多種獲取 IP 地址的方法。
-
-1. 輸入你在 Raspberry Pi Imager 高級選項中設置的密碼。
-
-#### 配置樹莓派上的軟體
-
-連接到樹莓派後，需要確保操作系統是最新的，並安裝與 Grove 硬體互動的各種庫和工具。
-
-##### 任務 - 配置樹莓派上的軟體
-
-配置已安裝的樹莓派軟體並安裝 Grove 庫。
-
-1. 在你的 `ssh` 會話中，執行以下命令以更新並重新啟動樹莓派：
-
-    ```sh
-    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
-    ```
-
-    樹莓派將被更新並重新啟動。當樹莓派重新啟動時，`ssh` 會話將結束，因此等待約 30 秒後重新連接。
-
-1. 在重新連接的 `ssh` 會話中，執行以下命令以安裝 Grove 硬體所需的所有庫：
-
-    ```sh
-    sudo apt install git python3-dev python3-pip --yes
-
-    git clone https://github.com/Seeed-Studio/grove.py
-    cd grove.py
-    sudo pip3 install .
-
-    sudo raspi-config nonint do_i2c 0
-    ```
-
-    這首先安裝 Git 和 Pip，用於安裝 Python 套件。
-
-    Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是其他人編寫並發布到網路上的程式碼套件。你可以用一條命令將 Pip 套件安裝到你的電腦上，然後在程式碼中使用該套件。
-
-    Seeed Grove 的 Python 套件需要從原始碼安裝。這些命令將克隆包含該套件原始碼的倉庫，然後在本地安裝它。
-
-    > 💁 默認情況下，當你安裝一個套件時，它在你的電腦上是全域可用的，這可能會導致套件版本的問題——例如，一個應用程式依賴於某個版本的套件，而當你為另一個應用程式安裝新版本時，可能會導致問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，本質上是在一個專用資料夾中的 Python 副本，當你安裝 Pip 套件時，它們只會安裝到該資料夾中。在使用樹莓派時，你不會使用虛擬環境。Grove 安裝腳本會全域安裝 Grove 的 Python 套件，因此如果要使用虛擬環境，你需要設置虛擬環境，然後手動重新安裝 Grove 套件到該環境中。使用全域套件更簡單，特別是因為許多樹莓派開發者會為每個專案重新刷新乾淨的 SD 卡。
-
-    最後，這將啟用 I<sup>2</sup>C 介面。
-
-1. 執行以下命令重新啟動樹莓派：
-
-    ```sh
-    sudo reboot
-    ```
-
-    當樹莓派重新啟動時，`ssh` 會話將結束。無需重新連接。
-
-#### 配置 VS Code 以進行遠端訪問
-
-樹莓派配置完成後，你可以使用 Visual Studio Code (VS Code) 從電腦連接到它——這是一個免費的開發者文本編輯器，你將用它來用 Python 編寫設備程式碼。
-
-##### 任務 - 配置 VS Code 以進行遠端訪問
-
-安裝所需軟體並遠端連接到樹莓派。
-
-1. 按照 [VS Code 文檔](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 的說明在電腦上安裝 VS Code。
-
-1. 按照 [VS Code 遠端開發使用 SSH 文檔](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) 的說明安裝所需組件。
-
-1. 按照相同的說明，將 VS Code 連接到樹莓派。
-
-1. 連接後，按照 [管理擴展](https://code.visualstudio.com/docs/remote/ssh#_managing-extensions?WT.mc_id=academic-17441-jabenn) 的說明，將 [Pylance 擴展](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 遠端安裝到樹莓派上。
-
-## Hello world
-在學習一門新的程式語言或技術時，通常會從建立一個「Hello World」應用程式開始——這是一個簡單的應用程式，輸出類似於 `"Hello World"` 的文字，用來確認所有工具已正確配置。
-
-針對樹莓派的 Hello World 應用程式將確保您已正確安裝 Python 和 Visual Studio Code。
-
-這個應用程式將放在一個名為 `nightlight` 的資料夾中，並且在這次作業的後續部分中，會使用不同的程式碼來構建夜燈應用程式。
-
-### 任務 - Hello World
-
-建立 Hello World 應用程式。
-
-1. 啟動 VS Code，可以直接在樹莓派上啟動，或者在您的電腦上啟動並使用 Remote SSH 擴展連接到樹莓派。
-
-1. 通過選擇 *Terminal -> New Terminal* 或按下 `` CTRL+` `` 打開 VS Code 的終端機。終端機將打開到 `pi` 使用者的主目錄。
-
-1. 執行以下指令來為您的程式碼建立一個目錄，並在該目錄中建立一個名為 `app.py` 的 Python 檔案：
-
-    ```sh
-    mkdir nightlight
-    cd nightlight
-    touch app.py
-    ```
-
-1. 在 VS Code 中選擇 *File -> Open...*，然後選擇 *nightlight* 資料夾，接著選擇 **OK**，以打開該資料夾。
-
-    ![VS Code 的開啟對話框顯示了 nightlight 資料夾](../../../../../translated_images/zh-TW/vscode-open-nightlight-remote.d3d2a4011e30d535.webp)
-
-1. 從 VS Code 的檔案總管中打開 `app.py` 檔案，並新增以下程式碼：
-
-    ```python
-    print('Hello World!')
-    ```
-
-    `print` 函式會將傳遞給它的內容輸出到終端機。
-
-1. 在 VS Code 的終端機中執行以下指令來運行您的 Python 應用程式：
-
-    ```sh
-    python app.py
-    ```
-
-    > 💁 如果您的系統同時安裝了 Python 2 和 Python 3，可能需要明確使用 `python3` 來執行此程式碼。因為如果您執行 `python`，系統可能會使用 Python 2 而非 Python 3。預設情況下，最新版本的樹莓派作業系統僅安裝了 Python 3。
-
-    終端機中將顯示以下輸出：
-
-    ```output
-    pi@raspberrypi:~/nightlight $ python3 app.py
-    Hello World!
-    ```
-
-> 💁 您可以在 [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi) 資料夾中找到這段程式碼。
-
-😀 恭喜！您的「Hello World」程式成功運行！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/tw/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
deleted file mode 100644
index 1abcddb6c..000000000
--- a/translations/tw/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
+++ /dev/null
@@ -1,243 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "52b4de6144b2efdced7797a5339d6035",
-  "translation_date": "2025-08-24T23:32:26+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
-  "language_code": "tw"
-}
--->
-# 虛擬單板電腦
-
-與其購買物聯網設備以及感測器和致動器，你可以使用你的電腦來模擬物聯網硬體。[CounterFit 專案](https://github.com/CounterFit-IoT/CounterFit) 允許你在本地運行一個應用程式，模擬像感測器和致動器這樣的物聯網硬體，並通過本地的 Python 程式碼訪問這些感測器和致動器。這些程式碼的編寫方式與在 Raspberry Pi 上使用實體硬體的程式碼相同。
-
-## 設置
-
-要使用 CounterFit，你需要在電腦上安裝一些免費的軟體。
-
-### 任務
-
-安裝所需的軟體。
-
-1. 安裝 Python。請參考 [Python 下載頁面](https://www.python.org/downloads/) 以獲取安裝最新版本 Python 的指導。
-
-1. 安裝 Visual Studio Code (VS Code)。這是你將用來編寫虛擬設備 Python 程式碼的編輯器。請參考 [VS Code 文件](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 以獲取安裝 VS Code 的指導。
-
-    > 💁 如果你有偏好的工具，可以自由使用任何 Python IDE 或編輯器來完成這些課程，但課程中的指導將基於使用 VS Code。
-
-1. 安裝 VS Code 的 Pylance 擴展。這是 VS Code 的一個擴展，提供 Python 語言支持。請參考 [Pylance 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 以獲取在 VS Code 中安裝此擴展的指導。
-
-CounterFit 應用程式的安裝和配置指導將在相關的作業指導中提供，因為它是按專案安裝的。
-
-## Hello World
-
-在開始使用新的程式語言或技術時，通常會創建一個 "Hello World" 應用程式——一個小型應用程式，輸出類似 `"Hello World"` 的文字，以顯示所有工具已正確配置。
-
-虛擬物聯網硬體的 Hello World 應用程式將確保你已正確安裝 Python 和 Visual Studio Code。它還將連接到 CounterFit 以使用虛擬物聯網感測器和致動器。它不會使用任何硬體，只是連接以證明一切正常。
-
-此應用程式將位於名為 `nightlight` 的資料夾中，並在作業的後續部分中重複使用不同的程式碼來構建夜燈應用程式。
-
-### 配置 Python 虛擬環境
-
-Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是由其他人編寫並發布到互聯網上的程式碼套件。你可以通過一個命令在電腦上安裝 Pip 套件，然後在程式碼中使用該套件。你將使用 Pip 安裝一個套件來與 CounterFit 通訊。
-
-默認情況下，當你安裝一個套件時，它在電腦的所有地方都可用，這可能會導致套件版本的問題——例如，一個應用程式依賴於某個版本的套件，而安裝新版本可能會導致另一個應用程式出現問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，存放在專用資料夾中，當你安裝 Pip 套件時，它們只會安裝到該資料夾中。
-
-> 💁 如果你使用的是 Raspberry Pi，那麼你不需要在該設備上設置虛擬環境來管理 Pip 套件，而是使用全局套件，因為 Grove 套件是通過安裝腳本全局安裝的。
-
-#### 任務 - 配置 Python 虛擬環境
-
-配置 Python 虛擬環境並安裝 CounterFit 的 Pip 套件。
-
-1. 在終端或命令行中，運行以下命令，在你選擇的位置創建並導航到新目錄：
-
-    ```sh
-    mkdir nightlight
-    cd nightlight
-    ```
-
-1. 現在運行以下命令，在 `.venv` 資料夾中創建虛擬環境：
-
-    ```sh
-    python3 -m venv .venv
-    ```
-
-    > 💁 你需要顯式調用 `python3` 來創建虛擬環境，以防你同時安裝了 Python 2 和 Python 3（最新版本）。如果你安裝了 Python 2，那麼調用 `python` 將使用 Python 2 而不是 Python 3。
-
-1. 啟用虛擬環境：
-
-    * 在 Windows 上：
-        * 如果你使用的是命令提示符，或通過 Windows Terminal 使用命令提示符，運行：
-
-            ```cmd
-            .venv\Scripts\activate.bat
-            ```
-
-        * 如果你使用的是 PowerShell，運行：
-
-            ```powershell
-            .\.venv\Scripts\Activate.ps1
-            ```
-
-            > 如果你收到關於系統禁用腳本運行的錯誤，你需要通過設置適當的執行策略來啟用腳本運行。你可以以管理員身份啟動 PowerShell，然後運行以下命令：
-
-            ```powershell
-            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
-            ```
-
-            當被要求確認時輸入 `Y`。然後重新啟動 PowerShell 並重試。
-
-            如果需要，你可以稍後重置此執行策略。你可以在 [Microsoft Docs 的執行策略頁面](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn) 上了解更多。
-
-    * 在 macOS 或 Linux 上，運行：
-
-        ```cmd
-        source ./.venv/bin/activate
-        ```
-
-    > 💁 這些命令應在你運行創建虛擬環境命令的同一位置運行。你永遠不需要導航到 `.venv` 資料夾，應始終從創建虛擬環境時所在的資料夾運行啟用命令以及任何安裝套件或運行程式碼的命令。
-
-1. 啟用虛擬環境後，默認的 `python` 命令將運行用於創建虛擬環境的 Python 版本。運行以下命令以獲取版本：
-
-    ```sh
-    python --version
-    ```
-
-    輸出應包含以下內容：
-
-    ```output
-    (.venv) ➜  nightlight python --version
-    Python 3.9.1
-    ```
-
-    > 💁 你的 Python 版本可能不同——只要是 3.6 或更高版本即可。如果不是，刪除此資料夾，安裝更新版本的 Python 並重試。
-
-1. 運行以下命令以安裝 CounterFit 的 Pip 套件。這些套件包括主要的 CounterFit 應用程式以及 Grove 硬體的 shims。這些 shims 允許你像使用 Grove 生態系統的實體感測器和致動器一樣編寫程式碼，但連接的是虛擬物聯網設備。
-
-    ```sh
-    pip install CounterFit
-    pip install counterfit-connection
-    pip install counterfit-shims-grove
-    ```
-
-    這些 Pip 套件將僅安裝在虛擬環境中，並且在虛擬環境之外不可用。
-
-### 編寫程式碼
-
-當 Python 虛擬環境準備好後，你可以編寫 "Hello World" 應用程式的程式碼。
-
-#### 任務 - 編寫程式碼
-
-創建一個 Python 應用程式，在控制台打印 `"Hello World"`。
-
-1. 在虛擬環境中，從終端或命令行運行以下命令以創建名為 `app.py` 的 Python 文件：
-
-    * 在 Windows 上運行：
-
-        ```cmd
-        type nul > app.py
-        ```
-
-    * 在 macOS 或 Linux 上運行：
-
-        ```cmd
-        touch app.py
-        ```
-
-1. 在 VS Code 中打開當前資料夾：
-
-    ```sh
-    code .
-    ```
-
-    > 💁 如果你的終端在 macOS 上返回 `command not found`，這意味著 VS Code 尚未添加到你的 PATH。你可以按照 [VS Code 文件中從命令行啟動部分的指導](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) 將 VS Code 添加到 PATH，然後再次運行該命令。VS Code 在 Windows 和 Linux 上默認添加到 PATH。
-
-1. 當 VS Code 啟動時，它將啟用 Python 虛擬環境。選定的虛擬環境將顯示在底部狀態欄中：
-
-    ![VS Code 顯示選定的虛擬環境](../../../../../translated_images/zh-TW/vscode-virtual-env.8ba42e04c3d533cf.webp)
-
-1. 如果 VS Code Terminal 在 VS Code 啟動時已運行，它將不會啟用虛擬環境。最簡單的方法是使用 **Kill the active terminal instance** 按鈕關閉終端：
-
-    ![VS Code Kill the active terminal instance 按鈕](../../../../../translated_images/zh-TW/vscode-kill-terminal.1cc4de7c6f25ee08.webp)
-
-    你可以通過終端提示的前綴來判斷終端是否啟用了虛擬環境。例如，它可能是：
-
-    ```sh
-    (.venv) ➜  nightlight
-    ```
-
-    如果提示中沒有 `.venv` 作為前綴，則終端未啟用虛擬環境。
-
-1. 通過選擇 *Terminal -> New Terminal* 或按 `` CTRL+` `` 啟動新的 VS Code Terminal。新終端將加載虛擬環境，並在終端中顯示啟用此環境的調用。提示也將包含虛擬環境的名稱（`.venv`）：
-
-    ```output
-    ➜  nightlight source .venv/bin/activate
-    (.venv) ➜  nightlight 
-    ```
-
-1. 從 VS Code 的資源管理器中打開 `app.py` 文件，並添加以下程式碼：
-
-    ```python
-    print('Hello World!')
-    ```
-
-    `print` 函數將其接收的內容打印到控制台。
-
-1. 從 VS Code 的終端運行以下命令以運行你的 Python 應用程式：
-
-    ```sh
-    python app.py
-    ```
-
-    輸出將包含以下內容：
-
-    ```output
-    (.venv) ➜  nightlight python app.py 
-    Hello World!
-    ```
-
-😀 你的 "Hello World" 程式成功了！
-
-### 連接 "硬體"
-
-作為第二個 "Hello World" 步驟，你將運行 CounterFit 應用程式並將程式碼連接到它。這是虛擬等效於將一些物聯網硬體插入開發套件。
-
-#### 任務 - 連接 "硬體"
-
-1. 從 VS Code 的終端運行以下命令啟動 CounterFit 應用程式：
-
-    ```sh
-    counterfit
-    ```
-
-    應用程式將開始運行並在你的網頁瀏覽器中打開：
-
-    ![Counter Fit 應用程式在瀏覽器中運行](../../../../../translated_images/zh-TW/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png)
-
-    它將顯示為 *Disconnected*，右上角的 LED 是熄滅的。
-
-1. 在 `app.py` 文件的頂部添加以下程式碼：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-    此程式碼從 `counterfit_connection` 模組中導入 `CounterFitConnection` 類，該模組來自你之前安裝的 `counterfit-connection` pip 套件。然後它初始化了一個連接到運行在 `127.0.0.1` 的 CounterFit 應用程式，該 IP 地址始終可用於訪問你的本地電腦（通常稱為 *localhost*），端口為 5000。
-
-    > 💁 如果你有其他應用程式運行在端口 5000，你可以通過更新程式碼中的端口來更改此端口，並使用 `CounterFit --port <port_number>` 運行 CounterFit，將 `<port_number>` 替換為你想使用的端口。
-
-1. 你需要通過選擇 **Create a new integrated terminal** 按鈕啟動新的 VS Code 終端。這是因為 CounterFit 應用程式正在當前終端中運行。
-
-    ![VS Code Create a new integrated terminal 按鈕](../../../../../translated_images/zh-TW/vscode-new-terminal.77db8fc0f9cd3182.webp)
-
-1. 在此新終端中，像之前一樣運行 `app.py` 文件。CounterFit 的狀態將更改為 **Connected**，LED 會亮起。
-
-    ![Counter Fit 顯示為已連接](../../../../../translated_images/zh-TW/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png)
-
-> 💁 你可以在 [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) 資料夾中找到此程式碼。
-
-😀 你成功連接到硬體了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/tw/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
deleted file mode 100644
index 90b213a54..000000000
--- a/translations/tw/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
+++ /dev/null
@@ -1,220 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
-  "translation_date": "2025-08-24T23:38:36+00:00",
-  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
-  "language_code": "tw"
-}
--->
-# Wio Terminal
-
-[Seeed Studios 的 Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 是一款兼容 Arduino 的微控制器，內建 WiFi 以及一些感測器和執行器，並且可以透過名為 [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) 的硬體生態系統添加更多感測器和執行器。
-
-![Seeed Studios 的 Wio Terminal](../../../../../translated_images/zh-TW/wio-terminal.b8299ee16587db9a.webp)
-
-## 設置
-
-要使用 Wio Terminal，您需要在電腦上安裝一些免費軟體。此外，在連接 WiFi 之前，您需要更新 Wio Terminal 的韌體。
-
-### 任務 - 設置
-
-安裝所需的軟體並更新韌體。
-
-1. 安裝 Visual Studio Code (VS Code)。這是您將用來編寫 C/C++ 裝置程式碼的編輯器。請參考 [VS Code 文件](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 了解如何安裝 VS Code。
-
-    > 💁 另一個流行的 Arduino 開發 IDE 是 [Arduino IDE](https://www.arduino.cc/en/software)。如果您已熟悉此工具，則可以使用它代替 VS Code 和 PlatformIO，但課程將基於使用 VS Code 的指導。
-
-1. 安裝 VS Code 的 PlatformIO 擴展。這是 VS Code 的一個擴展，支持用 C/C++ 編程微控制器。請參考 [PlatformIO 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide) 了解如何在 VS Code 中安裝此擴展。此擴展依賴於 Microsoft C/C++ 擴展來處理 C 和 C++ 程式碼，安裝 PlatformIO 時會自動安裝 C/C++ 擴展。
-
-1. 將 Wio Terminal 連接到您的電腦。Wio Terminal 底部有一個 USB-C 端口，需要連接到電腦上的 USB 端口。Wio Terminal 附帶 USB-C 至 USB-A 線纜，但如果您的電腦只有 USB-C 端口，則需要 USB-C 線纜或 USB-A 至 USB-C 轉接器。
-
-1. 按照 [Wio Terminal Wiki WiFi 概述文件](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/) 中的指導設置 Wio Terminal 並更新韌體。
-
-## Hello World
-
-在開始學習新的程式語言或技術時，通常會創建一個 "Hello World" 應用程式——一個小型應用程式，輸出類似 `"Hello World"` 的文字，以確認所有工具已正確配置。
-
-Wio Terminal 的 Hello World 應用程式將確保您已正確安裝 Visual Studio Code 並使用 PlatformIO 設置微控制器開發環境。
-
-### 創建 PlatformIO 專案
-
-第一步是使用 PlatformIO 創建一個新的專案，並配置為 Wio Terminal。
-
-#### 任務 - 創建 PlatformIO 專案
-
-創建 PlatformIO 專案。
-
-1. 將 Wio Terminal 連接到您的電腦
-
-1. 啟動 VS Code
-
-1. PlatformIO 圖標將顯示在側邊菜單欄：
-
-    ![Platform IO 菜單選項](../../../../../translated_images/zh-TW/vscode-platformio-menu.297be26b9733e5c4.webp)
-
-    選擇此菜單項，然後選擇 *PIO Home -> Open*
-
-    ![Platform IO 開啟選項](../../../../../translated_images/zh-TW/vscode-platformio-home-open.3f9a41bfd3f4da1c.webp)
-
-1. 在歡迎畫面中，選擇 **+ New Project** 按鈕
-
-    ![新專案按鈕](../../../../../translated_images/zh-TW/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc8.webp)
-
-1. 在 *Project Wizard* 中配置專案：
-
-    1. 將專案命名為 `nightlight`
-
-    1. 在 *Board* 下拉選單中輸入 `WIO` 以篩選板子，並選擇 *Seeeduino Wio Terminal*
-
-    1. 保持 *Framework* 為 *Arduino*
-
-    1. 可以保持 *Use default location* 勾選，或者取消勾選並選擇專案位置
-
-    1. 選擇 **Finish** 按鈕
-
-    ![完成的專案向導](../../../../../translated_images/zh-TW/vscode-platformio-nightlight-project-wizard.5c64db4da6037420.webp)
-
-    PlatformIO 將下載所需的組件以編譯 Wio Terminal 的程式碼並創建您的專案。這可能需要幾分鐘。
-
-### 探索 PlatformIO 專案
-
-VS Code 的資源管理器將顯示由 PlatformIO 向導創建的多個檔案和資料夾。
-
-#### 資料夾
-
-* `.pio` - 此資料夾包含 PlatformIO 所需的臨時數據，例如庫或編譯的程式碼。如果刪除，它會自動重新創建，並且如果您在 GitHub 等網站上分享專案，無需將其添加到源代碼控制中。
-* `.vscode` - 此資料夾包含 PlatformIO 和 VS Code 使用的配置。如果刪除，它會自動重新創建，並且如果您在 GitHub 等網站上分享專案，無需將其添加到源代碼控制中。
-* `include` - 此資料夾用於添加額外庫時需要的外部標頭檔案。在這些課程中，您不會使用此資料夾。
-* `lib` - 此資料夾用於您希望從程式碼中調用的外部庫。在這些課程中，您不會使用此資料夾。
-* `src` - 此資料夾包含應用程式的主要源代碼。最初，它將包含一個檔案 - `main.cpp`。
-* `test` - 此資料夾是您放置程式碼單元測試的地方。
-
-#### 檔案
-
-* `main.cpp` - 此檔案位於 `src` 資料夾中，包含應用程式的入口點。打開此檔案，您將看到以下程式碼：
-
-    ```cpp
-    #include <Arduino.h>
-    
-    void setup() {
-      // put your setup code here, to run once:
-    }
-    
-    void loop() {
-      // put your main code here, to run repeatedly:
-    }
-    ```
-
-    當裝置啟動時，Arduino 框架將執行一次 `setup` 函數，然後重複執行 `loop` 函數，直到裝置關閉。
-
-* `.gitignore` - 此檔案列出了在將程式碼添加到 git 源代碼控制時需要忽略的檔案和資料夾，例如上傳到 GitHub 的存儲庫。
-
-* `platformio.ini` - 此檔案包含裝置和應用程式的配置。打開此檔案，您將看到以下程式碼：
-
-    ```ini
-    [env:seeed_wio_terminal]
-    platform = atmelsam
-    board = seeed_wio_terminal
-    framework = arduino
-    ```
-
-    `[env:seeed_wio_terminal]` 部分包含 Wio Terminal 的配置。您可以有多個 `env` 部分，以便程式碼可以為多個板子編譯。
-
-    其他值與專案向導中的配置匹配：
-
-  * `platform = atmelsam` 定義 Wio Terminal 使用的硬體（基於 ATSAMD51 的微控制器）
-  * `board = seeed_wio_terminal` 定義微控制器板的類型（Wio Terminal）
-  * `framework = arduino` 定義此專案使用 Arduino 框架。
-
-### 編寫 Hello World 應用程式
-
-現在您可以開始編寫 Hello World 應用程式。
-
-#### 任務 - 編寫 Hello World 應用程式
-
-編寫 Hello World 應用程式。
-
-1. 在 VS Code 中打開 `main.cpp` 檔案
-
-1. 將程式碼更改為以下內容：
-
-    ```cpp
-    #include <Arduino.h>
-
-    void setup()
-    {
-        Serial.begin(9600);
-
-        while (!Serial)
-            ; // Wait for Serial to be ready
-    
-        delay(1000);
-    }
-    
-    void loop()
-    {
-        Serial.println("Hello World");
-        delay(5000);
-    }
-    ```
-
-    `setup` 函數初始化與串口的連接——在此情況下，是用於連接 Wio Terminal 到電腦的 USB 端口。參數 `9600` 是 [波特率](https://wikipedia.org/wiki/Symbol_rate)（也稱為符號率），即通過串口每秒傳輸的數據速度（以位為單位）。此設置表示每秒傳輸 9,600 位（0 和 1）的數據。然後它等待串口準備好。
-
-    `loop` 函數將行 `Hello World!` 發送到串口，因此會發送 `Hello World!` 的字符以及一個換行符。然後它休眠 5,000 毫秒或 5 秒。`loop` 結束後，會再次執行，並且如此反覆執行，直到微控制器關閉。
-
-1. 將 Wio Terminal 設置為上傳模式。每次上傳新程式碼到裝置時，您都需要執行此操作：
-
-    1. 快速向下拉動電源開關兩次——每次都會彈回到開啟位置。
-
-    1. 檢查 USB 端口右側的藍色狀態 LED。它應該在閃爍。
-
-    [![如何將 Wio Terminal 設置為上傳模式的影片](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
-
-    點擊上方圖片觀看操作影片。
-
-1. 編譯並上傳程式碼到 Wio Terminal
-
-    1. 打開 VS Code 命令面板
-
-    1. 輸入 `PlatformIO Upload` 搜索上傳選項，並選擇 *PlatformIO: Upload*
-
-        ![命令面板中的 PlatformIO 上傳選項](../../../../../translated_images/zh-TW/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3.webp)
-
-        如果需要，PlatformIO 會在上傳之前自動編譯程式碼。
-
-    1. 程式碼將被編譯並上傳到 Wio Terminal
-
-        > 💁 如果您使用 macOS，可能會出現 *DISK NOT EJECTED PROPERLY* 的通知。這是因為 Wio Terminal 在閃存過程中會被掛載為磁碟，並在編譯程式碼寫入裝置時斷開連接。您可以忽略此通知。
-
-    ⚠️ 如果出現上傳端口不可用的錯誤，首先確保 Wio Terminal 已連接到您的電腦，並通過屏幕左側的開關打開，並設置為上傳模式。底部的綠燈應該亮著，藍燈應該在閃爍。如果仍然出現錯誤，請再次快速向下拉動開關兩次，強制 Wio Terminal 進入上傳模式，然後重試上傳。
-
-PlatformIO 有一個串口監視器，可以監視通過 USB 線纜從 Wio Terminal 發送的數據。這使您可以監視由 `Serial.println("Hello World");` 命令發送的數據。
-
-1. 打開 VS Code 命令面板
-
-1. 輸入 `PlatformIO Serial` 搜索串口監視器選項，並選擇 *PlatformIO: Serial Monitor*
-
-    ![命令面板中的 PlatformIO 串口監視器選項](../../../../../translated_images/zh-TW/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14.webp)
-
-    一個新的終端將打開，通過串口發送的數據將流入此終端：
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Hello World
-    Hello World
-    ```
-
-    `Hello World` 每隔 5 秒會打印到串口監視器。
-
-> 💁 您可以在 [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的 'Hello World' 程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/2-deeper-dive/README.md b/translations/tw/1-getting-started/lessons/2-deeper-dive/README.md
deleted file mode 100644
index 47e9e4916..000000000
--- a/translations/tw/1-getting-started/lessons/2-deeper-dive/README.md
+++ /dev/null
@@ -1,275 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
-  "translation_date": "2025-08-24T23:41:39+00:00",
-  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
-  "language_code": "tw"
-}
--->
-# 深入探討物聯網 (IoT)
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。課程分為兩段影片進行教學——一段為 1 小時的課程，另一段為 1 小時的辦公時間，深入探討課程內容並回答問題。
-
-[![課程 2：深入探討物聯網](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
-
-[![課程 2：深入探討物聯網 - 辦公時間](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
-
-## 簡介
-
-本課程將深入探討上一課中提到的一些概念。
-
-在本課程中，我們將涵蓋：
-
-* [物聯網應用的組成部分](../../../../../1-getting-started/lessons/2-deeper-dive)
-* [深入探討微控制器](../../../../../1-getting-started/lessons/2-deeper-dive)
-* [深入探討單板電腦](../../../../../1-getting-started/lessons/2-deeper-dive)
-
-## 物聯網應用的組成部分
-
-物聯網應用的兩個主要組成部分是 *Internet*（網際網路）和 *Thing*（物件）。讓我們更詳細地了解這兩個部分。
-
-### 物件
-
-![Raspberry Pi 4](../../../../../translated_images/zh-TW/raspberry-pi-4.fd4590d308c3d456.webp)
-
-物聯網中的 **物件** 指的是能與物理世界互動的設備。這些設備通常是小型、低成本的計算機，運行速度較低且功耗低——例如，僅有幾千字節 RAM 的簡單微控制器（而非 PC 中的幾千兆字節），運行速度僅為幾百兆赫（而非 PC 中的幾千兆赫），但功耗極低，有時甚至可以用電池運行數週、數月甚至數年。
-
-這些設備通過使用感測器收集周圍環境的數據，或通過控制輸出或執行器進行物理改變來與物理世界互動。典型的例子是智能溫控器——一種具有溫度感測器、可設置所需溫度（如旋鈕或觸摸屏）以及連接到加熱或冷卻系統的設備，當檢測到的溫度超出所需範圍時，系統會啟動。溫度感測器檢測到房間太冷，執行器則啟動加熱系統。
-
-![顯示溫度和旋鈕作為物聯網設備輸入，並控制加熱器作為輸出的圖示](../../../../../translated_images/zh-TW/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png)
-
-可以作為物聯網設備的物件種類繁多，從專用硬件到一般用途設備，甚至包括您的智能手機！智能手機可以使用感測器檢測周圍環境，並使用執行器與世界互動——例如使用 GPS 感測器檢測您的位置，並使用揚聲器提供導航指示。
-
-✅ 想想您周圍的其他系統，它們通過感測器讀取數據並據此做出決策。一個例子是烤箱上的溫控器。您能找到更多例子嗎？
-
-### 網際網路
-
-物聯網應用中的 **網際網路** 部分包括物聯網設備可以連接以發送和接收數據的應用，以及其他可以處理物聯網設備數據並幫助做出決策的應用。
-
-一個典型的設置是物聯網設備連接到某種雲端服務，該服務負責處理安全性、接收來自物聯網設備的消息並將消息發送回設備。雲端服務還可以連接到其他應用，這些應用可以處理或存儲感測器數據，或將感測器數據與其他系統的數據結合以做出決策。
-
-設備並不總是通過 WiFi 或有線連接直接連接到網際網路。有些設備使用網狀網路技術（如藍牙）相互通信，並通過具有網際網路連接的集線器設備進行連接。
-
-以智能溫控器為例，溫控器通過家庭 WiFi 連接到雲端服務，並將溫度數據發送到該雲端服務。從那裡，數據會被寫入某種數據庫，讓房主可以通過手機應用查看當前和過去的溫度。雲端中的另一項服務會知道房主想要的溫度，並通過雲端服務向物聯網設備發送消息，告訴加熱系統開啟或關閉。
-
-![顯示溫度和旋鈕作為物聯網設備輸入，物聯網設備與雲端之間的雙向通信，雲端與手機之間的雙向通信，以及物聯網設備控制加熱器作為輸出的圖示](../../../../../translated_images/zh-TW/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png)
-
-更智能的版本可以使用雲端中的 AI，結合其他物聯網設備（如占用感測器）連接的其他感測器數據，以及天氣和您的日曆等數據，智能地設置溫度。例如，如果它從您的日曆中讀到您正在度假，它可以關閉加熱；或者根據您使用的房間逐一關閉加熱，並從數據中學習以逐漸提高準確性。
-
-![顯示多個溫度感測器和旋鈕作為物聯網設備輸入，物聯網設備與雲端之間的雙向通信，雲端與手機、日曆和天氣服務之間的雙向通信，以及物聯網設備控制加熱器作為輸出的圖示](../../../../../translated_images/zh-TW/smarter-thermostat.a75855f15d2d9e63.webp)
-
-✅ 還有哪些數據可以幫助使網際網路連接的溫控器更智能？
-
-### 邊緣上的物聯網
-
-雖然物聯網中的 "I" 代表網際網路，但這些設備並不一定需要連接到網際網路。在某些情況下，設備可以連接到 "邊緣" 設備——在本地網路上運行的網關設備，這意味著您可以在不通過網際網路的情況下處理數據。當您有大量數據或網際網路連接速度較慢時，這樣做可以更快；它還允許您在無法連接網際網路的情況下運行，例如在船上或在人道危機的災區中；並且可以保持數據的隱私性。一些設備會包含使用雲端工具創建的處理代碼，並在本地運行以收集和響應數據，而無需使用網際網路連接來做出決策。
-
-一個例子是智能家居設備，例如 Apple HomePod、Amazon Alexa 或 Google Home，它們使用在雲端訓練的 AI 模型來聆聽您的聲音，但在設備本地運行。這些設備會在聽到某個詞或短語時 "喚醒"，然後才將您的語音通過網際網路發送進行處理。設備會在檢測到語音中的停頓時停止發送語音。您在喚醒設備之前說的所有內容，以及設備停止聆聽後說的所有內容，都不會通過網際網路發送到設備提供商，因此是私密的。
-
-✅ 想想其他需要隱私的場景，因此數據處理最好在邊緣完成而不是在雲端。提示：想想帶有攝像頭或其他影像設備的物聯網設備。
-
-### 物聯網安全性
-
-任何網際網路連接都需要考慮安全性。有一個老笑話說 "物聯網中的 S 代表安全性"——物聯網中沒有 "S"，暗示它並不安全。
-
-物聯網設備連接到雲端服務，因此其安全性取決於雲端服務的安全性——如果您的雲端服務允許任何設備連接，那麼可能會發送惡意數據或發生病毒攻擊。由於物聯網設備與其他設備互動並進行控制，這可能會帶來非常現實的後果。例如，[Stuxnet 蠕蟲](https://wikipedia.org/wiki/Stuxnet) 操控離心機中的閥門以損壞它們。黑客還利用[安全性漏洞訪問嬰兒監視器](https://www.npr.org/sections/thetwo-way/2018/06/05/617196788/s-c-mom-says-baby-monitor-was-hacked-experts-say-many-devices-are-vulnerable)和其他家庭監控設備。
-
-> 💁 有時物聯網設備和邊緣設備會運行在完全與網際網路隔離的網路上，以保持數據的私密性和安全性。這被稱為 [空氣隔離](https://wikipedia.org/wiki/Air_gap_(networking))。
-
-## 深入探討微控制器
-
-在上一課中，我們介紹了微控制器。現在讓我們更深入地了解它們。
-
-### CPU
-
-CPU 是微控制器的 "大腦"。它是運行您的代碼的處理器，可以向任何連接的設備發送數據並接收數據。CPU 可以包含一個或多個核心——本質上是一個或多個可以協同工作以運行您的代碼的 CPU。
-
-CPU 依賴於時鐘每秒滴答數百萬或數十億次。每次滴答或週期都同步 CPU 可以執行的操作。每次滴答，CPU 可以執行程序中的一條指令，例如從外部設備檢索數據或執行數學計算。這種規律的週期允許所有操作在下一條指令處理之前完成。
-
-時鐘週期越快，每秒可以處理的指令越多，因此 CPU 的速度越快。CPU 速度以 [赫茲 (Hz)](https://wikipedia.org/wiki/Hertz) 為單位測量，1 Hz 表示每秒一次週期或時鐘滴答。
-
-> 🎓 CPU 速度通常以 MHz 或 GHz 表示。1MHz 是 1 百萬 Hz，1GHz 是 1 十億 Hz。
-
-> 💁 CPU 使用 [取指-解碼-執行週期](https://wikipedia.org/wiki/Instruction_cycle) 執行程序。每次時鐘滴答，CPU 從記憶體中取指令，解碼，然後執行，例如使用算術邏輯單元 (ALU) 加法兩個數字。一些執行需要多個滴答才能完成，因此下一個週期會在指令完成後的下一次滴答運行。
-
-![取指-解碼-執行週期顯示取指令從存儲在 RAM 中的程序中取指令，然後在 CPU 上解碼並執行](../../../../../translated_images/zh-TW/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png)
-
-微控制器的時鐘速度遠低於桌面或筆記本電腦，甚至大多數智能手機。以 Wio Terminal 為例，其 CPU 運行速度為 120MHz，即每秒 120,000,000 次週期。
-
-✅ 一台普通的 PC 或 Mac 的 CPU 通常具有多個核心，運行速度為多個 GHz，意味著時鐘每秒滴答數十億次。研究一下您電腦的時鐘速度，並比較它比 Wio Terminal 快多少倍。
-
-每次時鐘週期都會消耗電力並產生熱量。滴答越快，消耗的電力越多，產生的熱量越多。PC 通常有散熱片和風扇來散熱，否則它們會在幾秒鐘內過熱並關閉。微控制器通常沒有這些散熱設備，因為它們運行得更冷，因此速度更慢。PC 通過市電或大型電池運行幾小時，而微控制器可以通過小型電池運行數天、數月甚至數年。微控制器還可以具有以不同速度運行的核心，當 CPU 的需求較低時切換到較慢的低功耗核心以減少功耗。
-
-> 💁 一些 PC 和 Mac 也採用了相同的快速高功耗核心和較慢低功耗核心的組合，根據運行的任務在節省電池或提高速度之間切換。例如，最新 Apple 筆記本電腦中的 M1 芯片可以在 4 個性能核心和 4 個效率核心之間切換，以根據運行的任務優化電池壽命或速度。
-
-✅ 做一些研究：閱讀 [Wikipedia CPU 文章](https://wikipedia.org/wiki/Central_processing_unit) 了解更多關於 CPU 的知識。
-
-#### 任務
-
-調查 Wio Terminal。
-
-如果您正在使用 Wio Terminal 進行這些課程，嘗試找到 CPU。在 [Wio Terminal 產品頁面](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 的 *硬件概述* 部分找到內部結構的圖片，並嘗試通過背面的透明塑料窗口找到 CPU。
-
-### 記憶體
-
-微控制器通常有兩種類型的記憶體——程序記憶體和隨機存取記憶體 (RAM)。
-
-程序記憶體是非揮發性的，這意味著寫入其中的內容在設備斷電時仍然保留。這是存儲您的程序代碼的記憶體。
-
-RAM 是程序運行時使用的記憶體，包含程序分配的變數以及從外部設備收集的數據。RAM 是揮發性的，當電源斷開時內容會丟失，實際上重置了您的程序。
-🎓 程式記憶體儲存您的程式碼，即使斷電也會保留。
-> 🎓 RAM 是用來執行程式的，當電源關閉時會被重置
-
-與 CPU 一樣，微控制器上的記憶體比 PC 或 Mac 小得多。一台典型的 PC 可能有 8GB（8,000,000,000 字節）的 RAM，每個字節足以存儲一個字母或 0-255 之間的數字。而微控制器通常只有幾千字節（KB）的 RAM，一千字節等於 1,000 字節。上面提到的 Wio Terminal 擁有 192KB 的 RAM，也就是 192,000 字節，比一台普通 PC 少了超過 40,000 倍！
-
-下圖顯示了 192KB 和 8GB 之間的相對大小差異——中心的小點代表 192KB。
-
-![192KB 和 8GB 的比較 - 超過 40,000 倍的差距](../../../../../translated_images/zh-TW/ram-comparison.6beb73541b42ac6f.webp)
-
-程式存儲空間也比 PC 小。一台典型的 PC 可能有 500GB 的硬碟用於程式存儲，而微控制器可能只有幾千字節或幾百萬字節（MB）的存儲空間（1MB 等於 1,000KB 或 1,000,000 字節）。Wio Terminal 擁有 4MB 的程式存儲空間。
-
-✅ 做一些研究：你正在使用的電腦有多少 RAM 和存儲空間？與微控制器相比如何？
-
-### 輸入/輸出
-
-微控制器需要輸入和輸出（I/O）連接來從感測器讀取數據並向執行器發送控制信號。它們通常包含一些通用輸入/輸出（GPIO）引腳。這些引腳可以通過軟體配置為輸入（接收信號）或輸出（發送信號）。
-
-🧠⬅️ 輸入引腳用於從感測器讀取值
-
-🧠➡️ 輸出引腳向執行器發送指令
-
-✅ 你將在後續課程中學到更多相關內容。
-
-#### 任務
-
-研究 Wio Terminal。
-
-如果你在這些課程中使用 Wio Terminal，找到 GPIO 引腳。在 [Wio Terminal 產品頁面](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 的 *Pinout diagram* 部分，了解每個引腳的功能。Wio Terminal 附帶了一張可以貼在背面的貼紙，上面標有引腳編號，如果還沒貼上，現在可以貼上。
-
-### 實體大小
-
-微控制器通常體積很小，最小的 [Freescale Kinetis KL03 MCU](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/) 小到可以放進高爾夫球的凹槽中。而 PC 的 CPU 僅處理器本身就可能有 40mm x 40mm 的大小，這還不包括為了防止過熱而需要的散熱片和風扇，這些使得 PC 的 CPU 比完整的微控制器大得多。Wio Terminal 開發套件包含微控制器、外殼、螢幕以及一系列連接和元件，其大小甚至不比裸露的 Intel i9 CPU 大多少，並且比帶有散熱片和風扇的 CPU 小得多！
-
-| 裝置                          | 大小                  |
-| ----------------------------- | --------------------- |
-| Freescale Kinetis KL03        | 1.6mm x 2mm x 1mm     |
-| Wio Terminal                  | 72mm x 57mm x 12mm    |
-| Intel i9 CPU、散熱片和風扇    | 136mm x 145mm x 103mm |
-
-### 框架與作業系統
-
-由於速度和記憶體的限制，微控制器不會運行像桌面電腦那樣的作業系統（OS）。讓你的電腦運行的作業系統（Windows、Linux 或 macOS）需要大量的記憶體和處理能力來執行對微控制器完全不必要的任務。記住，微控制器通常被編程來執行一個或多個非常特定的任務，而不像 PC 或 Mac 這樣的通用電腦需要支援用戶界面、播放音樂或影片、提供文檔或程式編寫工具、玩遊戲或瀏覽網路。
-
-要在沒有 OS 的情況下編程微控制器，你需要一些工具來構建你的程式碼，使其能夠在微控制器上運行，並使用 API 與任何外設進行通信。每個微控制器都不同，因此製造商通常支援標準框架，這些框架允許你遵循標準的“配方”來構建程式碼，並使其能夠在支援該框架的任何微控制器上運行。
-
-你也可以使用作業系統來編程微控制器——通常被稱為即時作業系統（RTOS），因為它們被設計用來即時處理與外設之間的數據傳輸。這些作業系統非常輕量化，並提供以下功能：
-
-* 多執行緒，允許你的程式碼同時運行多個程式塊，無論是在多個核心上還是通過在一個核心上輪流執行
-* 網路功能，允許安全地通過網際網路通信
-* 圖形用戶界面（GUI）元件，用於在帶有螢幕的裝置上構建用戶界面（UI）。
-
-✅ 閱讀一些不同的 RTOS：[Azure RTOS](https://azure.microsoft.com/services/rtos/?WT.mc_id=academic-17441-jabenn)、[FreeRTOS](https://www.freertos.org)、[Zephyr](https://www.zephyrproject.org)
-
-#### Arduino
-
-![Arduino 標誌](../../../../../images/arduino-logo.svg)
-
-[Arduino](https://www.arduino.cc) 可能是最受歡迎的微控制器框架，特別是在學生、愛好者和製作者中。Arduino 是一個開源電子平台，結合了軟體和硬體。你可以從 Arduino 官方或其他製造商購買 Arduino 相容的開發板，然後使用 Arduino 框架進行編程。
-
-Arduino 開發板使用 C 或 C++ 編程。使用 C/C++ 可以使程式碼編譯得非常小並運行得非常快，這對於像微控制器這樣受限的裝置來說是必需的。Arduino 應用程式的核心被稱為 sketch，它是包含兩個函數的 C/C++ 程式碼——`setup` 和 `loop`。當開發板啟動時，Arduino 框架程式碼會執行一次 `setup` 函數，然後不斷重複執行 `loop` 函數，直到電源關閉。
-
-你可以在 `setup` 函數中編寫初始化程式碼，例如連接 WiFi 和雲服務或初始化輸入和輸出引腳。然後在 `loop` 函數中編寫處理程式碼，例如從感測器讀取數據並將其發送到雲端。如果你只希望每 10 秒發送一次感測器數據，可以在迴圈的末尾添加 10 秒的延遲，這樣微控制器可以進入休眠狀態以節省電力，然後在需要時再次運行迴圈。
-
-![一個 Arduino sketch 首先運行 setup，然後不斷重複運行 loop](../../../../../translated_images/zh-TW/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png)
-
-✅ 這種程式架構被稱為 *事件迴圈* 或 *消息迴圈*。許多應用程式在底層使用這種架構，這也是大多數運行在 Windows、macOS 或 Linux 等作業系統上的桌面應用程式的標準。`loop` 監聽來自用戶界面元件（如按鈕）或裝置（如鍵盤）的消息，並對其作出響應。你可以在這篇 [事件迴圈文章](https://wikipedia.org/wiki/Event_loop) 中閱讀更多內容。
-
-Arduino 提供了與微控制器和 I/O 引腳交互的標準庫，這些庫在底層有不同的實現，可以在不同的微控制器上運行。例如，[`delay` 函數](https://www.arduino.cc/reference/en/language/functions/time/delay/) 會使程式暫停指定的時間，[`digitalRead` 函數](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) 會從指定的引腳讀取 `HIGH` 或 `LOW` 的值，無論程式碼在哪個開發板上運行。這些標準庫意味著為一塊開發板編寫的 Arduino 程式碼可以重新編譯後在任何其他 Arduino 開發板上運行，只要引腳相同且開發板支援相同的功能。
-
-Arduino 還有一個龐大的第三方庫生態系統，這些庫可以為你的 Arduino 專案添加額外的功能，例如使用感測器和執行器或連接到雲端 IoT 服務。
-
-##### 任務
-
-研究 Wio Terminal。
-
-如果你在這些課程中使用 Wio Terminal，重新閱讀你在上一課中編寫的程式碼。找到 `setup` 和 `loop` 函數。監控串列輸出，觀察 `loop` 函數被反覆調用。嘗試在 `setup` 函數中添加程式碼以寫入串列埠，並觀察這段程式碼在每次重新啟動時僅被調用一次。嘗試使用側面的電源開關重新啟動裝置，觀察每次重新啟動時 `setup` 函數被調用。
-
-## 更深入了解單板電腦
-
-在上一課中，我們介紹了單板電腦。現在讓我們更深入地了解它們。
-
-### 樹莓派
-
-![樹莓派標誌](../../../../../translated_images/zh-TW/raspberry-pi-logo.4efaa16605cee054.webp)
-
-[樹莓派基金會](https://www.raspberrypi.org) 是一家來自英國的慈善機構，成立於 2009 年，旨在促進計算機科學的學習，特別是在學校層面。作為這一使命的一部分，他們開發了一款單板電腦，稱為樹莓派。目前樹莓派有三種型號——全尺寸版本、更小的 Pi Zero，以及可以嵌入最終 IoT 裝置的計算模組。
-
-![樹莓派 4](../../../../../translated_images/zh-TW/raspberry-pi-4.fd4590d308c3d456.webp)
-
-最新的全尺寸樹莓派是樹莓派 4B。它擁有一個四核心（4 核）1.5GHz 的 CPU，2GB、4GB 或 8GB 的 RAM，千兆以太網，WiFi，2 個支援 4K 螢幕的 HDMI 埠，一個音頻和複合視頻輸出埠，USB 埠（2 個 USB 2.0 和 2 個 USB 3.0），40 個 GPIO 引腳，一個樹莓派相機模組的相機連接埠，以及一個 SD 卡插槽。所有這些都集成在一塊 88mm x 58mm x 19.5mm 的電路板上，並由 3A 的 USB-C 電源供電。這些型號的起價為 35 美元，比 PC 或 Mac 便宜得多。
-
-> 💁 還有一款 Pi400 一體機電腦，將 Pi4 集成到鍵盤中。
-
-![樹莓派 Zero](../../../../../translated_images/zh-TW/raspberry-pi-zero.f7a4133e1e7d54bb.webp)
-
-Pi Zero 更小，功耗更低。它擁有一個單核心 1GHz 的 CPU，512MB 的 RAM，WiFi（在 Zero W 型號中），一個 HDMI 埠，一個 micro-USB 埠，40 個 GPIO 引腳，一個樹莓派相機模組的相機連接埠，以及一個 SD 卡插槽。它的尺寸為 65mm x 30mm x 5mm，功耗非常低。Zero 售價 5 美元，帶 WiFi 的 W 型號售價 10 美元。
-
-> 🎓 這兩款裝置的 CPU 都是 ARM 處理器，而不是大多數 PC 和 Mac 中的 Intel/AMD x86 或 x64 處理器。這些處理器類似於一些微控制器中的 CPU，以及幾乎所有的手機、Microsoft Surface X 和新的 Apple Silicon 基於 ARM 的 Mac。
-
-所有型號的樹莓派都運行一個基於 Debian Linux 的作業系統，稱為 Raspberry Pi OS。這個系統有一個精簡版，沒有桌面，非常適合不需要螢幕的“無頭”專案，還有一個完整版本，帶有完整的桌面環境，包括網頁瀏覽器、辦公應用程式、程式編寫工具和遊戲。由於該作業系統是 Debian Linux 的一個版本，你可以安裝任何在 Debian 上運行並為樹莓派內部的 ARM 處理器構建的應用程式或工具。
-
-#### 任務
-
-研究樹莓派。
-
-如果你在這些課程中使用樹莓派，閱讀有關電路板上不同硬體元件的資訊。
-
-* 你可以在 [樹莓派硬體文檔頁面](https://www.raspberrypi.org/documentation/hardware/raspberrypi/) 上找到有關處理器的詳細資訊。閱讀你正在使用的樹莓派型號所使用的處理器。
-* 找到 GPIO 引腳。在 [樹莓派 GPIO 文檔](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md) 上閱讀更多相關資訊。使用 [GPIO 引腳使用指南](https://www.raspberrypi.org/documentation/usage/gpio/README.md) 來識別樹莓派上的不同引腳。
-
-### 編程單板電腦
-
-單板電腦是完整的電腦，運行完整的作業系統。這意味著你可以使用多種程式語言、框架和工具來編寫程式，而不像微控制器那樣依賴於 Arduino 等框架對開發板的支援。大多數程式語言都有庫可以訪問 GPIO 引腳，從而與感測器和執行器進行數據傳輸。
-
-✅ 你熟悉哪些程式語言？它們是否支援 Linux？
-
-在樹莓派上構建 IoT 應用程式最常用的程式語言是 Python。樹莓派有一個龐大的硬體生態系統，幾乎所有這些硬體都包括用於 Python 的相關程式庫。一些生態系統基於“帽子”（hats）——之所以這樣稱呼，是因為它們像帽子一樣坐在樹莓派的頂部，通過一個大插座連接到 40 個 GPIO 引腳上。這些帽子提供了額外的功能，例如螢幕、感測器、遙控車或適配器，允許你插入具有標準化電纜的感測器。
-### 單板電腦在專業物聯網部署中的應用
-
-單板電腦不僅僅是開發者套件，它們也被用於專業的物聯網部署。它們能夠提供強大的功能來控制硬體並執行複雜的任務，例如運行機器學習模型。例如，[Raspberry Pi 4 Compute Module](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/) 提供了 Raspberry Pi 4 的所有性能，但採用更緊湊且更便宜的形式，去掉了大部分的端口，專為安裝到定制硬體中而設計。
-
----
-
-## 🚀 挑戰
-
-上一課的挑戰是列出你家裡、學校或工作場所中所有的物聯網設備。對於這些設備中的每一個，你認為它們是基於微控制器、單板電腦，還是兩者的混合？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
-
-## 回顧與自學
-
-* 閱讀 [Arduino 入門指南](https://www.arduino.cc/en/Guide/Introduction)，了解更多關於 Arduino 平台的資訊。
-* 閱讀 [Raspberry Pi 4 介紹](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)，學習更多關於 Raspberry Pi 的知識。
-* 了解更多概念和縮寫，參考 [Electrical Engineering Journal 中的文章：What the FAQ are CPUs, MPUs, MCUs, and GPUs](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/)。
-
-✅ 使用這些指南，以及在 [硬體指南](../../../hardware.md) 中提供的連結所顯示的成本，來決定你想使用哪種硬體平台，或者是否更願意使用虛擬設備。
-
-## 作業
-
-[比較與對比微控制器和單板電腦](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/tw/1-getting-started/lessons/2-deeper-dive/assignment.md
deleted file mode 100644
index 60379b252..000000000
--- a/translations/tw/1-getting-started/lessons/2-deeper-dive/assignment.md
+++ /dev/null
@@ -1,24 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "750bd75866471141f857240219084767",
-  "translation_date": "2025-08-24T23:47:31+00:00",
-  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
-  "language_code": "tw"
-}
--->
-# 比較與對比微控制器和單板電腦
-
-## 說明
-
-本課程介紹了微控制器和單板電腦。請建立一個表格來比較和對比它們，並列出至少 2 個選擇微控制器而非單板電腦的原因，以及至少 2 個選擇單板電腦而非微控制器的原因。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 建立一個比較微控制器與單板電腦的表格 | 正確地列出多項比較與對比項目 | 僅列出少數幾項比較與對比項目 | 僅能列出一項或無法列出任何比較與對比項目 |
-| 選擇其中一種的原因 | 能夠提供 2 個或更多選擇微控制器的原因，並提供 2 個或更多選擇單板電腦的原因 | 僅能提供 1-2 個選擇微控制器的原因，並提供 1-2 個選擇單板電腦的原因 | 無法提供 1 個或更多選擇微控制器或單板電腦的原因 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/README.md
deleted file mode 100644
index 9b23fec19..000000000
--- a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/README.md
+++ /dev/null
@@ -1,228 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
-  "translation_date": "2025-08-24T23:15:15+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
-  "language_code": "tw"
-}
--->
-# 與感測器和致動器互動，探索物理世界
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大的版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩段影片進行教學：一段為 1 小時的課程，另一段為 1 小時的辦公時間，深入探討課程內容並回答問題。
-
-[![課程 3：與感測器和致動器互動，探索物理世界](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
-
-[![課程 3：與感測器和致動器互動，探索物理世界 - 辦公時間](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
-
-## 簡介
-
-本課程介紹 IoT 裝置的兩個重要概念——感測器和致動器。您將親自操作這些元件，為您的 IoT 專案添加光感測器，並根據光線強度控制 LED，實際上建造一個夜燈。
-
-在本課程中，我們將涵蓋：
-
-* [什麼是感測器？](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [使用感測器](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [感測器類型](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [什麼是致動器？](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [使用致動器](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-* [致動器類型](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
-
-## 什麼是感測器？
-
-感測器是能夠感知物理世界的硬體裝置——它們測量周圍的一個或多個屬性，並將信息傳送到 IoT 裝置。感測器的種類繁多，因為可以測量的事物非常多樣化，從自然屬性（如空氣溫度）到物理交互（如運動）。
-
-一些常見的感測器包括：
-
-* 溫度感測器 - 這些感測器感知空氣溫度或它們所浸入物體的溫度。對於愛好者和開發者來說，這些感測器通常與氣壓和濕度感測器結合在一起。
-* 按鈕 - 感知按下的狀態。
-* 光感測器 - 檢測光線強度，可以是特定顏色、紫外線、紅外線或一般可見光。
-* 相機 - 通過拍攝照片或串流視頻來感知世界的視覺表示。
-* 加速度計 - 感知多方向的運動。
-* 麥克風 - 感知聲音，可以是一般的聲音強度或方向性聲音。
-
-✅ 做些研究。您的手機有哪些感測器？
-
-所有感測器都有一個共同點——它們將感知到的事物轉換為可由 IoT 裝置解讀的電信號。如何解讀這些電信號取決於感測器本身以及與 IoT 裝置通信所使用的協議。
-
-## 使用感測器
-
-按照以下相關指南，將感測器添加到您的 IoT 裝置：
-
-* [Arduino - Wio Terminal](wio-terminal-sensor.md)
-* [單板電腦 - Raspberry Pi](pi-sensor.md)
-* [單板電腦 - 虛擬裝置](virtual-device-sensor.md)
-
-## 感測器類型
-
-感測器分為類比和數位兩種。
-
-### 類比感測器
-
-一些最基本的感測器是類比感測器。這些感測器接收來自 IoT 裝置的電壓，感測器元件調整該電壓，然後返回的電壓被測量以獲得感測器值。
-
-> 🎓 電壓是衡量電流從一個地方移動到另一個地方的推動力。例如，標準 AA 電池的電壓為 1.5V（V 是伏特的符號），可以以 1.5V 的推力從正極移動到負極。不同的電子硬體需要不同的電壓才能工作，例如 LED 可以在 2-3V 的電壓下發光，但 100W 的燈絲燈泡需要 240V。您可以在 [維基百科的電壓頁面](https://wikipedia.org/wiki/Voltage) 上了解更多關於電壓的知識。
-
-一個例子是電位器。這是一個可以在兩個位置之間旋轉的旋鈕，感測器測量旋轉的角度。
-
-![一個電位器設置在中間位置，接收 5 伏特並返回 3.8 伏特](../../../../../translated_images/zh-TW/potentiometer.35a348b9ce22f6ec.webp)
-
-IoT 裝置會向電位器發送一個電信號，電壓例如 5 伏特（5V）。當調整電位器時，它會改變另一端輸出的電壓。假設您有一個標有 0 到 [11](https://wikipedia.org/wiki/Up_to_eleven) 的電位器，例如放大器上的音量旋鈕。當電位器處於完全關閉位置（0）時，輸出為 0V（0 伏特）。當它處於完全開啟位置（11）時，輸出為 5V（5 伏特）。
-
-> 🎓 這是一個簡化的說明，您可以在 [維基百科的電位器頁面](https://wikipedia.org/wiki/Potentiometer) 上了解更多關於電位器和可變電阻的知識。
-
-感測器輸出的電壓會被 IoT 裝置讀取，裝置可以根據該電壓做出反應。根據感測器的不同，這個電壓可以是任意值，也可以映射到標準單位。例如，基於 [熱敏電阻](https://wikipedia.org/wiki/Thermistor) 的類比溫度感測器會根據溫度改變其電阻。輸出電壓可以通過程式碼中的計算轉換為開氏溫度，並相應地轉換為 °C 或 °F。
-
-✅ 您認為如果感測器返回的電壓高於發送的電壓（例如來自外部電源）會發生什麼？⛔️ 請勿嘗試測試。
-
-#### 類比到數位轉換
-
-IoT 裝置是數位化的——它們無法處理類比值，只能處理 0 和 1。這意味著類比感測器的值需要在處理之前轉換為數位信號。許多 IoT 裝置具有類比到數位轉換器（ADCs），用於將類比輸入轉換為其值的數位表示。感測器也可以通過連接板與 ADC 一起工作。例如，在使用 Raspberry Pi 的 Seeed Grove 生態系統中，類比感測器連接到 Pi 上的特定端口，這些端口位於連接到 Pi 的 GPIO 引腳的 '帽子' 上，該帽子具有 ADC，可以將電壓轉換為數位信號，然後通過 Pi 的 GPIO 引腳發送。
-
-假設您有一個類比光感測器連接到使用 3.3V 的 IoT 裝置，並返回 1V 的值。這個 1V 在數位世界中沒有意義，因此需要進行轉換。電壓將根據裝置和感測器的比例轉換為類比值。例如，Seeed Grove 光感測器輸出值範圍為 0 到 1,023。對於這個在 3.3V 下運行的感測器，1V 的輸出將是一個值 300。IoT 裝置無法處理 300 作為類比值，因此該值將被轉換為 `0000000100101100`，即 Grove '帽子' 的 300 的二進制表示。然後由 IoT 裝置處理。
-
-✅ 如果您不懂二進制，請做一些研究，了解數字如何用 0 和 1 表示。[BBC Bitesize 的二進制入門課程](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) 是一個很好的起點。
-
-從程式設計的角度來看，這些通常由感測器附帶的庫處理，因此您不需要自己擔心這些轉換。對於 Grove 光感測器，您可以使用 Python 庫並調用 `light` 屬性，或者使用 Arduino 庫並調用 `analogRead` 來獲得值 300。
-
-### 數位感測器
-
-數位感測器與類比感測器一樣，通過電壓變化感知周圍的世界。不同之處在於它們輸出數位信號，或者僅測量兩種狀態，或者使用內建的 ADC。數位感測器越來越普遍，以避免需要在連接板或 IoT 裝置上使用 ADC。
-
-最簡單的數位感測器是按鈕或開關。這是一個只有兩種狀態的感測器，開或關。
-
-![一個按鈕接收 5 伏特。未按下時返回 0 伏特，按下時返回 5 伏特](../../../../../translated_images/zh-TW/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png)
-
-IoT 裝置上的引腳（例如 GPIO 引腳）可以直接測量此信號作為 0 或 1。如果發送的電壓與返回的電壓相同，讀取的值為 1，否則讀取的值為 0。無需轉換信號，它只能是 1 或 0。
-
-> 💁 電壓永遠不會完全精確，尤其是感測器中的元件會有一些電阻，因此通常會有容差。例如，Raspberry Pi 的 GPIO 引腳工作在 3.3V，並將返回信號高於 1.8V 讀取為 1，低於 1.8V 讀取為 0。
-
-* 3.3V 進入按鈕。按鈕未按下，因此輸出 0V，值為 0
-* 3.3V 進入按鈕。按鈕按下，因此輸出 3.3V，值為 1
-
-更高級的數位感測器會讀取類比值，然後使用內建的 ADC 將其轉換為數位信號。例如，數位溫度感測器仍然會像類比感測器一樣使用熱電偶，並且仍然會測量由熱電偶在當前溫度下的電阻變化引起的電壓變化。它不會返回類比值，而是依賴於裝置或連接板進行轉換，而是由感測器內建的 ADC 進行轉換，並以一系列 0 和 1 的形式將其發送到 IoT 裝置。這些 0 和 1 的發送方式與按鈕的數位信號相同，其中 1 表示全電壓，0 表示 0V。
-
-![一個數位溫度感測器將類比讀數轉換為二進制數據，其中 0 表示 0 伏特，1 表示 5 伏特，然後將其發送到 IoT 裝置](../../../../../translated_images/zh-TW/temperature-as-digital.85004491b977bae1.webp)
-
-發送數位數據使感測器能夠變得更加複雜，並發送更詳細的數據，甚至是加密數據以用於安全感測器。一個例子是相機。這是一個感測器，捕捉圖像並以包含該圖像的數位數據形式發送，通常以壓縮格式（如 JPEG）發送到 IoT 裝置。它甚至可以通過捕捉圖像並逐幀發送完整圖像或壓縮視頻流來進行視頻串流。
-
-## 什麼是致動器？
-
-致動器與感測器相反——它們將來自 IoT 裝置的電信號轉換為與物理世界的交互，例如發光、發聲或驅動馬達。
-
-一些常見的致動器包括：
-
-* LED - 打開時發光
-* 喇叭 - 根據發送的信號發聲，從基本的蜂鳴器到可以播放音樂的音響喇叭
-* 步進馬達 - 將信號轉換為一定量的旋轉，例如旋轉旋鈕 90°
-* 繼電器 - 這些是可以通過電信號打開或關閉的開關。它們允許 IoT 裝置的小電壓打開更大的電壓。
-* 屏幕 - 這些是更複雜的致動器，能夠在多段顯示器上顯示信息。屏幕的種類從簡單的 LED 顯示器到高解析度視頻顯示器。
-
-✅ 做些研究。您的手機有哪些致動器？
-
-## 使用致動器
-
-按照以下相關指南，將致動器添加到您的 IoT 裝置，並由感測器控制，構建一個 IoT 夜燈。它將從光感測器收集光線強度，並使用 LED 作為致動器，在檢測到光線強度過低時發光。
-
-![任務的流程圖，顯示光線強度的讀取和檢查，以及 LED 的控制](../../../../../translated_images/zh-TW/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png)
-
-* [Arduino - Wio Terminal](wio-terminal-actuator.md)
-* [單板電腦 - Raspberry Pi](pi-actuator.md)
-* [單板電腦 - 虛擬裝置](virtual-device-actuator.md)
-
-## 致動器類型
-
-與感測器類似，致動器分為類比和數位兩種。
-
-### 類比致動器
-
-類比致動器接收類比信號並將其轉換為某種交互，交互根據提供的電壓而改變。
-
-一個例子是可調光燈，例如您家中的燈。提供給燈的電壓量決定了燈的亮度。
-![在低電壓下光線變暗，在高電壓下變亮](../../../../../translated_images/zh-TW/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png)
-
-就像感測器一樣，實際的物聯網設備使用的是數位信號，而不是類比信號。這意味著，為了傳送類比信號，物聯網設備需要一個數位轉類比轉換器（DAC），這個轉換器可以直接內建在物聯網設備中，也可以在連接板上。它會將物聯網設備的0和1轉換為致動器可以使用的類比電壓。
-
-✅ 如果物聯網設備傳送的電壓高於致動器能承受的範圍，會發生什麼事？
-⛔️ 請勿嘗試測試。
-
-#### 脈衝寬度調變
-
-另一種將物聯網設備的數位信號轉換為類比信號的方法是脈衝寬度調變（PWM）。這種方法涉及傳送大量短暫的數位脈衝，這些脈衝的效果就像是類比信號。
-
-例如，你可以使用PWM來控制馬達的速度。
-
-假設你正在用5V電源控制一個馬達。你向馬達傳送一個短脈衝，將電壓切換到高電平（5V）持續0.02秒。在這段時間內，馬達可以旋轉1/10圈，或36°。然後信號暫停0.02秒，傳送低電平信號（0V）。每次開啟和關閉的循環持續0.04秒，然後重複。
-
-![以150 RPM進行脈衝寬度調變的馬達旋轉](../../../../../translated_images/zh-TW/pwm-motor-150rpm.83347ac04ca38482.webp)
-
-這意味著在一秒內，你有25個持續0.02秒的5V脈衝來驅動馬達，每個脈衝之後是0.02秒的0V暫停，馬達不旋轉。每個脈衝使馬達旋轉1/10圈，這意味著馬達每秒完成2.5圈。你使用數位信號使馬達以每秒2.5圈或每分鐘150轉（[每分鐘轉速](https://wikipedia.org/wiki/Revolutions_per_minute)，一種非標準的旋轉速度測量單位）旋轉。
-
-```output
-25 pulses per second x 0.1 rotations per pulse = 2.5 rotations per second
-2.5 rotations per second x 60 seconds in a minute = 150rpm
-```
-
-> 🎓 當PWM信號開啟一半時間，關閉一半時間時，稱為[50%占空比](https://wikipedia.org/wiki/Duty_cycle)。占空比是信號處於開啟狀態的時間與關閉狀態時間的百分比。
-
-![以75 RPM進行脈衝寬度調變的馬達旋轉](../../../../../translated_images/zh-TW/pwm-motor-75rpm.a5e4c939934b6e14.webp)
-
-你可以通過改變脈衝的大小來改變馬達的速度。例如，對於同一個馬達，你可以保持相同的循環時間0.04秒，將開啟脈衝減半為0.01秒，關閉脈衝增加到0.03秒。每秒的脈衝數量（25）保持不變，但每個開啟脈衝的長度減半。半長度的脈衝只會使馬達旋轉1/20圈，而每秒25個脈衝將完成1.25圈或75 RPM。通過改變數位信號的脈衝速度，你將類比馬達的速度減半。
-
-```output
-25 pulses per second x 0.05 rotations per pulse = 1.25 rotations per second
-1.25 rotations per second x 60 seconds in a minute = 75rpm
-```
-
-✅ 你會如何保持馬達旋轉的平穩性，特別是在低速時？你會使用少量長脈衝和長暫停，還是大量非常短的脈衝和非常短的暫停？
-
-> 💁 一些感測器也使用PWM將類比信號轉換為數位信號。
-
-> 🎓 你可以在[Wikipedia的脈衝寬度調變頁面](https://wikipedia.org/wiki/Pulse-width_modulation)上閱讀更多關於脈衝寬度調變的內容。
-
-### 數位致動器
-
-數位致動器與數位感測器類似，要麼有兩種狀態，由高電壓或低電壓控制，要麼內建DAC，可以將數位信號轉換為類比信號。
-
-一個簡單的數位致動器是LED。當設備傳送數位信號1時，會傳送高電壓點亮LED。當傳送數位信號0時，電壓降至0V，LED熄滅。
-
-![LED在0伏時熄滅，在5伏時點亮](../../../../../translated_images/zh-TW/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png)
-
-✅ 你能想到其他簡單的兩狀態致動器嗎？一個例子是電磁閥，它是一種電磁鐵，可以被激活來執行例如移動門閂以鎖定/解鎖門的操作。
-
-更高級的數位致動器，例如螢幕，需要以特定格式傳送數位數據。它們通常附帶庫，這些庫使得傳送正確的數據來控制它們變得更容易。
-
----
-
-## 🚀 挑戰
-
-在前兩課的挑戰中，列出你家中、學校或工作場所中的所有物聯網設備，並判斷它們是基於微控制器還是單板電腦，或者是兩者的混合。
-
-對於你列出的每個設備，它們連接了哪些感測器和致動器？這些設備連接的每個感測器和致動器的用途是什麼？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
-
-## 複習與自學
-
-* 在 [ThingLearn](http://thinglearn.jenlooper.com/curriculum/) 上閱讀有關電力和電路的內容。
-* 在 [Seeed Studios 溫度感測器指南](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/) 上閱讀不同類型的溫度感測器。
-* 在 [Wikipedia LED 頁面](https://wikipedia.org/wiki/Light-emitting_diode) 上閱讀有關LED的內容。
-
-## 作業
-
-[研究感測器和致動器](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
deleted file mode 100644
index e2a04f1e7..000000000
--- a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
+++ /dev/null
@@ -1,29 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c5a568320b1159394108544807895337",
-  "translation_date": "2025-08-24T23:19:34+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
-  "language_code": "tw"
-}
--->
-# 研究感測器與致動器
-
-## 說明
-
-本課程涵蓋了感測器與致動器。請研究並描述一個可以與物聯網開發套件搭配使用的感測器和致動器，包括以下內容：
-
-* 它的功能
-* 內部使用的電子元件/硬體
-* 它是類比還是數位
-* 它的單位及輸入或測量範圍
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 描述感測器 | 描述了一個感測器，並詳細說明了上述4個部分的內容。 | 描述了一個感測器，但僅能提供上述4個部分中的2-3個部分。 | 描述了一個感測器，但僅能提供上述4個部分中的1個部分。 |
-| 描述致動器 | 描述了一個致動器，並詳細說明了上述4個部分的內容。 | 描述了一個致動器，但僅能提供上述4個部分中的2-3個部分。 | 描述了一個致動器，但僅能提供上述4個部分中的1個部分。 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
deleted file mode 100644
index 16e9d95bc..000000000
--- a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
+++ /dev/null
@@ -1,128 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4db8a3879a53490513571df2f6cf7641",
-  "translation_date": "2025-08-24T23:20:19+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
-  "language_code": "tw"
-}
--->
-# 建造夜燈 - Raspberry Pi
-
-在本課程的這部分，你將為 Raspberry Pi 添加一個 LED，並用它來製作一個夜燈。
-
-## 硬體
-
-夜燈現在需要一個執行器。
-
-執行器是一個 **LED**，即[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數位執行器，具有兩種狀態：開和關。傳送值 1 會打開 LED，而傳送值 0 會關閉它。LED 是一個外部的 Grove 執行器，需要連接到 Raspberry Pi 上的 Grove Base hat。
-
-夜燈邏輯的偽代碼如下：
-
-```output
-Check the light level.
-If the light is less than 300
-    Turn the LED on
-Otherwise
-    Turn the LED off
-```
-
-### 連接 LED
-
-Grove LED 是一個模組，內含多種顏色的 LED，讓你可以選擇喜歡的顏色。
-
-#### 任務 - 連接 LED
-
-連接 LED。
-
-![一個 Grove LED](../../../../../translated_images/zh-TW/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png)
-
-1. 選擇你喜歡的 LED，將其引腳插入 LED 模組上的兩個孔中。
-
-    LED 是發光二極管，而二極管是一種只能讓電流單向通過的電子元件。這意味著 LED 必須以正確的方向連接，否則無法工作。
-
-    LED 的一個引腳是正極，另一個是負極。LED 並非完全圓形，其中一側稍微扁平一些。稍微扁平的一側是負極。當你將 LED 連接到模組時，確保圓形一側的引腳連接到模組外側標有 **+** 的插槽，而扁平一側的引腳連接到模組中間較近的插槽。
-
-1. LED 模組有一個旋鈕，可以用來調節亮度。使用小型十字螺絲起子將其逆時針旋轉到最亮的位置。
-
-1. 將 Grove 電纜的一端插入 LED 模組上的插槽。電纜只能以一種方向插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Grove Base hat 上標有 **D5** 的數位插槽。這個插槽位於 GPIO 引腳旁邊的一排插槽中，從左數第二個。
-
-![Grove LED 連接到 D5 插槽](../../../../../translated_images/zh-TW/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png)
-
-## 編寫夜燈程式
-
-現在可以使用 Grove 光感測器和 Grove LED 來編寫夜燈程式。
-
-### 任務 - 編寫夜燈程式
-
-編寫夜燈程式。
-
-1. 啟動 Raspberry Pi，等待其完成啟動。
-
-1. 在 VS Code 中打開你在本作業前一部分中建立的夜燈專案，可以直接在 Raspberry Pi 上運行，也可以使用 Remote SSH 擴展連接。
-
-1. 在 `app.py` 文件的頂部其他 `import` 行下方，添加以下程式碼以匯入所需的庫。
-
-    ```python
-    from grove.grove_led import GroveLed
-    ```
-
-    `from grove.grove_led import GroveLed` 語句從 Grove Python 庫中匯入 `GroveLed`。該庫包含與 Grove LED 互動的程式碼。
-
-1. 在 `light_sensor` 宣告之後，添加以下程式碼來建立管理 LED 的類別實例：
-
-    ```python
-    led = GroveLed(5)
-    ```
-
-    `led = GroveLed(5)` 這一行建立了一個 `GroveLed` 類別的實例，連接到 **D5** 引腳——即 LED 所連接的數位 Grove 引腳。
-
-    > 💁 每個插槽都有唯一的引腳編號。引腳 0、2、4 和 6 是類比引腳，引腳 5、16、18、22、24 和 26 是數位引腳。
-
-1. 在 `while` 迴圈內、`time.sleep` 之前添加一個檢查，用於檢查光線水平並開啟或關閉 LED：
-
-    ```python
-    if light < 300:
-        led.on()
-    else:
-        led.off()
-    ```
-
-    此程式碼檢查 `light` 值。如果該值小於 300，則調用 `GroveLed` 類別的 `on` 方法，向 LED 傳送數位值 1，將其打開。如果光線值大於或等於 300，則調用 `off` 方法，傳送數位值 0，將其關閉。
-
-    > 💁 此程式碼應與 `print('Light level:', light)` 行保持相同的縮排級別，以確保它位於 while 迴圈內！
-
-    > 💁 當向執行器傳送數位值時，值 0 表示 0V，而值 1 表示設備的最大電壓。對於使用 Grove 感測器和執行器的 Raspberry Pi，值 1 的電壓為 3.3V。
-
-1. 在 VS Code 的終端中，運行以下命令來執行你的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。
-
-    ```output
-    pi@raspberrypi:~/nightlight $ python3 app.py 
-    Light level: 634
-    Light level: 634
-    Light level: 634
-    Light level: 230
-    Light level: 104
-    Light level: 290
-    ```
-
-1. 遮住並移開光感測器。注意當光線值小於或等於 300 時，LED 會亮起；當光線值大於 300 時，LED 會熄滅。
-
-    > 💁 如果 LED 沒有亮起，請確保它的連接方向正確，並且旋鈕已調至最亮。
-
-![LED 連接到 Raspberry Pi，隨光線水平變化而亮起和熄滅](../../../../../images/pi-running-assignment-1-1.gif)
-
-> 💁 你可以在 [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi) 資料夾中找到此程式碼。
-
-😀 你的夜燈程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用本翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
deleted file mode 100644
index ba1a4f74b..000000000
--- a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
+++ /dev/null
@@ -1,108 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "ea733bd0cdf2479e082373f765a08678",
-  "translation_date": "2025-08-24T23:13:31+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
-  "language_code": "tw"
-}
--->
-# 建立夜燈 - Raspberry Pi
-
-在本課程的這部分，你將為 Raspberry Pi 添加一個光線感測器。
-
-## 硬體
-
-本課程使用的感測器是一個**光線感測器**，它利用[光電二極體](https://wikipedia.org/wiki/Photodiode)將光轉換為電信號。這是一個類比感測器，會傳送一個介於 0 到 1,000 的整數值，表示相對的光量，但這個值並不對應於任何標準的測量單位，例如 [lux](https://wikipedia.org/wiki/Lux)。
-
-光線感測器是一個外部的 Grove 感測器，需要連接到 Raspberry Pi 上的 Grove Base hat。
-
-### 連接光線感測器
-
-用於檢測光線強度的 Grove 光線感測器需要連接到 Raspberry Pi。
-
-#### 任務 - 連接光線感測器
-
-連接光線感測器
-
-![Grove 光線感測器](../../../../../translated_images/zh-TW/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png)
-
-1. 將 Grove 線纜的一端插入光線感測器模組上的插槽。它只能以一種方向插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 線纜的另一端連接到 Grove Base hat 上標記為 **A0** 的類比插槽。這個插槽位於 GPIO 引腳旁邊的一排插槽中，從右數第二個。
-
-![Grove 光線感測器連接到 A0 插槽](../../../../../translated_images/zh-TW/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png)
-
-## 編寫光線感測器程式
-
-現在可以使用 Grove 光線感測器來編寫程式。
-
-### 任務 - 編寫光線感測器程式
-
-編寫裝置程式。
-
-1. 啟動 Raspberry Pi，並等待其完成開機。
-
-1. 在 VS Code 中打開你在本作業前一部分中建立的夜燈專案，可以直接在 Pi 上運行，或者使用 Remote SSH 擴展連接。
-
-1. 打開 `app.py` 文件，並刪除其中的所有程式碼。
-
-1. 在 `app.py` 文件中添加以下程式碼以匯入一些必要的庫：
-
-    ```python
-    import time
-    from grove.grove_light_sensor_v1_2 import GroveLightSensor
-    ```
-
-    `import time` 語句匯入了 `time` 模組，稍後在本作業中會用到。
-
-    `from grove.grove_light_sensor_v1_2 import GroveLightSensor` 語句從 Grove Python 庫中匯入了 `GroveLightSensor`。這個庫包含與 Grove 光線感測器互動的程式碼，並在 Pi 設置過程中已全域安裝。
-
-1. 在上述程式碼之後添加以下程式碼，創建一個管理光線感測器的類別實例：
-
-    ```python
-    light_sensor = GroveLightSensor(0)
-    ```
-
-    `light_sensor = GroveLightSensor(0)` 這一行創建了一個 `GroveLightSensor` 類別的實例，並連接到引腳 **A0**——光線感測器所連接的 Grove 類比引腳。
-
-1. 在上述程式碼之後添加一個無限迴圈，用於輪詢光線感測器的值並將其輸出到控制台：
-
-    ```python
-    while True:
-        light = light_sensor.light
-        print('Light level:', light)
-    ```
-
-    這段程式碼會使用 `GroveLightSensor` 類別的 `light` 屬性讀取當前光線強度，範圍為 0-1,023。該屬性從引腳讀取類比值，然後將該值輸出到控制台。
-
-1. 在迴圈的最後添加一個一秒的延遲，因為光線強度不需要被連續檢查。延遲可以減少裝置的功耗。
-
-    ```python
-    time.sleep(1)
-    ```
-
-1. 在 VS Code 的終端中，運行以下命令來執行你的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。遮住或移開光線感測器，值會隨之改變：
-
-    ```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
-    ```
-
-> 💁 你可以在 [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi) 資料夾中找到這段程式碼。
-
-😀 為你的夜燈程式添加感測器成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
deleted file mode 100644
index b5a54b0e9..000000000
--- a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
+++ /dev/null
@@ -1,122 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9c640f93263fd9adbfda920739e09feb",
-  "translation_date": "2025-08-24T23:23:07+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
-  "language_code": "tw"
-}
--->
-# 建立夜燈 - 虛擬物聯網硬體
-
-在本課程的這部分，你將為虛擬物聯網設備添加一個 LED，並使用它來創建一個夜燈。
-
-## 虛擬硬體
-
-夜燈需要一個執行器，這是在 CounterFit 應用中創建的。
-
-這個執行器是一個 **LED**。在實體物聯網設備中，它是一個[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數位執行器，具有兩種狀態：開和關。傳送值 1 會打開 LED，傳送值 0 會關閉 LED。
-
-夜燈邏輯的偽代碼如下：
-
-```output
-Check the light level.
-If the light is less than 300
-    Turn the LED on
-Otherwise
-    Turn the LED off
-```
-
-### 將執行器添加到 CounterFit
-
-要使用虛擬 LED，你需要將它添加到 CounterFit 應用中。
-
-#### 任務 - 將執行器添加到 CounterFit
-
-將 LED 添加到 CounterFit 應用中。
-
-1. 確保 CounterFit 網頁應用正在運行（從本作業的上一部分開始）。如果未運行，啟動它並重新添加光感測器。
-
-1. 創建一個 LED：
-
-    1. 在 *Actuator* 面板的 *Create actuator* 框中，展開 *Actuator type* 下拉框並選擇 *LED*。
-
-    1. 將 *Pin* 設置為 *5*。
-
-    1. 選擇 **Add** 按鈕，在 Pin 5 上創建 LED。
-
-    ![LED 設定](../../../../../translated_images/zh-TW/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png)
-
-    LED 將被創建並顯示在執行器列表中。
-
-    ![已創建的 LED](../../../../../translated_images/zh-TW/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png)
-
-    LED 創建後，你可以使用 *Color* 選擇器更改顏色。選擇 **Set** 按鈕以更改顏色。
-
-### 編寫夜燈程式
-
-現在可以使用 CounterFit 光感測器和 LED 編寫夜燈程式。
-
-#### 任務 - 編寫夜燈程式
-
-編寫夜燈程式。
-
-1. 在 VS Code 中打開你在本作業上一部分中創建的夜燈專案。如果需要，終止並重新創建終端以確保它使用虛擬環境運行。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件中添加以下程式碼以匯入所需的庫。這段程式碼應添加在其他 `import` 行的下方。
-
-    ```python
-    from counterfit_shims_grove.grove_led import GroveLed
-    ```
-
-    `from counterfit_shims_grove.grove_led import GroveLed` 語句從 CounterFit Grove shim Python 庫中匯入 `GroveLed`。該庫包含與 CounterFit 應用中創建的 LED 互動的程式碼。
-
-1. 在 `light_sensor` 聲明之後添加以下程式碼，以創建管理 LED 的類的實例：
-
-    ```python
-    led = GroveLed(5)
-    ```
-
-    `led = GroveLed(5)` 行創建了一個 `GroveLed` 類的實例，連接到 Pin **5**——CounterFit Grove 中 LED 所連接的 Pin。
-
-1. 在 `while` 迴圈內部並在 `time.sleep` 之前添加一個檢查，用於檢查光線水平並打開或關閉 LED：
-
-    ```python
-    if light < 300:
-        led.on()
-    else:
-        led.off()
-    ```
-
-    此程式碼檢查 `light` 值。如果該值小於 300，則調用 `GroveLed` 類的 `on` 方法，向 LED 傳送數位值 1，將其打開。如果光線值大於或等於 300，則調用 `off` 方法，傳送數位值 0，將其關閉。
-
-    > 💁 此程式碼應與 `print('Light level:', light)` 行保持相同的縮排級別，以確保它位於 while 迴圈內！
-
-1. 從 VS Code 的終端執行以下命令以運行你的 Python 應用：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光線值將輸出到控制台。
-
-    ```output
-    (.venv) ➜  GroveTest python3 app.py 
-    Light level: 143
-    Light level: 244
-    Light level: 246
-    Light level: 253
-    ```
-
-1. 更改 *Value* 或 *Random* 設定，使光線水平在 300 以上和以下變化。LED 將會開啟和關閉。
-
-![CounterFit 應用中 LED 隨光線水平變化而開啟和關閉](../../../../../images/virtual-device-running-assignment-1-1.gif)
-
-> 💁 你可以在 [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device) 資料夾中找到此程式碼。
-
-😀 你的夜燈程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
deleted file mode 100644
index aacd7f488..000000000
--- a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
+++ /dev/null
@@ -1,122 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "11f10c6760fb8202cf368422702fdf70",
-  "translation_date": "2025-08-24T23:24:23+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
-  "language_code": "tw"
-}
--->
-# 建造夜燈 - 虛擬物聯網硬體
-
-在本課程的這部分，你將為虛擬物聯網設備添加一個光感測器。
-
-## 虛擬硬體
-
-夜燈需要一個感測器，透過 CounterFit 應用程式創建。
-
-這個感測器是一個 **光感測器**。在實體物聯網設備中，它會是一個 [光電二極管](https://wikipedia.org/wiki/Photodiode)，將光轉換為電信號。光感測器是一種類比感測器，會傳送一個整數值，表示相對的光量，但不對應任何標準的測量單位，例如 [勒克斯](https://wikipedia.org/wiki/Lux)。
-
-### 在 CounterFit 中添加感測器
-
-要使用虛擬光感測器，你需要將它添加到 CounterFit 應用程式中。
-
-#### 任務 - 在 CounterFit 中添加感測器
-
-將光感測器添加到 CounterFit 應用程式中。
-
-1. 確保 CounterFit 網頁應用程式正在運行，從本作業的上一部分開始。如果尚未啟動，請啟動它。
-
-1. 創建一個光感測器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Light*。
-
-    1. 將 *Units* 保持設置為 *NoUnits*。
-
-    1. 確保 *Pin* 設置為 *0*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 0 上創建光感測器。
-
-    ![光感測器設置](../../../../../translated_images/zh-TW/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png)
-
-    光感測器將被創建並顯示在感測器列表中。
-
-    ![光感測器已創建](../../../../../translated_images/zh-TW/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png)
-
-## 程式化光感測器
-
-現在可以程式化設備以使用內建的光感測器。
-
-### 任務 - 程式化光感測器
-
-程式化設備。
-
-1. 在 VS Code 中打開你在本作業上一部分中創建的夜燈專案。如果需要，終止並重新創建終端以確保它正在使用虛擬環境運行。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下程式碼，與其他 `import` 語句一起，用於導入一些必要的庫：
-
-    ```python
-    import time
-    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
-    ```
-
-    `import time` 語句導入了 Python 的 `time` 模組，稍後在本作業中會使用。
-
-    `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` 語句從 CounterFit Grove shim Python 庫中導入了 `GroveLightSensor`。此庫包含與 CounterFit 應用程式中創建的光感測器交互的程式碼。
-
-1. 在文件底部添加以下程式碼，以創建管理光感測器的類別實例：
-
-    ```python
-    light_sensor = GroveLightSensor(0)
-    ```
-
-    `light_sensor = GroveLightSensor(0)` 這一行創建了一個 `GroveLightSensor` 類的實例，連接到 Pin **0**——光感測器在 CounterFit Grove 中連接的 Pin。
-
-1. 在上述程式碼之後添加一個無限迴圈，用於輪詢光感測器的值並將其打印到控制台：
-
-    ```python
-    while True:
-        light = light_sensor.light
-        print('Light level:', light)
-    ```
-
-    這將使用 `GroveLightSensor` 類的 `light` 屬性讀取當前的光照水平。此屬性從 Pin 讀取類比值，然後將該值打印到控制台。
-
-1. 在 `while` 迴圈的末尾添加一秒的短暫休眠，因為光照水平不需要被連續檢查。休眠可以減少設備的功耗。
-
-    ```python
-    time.sleep(1)
-    ```
-
-1. 從 VS Code 的終端運行以下命令以運行你的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    光照值將輸出到控制台。初始值將為 0。
-
-1. 從 CounterFit 應用程式更改光感測器的值，該值將被應用程式讀取。你可以通過以下兩種方式進行更改：
-
-    * 在光感測器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。你輸入的數字將是感測器返回的值。
-
-    * 勾選 *Random* 選項框，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次感測器讀取值時，它將讀取介於 *Min* 和 *Max* 之間的隨機數。
-
-    你設置的值將輸出到控制台。更改 *Value* 或 *Random* 設置以使值發生變化。
-
-    ```output
-    (.venv) ➜  GroveTest python3 app.py 
-    Light level: 143
-    Light level: 244
-    Light level: 246
-    Light level: 253
-    ```
-
-> 💁 你可以在 [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device) 文件夾中找到這段程式碼。
-
-😀 你的夜燈程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
deleted file mode 100644
index 4081f4f83..000000000
--- a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
+++ /dev/null
@@ -1,122 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "db44083b4dc6fb06eac83c4f16448940",
-  "translation_date": "2025-08-24T23:21:47+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
-  "language_code": "tw"
-}
--->
-# 建造夜燈 - Wio Terminal
-
-在本課程中，您將為 Wio Terminal 添加一個 LED，並使用它來製作夜燈。
-
-## 硬體
-
-夜燈現在需要一個執行器。
-
-執行器是一個 **LED**，即[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數位執行器，具有兩種狀態：開啟和關閉。傳送值 1 會開啟 LED，傳送值 0 則會關閉 LED。這是一個外部 Grove 執行器，需要連接到 Wio Terminal。
-
-夜燈邏輯的偽代碼如下：
-
-```output
-Check the light level.
-If the light is less than 300
-    Turn the LED on
-Otherwise
-    Turn the LED off
-```
-
-### 連接 LED
-
-Grove LED 是一個模組，包含多種 LED，您可以選擇喜歡的顏色。
-
-#### 任務 - 連接 LED
-
-連接 LED。
-
-![Grove LED](../../../../../translated_images/zh-TW/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png)
-
-1. 選擇您喜歡的 LED，並將其腳插入 LED 模組上的兩個孔中。
-
-    LED 是發光二極管，而二極管是一種只能單向導電的電子元件。這意味著 LED 必須以正確的方向連接，否則無法工作。
-
-    LED 的一隻腳是正極引腳，另一隻是負極引腳。LED 並非完全圓形，其中一側稍微平坦一些。稍微平坦的一側是負極引腳。當您將 LED 連接到模組時，請確保圓形一側的引腳連接到模組外側標記為 **+** 的插座，而平坦一側的引腳連接到模組中間較近的插座。
-
-1. LED 模組有一個旋轉按鈕，可以用來調節亮度。使用小型十字螺絲刀將其逆時針旋轉到最亮。
-
-1. 將 Grove 電纜的一端插入 LED 模組上的插座。電纜只能以一種方向插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 屏幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
-
-    > 💁 右側的 Grove 插座可用於類比或數位感測器和執行器。左側插座僅用於 I2C 和數位感測器及執行器。
-
-![Grove LED 連接到右側插座](../../../../../translated_images/zh-TW/wio-led.265a1897e72d7f21.webp)
-
-## 程式設計夜燈
-
-現在可以使用內建的光感測器和 Grove LED 來程式設計夜燈。
-
-### 任務 - 程式設計夜燈
-
-程式設計夜燈。
-
-1. 在 VS Code 中打開您在本作業前一部分中建立的夜燈專案。
-
-1. 在 `setup` 函數的底部添加以下一行：
-
-    ```cpp
-    pinMode(D0, OUTPUT);
-    ```
-
-    這一行配置了用於通過 Grove 端口與 LED 通訊的引腳。
-
-    `D0` 引腳是右側 Grove 插座的數位引腳。此引腳被設置為 `OUTPUT`，表示它連接到執行器，並且數據將被寫入該引腳。
-
-1. 在 `loop` 函數中的 `delay` 之前立即添加以下程式碼：
-
-    ```cpp
-    if (light < 300)
-    {
-        digitalWrite(D0, HIGH);
-    }
-    else
-    {
-        digitalWrite(D0, LOW);
-    }
-    ```
-
-    此程式碼檢查 `light` 值。如果該值小於 300，則向 `D0` 數位引腳傳送 `HIGH` 值。此 `HIGH` 值為 1，開啟 LED。如果光線值大於或等於 300，則向引腳傳送 `LOW` 值 0，關閉 LED。
-
-    > 💁 當向執行器傳送數位值時，LOW 值為 0v，HIGH 值為設備的最大電壓。對於 Wio Terminal，HIGH 電壓為 3.3V。
-
-1. 將 Wio Terminal 重新連接到您的電腦，並像之前一樣上傳新程式碼。
-
-1. 連接 Serial Monitor。光線值將輸出到終端。
-
-    ```output
-    > Executing task: platformio device monitor <
-
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Light value: 4
-    Light value: 5
-    Light value: 4
-    Light value: 158
-    Light value: 343
-    Light value: 348
-    Light value: 344
-    ```
-
-1. 遮住並移開光感測器。注意當光線值小於或等於 300 時，LED 會亮起；當光線值大於 300 時，LED 會熄滅。
-
-![LED 連接到 Wio，隨著光線值變化開啟和關閉](../../../../../images/wio-running-assignment-1-1.gif)
-
-> 💁 您可以在 [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的夜燈程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
deleted file mode 100644
index b5cd7d33d..000000000
--- a/translations/tw/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
+++ /dev/null
@@ -1,85 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7f4ad0ef54f248b85b92187c94cf9dcb",
-  "translation_date": "2025-08-24T23:25:33+00:00",
-  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
-  "language_code": "tw"
-}
--->
-# 添加感測器 - Wio Terminal
-
-在本課程中，您將使用 Wio Terminal 上的光感測器。
-
-## 硬體
-
-本課程使用的感測器是**光感測器**，它利用[光電二極體](https://wikipedia.org/wiki/Photodiode)將光轉換為電信號。這是一個類比感測器，會傳送一個從 0 到 1,023 的整數值，表示相對的光量，但不對應於任何標準的測量單位，例如 [lux](https://wikipedia.org/wiki/Lux)。
-
-光感測器內建於 Wio Terminal 中，可以透過背面的透明塑膠窗看到。
-
-![Wio Terminal 背面的光感測器](../../../../../translated_images/zh-TW/wio-light-sensor.b1f529f3c95f5165.webp)
-
-## 程式設計光感測器
-
-現在可以為裝置編寫程式來使用內建的光感測器。
-
-### 任務
-
-為裝置編寫程式。
-
-1. 在 VS Code 中打開您在本作業前一部分中建立的夜燈專案。
-
-1. 在 `setup` 函數的底部新增以下這一行：
-
-    ```cpp
-    pinMode(WIO_LIGHT, INPUT);
-    ```
-
-    這一行配置了用於與感測器硬體通信的引腳。
-
-    `WIO_LIGHT` 引腳是連接到內建光感測器的 GPIO 引腳編號。此引腳被設置為 `INPUT`，表示它連接到感測器，並將從該引腳讀取數據。
-
-1. 刪除 `loop` 函數的內容。
-
-1. 在現在空的 `loop` 函數中新增以下程式碼。
-
-    ```cpp
-    int light = analogRead(WIO_LIGHT);
-    Serial.print("Light value: ");
-    Serial.println(light);
-    ```
-
-    此程式碼從 `WIO_LIGHT` 引腳讀取一個類比值。這會從內建光感測器讀取一個 0 到 1,023 的值。該值隨後被發送到序列埠，因此當此程式碼運行時，您可以在序列監視器中讀取它。`Serial.print` 會輸出文字但不換行，因此每行會以 `Light value:` 開頭，並以實際的光值結尾。
-
-1. 在 `loop` 的結尾新增一個一秒（1,000 毫秒）的短暫延遲，因為光線水平不需要被連續檢查。延遲可以減少裝置的功耗。
-
-    ```cpp
-    delay(1000);
-    ```
-
-1. 將 Wio Terminal 重新連接到您的電腦，並像之前一樣上傳新程式碼。
-
-1. 連接序列監視器。光值將輸出到終端機。遮住或移開 Wio Terminal 背面的光感測器，數值將會改變。
-
-    ```output
-    > Executing task: platformio device monitor <
-
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Light value: 4
-    Light value: 5
-    Light value: 4
-    Light value: 158
-    Light value: 343
-    Light value: 348
-    Light value: 344
-    ```
-
-> 💁 您可以在 [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal) 資料夾中找到此程式碼。
-
-😀 成功將感測器添加到您的夜燈程式中！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/4-connect-internet/README.md b/translations/tw/1-getting-started/lessons/4-connect-internet/README.md
deleted file mode 100644
index 31185d6d2..000000000
--- a/translations/tw/1-getting-started/lessons/4-connect-internet/README.md
+++ /dev/null
@@ -1,464 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
-  "translation_date": "2025-08-24T23:02:27+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
-  "language_code": "tw"
-}
--->
-# 將您的設備連接到互聯網
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩個視頻進行教學——一個1小時的課程和一個1小時的辦公時間，深入探討課程的部分內容並回答問題。
-
-[![課程4：將您的設備連接到互聯網](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
-
-[![課程4：將您的設備連接到互聯網 - 辦公時間](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
-
-> 🎥 點擊上方圖片觀看視頻
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
-
-## 簡介
-
-IoT 中的 **I** 代表 **Internet**（互聯網）——雲端連接和服務使 IoT 設備的許多功能成為可能，從收集連接到設備的傳感器的測量數據，到發送消息控制執行器。IoT 設備通常使用標準通信協議連接到單一的雲端 IoT 服務，而該服務則連接到您的 IoT 應用的其他部分，例如 AI 服務，用於根據數據做出智能決策，或網頁應用，用於控制或報告。
-
-> 🎓 從傳感器收集並發送到雲端的數據稱為遙測數據。
-
-IoT 設備可以接收來自雲端的消息。這些消息通常包含命令——即指示執行某些操作的指令，無論是內部操作（例如重啟或更新固件），還是使用執行器（例如打開燈光）。
-
-本課程介紹了 IoT 設備用於連接雲端的一些通信協議，以及它們可能發送或接收的數據類型。您還將親自操作，為您的夜燈添加互聯網控制，將 LED 控制邏輯移至本地運行的“服務器”代碼。
-
-在本課程中，我們將涵蓋：
-
-* [通信協議](../../../../../1-getting-started/lessons/4-connect-internet)
-* [消息隊列遙測傳輸（MQTT）](../../../../../1-getting-started/lessons/4-connect-internet)
-* [遙測數據](../../../../../1-getting-started/lessons/4-connect-internet)
-* [命令](../../../../../1-getting-started/lessons/4-connect-internet)
-
-## 通信協議
-
-IoT 設備用於與互聯網通信的流行通信協議有很多。最流行的是基於某種代理的發布/訂閱消息。IoT 設備連接到代理並發布遙測數據並訂閱命令。雲端服務也連接到代理，訂閱所有遙測消息並發布命令，無論是針對特定設備，還是針對設備組。
-
-![IoT 設備連接到代理並發布遙測數據並訂閱命令。雲端服務連接到代理並訂閱所有遙測數據並向特定設備發送命令。](../../../../../translated_images/zh-TW/pub-sub.7c7ed43fe9fd15d4.webp)
-
-MQTT 是 IoT 設備最流行的通信協議，本課程將涵蓋它。其他協議包括 AMQP 和 HTTP/HTTPS。
-
-## 消息隊列遙測傳輸（MQTT）
-
-[MQTT](http://mqtt.org) 是一種輕量級的開放標準消息協議，可在設備之間傳遞消息。它於1999年設計用於監控石油管道，15年後由 IBM 作為開放標準發布。
-
-MQTT 有一個單一的代理和多個客戶端。所有客戶端都連接到代理，代理根據需要將消息路由到相關客戶端。消息是通過命名主題進行路由，而不是直接發送到個別客戶端。客戶端可以發布到某個主題，任何訂閱該主題的客戶端都會接收到消息。
-
-![IoT 設備在 /telemetry 主題上發布遙測數據，雲端服務訂閱該主題](../../../../../translated_images/zh-TW/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png)
-
-✅ 做些研究。如果您有大量 IoT 設備，如何確保您的 MQTT 代理能夠處理所有消息？
-
-### 將您的 IoT 設備連接到 MQTT
-
-為您的夜燈添加互聯網控制的第一步是將其連接到 MQTT 代理。
-
-#### 任務
-
-將您的設備連接到 MQTT 代理。
-
-在本課程的這部分，您將把 IoT 夜燈連接到互聯網，以便遠程控制它。在本課程的後續部分，您的 IoT 設備將通過 MQTT 向公共 MQTT 代理發送光線水平的遙測消息，該消息將由您編寫的一些服務器代碼接收。此代碼將檢查光線水平並向設備發送命令消息，指示其打開或關閉 LED。
-
-這種設置的實際應用場景可能是從多個光線傳感器收集數據後再決定是否打開燈光，例如在有大量燈光的地方，如體育場。這樣可以避免僅因一個傳感器被雲層或鳥遮擋而打開燈光，而其他傳感器檢測到足夠的光線。
-
-✅ 還有哪些情況需要在發送命令之前評估多個傳感器的數據？
-
-為了避免在本次作業中設置 MQTT 代理的複雜性，您可以使用運行 [Eclipse Mosquitto](https://www.mosquitto.org) 的公共測試服務器，這是一個開源的 MQTT 代理。此測試代理可在 [test.mosquitto.org](https://test.mosquitto.org) 上公開使用，且不需要設置帳戶，是測試 MQTT 客戶端和服務器的絕佳工具。
-
-> 💁 此測試代理是公開且不安全的。任何人都可能在監聽您發布的內容，因此不應用於需要保密的數據。
-
-![作業的流程圖，顯示光線水平的讀取和檢查，以及 LED 的控制](../../../../../translated_images/zh-TW/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png)
-
-按照以下相關步驟將您的設備連接到 MQTT 代理：
-
-* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
-* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-mqtt.md)
-
-### 深入了解 MQTT
-
-主題可以有層次結構，客戶端可以使用通配符訂閱層次結構中的不同級別。例如，您可以將溫度遙測消息發送到 `/telemetry/temperature` 主題，將濕度消息發送到 `/telemetry/humidity` 主題，然後在您的雲端應用中訂閱 `/telemetry/*` 主題以接收溫度和濕度的遙測消息。
-
-消息可以設置服務質量（QoS），以確定消息接收的保證程度。
-
-* 最多一次 - 消息僅發送一次，客戶端和代理不採取額外步驟確認交付（即發送後不再關注）。
-* 至少一次 - 發送方多次重試消息，直到收到確認（即確認交付）。
-* 僅一次 - 發送方和接收方進行兩級握手，以確保僅接收到一份消息（即保證交付）。
-
-✅ 哪些情況可能需要保證交付的消息，而不是發送後不再關注的消息？
-
-雖然名稱中有“消息隊列”（MQTT 的首字母縮寫），但它實際上並不支持消息隊列。這意味著如果客戶端斷開連接，然後重新連接，它不會接收到斷開期間發送的消息，除非這些消息已通過 QoS 過程開始處理。消息可以設置保留標誌。如果設置了此標誌，MQTT 代理將存儲在該主題上發送的最後一條消息，並將其發送給後來訂閱該主題的任何客戶端。這樣，客戶端將始終獲得最新消息。
-
-MQTT 還支持保持連接功能，在消息之間的長時間間隔期間檢查連接是否仍然有效。
-
-> 🦟 [Eclipse Foundation 的 Mosquitto](https://mosquitto.org) 提供了一個免費的 MQTT 代理，您可以自行運行以實驗 MQTT，還有一個公共 MQTT 代理可供您測試代碼，托管於 [test.mosquitto.org](https://test.mosquitto.org)。
-
-MQTT 連接可以是公開和開放的，也可以通過用戶名和密碼或證書進行加密和安全保護。
-
-> 💁 MQTT 通過 TCP/IP 進行通信，與 HTTP 使用相同的底層網絡協議，但使用不同的端口。您還可以通過 Websockets 使用 MQTT 與在瀏覽器中運行的網頁應用通信，或者在防火牆或其他網絡規則阻止標準 MQTT 連接的情況下使用。
-
-## 遙測數據
-
-遙測一詞源於希臘語，意為遠程測量。遙測是從傳感器收集數據並將其發送到雲端的行為。
-
-> 💁 最早的遙測設備之一於1874年在法國發明，通過物理電線將蒙特布朗的即時天氣和積雪深度數據發送到巴黎。當時尚未有無線技術。
-
-讓我們回顧一下課程1中的智能溫控器示例。
-
-![使用多個房間傳感器的互聯網連接溫控器](../../../../../translated_images/zh-TW/telemetry.21e5d8b97649d2eb.webp)
-
-溫控器具有溫度傳感器以收集遙測數據。它很可能內置一個溫度傳感器，並可能通過無線協議（如 [藍牙低功耗](https://wikipedia.org/wiki/Bluetooth_Low_Energy) (BLE)）連接到多個外部溫度傳感器。
-
-它可能發送的遙測數據示例如下：
-
-| 名稱 | 值 | 描述 |
-| ---- | ----- | ----------- |
-| `thermostat_temperature` | 18°C | 由溫控器內置溫度傳感器測量的溫度 |
-| `livingroom_temperature` | 19°C | 由遠程溫度傳感器測量的溫度，該傳感器被命名為 `livingroom` 以標識其所在房間 |
-| `bedroom_temperature` | 21°C | 由遠程溫度傳感器測量的溫度，該傳感器被命名為 `bedroom` 以標識其所在房間 |
-
-雲端服務可以使用這些遙測數據來決定發送哪些命令以控制加熱。
-
-### 從您的 IoT 設備發送遙測數據
-
-為您的夜燈添加互聯網控制的下一步是將光線水平的遙測數據發送到 MQTT 代理的遙測主題。
-
-#### 任務 - 從您的 IoT 設備發送遙測數據
-
-將光線水平的遙測數據發送到 MQTT 代理。
-
-數據以 JSON 編碼——JSON 是 JavaScript Object Notation 的縮寫，是一種使用鍵/值對以文本形式編碼數據的標準。
-
-✅ 如果您之前未接觸過 JSON，可以在 [JSON.org 文檔](https://www.json.org/) 中了解更多。
-
-按照以下相關步驟從您的設備向 MQTT 代理發送遙測數據：
-
-* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
-* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-telemetry.md)
-
-### 從 MQTT 代理接收遙測數據
-
-如果沒有接收端，發送遙測數據就毫無意義。光線水平的遙測數據需要有接收端來處理數據。該“服務器”代碼是您將部署到雲端服務的一部分，用於更大的 IoT 應用，但在這裡，您將在本地計算機上運行此代碼（或者如果您直接在 Raspberry Pi 上編碼，則在 Pi 上運行）。服務器代碼由一個 Python 應用組成，該應用通過 MQTT 接收光線水平的遙測消息。在本課程的後續部分，您將使其回復一條命令消息，指示 LED 打開或關閉。
-
-✅ 做些研究：如果沒有接收端，MQTT 消息會發生什麼？
-
-#### 安裝 Python 和 VS Code
-
-如果您本地尚未安裝 Python 和 VS Code，您需要安裝它們以編寫服務器代碼。如果您使用虛擬 IoT 設備，或者在 Raspberry Pi 上工作，則可以跳過此步驟，因為您應該已經安裝並配置了它們。
-
-##### 任務 - 安裝 Python 和 VS Code
-
-安裝 Python 和 VS Code。
-
-1. 安裝 Python。請參考 [Python 下載頁面](https://www.python.org/downloads/) 以獲取安裝最新版本 Python 的說明。
-
-1. 安裝 Visual Studio Code (VS Code)。這是您將用來用 Python 編寫虛擬設備代碼的編輯器。請參考 [VS Code 文檔](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 以獲取安裝 VS Code 的說明。
-💁 您可以自由選擇任何您喜歡的 Python IDE 或編輯器來完成這些課程，但課程中的指導將基於使用 VS Code。
-1. 安裝 VS Code 的 Pylance 擴充套件。這是一個為 VS Code 提供 Python 語言支援的擴充套件。請參考 [Pylance 擴充套件文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 以了解如何在 VS Code 中安裝此擴充套件。
-
-#### 配置 Python 虛擬環境
-
-Python 的一個強大功能是能夠安裝 [pip 套件](https://pypi.org)——這些是由其他人撰寫並發布到網路上的程式碼套件。你可以使用一個指令將 pip 套件安裝到你的電腦上，然後在程式碼中使用該套件。接下來你將使用 pip 安裝一個用於 MQTT 通訊的套件。
-
-預設情況下，當你安裝一個套件時，它會在你的電腦上全域可用，這可能會導致套件版本的問題，例如某個應用程式依賴於某個版本的套件，而當你為另一個應用程式安裝新版本時可能會導致問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，存放在一個專用的資料夾中，當你安裝 pip 套件時，它們只會安裝到該資料夾中。
-
-##### 任務 - 配置 Python 虛擬環境
-
-配置 Python 虛擬環境並安裝 MQTT 的 pip 套件。
-
-1. 從你的終端或命令列，在你選擇的位置執行以下指令以建立並進入一個新目錄：
-
-    ```sh
-    mkdir nightlight-server
-    cd nightlight-server
-    ```
-
-1. 現在執行以下指令，在 `.venv` 資料夾中建立虛擬環境：
-
-    ```sh
-    python3 -m venv .venv
-    ```
-
-    > 💁 你需要明確呼叫 `python3` 來建立虛擬環境，以防你的系統同時安裝了 Python 2 和 Python 3（最新版本）。如果安裝了 Python 2，呼叫 `python` 可能會使用 Python 2 而不是 Python 3。
-
-1. 啟動虛擬環境：
-
-    * 在 Windows 上：
-        * 如果你使用的是命令提示字元，或透過 Windows Terminal 使用命令提示字元，執行：
-
-            ```cmd
-            .venv\Scripts\activate.bat
-            ```
-
-        * 如果你使用的是 PowerShell，執行：
-
-            ```powershell
-            .\.venv\Scripts\Activate.ps1
-            ```
-
-    * 在 macOS 或 Linux 上，執行：
-
-        ```cmd
-        source ./.venv/bin/activate
-        ```
-
-    > 💁 這些指令應該在你執行建立虛擬環境的指令的同一位置執行。你永遠不需要進入 `.venv` 資料夾，應該始終在建立虛擬環境的資料夾中執行啟動指令以及任何安裝套件或執行程式碼的指令。
-
-1. 啟動虛擬環境後，預設的 `python` 指令將執行用於建立虛擬環境的 Python 版本。執行以下指令以檢查版本：
-
-    ```sh
-    python --version
-    ```
-
-    輸出將類似於以下內容：
-
-    ```output
-    (.venv) ➜  nightlight-server python --version
-    Python 3.9.1
-    ```
-
-    > 💁 你的 Python 版本可能不同——只要是 3.6 或更高版本即可。如果不是，請刪除此資料夾，安裝更新版本的 Python，然後重試。
-
-1. 執行以下指令以安裝 [Paho-MQTT](https://pypi.org/project/paho-mqtt/) 的 pip 套件，這是一個流行的 MQTT 庫。
-
-    ```sh
-    pip install paho-mqtt
-    ```
-
-    此 pip 套件僅會安裝在虛擬環境中，且在虛擬環境外部不可用。
-
-#### 撰寫伺服器程式碼
-
-現在可以使用 Python 撰寫伺服器程式碼。
-
-##### 任務 - 撰寫伺服器程式碼
-
-撰寫伺服器程式碼。
-
-1. 從你的終端或命令列，在虛擬環境中執行以下指令以建立名為 `app.py` 的 Python 檔案：
-
-    * 在 Windows 上執行：
-
-        ```cmd
-        type nul > app.py
-        ```
-
-    * 在 macOS 或 Linux 上執行：
-
-        ```cmd
-        touch app.py
-        ```
-
-1. 在 VS Code 中開啟當前資料夾：
-
-    ```sh
-    code .
-    ```
-
-1. 當 VS Code 啟動時，它將啟動 Python 虛擬環境。這會顯示在底部狀態列中：
-
-    ![VS Code 顯示選擇的虛擬環境](../../../../../translated_images/zh-TW/vscode-virtual-env.8ba42e04c3d533cf.webp)
-
-1. 如果 VS Code Terminal 在 VS Code 啟動時已經在運行，它將不會啟動虛擬環境。最簡單的方式是使用 **Kill the active terminal instance** 按鈕關閉終端：
-
-    ![VS Code Kill the active terminal instance 按鈕](../../../../../translated_images/zh-TW/vscode-kill-terminal.1cc4de7c6f25ee08.webp)
-
-1. 通過選擇 *Terminal -> New Terminal* 或按下 `` CTRL+` `` 啟動新的 VS Code Terminal。新的終端將載入虛擬環境，啟動指令會顯示在終端中。虛擬環境的名稱（`.venv`）也會顯示在提示符中：
-
-    ```output
-    ➜  nightlight-server source .venv/bin/activate
-    (.venv) ➜  nightlight 
-    ```
-
-1. 從 VS Code 的檔案瀏覽器中開啟 `app.py` 檔案，並加入以下程式碼：
-
-    ```python
-    import json
-    import time
-    
-    import paho.mqtt.client as mqtt
-    
-    id = '<ID>'
-    
-    client_telemetry_topic = id + '/telemetry'
-    client_name = id + 'nightlight_server'
-    
-    mqtt_client = mqtt.Client(client_name)
-    mqtt_client.connect('test.mosquitto.org')
-    
-    mqtt_client.loop_start()
-    
-    def handle_telemetry(client, userdata, message):
-        payload = json.loads(message.payload.decode())
-        print("Message received:", payload)
-    
-    mqtt_client.subscribe(client_telemetry_topic)
-    mqtt_client.on_message = handle_telemetry
-    
-    while True:
-        time.sleep(2)
-    ```
-
-    將第 6 行的 `<ID>` 替換為你在建立裝置程式碼時使用的唯一 ID。
-
-    ⚠️ 這 **必須** 是你在裝置上使用的相同 ID，否則伺服器程式碼將無法訂閱或發布到正確的主題。
-
-    此程式碼建立了一個具有唯一名稱的 MQTT 客戶端，並連接到 *test.mosquitto.org* broker。接著它啟動了一個處理循環，該循環在背景執行緒中運行，監聽任何已訂閱主題的訊息。
-
-    客戶端隨後訂閱了 telemetry 主題的訊息，並定義了一個函數，當接收到訊息時會被呼叫。當接收到 telemetry 訊息時，`handle_telemetry` 函數會被呼叫，並將接收到的訊息打印到控制台。
-
-    最後，一個無限循環保持應用程式運行。MQTT 客戶端在背景執行緒中監聽訊息，並在主應用程式運行期間始終保持運行。
-
-1. 從 VS Code 的終端執行以下指令以運行你的 Python 應用程式：
-
-    ```sh
-    python app.py
-    ```
-
-    應用程式將開始監聽來自 IoT 裝置的訊息。
-
-1. 確保你的裝置正在運行並發送 telemetry 訊息。調整你的實體或虛擬裝置檢測的光線水平。接收到的訊息將打印到終端。
-
-    ```output
-    (.venv) ➜  nightlight-server python app.py
-    Message received: {'light': 0}
-    Message received: {'light': 400}
-    ```
-
-    nightlight 虛擬環境中的 app.py 檔案必須在運行，nightlight-server 虛擬環境中的 app.py 檔案才能接收到發送的訊息。
-
-> 💁 你可以在 [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server) 資料夾中找到此程式碼。
-
-### 應該多久發送一次 telemetry？
-
-關於 telemetry 的一個重要考量是應該多久測量並發送一次數據？答案是——視情況而定。如果頻繁測量，你可以更快地對測量變化做出反應，但這會消耗更多電力、更多頻寬、生成更多數據，並需要更多雲端資源來處理。你需要測量得足夠頻繁，但不能過於頻繁。
-
-對於溫控器，每隔幾分鐘測量一次可能已經足夠，因為溫度不會頻繁變化。如果一天只測量一次，可能會導致在陽光明媚的白天因夜間溫度而加熱房屋；而如果每秒測量一次，則會生成數千個不必要的重複溫度測量，這會影響使用者的網速和頻寬（對於有限頻寬計劃的使用者來說是個問題），消耗更多電力，這對於像遠端感測器這樣的電池供電裝置可能是個問題，並增加提供者雲端計算資源的處理和存儲成本。
-
-如果你在工廠中監控某台機器的數據，而該機器如果故障可能會造成災難性損害和數百萬美元的收入損失，那麼可能需要每秒多次測量。浪費頻寬總比錯過顯示機器需要停止並修理的 telemetry 更好。
-
-> 💁 在這種情況下，你可能需要考慮使用邊緣裝置來先處理 telemetry，以減少對網路的依賴。
-
-### 連線中斷
-
-網路連線可能不穩定，停機是常見的情況。在這種情況下，IoT 裝置應該怎麼做——丟失數據，還是存儲數據直到連線恢復？答案同樣是視情況而定。
-
-對於溫控器，數據可能可以丟失，因為一旦有新的溫度測量，舊的數據就不再重要。加熱系統不會在意 20 分鐘前的溫度是 20.5°C，如果現在的溫度是 19°C，那麼當前的溫度才是決定加熱是否開啟的關鍵。
-
-對於機器，你可能需要保留數據，特別是如果這些數據用於趨勢分析。有些機器學習模型可以通過查看一段時間內的數據（例如過去一小時）來檢測數據流中的異常，並識別異常數據。這通常用於預測性維護，尋找可能即將發生故障的跡象，以便在故障發生前進行修理或更換。你可能希望機器的每一個 telemetry 都被發送，以便進行異常檢測，因此一旦 IoT 裝置重新連線，它將發送網路中斷期間生成的所有 telemetry。
-
-IoT 裝置設計者還應考慮 IoT 裝置在網路中斷或因位置導致信號丟失時是否仍能使用。一個智慧溫控器應該能在無法將 telemetry 發送到雲端的情況下做出有限的決策來控制加熱。
-
-[![這輛法拉利因為有人在地下室嘗試升級而變磚了，因為沒有手機信號](../../../../../translated_images/zh-TW/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832)
-
-為了讓 MQTT 處理連線中斷，裝置和伺服器程式碼需要負責確保訊息的傳遞，例如要求所有發送的訊息都需要在回覆主題上收到回覆訊息，如果沒有收到回覆，則手動排隊以便稍後重播。
-
-## 指令
-
-指令是由雲端發送到裝置的訊息，指示它執行某些操作。大多數情況下，這涉及通過致動器提供某種輸出，但也可以是對裝置本身的指令，例如重新啟動或收集額外的 telemetry 並將其作為指令的回應返回。
-
-![一個連接到網路的溫控器接收到開啟加熱的指令](../../../../../translated_images/zh-TW/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png)
-
-溫控器可以接收到來自雲端的指令以開啟加熱。根據所有感測器的 telemetry 數據，如果雲端服務決定加熱應該開啟，它就會發送相關指令。
-
-### 向 MQTT broker 發送指令
-
-我們的網路控制夜燈的下一步是讓伺服器程式碼根據感測到的光線水平向 IoT 裝置發送指令以控制燈光。
-
-1. 在 VS Code 中開啟伺服器程式碼
-
-1. 在 `client_telemetry_topic` 宣告之後加入以下一行，定義要發送指令的主題：
-
-    ```python
-    server_command_topic = id + '/commands'
-    ```
-
-1. 在 `handle_telemetry` 函數的結尾加入以下程式碼：
-
-    ```python
-    command = { 'led_on' : payload['light'] < 300 }
-    print("Sending message:", command)
-    
-    client.publish(server_command_topic, json.dumps(command))
-    ```
-
-    這會向指令主題發送一個 JSON 訊息，其中 `led_on` 的值根據光線是否小於 300 設定為 true 或 false。如果光線小於 300，則發送 true 以指示裝置開啟 LED。
-
-1. 如之前一樣運行程式碼
-
-1. 調整你的實體或虛擬裝置檢測的光線水平。接收到的訊息和發送的指令將顯示在終端中：
-
-    ```output
-    (.venv) ➜  nightlight-server python app.py
-    Message received: {'light': 0}
-    Sending message: {'led_on': True}
-    Message received: {'light': 400}
-    Sending message: {'led_on': False}
-    ```
-
-> 💁 telemetry 和指令分別在單一主題上發送。這意味著來自多個裝置的 telemetry 將出現在同一 telemetry 主題上，發送給多個裝置的指令將出現在同一指令主題上。如果你希望向特定裝置發送指令，可以使用多個主題，命名為唯一的裝置 ID，例如 `/commands/device1`、`/commands/device2`。這樣裝置可以只監聽針對該裝置的訊息。
-
-> 💁 你可以在 [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server) 資料夾中找到此程式碼。
-
-### 在 IoT 裝置上處理指令
-
-現在伺服器已經開始發送指令，你可以在 IoT 裝置上加入程式碼來處理指令並控制 LED。
-
-按照以下相關步驟從 MQTT broker 監聽指令：
-
-* [Arduino - Wio Terminal](wio-terminal-commands.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 裝置](single-board-computer-commands.md)
-
-一旦程式碼撰寫完成並運行，嘗試改變光線水平。觀察伺服器和裝置的輸出，並在改變光線水平時觀察 LED。
-
-### 連線中斷
-
-如果雲端服務需要向離線的 IoT 裝置發送指令，應該怎麼做？答案同樣是視情況而定。
-
-如果最新指令覆蓋了早期的指令，那麼早期的指令可能可以忽略。如果雲端服務發送了一個開啟加熱的指令，然後發送了一個關閉加熱的指令，那麼開啟指令可以忽略且不需要重新發送。
-
-如果指令需要按順序處理，例如移動機器手臂向上，然後關閉抓手，那麼它們需要在連線恢復後按順序發送。
-
-✅ 裝置或伺服器程式碼如何確保指令始終按順序通過 MQTT 發送並處理？
-
----
-
-## 🚀 挑戰
-
-在過去三節課的挑戰是列出你家中、學校或工作場所中所有的 IoT 裝置，並判斷它們是基於微控制器還是單板電腦，或者是兩者的混合，並思考它們使用了哪些感測器和致動器。
-對於這些設備，思考它們可能正在發送或接收什麼消息。它們發送了哪些遙測數據？它們可能接收到哪些消息或命令？你認為它們的安全性如何？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
-
-## 回顧與自學
-
-在 [MQTT 維基百科頁面](https://wikipedia.org/wiki/MQTT)上閱讀更多關於 MQTT 的內容。
-
-嘗試使用 [Mosquitto](https://www.mosquitto.org) 自行運行一個 MQTT broker，並從你的 IoT 設備和伺服器代碼連接到它。
-
-> 💁 提示 - Mosquitto 預設不允許匿名連接（即無需使用者名稱和密碼進行連接），也不允許來自運行它的電腦外部的連接。
-> 你可以使用 [`mosquitto.conf` 配置文件](https://www.mosquitto.org/man/mosquitto-conf-5.html)進行修正，內容如下：
->
-> ```sh
-> listener 1883 0.0.0.0
-> allow_anonymous true
-> ```
-
-## 作業
-
-[比較和對比 MQTT 與其他通信協議](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用本翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/tw/1-getting-started/lessons/4-connect-internet/assignment.md
deleted file mode 100644
index 65bdd5562..000000000
--- a/translations/tw/1-getting-started/lessons/4-connect-internet/assignment.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
-  "translation_date": "2025-08-24T23:09:10+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
-  "language_code": "tw"
-}
--->
-# 比較與對比 MQTT 與其他通信協議
-
-## 說明
-
-本課程介紹了 MQTT 作為通信協議。除此之外，還有其他協議，例如 AMQP 和 HTTP/HTTPS。
-
-請研究這些協議，並與 MQTT 進行比較與對比。考慮功耗、安全性以及在連接丟失時的消息持久性。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 比較 AMQP 與 MQTT | 能夠比較與對比 AMQP 與 MQTT，並涵蓋功耗、安全性以及消息持久性。 | 部分能夠比較與對比 AMQP 與 MQTT，並涵蓋功耗、安全性以及消息持久性中的兩項。 | 部分能夠比較與對比 AMQP 與 MQTT，並涵蓋功耗、安全性以及消息持久性中的一項。 |
-| 比較 HTTP/HTTPS 與 MQTT | 能夠比較與對比 HTTP/HTTPS 與 MQTT，並涵蓋功耗、安全性以及消息持久性。 | 部分能夠比較與對比 HTTP/HTTPS 與 MQTT，並涵蓋功耗、安全性以及消息持久性中的兩項。 | 部分能夠比較與對比 HTTP/HTTPS 與 MQTT，並涵蓋功耗、安全性以及消息持久性中的一項。 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/tw/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
deleted file mode 100644
index 3c16b195c..000000000
--- a/translations/tw/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
+++ /dev/null
@@ -1,65 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c527ce85d69b1a3875366ec61cbed8aa",
-  "translation_date": "2025-08-24T23:00:03+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
-  "language_code": "tw"
-}
--->
-# 通過互聯網控制您的夜燈 - 虛擬物聯網硬件與樹莓派
-
-在本課程的這部分，您將訂閱從 MQTT broker 發送到您的樹莓派或虛擬物聯網設備的指令。
-
-## 訂閱指令
-
-下一步是訂閱從 MQTT broker 發送的指令並對其作出回應。
-
-### 任務
-
-訂閱指令。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 如果您使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果您使用的是樹莓派，則不需要使用虛擬環境。
-
-1. 在 `client_telemetry_topic` 定義之後添加以下代碼：
-
-    ```python
-    server_command_topic = id + '/commands'
-    ```
-
-    `server_command_topic` 是設備將訂閱以接收 LED 指令的 MQTT 主題。
-
-1. 在主循環的上方，`mqtt_client.loop_start()` 行之後添加以下代碼：
-
-    ```python
-    def handle_command(client, userdata, message):
-        payload = json.loads(message.payload.decode())
-        print("Message received:", payload)
-    
-        if payload['led_on']:
-            led.on()
-        else:
-            led.off()
-    
-    mqtt_client.subscribe(server_command_topic)
-    mqtt_client.on_message = handle_command
-    ```
-
-    此代碼定義了一個函數 `handle_command`，該函數將消息作為 JSON 文檔讀取，並查找 `led_on` 屬性的值。如果該屬性設置為 `True`，則 LED 會被打開，否則會被關閉。
-
-    MQTT 客戶端會訂閱服務器發送消息的主題，並設置在接收到消息時調用 `handle_command` 函數。
-
-    > 💁 `on_message` 處理器會針對所有已訂閱的主題被調用。如果您稍後編寫的代碼需要監聽多個主題，可以從傳遞給處理函數的 `message` 對象中獲取消息所屬的主題。
-
-1. 以與完成上一部分任務相同的方式運行代碼。如果您使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光傳感器和 LED 已在正確的引腳上創建。
-
-1. 調整您的物理或虛擬設備檢測到的光線水平。接收到的消息和發送的指令將顯示在終端上。LED 也會根據光線水平被打開或關閉。
-
-> 💁 您可以在 [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) 文件夾或 [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi) 文件夾中找到此代碼。
-
-😀 您已成功編寫代碼，使您的設備能夠響應來自 MQTT broker 的指令。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/tw/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
deleted file mode 100644
index f3bfdfcd5..000000000
--- a/translations/tw/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
+++ /dev/null
@@ -1,91 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "90fb93446e03c38f3c0e4009c2471906",
-  "translation_date": "2025-08-24T23:09:50+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
-  "language_code": "tw"
-}
--->
-# 通過互聯網控制夜燈 - 虛擬 IoT 硬體與 Raspberry Pi
-
-IoT 裝置需要使用 MQTT 與 *test.mosquitto.org* 通信，通過光感測器讀取值來發送遙測數據，並接收控制 LED 的指令。
-
-在本課程的這部分，你將把你的 Raspberry Pi 或虛擬 IoT 裝置連接到 MQTT broker。
-
-## 安裝 MQTT 客戶端套件
-
-為了與 MQTT broker 通信，你需要在 Raspberry Pi 或虛擬裝置的虛擬環境中安裝一個 MQTT 的 pip 套件。
-
-### 任務
-
-安裝 pip 套件
-
-1. 在 VS Code 中打開夜燈專案。
-
-1. 如果你使用的是虛擬 IoT 裝置，請確保終端機正在運行虛擬環境。如果你使用的是 Raspberry Pi，則不需要使用虛擬環境。
-
-1. 執行以下命令來安裝 MQTT 的 pip 套件：
-
-    ```sh
-    pip3 install paho-mqtt
-    ```
-
-## 編寫裝置程式碼
-
-裝置已準備好進行編碼。
-
-### 任務
-
-撰寫裝置程式碼。
-
-1. 在 `app.py` 文件的頂部添加以下匯入：
-
-    ```python
-    import paho.mqtt.client as mqtt
-    ```
-
-    `paho.mqtt.client` 函式庫允許你的應用程式通過 MQTT 進行通信。
-
-1. 在光感測器和 LED 的定義之後添加以下程式碼：
-
-    ```python
-    id = '<ID>'
-
-    client_name = id + 'nightlight_client'
-    ```
-
-    將 `<ID>` 替換為一個唯一的 ID，該 ID 將用作此裝置客戶端的名稱，並在稍後用於該裝置發佈和訂閱的主題名稱。*test.mosquitto.org* broker 是公開的，許多人都在使用，包括其他完成此作業的學生。擁有唯一的 MQTT 客戶端名稱和主題名稱可以確保你的程式碼不會與其他人的程式碼衝突。在稍後創建伺服器程式碼時，你也會需要這個 ID。
-
-    > 💁 你可以使用像 [GUIDGen](https://www.guidgen.com) 這樣的網站來生成一個唯一的 ID。
-
-    `client_name` 是此 MQTT 客戶端在 broker 上的唯一名稱。
-
-1. 在這段新程式碼的下方添加以下程式碼，以創建一個 MQTT 客戶端物件並連接到 MQTT broker：
-
-    ```python
-    mqtt_client = mqtt.Client(client_name)
-    mqtt_client.connect('test.mosquitto.org')
-    
-    mqtt_client.loop_start()
-
-    print("MQTT connected!")
-    ```
-
-    這段程式碼創建了客戶端物件，連接到公共 MQTT broker，並啟動了一個處理循環，該循環在後台執行緒中運行，用於監聽任何已訂閱主題的消息。
-
-1. 以與作業前一部分相同的方式運行程式碼。如果你使用的是虛擬 IoT 裝置，請確保 CounterFit 應用程式正在運行，並且光感測器和 LED 已在正確的引腳上創建。
-
-    ```output
-    (.venv) ➜  nightlight python app.py 
-    MQTT connected!
-    Light level: 0
-    Light level: 0
-    ```
-
-> 💁 你可以在 [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) 資料夾或 [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi) 資料夾中找到這段程式碼。
-
-😀 你已成功將裝置連接到 MQTT broker。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/tw/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
deleted file mode 100644
index 28ce78bee..000000000
--- a/translations/tw/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
+++ /dev/null
@@ -1,72 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1226517aae5f5b6f904434670394c688",
-  "translation_date": "2025-08-24T23:00:52+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
-  "language_code": "tw"
-}
--->
-# 通過網路控制夜燈 - 虛擬物聯網硬體與樹莓派
-
-在本課程的這部分，你將從樹莓派或虛擬物聯網設備向 MQTT broker 發送光線強度的遙測數據。
-
-## 發佈遙測數據
-
-下一步是建立一個包含遙測數據的 JSON 文件並將其發送到 MQTT broker。
-
-### 任務
-
-將遙測數據發佈到 MQTT broker。
-
-1. 在 VS Code 中打開夜燈專案。
-
-1. 如果你使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果你使用的是樹莓派，則不需要使用虛擬環境。
-
-1. 在 `app.py` 文件的頂部添加以下導入：
-
-    ```python
-    import json
-    ```
-
-    `json` 庫用於將遙測數據編碼為 JSON 文件。
-
-1. 在 `client_name` 宣告之後添加以下內容：
-
-    ```python
-    client_telemetry_topic = id + '/telemetry'
-    ```
-
-    `client_telemetry_topic` 是設備將光線強度發佈到的 MQTT 主題。
-
-1. 用以下內容替換文件末尾的 `while True:` 迴圈：
-
-    ```python
-    while True:
-        light = light_sensor.light
-        telemetry = json.dumps({'light' : light})
-
-        print("Sending telemetry ", telemetry)
-    
-        mqtt_client.publish(client_telemetry_topic, telemetry)
-    
-        time.sleep(5)
-    ```
-
-    此程式碼將光線強度打包成 JSON 文件並發佈到 MQTT broker。然後它會休眠以減少訊息發送的頻率。
-
-1. 以與作業上一部分相同的方式運行程式碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光線感測器和 LED 已在正確的引腳上建立。
-
-    ```output
-    (.venv) ➜  nightlight python app.py 
-    MQTT connected!
-    Sending telemetry  {"light": 0}
-    Sending telemetry  {"light": 0}
-    ```
-
-> 💁 你可以在 [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) 資料夾或 [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi) 資料夾中找到此程式碼。
-
-😀 你已成功從設備發送遙測數據。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/tw/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
deleted file mode 100644
index b8d7a26ec..000000000
--- a/translations/tw/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
+++ /dev/null
@@ -1,91 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
-  "translation_date": "2025-08-24T23:12:40+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
-  "language_code": "tw"
-}
--->
-# 通過互聯網控制你的夜燈 - Wio Terminal
-
-在本課程的這部分，你將訂閱從 MQTT broker 發送到 Wio Terminal 的指令。
-
-## 訂閱指令
-
-下一步是訂閱從 MQTT broker 發送的指令，並對其作出回應。
-
-### 任務
-
-訂閱指令。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 在 `config.h` 文件的底部添加以下代碼，以定義指令的主題名稱：
-
-    ```cpp
-    const string SERVER_COMMAND_TOPIC = ID + "/commands";
-    ```
-
-    `SERVER_COMMAND_TOPIC` 是設備訂閱以接收 LED 指令的主題。
-
-1. 在 `reconnectMQTTClient` 函數的末尾添加以下行，以便在 MQTT 客戶端重新連接時訂閱指令主題：
-
-    ```cpp
-    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
-    ```
-
-1. 在 `reconnectMQTTClient` 函數下方添加以下代碼。
-
-    ```cpp
-    void clientCallback(char *topic, uint8_t *payload, unsigned int length)
-    {
-        char buff[length + 1];
-        for (int i = 0; i < length; i++)
-        {
-            buff[i] = (char)payload[i];
-        }
-        buff[length] = '\0';
-    
-        Serial.print("Message received:");
-        Serial.println(buff);
-    
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, buff);
-        JsonObject obj = doc.as<JsonObject>();
-    
-        bool led_on = obj["led_on"];
-    
-        if (led_on)
-            digitalWrite(D0, HIGH);
-        else
-            digitalWrite(D0, LOW);
-    }
-    ```
-
-    此函數將作為 MQTT 客戶端在接收到來自服務器的消息時調用的回調函數。
-
-    消息以無符號 8 位整數數組的形式接收，因此需要轉換為字符數組才能作為文本處理。
-
-    消息包含一個 JSON 文檔，並使用 ArduinoJson 庫進行解碼。讀取 JSON 文檔中的 `led_on` 屬性，根據其值來控制 LED 的開啟或關閉。
-
-1. 在 `createMQTTClient` 函數中添加以下代碼：
-
-    ```cpp
-    client.setCallback(clientCallback);
-    ```
-
-    此代碼將 `clientCallback` 設置為在接收到來自 MQTT broker 的消息時調用的回調函數。
-
-    > 💁 `clientCallback` 處理程序會針對所有訂閱的主題被調用。如果你之後編寫的代碼需要監聽多個主題，可以通過回調函數中傳遞的 `topic` 參數獲取消息所屬的主題。
-
-1. 將代碼上傳到你的 Wio Terminal，並使用串行監視器查看發送到 MQTT broker 的光線水平。
-
-1. 調整物理或虛擬設備檢測到的光線水平。你將在終端中看到消息被接收和指令被發送的情況。根據光線水平，LED 也會被開啟或關閉。
-
-> 💁 你可以在 [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal) 文件夾中找到這段代碼。
-
-😀 恭喜！你已成功編寫代碼，使你的設備能夠響應來自 MQTT broker 的指令。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/tw/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
deleted file mode 100644
index bffd35f6d..000000000
--- a/translations/tw/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
+++ /dev/null
@@ -1,249 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
-  "translation_date": "2025-08-24T23:10:59+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
-  "language_code": "tw"
-}
--->
-# 使用網際網路控制夜燈 - Wio Terminal
-
-物聯網設備需要透過 MQTT 與 *test.mosquitto.org* 通訊，傳送光感測器讀取的遙測值，並接收控制 LED 的指令。
-
-在本課程的這部分，您將把 Wio Terminal 連接到 MQTT broker。
-
-## 安裝 WiFi 和 MQTT Arduino 函式庫
-
-為了與 MQTT broker 通訊，您需要安裝一些 Arduino 函式庫，以使用 Wio Terminal 的 WiFi 晶片並與 MQTT 通訊。在開發 Arduino 設備時，您可以使用多種函式庫，這些函式庫包含開源代碼並實現了廣泛的功能。Seeed 提供了 Wio Terminal 的函式庫，使其能夠透過 WiFi 通訊。其他開發者則發布了與 MQTT broker 通訊的函式庫，您將使用這些函式庫與您的設備進行互動。
-
-這些函式庫以原始碼形式提供，可以自動導入到 PlatformIO 並編譯到您的設備中。這樣，Arduino 函式庫可以在任何支持 Arduino 框架的設備上運行，前提是該設備具有函式庫所需的特定硬體。一些函式庫，例如 Seeed WiFi 函式庫，是針對特定硬體的。
-
-函式庫可以全域安裝並在需要時編譯，或者安裝到特定專案中。對於這次作業，函式庫將安裝到專案中。
-
-✅ 您可以在 [PlatformIO 函式庫文件](https://docs.platformio.org/en/latest/librarymanager/index.html) 中了解更多有關函式庫管理以及如何查找和安裝函式庫的資訊。
-
-### 任務 - 安裝 WiFi 和 MQTT Arduino 函式庫
-
-安裝 Arduino 函式庫。
-
-1. 在 VS Code 中打開夜燈專案。
-
-1. 在 `platformio.ini` 文件的末尾添加以下內容：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
-        seeed-studio/Seeed Arduino FS @ 2.1.1
-        seeed-studio/Seeed Arduino SFUD @ 2.0.2
-        seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
-        seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
-    ```
-
-    這會導入 Seeed WiFi 函式庫。`@ <number>` 語法指的是函式庫的特定版本號。
-
-    > 💁 您可以移除 `@ <number>` 以始終使用最新版本的函式庫，但無法保證後續版本能與以下代碼正常運行。此處的代碼已使用該版本的函式庫進行測試。
-
-    這就是您需要做的所有操作來添加函式庫。下次 PlatformIO 編譯專案時，它將下載這些函式庫的原始碼並編譯到您的專案中。
-
-1. 在 `lib_deps` 中添加以下內容：
-
-    ```ini
-    knolleary/PubSubClient @ 2.8
-    ```
-
-    這會導入 [PubSubClient](https://github.com/knolleary/pubsubclient)，一個 Arduino MQTT 客戶端。
-
-## 連接到 WiFi
-
-現在可以將 Wio Terminal 連接到 WiFi。
-
-### 任務 - 連接到 WiFi
-
-將 Wio Terminal 連接到 WiFi。
-
-1. 在 `src` 資料夾中建立一個名為 `config.h` 的新文件。您可以通過選擇 `src` 資料夾或其中的 `main.cpp` 文件，然後在檔案瀏覽器中選擇 **新文件** 按鈕來完成。當您的游標位於檔案瀏覽器上時，該按鈕才會出現。
-
-    ![新文件按鈕](../../../../../translated_images/zh-TW/vscode-new-file-button.182702340fe6723c.webp)
-
-1. 在此文件中添加以下代碼以定義 WiFi 憑證的常數：
-
-    ```cpp
-    #pragma once
-
-    #include <string>
-    
-    using namespace std;
-    
-    // WiFi credentials
-    const char *SSID = "<SSID>";
-    const char *PASSWORD = "<PASSWORD>";
-    ```
-
-    將 `<SSID>` 替換為您的 WiFi SSID。將 `<PASSWORD>` 替換為您的 WiFi 密碼。
-
-1. 打開 `main.cpp` 文件。
-
-1. 在文件頂部添加以下 `#include` 指令：
-
-    ```cpp
-    #include <PubSubClient.h>
-    #include <rpcWiFi.h>
-    #include <SPI.h>
-    
-    #include "config.h"
-    ```
-
-    這會包含您之前添加的函式庫的標頭文件以及配置標頭文件。這些標頭文件是必需的，以告訴 PlatformIO 導入函式庫中的代碼。如果未明確包含這些標頭文件，某些代碼將無法編譯，並且您會遇到編譯器錯誤。
-
-1. 在 `setup` 函數上方添加以下代碼：
-
-    ```cpp
-    void connectWiFi()
-    {
-        while (WiFi.status() != WL_CONNECTED)
-        {
-            Serial.println("Connecting to WiFi..");
-            WiFi.begin(SSID, PASSWORD);
-            delay(500);
-        }
-    
-        Serial.println("Connected!");
-    }
-    ```
-
-    此代碼會在設備未連接到 WiFi 時進行迴圈，並嘗試使用配置標頭文件中的 SSID 和密碼進行連接。
-
-1. 在 `setup` 函數底部，配置引腳後添加對此函數的調用。
-
-    ```cpp
-    connectWiFi();
-    ```
-
-1. 將此代碼上傳到您的設備以檢查 WiFi 連接是否正常。您應該在序列監視器中看到以下內容。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    ```
-
-## 連接到 MQTT
-
-Wio Terminal 連接到 WiFi 後，可以連接到 MQTT broker。
-
-### 任務 - 連接到 MQTT
-
-連接到 MQTT broker。
-
-1. 在 `config.h` 文件底部添加以下代碼，以定義 MQTT broker 的連接詳細資訊：
-
-    ```cpp
-    // MQTT settings
-    const string ID = "<ID>";
-    
-    const string BROKER = "test.mosquitto.org";
-    const string CLIENT_NAME = ID + "nightlight_client";
-    ```
-
-    將 `<ID>` 替換為一個唯一的 ID，該 ID 將用作此設備客戶端的名稱，稍後也會用於此設備發布和訂閱的主題。*test.mosquitto.org* broker 是公共的，許多人都在使用，包括其他正在完成此作業的學生。擁有唯一的 MQTT 客戶端名稱和主題名稱可確保您的代碼不會與其他人的代碼衝突。稍後在此作業中建立伺服器代碼時，您也需要此 ID。
-
-    > 💁 您可以使用像 [GUIDGen](https://www.guidgen.com) 這樣的網站來生成唯一的 ID。
-
-    `BROKER` 是 MQTT broker 的 URL。
-
-    `CLIENT_NAME` 是此 MQTT 客戶端在 broker 上的唯一名稱。
-
-1. 打開 `main.cpp` 文件，並在 `connectWiFi` 函數下方、`setup` 函數上方添加以下代碼：
-
-    ```cpp
-    WiFiClient wioClient;
-    PubSubClient client(wioClient);
-    ```
-
-    此代碼使用 Wio Terminal WiFi 函式庫創建一個 WiFi 客戶端，並使用它創建一個 MQTT 客戶端。
-
-1. 在此代碼下方添加以下內容：
-
-    ```cpp
-    void reconnectMQTTClient()
-    {
-        while (!client.connected())
-        {
-            Serial.print("Attempting MQTT connection...");
-    
-            if (client.connect(CLIENT_NAME.c_str()))
-            {
-                Serial.println("connected");
-            }
-            else
-            {
-                Serial.print("Retying in 5 seconds - failed, rc=");
-                Serial.println(client.state());
-                
-                delay(5000);
-            }
-        }
-    }
-    ```
-
-    此函數測試與 MQTT broker 的連接，並在未連接時重新連接。它會在未連接時進行迴圈，並嘗試使用配置標頭文件中定義的唯一客戶端名稱進行連接。
-
-    如果連接失敗，則會在 5 秒後重試。
-
-1. 在 `reconnectMQTTClient` 函數下方添加以下代碼：
-
-    ```cpp
-    void createMQTTClient()
-    {
-        client.setServer(BROKER.c_str(), 1883);
-        reconnectMQTTClient();
-    }
-    ```
-
-    此代碼為客戶端設置 MQTT broker，並設置接收到消息時的回調函數。然後嘗試連接到 broker。
-
-1. 在 WiFi 連接後，在 `setup` 函數中調用 `createMQTTClient` 函數。
-
-1. 用以下代碼替換整個 `loop` 函數：
-
-    ```cpp
-    void loop()
-    {
-        reconnectMQTTClient();
-        client.loop();
-    
-        delay(2000);
-    }
-    ```
-
-    此代碼首先重新連接到 MQTT broker。這些連接很容易中斷，因此定期檢查並在必要時重新連接是值得的。然後，它調用 MQTT 客戶端的 `loop` 方法來處理任何在訂閱的主題上接收到的消息。此應用程式是單執行緒的，因此消息無法在背景執行緒上接收，因此需要在主執行緒上分配時間來處理任何等待的網路連接消息。
-
-    最後，2 秒的延遲確保光線水平不會過於頻繁地發送，並減少設備的功耗。
-
-1. 將代碼上傳到您的 Wio Terminal，並使用序列監視器查看設備連接到 WiFi 和 MQTT。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    source /Users/jimbennett/GitHub/IoT-For-Beginners/1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal/nightlight/.venv/bin/activate
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Attempting MQTT connection...connected
-    ```
-
-> 💁 您可以在 [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal) 資料夾中找到此代碼。
-
-😀 您已成功將設備連接到 MQTT broker。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/tw/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
deleted file mode 100644
index a53856ed0..000000000
--- a/translations/tw/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
+++ /dev/null
@@ -1,91 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
-  "translation_date": "2025-08-24T23:08:25+00:00",
-  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
-  "language_code": "tw"
-}
--->
-# 通過網絡控制夜燈 - Wio Terminal
-
-在本課程的這部分，您將通過 MQTT broker 從 Wio Terminal 發送光線強度的遙測數據。
-
-## 安裝 JSON Arduino 庫
-
-使用 JSON 是通過 MQTT 發送消息的一種流行方式。有一個 Arduino 的 JSON 庫，可以讓讀取和寫入 JSON 文檔變得更加簡單。
-
-### 任務
-
-安裝 Arduino JSON 庫。
-
-1. 在 VS Code 中打開夜燈項目。
-
-1. 在 `platformio.ini` 文件的 `lib_deps` 列表中添加以下額外的一行：
-
-    ```ini
-    bblanchon/ArduinoJson @ 6.17.3
-    ```
-
-    這將導入 [ArduinoJson](https://arduinojson.org)，一個 Arduino 的 JSON 庫。
-
-## 發佈遙測數據
-
-下一步是創建一個包含遙測數據的 JSON 文檔並將其發送到 MQTT broker。
-
-### 任務 - 發佈遙測數據
-
-將遙測數據發佈到 MQTT broker。
-
-1. 在 `config.h` 文件的底部添加以下代碼，以定義 MQTT broker 的遙測主題名稱：
-
-    ```cpp
-    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
-    ```
-
-    `CLIENT_TELEMETRY_TOPIC` 是設備將用來發佈光線強度的主題。
-
-1. 打開 `main.cpp` 文件
-
-1. 在文件頂部添加以下 `#include` 指令：
-
-    ```cpp
-    #include <ArduinoJSON.h>
-    ```
-
-1. 在 `loop` 函數內，緊接著 `delay` 之前添加以下代碼：
-
-    ```cpp
-    int light = analogRead(WIO_LIGHT);
-
-    DynamicJsonDocument doc(1024);
-    doc["light"] = light;
-
-    string telemetry;
-    serializeJson(doc, telemetry);
-
-    Serial.print("Sending telemetry ");
-    Serial.println(telemetry.c_str());
-
-    client.publish(CLIENT_TELEMETRY_TOPIC.c_str(), telemetry.c_str());
-    ```
-
-    此代碼讀取光線強度，並使用 ArduinoJson 創建一個包含該強度的 JSON 文檔。然後將其序列化為字符串，並通過 MQTT 客戶端發佈到遙測 MQTT 主題。
-
-1. 將代碼上傳到您的 Wio Terminal，並使用串行監視器查看光線強度數據被發送到 MQTT broker。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Attempting MQTT connection...connected
-    Sending telemetry {"light":652}
-    Sending telemetry {"light":612}
-    Sending telemetry {"light":583}
-    ```
-
-> 💁 您可以在 [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal) 文件夾中找到此代碼。
-
-😀 您已成功從設備發送遙測數據。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用本翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/2-farm/README.md b/translations/tw/2-farm/README.md
deleted file mode 100644
index eed02f2a0..000000000
--- a/translations/tw/2-farm/README.md
+++ /dev/null
@@ -1,32 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "428bda82d9e6016ecea7c797564bf081",
-  "translation_date": "2025-08-24T21:56:54+00:00",
-  "source_file": "2-farm/README.md",
-  "language_code": "tw"
-}
--->
-# 使用物聯網進行農業種植
-
-隨著人口的增長，對農業的需求也在增加。可用的土地面積並未改變，但氣候卻在變化——這給農民帶來了更多挑戰，特別是對於那20億依賴[自給農業](https://wikipedia.org/wiki/Subsistence_agriculture)來養活自己和家人的農民而言。物聯網可以幫助農民在種植什麼以及何時收穫上做出更明智的決策，增加產量，減少手工勞動，並檢測和處理害蟲問題。
-
-在這6節課中，您將學習如何應用物聯網來改善和自動化農業。
-
-> 💁 這些課程將使用一些雲端資源。如果您未完成此專案中的所有課程，請務必[清理您的專案](../clean-up.md)。
-
-## 主題
-
-1. [使用物聯網預測植物生長](lessons/1-predict-plant-growth/README.md)  
-1. [檢測土壤濕度](lessons/2-detect-soil-moisture/README.md)  
-1. [自動化植物澆水](lessons/3-automated-plant-watering/README.md)  
-1. [將您的植物遷移到雲端](lessons/4-migrate-your-plant-to-the-cloud/README.md)  
-1. [將應用邏輯遷移到雲端](lessons/5-migrate-application-to-the-cloud/README.md)  
-1. [確保您的植物安全](lessons/6-keep-your-plant-secure/README.md)  
-
-## 致謝
-
-所有課程均由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/1-predict-plant-growth/README.md b/translations/tw/2-farm/lessons/1-predict-plant-growth/README.md
deleted file mode 100644
index d8e3a6706..000000000
--- a/translations/tw/2-farm/lessons/1-predict-plant-growth/README.md
+++ /dev/null
@@ -1,282 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d105b44deae539165855c976dcdeca99",
-  "translation_date": "2025-08-24T21:58:06+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
-  "language_code": "tw"
-}
--->
-# 使用物聯網預測植物生長
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-TW/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
-
-## 簡介
-
-植物需要某些條件才能生長——水、二氧化碳、養分、光和熱。在本課程中，您將學習如何通過測量空氣溫度來計算植物的生長和成熟速度。
-
-本課程將涵蓋以下內容：
-
-* [數位農業](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [為什麼溫度對農業很重要？](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [測量環境溫度](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [生長度日 (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
-* [使用溫度感測器數據計算 GDD](../../../../../2-farm/lessons/1-predict-plant-growth)
-
-## 數位農業
-
-數位農業正在改變我們的耕作方式，通過工具來收集、存儲和分析農業數據。我們目前正處於世界經濟論壇所描述的“第四次工業革命”時期，而數位農業的興起被稱為“第四次農業革命”或“農業 4.0”。
-
-> 🎓 數位農業這個術語還包括整個“農業價值鏈”，即從農場到餐桌的整個過程。這包括在食品運輸和加工過程中追蹤產品質量、倉儲和電子商務系統，甚至是拖拉機租賃應用程式！
-
-這些變化使農民能夠提高產量，減少化肥和農藥的使用，並更有效地利用水資源。雖然這些技術主要用於富裕國家，但感測器和其他設備的價格正在逐漸下降，使其在發展中國家也變得更加可及。
-
-數位農業支持的一些技術包括：
-
-* **溫度測量** - 測量溫度可以幫助農民預測植物的生長和成熟。
-* **自動灌溉** - 測量土壤濕度，並在土壤過於乾燥時啟動灌溉系統，而不是使用定時灌溉。定時灌溉可能導致在炎熱乾燥的天氣下灌溉不足，或在下雨時灌溉過多。通過僅在土壤需要時進行灌溉，農民可以優化用水。
-* **害蟲控制** - 農民可以使用安裝在自動機器人或無人機上的攝像頭檢查害蟲，然後僅在需要的地方施用農藥，從而減少農藥的使用量並減少農藥流入當地水源的風險。
-
-✅ 做一些研究。還有哪些技術可以用來提高農業產量？
-
-> 🎓 “精準農業”這個術語用於描述基於每塊田地甚至田地的一部分進行觀察、測量和響應的農業方式。這包括測量水分、養分和害蟲水平，並準確地作出反應，例如僅對田地的一小部分進行灌溉。
-
-## 為什麼溫度對農業很重要？
-
-在學習植物時，大多數學生都會學到水、光、二氧化碳和養分的重要性。植物還需要溫暖才能生長——這就是為什麼植物會在春天隨著氣溫升高而開花，為什麼雪花蓮或水仙花會因短暫的暖和天氣而提早發芽，以及為什麼溫室和暖房能夠促進植物生長。
-
-> 🎓 暖房和溫室的功能相似，但有一個重要的區別。暖房是人工加熱的，能讓農民更精確地控制溫度；而溫室依賴陽光提供熱量，通常只能通過窗戶或其他開口來釋放熱量。
-
-植物有一個基礎溫度、最佳溫度和最高溫度，這些都基於每日的平均溫度。
-
-* **基礎溫度** - 這是植物生長所需的最低每日平均溫度。
-* **最佳溫度** - 這是植物生長最快的最佳每日平均溫度。
-* **最高溫度** - 這是植物能夠承受的最高溫度。超過這個溫度，植物會停止生長以節約水分並保持存活。
-
-> 💁 這些是平均溫度，包含日間和夜間的平均值。植物還需要日夜不同的溫度，以幫助它們更有效地進行光合作用並在夜間節省能量。
-
-每種植物的基礎、最佳和最高溫度值都不同。這就是為什麼有些植物適合在熱帶國家生長，而有些則適合在寒冷地區。
-
-✅ 做一些研究。對於您花園、學校或當地公園中的植物，看看是否能找到它們的基礎溫度。
-
-![一個顯示隨著溫度升高生長速率增加，然後在溫度過高時下降的圖表](../../../../../translated_images/zh-TW/plant-growth-temp-graph.c6d69c9478e6ca83.webp)
-
-上圖顯示了一個生長速率與溫度的關係圖。在基礎溫度以下，植物不會生長。生長速率隨著溫度升高而增加，直到達到最佳溫度，然後在達到峰值後下降。在最高溫度時，生長停止。
-
-這個圖表的形狀因植物種類而異。有些植物在超過最佳溫度後下降得更快，有些則從基礎溫度到最佳溫度的增長較慢。
-
-> 💁 農民要想獲得最佳生長效果，需要了解植物的三個溫度值以及它們的圖表形狀。
-
-如果農民能控制溫度，例如在商業暖房中，他們就可以為植物進行最佳化。例如，商業暖房中種植的番茄通常會將白天的溫度設置為約 25°C，夜間設置為約 20°C，以實現最快的生長速度。
-
-> 🍅 結合這些溫度與人工光源、化肥和受控的二氧化碳水平，商業種植者可以全年種植和收穫。
-
-## 測量環境溫度
-
-溫度感測器可以與物聯網設備一起使用來測量環境溫度。
-
-### 任務 - 測量溫度
-
-按照相關指南，使用您的物聯網設備監測溫度：
-
-* [Arduino - Wio Terminal](wio-terminal-temp.md)
-* [單板電腦 - Raspberry Pi](pi-temp.md)
-* [單板電腦 - 虛擬設備](virtual-device-temp.md)
-
-## 生長度日
-
-生長度日（也稱為生長度單位）是一種基於溫度來衡量植物生長的方法。假設植物有足夠的水分、養分和二氧化碳，溫度決定了生長速率。
-
-生長度日（GDD）是每天的平均溫度（以攝氏為單位）超過植物基礎溫度的部分。每種植物需要一定數量的 GDD 才能生長、開花或結果並成熟。每天的 GDD 越多，植物生長得越快。
-
-> 🇺🇸 對於美國人來說，生長度日也可以用華氏溫度計算。5 GDD（攝氏）相當於 9 GDD（華氏）。
-
-完整的 GDD 計算公式有點複雜，但有一個簡化的公式通常可以作為良好的近似值：
-
-![GDD = T max + T min 除以 2，然後減去 T base](../../../../../translated_images/zh-TW/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.png)
-
-* **GDD** - 這是生長度日的數值
-* **T max** - 這是每日的最高溫度（攝氏）
-* **T min** - 這是每日的最低溫度（攝氏）
-* **T base** - 這是植物的基礎溫度（攝氏）
-
-> 💁 有些變體會處理 T max 超過 30°C 或 T min 低於 T base 的情況，但我們暫時忽略這些。
-
-### 範例 - 玉米 🌽
-
-根據品種不同，玉米（或稱為玉蜀黍）需要 800 到 2,700 GDD 才能成熟，其基礎溫度為 10°C。
-
-在基礎溫度以上的第一天，測得以下溫度：
-
-| 測量項目 | 溫度 °C |
-| :------- | :-----: |
-| 最高溫度 | 16      |
-| 最低溫度 | 12      |
-
-將這些數值代入公式：
-
-* T max = 16
-* T min = 12
-* T base = 10
-
-計算結果為：
-
-![GDD = 16 + 12 除以 2，然後減去 10，結果為 4](../../../../../translated_images/zh-TW/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.png)
-
-玉米在這一天獲得了 4 GDD。假設一種需要 800 GDD 才能成熟的玉米品種，還需要 796 GDD 才能達到成熟。
-
-✅ 做一些研究。對於您花園、學校或當地公園中的植物，看看是否能找到它們達到成熟或結果所需的 GDD 數值。
-
-## 使用溫度感測器數據計算 GDD
-
-植物的生長並不是固定在某個日期——例如，您無法種下一顆種子並確定它會在 100 天後準確結果。相反，作為農民，您可以大致了解植物需要多長時間才能生長，然後每天檢查作物是否準備好。
-
-這對於大型農場來說是一個巨大的勞動挑戰，並且農民可能會錯過意外提前成熟的作物。通過測量溫度，農民可以計算植物獲得的 GDD，從而只需在接近預期成熟時進行檢查。
-
-通過使用物聯網設備收集溫度數據，農民可以在植物接近成熟時自動收到通知。一個典型的架構是讓物聯網設備測量溫度，然後使用類似 MQTT 的技術通過互聯網發佈這些遙測數據。伺服器代碼會監聽這些數據並將其保存到某個地方，例如數據庫。這樣，數據可以稍後進行分析，例如每晚計算當天的 GDD，累計每種作物的 GDD，並在植物接近成熟時發出警報。
-
-![遙測數據被發送到伺服器，然後保存到數據庫](../../../../../translated_images/zh-TW/save-telemetry-database.ddc9c6bea0c5ba39.webp)
-
-伺服器代碼還可以補充數據，添加額外的信息。例如，物聯網設備可以發佈一個標識符來指示是哪個設備，伺服器代碼可以使用這個標識符查找設備的位置以及它正在監測的作物。它還可以添加基本數據，例如當前時間，因為某些物聯網設備沒有必要的硬體來準確跟蹤時間，或者需要額外的代碼通過互聯網讀取當前時間。
-
-✅ 您認為為什麼不同的田地可能會有不同的溫度？
-
-### 任務 - 發佈溫度信息
-
-按照相關指南，使用您的物聯網設備通過 MQTT 發佈溫度數據，以便稍後進行分析：
-
-* [Arduino - Wio Terminal](wio-terminal-temp-publish.md)
-* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-temp-publish.md)
-
-### 任務 - 捕獲並存儲溫度信息
-
-一旦物聯網設備開始發佈遙測數據，就可以編寫伺服器代碼來訂閱這些數據並存儲它們。伺服器代碼將數據保存為逗號分隔值 (CSV) 文件，而不是保存到數據庫中。CSV 文件以文本形式存儲數據，每行為一條記錄，每個值用逗號分隔。這是一種方便、可讀性高且支持良好的文件存儲方式。
-
-CSV 文件將有兩列——*日期* 和 *溫度*。*日期* 列設置為伺服器接收到消息的當前日期和時間，*溫度* 來自遙測消息。
-
-1. 重複第 4 課中的步驟，創建伺服器代碼以訂閱遙測數據。您不需要添加發佈命令的代碼。
-
-    這些步驟包括：
-
-    * 配置並啟動 Python 虛擬環境
-
-    * 安裝 paho-mqtt pip 套件
-
-    * 編寫代碼以監聽發佈在遙測主題上的 MQTT 消息
-
-      > ⚠️ 如果需要，您可以參考[第 4 課中創建 Python 應用程式以接收遙測數據的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#receive-telemetry-from-the-mqtt-broker)。
-
-    將此專案的文件夾命名為 `temperature-sensor-server`。
-
-1. 確保 `client_name` 反映此專案：
-
-    ```cpp
-    client_name = id + 'temperature_sensor_server'
-    ```
-
-1. 在文件頂部的現有導入語句下方添加以下導入：
-
-    ```python
-    from os import path
-    import csv
-    from datetime import datetime
-    ```
-
-    這將導入用於讀取文件的庫、與 CSV 文件交互的庫以及處理日期和時間的庫。
-
-1. 在 `handle_telemetry` 函數之前添加以下代碼：
-
-    ```python
-    temperature_file_name = 'temperature.csv'
-    fieldnames = ['date', 'temperature']
-    
-    if not path.exists(temperature_file_name):
-        with open(temperature_file_name, mode='w') as csv_file:
-            writer = csv.DictWriter(csv_file, fieldnames=fieldnames)
-            writer.writeheader()
-    ```
-
-    此代碼聲明了一些常量，用於指定要寫入的文件名稱以及 CSV 文件的列標題名稱。CSV 文件的第一行通常包含用逗號分隔的列標題。
-
-    然後，代碼檢查 CSV 文件是否已存在。如果不存在，則創建該文件，並在第一行寫入列標題。
-
-1. 在 `handle_telemetry` 函數的末尾添加以下代碼：
-
-    ```python
-    with open(temperature_file_name, mode='a') as temperature_file:        
-        temperature_writer = csv.DictWriter(temperature_file, fieldnames=fieldnames)
-        temperature_writer.writerow({'date' : datetime.now().astimezone().replace(microsecond=0).isoformat(), 'temperature' : payload['temperature']})
-    ```
-此程式碼會開啟 CSV 檔案，然後在檔案末尾新增一行資料。該行資料包含以人類可讀格式顯示的當前日期和時間，接著是從 IoT 裝置接收到的溫度數據。資料以 [ISO 8601 格式](https://wikipedia.org/wiki/ISO_8601) 儲存，包含時區資訊，但不包含微秒。
-
-1. 像之前一樣執行此程式，確保您的 IoT 裝置正在傳送數據。一個名為 `temperature.csv` 的 CSV 檔案將會在相同的資料夾中建立。打開檔案後，您會看到日期/時間和溫度測量值：
-
-    ```output
-    date,temperature
-    2021-04-19T17:21:36-07:00,25
-    2021-04-19T17:31:36-07:00,24
-    2021-04-19T17:41:36-07:00,25
-    ```
-
-1. 執行此程式一段時間以收集數據。理想情況下，您應該執行一整天以收集足夠的數據來進行 GDD 計算。
-
-    
-> 💁 如果您使用的是虛擬 IoT 裝置，請勾選隨機選項並設定一個範圍，以避免每次返回的溫度值都相同。
-    ![勾選隨機選項並設定範圍](../../../../../translated_images/zh-TW/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f.webp) 
-
-    > 💁 如果您想執行一整天，請確保執行伺服器程式的電腦不會進入睡眠模式，可以透過更改電源設定，或執行類似 [這個保持系統活躍的 Python 腳本](https://github.com/jaqsparow/keep-system-active) 來實現。
-    
-> 💁 您可以在 [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server) 資料夾中找到此程式碼。
-
-### 任務 - 使用儲存的數據計算 GDD
-
-一旦伺服器捕獲了溫度數據，就可以計算植物的 GDD。
-
-手動執行的步驟如下：
-
-1. 找到植物的基準溫度。例如，草莓的基準溫度是 10°C。
-
-1. 從 `temperature.csv` 中找到當天的最高和最低溫度。
-
-1. 使用之前提供的 GDD 計算公式來計算 GDD。
-
-例如，如果當天的最高溫度是 25°C，最低溫度是 12°C：
-
-![GDD = 25 + 12 除以 2，然後從結果中減去 10，得到 8.5](../../../../../translated_images/zh-TW/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png)
-
-* 25 + 12 = 37
-* 37 / 2 = 18.5
-* 18.5 - 10 = 8.5
-
-因此，草莓獲得了 **8.5** GDD。草莓需要大約 250 GDD 才能結果，所以還需要一段時間。
-
----
-
-## 🚀 挑戰
-
-植物的生長不僅需要熱量。還需要哪些其他條件？
-
-針對這些條件，找出是否有感測器可以測量它們。有沒有執行器可以控制這些條件？您會如何組合一個或多個 IoT 裝置來優化植物的生長？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
-
-## 回顧與自學
-
-* 在 [數位農業維基百科頁面](https://wikipedia.org/wiki/Digital_agriculture) 閱讀更多關於數位農業的資訊。同時也可以在 [精準農業維基百科頁面](https://wikipedia.org/wiki/Precision_agriculture) 閱讀更多關於精準農業的內容。
-* 完整的生長度日計算比這裡提供的簡化公式更為複雜。閱讀更多關於更複雜的公式以及如何處理低於基準溫度的情況，請參考 [生長度日維基百科頁面](https://wikipedia.org/wiki/Growing_degree-day)。
-* 如果我們仍然使用相同的耕作方法，未來可能會面臨糧食短缺的問題。了解更多關於高科技農業技術，請觀看這段 [未來高科技農場的 YouTube 影片](https://www.youtube.com/watch?v=KIEOuKD9KX8)。
-
-## 作業
-
-[使用 Jupyter Notebook 視覺化 GDD 數據](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/tw/2-farm/lessons/1-predict-plant-growth/assignment.md
deleted file mode 100644
index 11b69c012..000000000
--- a/translations/tw/2-farm/lessons/1-predict-plant-growth/assignment.md
+++ /dev/null
@@ -1,55 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
-  "translation_date": "2025-08-24T22:03:06+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
-  "language_code": "tw"
-}
--->
-# 使用 Jupyter Notebook 視覺化 GDD 數據
-
-## 說明
-
-在本課程中，您使用 IoT 感測器收集了 GDD 數據。為了獲取良好的 GDD 數據，您需要收集多天的數據。為了幫助視覺化溫度數據並計算 GDD，您可以使用像 [Jupyter Notebooks](https://jupyter.org) 這樣的工具來分析數據。
-
-首先，收集幾天的數據。您需要確保您的伺服器程式在 IoT 設備運行時始終保持運行，可以通過調整電源管理設置或運行類似於 [這個保持系統活躍的 Python 腳本](https://github.com/jaqsparow/keep-system-active) 來實現。
-
-一旦您有了溫度數據，您可以使用此倉庫中的 Jupyter Notebook 來視覺化數據並計算 GDD。Jupyter Notebook 將程式碼和說明混合在稱為 *單元格* 的區塊中，通常是 Python 程式碼。您可以閱讀說明，然後逐塊運行每個程式碼區塊。您也可以編輯程式碼。例如，在此 Notebook 中，您可以編輯用於計算植物 GDD 的基準溫度。
-
-1. 建立一個名為 `gdd-calculation` 的資料夾
-
-1. 下載 [gdd.ipynb](../../../../../2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb) 檔案並將其複製到 `gdd-calculation` 資料夾中。
-
-1. 複製由 MQTT 伺服器創建的 `temperature.csv` 檔案
-
-1. 在 `gdd-calculation` 資料夾中建立一個新的 Python 虛擬環境。
-
-1. 安裝一些 Jupyter Notebook 所需的 pip 套件，以及用於管理和繪製數據的庫：
-
-    ```sh
-    pip install --upgrade pip
-    pip install pandas
-    pip install matplotlib
-    pip install jupyter
-    ```
-
-1. 在 Jupyter 中運行 Notebook：
-
-    ```sh
-    jupyter notebook gdd.ipynb
-    ```
-
-    Jupyter 將啟動並在您的瀏覽器中打開 Notebook。按照 Notebook 中的說明操作，視覺化測量的溫度並計算生長度日。
-
-    ![Jupyter Notebook](../../../../../translated_images/zh-TW/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png)
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 數據收集 | 收集至少 2 天完整數據 | 收集至少 1 天完整數據 | 收集了一些數據 |
-| 計算 GDD | 成功運行 Notebook 並計算 GDD | 成功運行 Notebook | 無法運行 Notebook |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/tw/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
deleted file mode 100644
index 408f599aa..000000000
--- a/translations/tw/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
+++ /dev/null
@@ -1,167 +0,0 @@
-{
- "cells": [
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "# 生長度日\n",
-    "\n",
-    "此筆記本載入儲存在 CSV 檔案中的溫度數據並進行分析。它繪製溫度圖表，顯示每天的最高和最低值，並計算 GDD。\n",
-    "\n",
-    "使用此筆記本的方法：\n",
-    "\n",
-    "* 將 `temperature.csv` 檔案複製到與此筆記本相同的資料夾中\n",
-    "* 使用上方的 **▶︎ Run** 按鈕執行所有單元格。這將執行選定的單元格，然後移至下一個單元格。\n"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "在下面的儲存格中，將 `base_temperature` 設定為植物的基礎溫度。\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": 2,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "base_temperature = 10"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "現在需要使用 pandas 加載 CSV 文件\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "import pandas as pd\n",
-    "import matplotlib.pyplot as plt\n",
-    "\n",
-    "# Read the temperature CSV file\n",
-    "df = pd.read_csv('temperature.csv')"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": []
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "plt.figure(figsize=(20, 10))\n",
-    "plt.plot(df['date'], df['temperature'])\n",
-    "plt.xticks(rotation='vertical');"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "一旦讀取了數據後，可以按 `date` 欄位進行分組，並提取每個日期的最低和最高溫度。\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "# Convert datetimes to pure dates so we can group by the date\n",
-    "df['date'] = pd.to_datetime(df['date']).dt.date\n",
-    "\n",
-    "# Group the data by date so it can be analyzed by date\n",
-    "data_by_date = df.groupby('date')\n",
-    "\n",
-    "# Get the minimum and maximum temperatures for each date\n",
-    "min_by_date = data_by_date.min()\n",
-    "max_by_date = data_by_date.max()\n",
-    "\n",
-    "# Join the min and max temperatures into one dataframe and flatten it\n",
-    "min_max_by_date = min_by_date.join(max_by_date, on='date', lsuffix='_min', rsuffix='_max')\n",
-    "min_max_by_date = min_max_by_date.reset_index()"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "GDD 可以使用標準 GDD 方程式計算\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "def calculate_gdd(row):\n",
-    "    return ((row['temperature_max'] + row['temperature_min']) / 2) - base_temperature\n",
-    "\n",
-    "# Calculate the GDD for each row\n",
-    "min_max_by_date['gdd'] = min_max_by_date.apply (lambda row: calculate_gdd(row), axis=1)\n",
-    "\n",
-    "# Print the results\n",
-    "print(min_max_by_date[['date', 'gdd']].to_string(index=False))"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": []
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "\n---\n\n**免責聲明**：  \n本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。\n"
-   ]
-  }
- ],
- "metadata": {
-  "kernelspec": {
-   "display_name": "Python 3",
-   "language": "python",
-   "name": "python3"
-  },
-  "language_info": {
-   "codemirror_mode": {
-    "name": "ipython",
-    "version": 3
-   },
-   "file_extension": ".py",
-   "mimetype": "text/x-python",
-   "name": "python",
-   "nbconvert_exporter": "python",
-   "pygments_lexer": "ipython3",
-   "version": "3.9.1"
-  },
-  "metadata": {
-   "interpreter": {
-    "hash": "aee8b7b246df8f9039afb4144a1f6fd8d2ca17a180786b69acc140d282b71a49"
-   }
-  },
-  "coopTranslator": {
-   "original_hash": "8fcf954f6042f0bf3601a2c836a09574",
-   "translation_date": "2025-08-26T15:58:03+00:00",
-   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
-   "language_code": "tw"
-  }
- },
- "nbformat": 4,
- "nbformat_minor": 2
-}
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/tw/2-farm/lessons/1-predict-plant-growth/pi-temp.md
deleted file mode 100644
index 980872c3d..000000000
--- a/translations/tw/2-farm/lessons/1-predict-plant-growth/pi-temp.md
+++ /dev/null
@@ -1,123 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
-  "translation_date": "2025-08-24T22:08:12+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
-  "language_code": "tw"
-}
--->
-# 測量溫度 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個溫度感測器。
-
-## 硬體
-
-您將使用的感測器是 [DHT11 濕度與溫度感測器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)，它將兩個感測器結合在一個裝置中。這是一款相當受歡迎的感測器，許多市售感測器都結合了溫度、濕度，有時還包括大氣壓力。溫度感測器的元件是一個負溫度係數（NTC）熱敏電阻，這是一種隨著溫度升高而電阻降低的熱敏電阻。
-
-這是一個數位感測器，因此內建了一個 ADC（類比數位轉換器），用於生成包含溫度和濕度數據的數位信號，供微控制器讀取。
-
-### 連接溫度感測器
-
-Grove 溫度感測器可以連接到 Raspberry Pi。
-
-#### 任務
-
-連接溫度感測器
-
-![一個 Grove 溫度感測器](../../../../../translated_images/zh-TW/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png)
-
-1. 將 Grove 電纜的一端插入濕度與溫度感測器上的插槽。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到安裝在 Pi 上的 Grove Base Hat 上標記為 **D5** 的數位插槽。此插槽位於 GPIO 引腳旁邊的一排插槽中，從左數第二個。
-
-![Grove 溫度感測器連接到 A0 插槽](../../../../../translated_images/zh-TW/pi-temperature-sensor.3ff82fff672c8e56.webp)
-
-## 編寫溫度感測器程式
-
-現在可以為裝置編寫程式來使用已連接的溫度感測器。
-
-### 任務
-
-編寫裝置程式。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 啟動 VS Code，可以直接在 Pi 上啟動，或者通過 Remote SSH 擴展連接。
-
-    > ⚠️ 如果需要，您可以參考 [第 1 課中有關設置和啟動 VS Code 的說明](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
-
-1. 在終端中，於 `pi` 使用者的主目錄中建立一個名為 `temperature-sensor` 的新資料夾。在此資料夾中建立一個名為 `app.py` 的檔案：
-
-    ```sh
-    mkdir temperature-sensor
-    cd temperature-sensor
-    touch app.py
-    ```
-
-1. 在 VS Code 中打開此資料夾。
-
-1. 要使用溫度與濕度感測器，需要安裝一個額外的 Pip 套件。在 VS Code 的終端中，執行以下命令以在 Pi 上安裝此 Pip 套件：
-
-    ```sh
-    pip3 install seeed-python-dht
-    ```
-
-1. 將以下程式碼添加到 `app.py` 檔案中以匯入所需的函式庫：
-
-    ```python
-    import time
-    from seeed_dht import DHT
-    ```
-
-    `from seeed_dht import DHT` 語句從 `seeed_dht` 模組中匯入 `DHT` 感測器類別，用於與 Grove 溫度感測器互動。
-
-1. 在上述程式碼之後添加以下程式碼，以建立管理溫度感測器的類別實例：
-
-    ```python
-    sensor = DHT("11", 5)
-    ```
-
-    這聲明了一個 `DHT` 類別的實例，用於管理 **D**igital **H**umidity 和 **T**emperature 感測器。第一個參數告訴程式使用的是 *DHT11* 感測器——您使用的函式庫支援此感測器的其他變體。第二個參數告訴程式感測器連接到 Grove Base Hat 的數位插槽 `D5`。
-
-    > ✅ 請記住，所有插槽都有唯一的引腳編號。引腳 0、2、4 和 6 是類比引腳，引腳 5、16、18、22、24 和 26 是數位引腳。
-
-1. 在上述程式碼之後添加一個無限迴圈，用於輪詢溫度感測器的值並將其輸出到控制台：
-
-    ```python
-    while True:
-        _, temp = sensor.read()
-        print(f'Temperature {temp}°C')
-    ```
-
-    呼叫 `sensor.read()` 會返回一個包含濕度和溫度的元組。您只需要溫度值，因此可以忽略濕度值。然後將溫度值輸出到控制台。
-
-1. 在迴圈的末尾添加一個 10 秒的小延遲，因為不需要連續檢查溫度水平。延遲可以減少裝置的功耗。
-
-    ```python
-    time.sleep(10)
-    ```
-
-1. 在 VS Code 的終端中執行以下命令以運行您的 Python 應用程式：
-
-    ```sh
-    python3 app.py
-    ```
-
-    您應該會看到溫度值輸出到控制台。使用某些東西來加熱感測器，例如用拇指按住它，或者使用風扇，觀察值的變化：
-
-    ```output
-    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
-    Temperature 26°C
-    Temperature 26°C
-    Temperature 28°C
-    Temperature 30°C
-    Temperature 32°C
-    ```
-
-> 💁 您可以在 [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi) 資料夾中找到此程式碼。
-
-😀 您的溫度感測器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/tw/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
deleted file mode 100644
index 1646a2688..000000000
--- a/translations/tw/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
+++ /dev/null
@@ -1,69 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4efc74299e19f5d08f2f3f34451a11ba",
-  "translation_date": "2025-08-24T22:02:12+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
-  "language_code": "tw"
-}
--->
-# 發佈溫度 - 虛擬物聯網硬體與樹莓派
-
-在本課程的這部分，您將透過 MQTT 發佈由樹莓派或虛擬物聯網設備檢測到的溫度值，以便稍後用於計算 GDD。
-
-## 發佈溫度
-
-一旦讀取到溫度值，就可以透過 MQTT 發佈到某些「伺服器」代碼，該代碼將讀取這些值並存儲，準備用於 GDD 計算。
-
-### 任務 - 發佈溫度
-
-編程設備以發佈溫度數據。
-
-1. 如果尚未打開，請打開 `temperature-sensor` 應用程式專案。
-
-1. 重複您在第 4 課中所做的步驟以連接到 MQTT 並發送遙測數據，您將使用相同的公共 Mosquitto broker。
-
-    這些步驟包括：
-
-    - 添加 MQTT pip 套件
-    - 添加連接到 MQTT broker 的代碼
-    - 添加發佈遙測數據的代碼
-
-    > ⚠️ 如有需要，請參考 [連接到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md) 和 [發送遙測數據的指導](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md)（第 4 課）。
-
-1. 確保 `client_name` 反映此專案的名稱：
-
-    ```python
-    client_name = id + 'temperature_sensor_client'
-    ```
-
-1. 對於遙測數據，與其發送光線值，不如發送從 DHT 感測器讀取的溫度值，並將其作為 JSON 文件中的 `temperature` 屬性：
-
-    ```python
-    _, temp = sensor.read()
-    telemetry = json.dumps({'temperature' : temp})
-    ```
-
-1. 溫度值不需要頻繁讀取——在短時間內不會有太大變化，因此將 `time.sleep` 設置為 10 分鐘：
-
-    ```cpp
-    time.sleep(10 * 60);
-    ```
-
-    > 💁 `sleep` 函數以秒為單位計算時間，因此為了更容易閱讀，該值是通過計算得出的。1 分鐘有 60 秒，因此 10 x（1 分鐘的 60 秒）給出 10 分鐘的延遲。
-
-1. 以與之前作業部分相同的方式運行代碼。如果您使用的是虛擬物聯網設備，請確保 CounterFit 應用程式正在運行，並且已在正確的引腳上創建了濕度和溫度感測器。
-
-    ```output
-    pi@raspberrypi:~/temperature-sensor $ python3 app.py
-    MQTT connected!
-    Sending telemetry  {"temperature": 25}
-    Sending telemetry  {"temperature": 25}
-    ```
-
-> 💁 您可以在 [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) 資料夾或 [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi) 資料夾中找到此代碼。
-
-😀 您已成功將溫度作為遙測數據從您的設備發佈出去。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/tw/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
deleted file mode 100644
index 761839c8a..000000000
--- a/translations/tw/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
+++ /dev/null
@@ -1,152 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
-  "translation_date": "2025-08-24T22:06:40+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
-  "language_code": "tw"
-}
--->
-# 測量溫度 - 虛擬物聯網硬體
-
-在本課程中，您將為虛擬物聯網設備添加一個溫度感測器。
-
-## 虛擬硬體
-
-虛擬物聯網設備將使用模擬的 Grove 數位濕度和溫度感測器。這使得本實驗與使用 Raspberry Pi 和實體 Grove DHT11 感測器的操作保持一致。
-
-該感測器結合了**溫度感測器**和**濕度感測器**，但在本實驗中，您只需關注溫度感測器部分。在實體物聯網設備中，溫度感測器通常是一個[熱敏電阻](https://wikipedia.org/wiki/Thermistor)，它通過感測溫度變化時的電阻變化來測量溫度。溫度感測器通常是數位感測器，內部會將測得的電阻轉換為攝氏（或開氏、華氏）溫度。
-
-### 將感測器添加到 CounterFit
-
-要使用虛擬濕度和溫度感測器，您需要將這兩個感測器添加到 CounterFit 應用程式中。
-
-#### 任務 - 將感測器添加到 CounterFit
-
-將濕度和溫度感測器添加到 CounterFit 應用程式中。
-
-1. 在您的電腦上建立一個名為 `temperature-sensor` 的資料夾，並在其中建立一個名為 `app.py` 的 Python 應用程式，設置 Python 虛擬環境，並添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，您可以參考[第 1 課中建立和設置 CounterFit Python 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 安裝額外的 Pip 套件以安裝 DHT11 感測器的 CounterFit shim。確保您在啟動虛擬環境的終端中執行此操作。
-
-    ```sh
-    pip install counterfit-shims-seeed-python-dht
-    ```
-
-1. 確保 CounterFit 網頁應用程式正在運行。
-
-1. 建立濕度感測器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Humidity*。
-
-    1. 保持 *Units* 設置為 *Percentage*。
-
-    1. 確保 *Pin* 設置為 *5*。
-
-    1. 選擇 **Add** 按鈕以在 Pin 5 上建立濕度感測器。
-
-    ![濕度感測器設置](../../../../../translated_images/zh-TW/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png)
-
-    濕度感測器將被建立並顯示在感測器列表中。
-
-    ![濕度感測器已建立](../../../../../translated_images/zh-TW/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png)
-
-1. 建立溫度感測器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Temperature*。
-
-    1. 保持 *Units* 設置為 *Celsius*。
-
-    1. 確保 *Pin* 設置為 *6*。
-
-    1. 選擇 **Add** 按鈕以在 Pin 6 上建立溫度感測器。
-
-    ![溫度感測器設置](../../../../../translated_images/zh-TW/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png)
-
-    溫度感測器將被建立並顯示在感測器列表中。
-
-    ![溫度感測器已建立](../../../../../translated_images/zh-TW/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png)
-
-## 編寫溫度感測器應用程式
-
-現在可以使用 CounterFit 感測器編寫溫度感測器應用程式。
-
-### 任務 - 編寫溫度感測器應用程式
-
-編寫溫度感測器應用程式。
-
-1. 確保 `temperature-sensor` 應用程式已在 VS Code 中開啟。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下程式碼以連接應用程式到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在 `app.py` 文件中添加以下程式碼以匯入所需的庫：
-
-    ```python
-    import time
-    from counterfit_shims_seeed_python_dht import DHT
-    ```
-
-    `from seeed_dht import DHT` 語句匯入了 `DHT` 感測器類，用於通過 `counterfit_shims_seeed_python_dht` 模組與虛擬 Grove 溫度感測器進行交互。
-
-1. 在上述程式碼之後添加以下程式碼，以建立管理虛擬濕度和溫度感測器的類實例：
-
-    ```python
-    sensor = DHT("11", 5)
-    ```
-
-    這聲明了一個 `DHT` 類的實例，用於管理虛擬**數位濕度和溫度感測器**。第一個參數告訴程式碼使用的是虛擬 *DHT11* 感測器。第二個參數告訴程式碼感測器連接到端口 `5`。
-
-    > 💁 CounterFit 通過連接到兩個感測器來模擬這個濕度和溫度感測器，濕度感測器連接到建立 `DHT` 類時指定的引腳，而溫度感測器則運行在下一個引腳上。如果濕度感測器在引腳 5 上，shim 預期溫度感測器在引腳 6 上。
-
-1. 在上述程式碼之後添加一個無限迴圈，以輪詢溫度感測器的值並將其打印到控制台：
-
-    ```python
-    while True:
-        _, temp = sensor.read()
-        print(f'Temperature {temp}°C')
-    ```
-
-    `sensor.read()` 的調用返回一個包含濕度和溫度的元組。您只需要溫度值，因此可以忽略濕度。然後將溫度值打印到控制台。
-
-1. 在迴圈的末尾添加一個十秒的小延遲，因為不需要持續檢查溫度水平。延遲可以減少設備的功耗。
-
-    ```python
-    time.sleep(10)
-    ```
-
-1. 在啟動虛擬環境的 VS Code 終端中，執行以下命令以運行您的 Python 應用程式：
-
-    ```sh
-    python app.py
-    ```
-
-1. 在 CounterFit 應用程式中更改溫度感測器的值，該值將被應用程式讀取。您可以通過以下兩種方式進行更改：
-
-    * 在溫度感測器的 *Value* 框中輸入一個數字，然後選擇 **Set** 按鈕。您輸入的數字將是感測器返回的值。
-
-    * 勾選 *Random* 選框，並輸入 *Min* 和 *Max* 值，然後選擇 **Set** 按鈕。每次感測器讀取值時，它將讀取介於 *Min* 和 *Max* 之間的隨機數字。
-
-    您應該能在控制台中看到您設置的值。更改 *Value* 或 *Random* 設置以查看值的變化。
-
-    ```output
-    (.venv) ➜  temperature-sensor python app.py
-    Temperature 28.25°C
-    Temperature 30.71°C
-    Temperature 25.17°C
-    ```
-
-> 💁 您可以在 [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device) 資料夾中找到此程式碼。
-
-😀 您的溫度感測器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/tw/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
deleted file mode 100644
index ee3ae24d5..000000000
--- a/translations/tw/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
+++ /dev/null
@@ -1,80 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "df28cd649cd892bcce034e064913b2f3",
-  "translation_date": "2025-08-24T22:05:32+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
-  "language_code": "tw"
-}
--->
-# 發佈溫度 - Wio Terminal
-
-在本課程中，您將透過 MQTT 發佈 Wio Terminal 偵測到的溫度值，以便稍後用於計算 GDD。
-
-## 發佈溫度
-
-一旦讀取到溫度值，就可以透過 MQTT 發佈到某些「伺服器」程式碼，該程式碼將讀取這些值並儲存，準備用於 GDD 計算。微控制器無法直接從網路讀取時間，也無法內建實時時鐘來追蹤時間，設備需要被編程以執行此操作，前提是它具備必要的硬體。
-
-為了簡化本課程的內容，時間不會與感測器數據一起發送，而是可以在伺服器程式碼接收到訊息後再添加。
-
-### 任務
-
-編程設備以發佈溫度數據。
-
-1. 打開 `temperature-sensor` Wio Terminal 專案
-
-1. 重複您在第 4 課中所做的步驟以連接到 MQTT 並發送遙測數據，您將使用相同的公共 Mosquitto broker。
-
-    這些步驟包括：
-
-    - 在 `.ini` 文件中添加 Seeed WiFi 和 MQTT 函式庫
-    - 添加配置文件和連接 WiFi 的程式碼
-    - 添加連接到 MQTT broker 的程式碼
-    - 添加發佈遙測數據的程式碼
-
-    > ⚠️ 如有需要，請參考 [連接到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) 和 [發送遙測數據的指導](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md)（第 4 課）。
-
-1. 確保 `config.h` 標頭文件中的 `CLIENT_NAME` 反映此專案：
-
-    ```cpp
-    const string CLIENT_NAME = ID + "temperature_sensor_client";
-    ```
-
-1. 對於遙測數據，將讀取的 DHT 感測器溫度值作為 JSON 文件中的 `temperature` 屬性發送，而不是發送光線值，通過修改 `main.cpp` 中的 `loop` 函數：
-
-    ```cpp
-    float temp_hum_val[2] = {0};
-    dht.readTempAndHumidity(temp_hum_val);
-
-    DynamicJsonDocument doc(1024);
-    doc["temperature"] = temp_hum_val[1];
-    ```
-
-1. 溫度值不需要頻繁讀取——在短時間內不會有太大變化，因此將 `loop` 函數中的 `delay` 設定為 10 分鐘：
-
-    ```cpp
-    delay(10 * 60 * 1000);
-    ```
-
-    > 💁 `delay` 函數以毫秒為單位計算時間，因此為了更容易閱讀，該值是通過計算得出的。1,000 毫秒等於 1 秒，1 分鐘有 60 秒，因此 10 x (60 秒/分鐘) x (1000 毫秒/秒) 得出 10 分鐘的延遲。
-
-1. 將程式上傳到您的 Wio Terminal，並使用序列監視器查看溫度是否已成功發送到 MQTT broker。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Attempting MQTT connection...connected
-    Sending telemetry {"temperature":25}
-    Sending telemetry {"temperature":25}
-    ```
-
-> 💁 您可以在 [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal) 資料夾中找到此程式碼。
-
-😀 恭喜！您已成功將溫度作為遙測數據從您的設備發佈出去。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/tw/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
deleted file mode 100644
index 3ffaadcee..000000000
--- a/translations/tw/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
+++ /dev/null
@@ -1,141 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "59263d094f20b302053888cd236880c3",
-  "translation_date": "2025-08-24T22:04:05+00:00",
-  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
-  "language_code": "tw"
-}
--->
-# 測量溫度 - Wio Terminal
-
-在本課程中，您將為 Wio Terminal 添加一個溫度感測器，並從中讀取溫度值。
-
-## 硬體
-
-Wio Terminal 需要一個溫度感測器。
-
-您將使用的是 [DHT11 濕度與溫度感測器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)，它將兩個感測器結合在一個裝置中。這是一款相當受歡迎的感測器，市面上有許多結合溫度、濕度，有時甚至是大氣壓力的感測器。溫度感測部分是一個負溫度係數（NTC）熱敏電阻，這是一種隨著溫度升高電阻會降低的熱敏電阻。
-
-這是一個數位感測器，因此內建了一個 ADC（類比數位轉換器），用於生成包含溫度和濕度數據的數位信號，供微控制器讀取。
-
-### 連接溫度感測器
-
-Grove 溫度感測器可以連接到 Wio Terminal 的數位埠。
-
-#### 任務 - 連接溫度感測器
-
-連接溫度感測器。
-
-![一個 Grove 溫度感測器](../../../../../translated_images/zh-TW/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png)
-
-1. 將 Grove 線纜的一端插入濕度與溫度感測器的插槽中。它只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 線纜的另一端連接到 Wio Terminal 螢幕右側的 Grove 插槽。這是距離電源按鈕最遠的插槽。
-
-![Grove 溫度感測器連接到右側插槽](../../../../../translated_images/zh-TW/wio-temperature-sensor.2934928f38c7f79a.webp)
-
-## 編寫溫度感測器程式
-
-現在可以為 Wio Terminal 編寫程式來使用已連接的溫度感測器。
-
-### 任務 - 編寫溫度感測器程式
-
-編寫裝置程式。
-
-1. 使用 PlatformIO 建立一個全新的 Wio Terminal 專案。將此專案命名為 `temperature-sensor`。在 `setup` 函式中添加程式碼以配置序列埠。
-
-    > ⚠️ 如果需要，您可以參考 [專案 1，第 1 課中建立 PlatformIO 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project)。
-
-1. 在專案的 `platformio.ini` 檔案中，為 Seeed Grove 濕度與溫度感測器庫添加一個庫依賴：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
-    ```
-
-    > ⚠️ 如果需要，您可以參考 [專案 1，第 4 課中為 PlatformIO 專案添加庫的指導](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries)。
-
-1. 在檔案頂部的 `#include <Arduino.h>` 下方添加以下 `#include` 指令：
-
-    ```cpp
-    #include <DHT.h>
-    #include <SPI.h>
-    ```
-
-    這些指令導入了與感測器互動所需的檔案。`DHT.h` 標頭檔包含感測器本身的程式碼，而添加 `SPI.h` 標頭檔則確保在應用程式編譯時鏈接到與感測器通訊所需的程式碼。
-
-1. 在 `setup` 函式之前，宣告 DHT 感測器：
-
-    ```cpp
-    DHT dht(D0, DHT11);
-    ```
-
-    這宣告了一個 `DHT` 類的實例，用於管理數位濕度與溫度感測器。此感測器連接到 Wio Terminal 的 `D0` 埠，也就是右側的 Grove 插槽。第二個參數告訴程式使用的是 *DHT11* 感測器——您使用的庫支援此感測器的其他變體。
-
-1. 在 `setup` 函式中，添加程式碼以設置序列連接：
-
-    ```cpp
-    void setup()
-    {
-        Serial.begin(9600);
-    
-        while (!Serial)
-            ; // Wait for Serial to be ready
-    
-        delay(1000);
-    }
-    ```
-
-1. 在 `setup` 函式的最後一個 `delay` 之後，添加啟動 DHT 感測器的呼叫：
-
-    ```cpp
-    dht.begin();
-    ```
-
-1. 在 `loop` 函式中，添加程式碼以呼叫感測器並將溫度打印到序列埠：
-
-    ```cpp
-    void loop()
-    {
-        float temp_hum_val[2] = {0};
-        dht.readTempAndHumidity(temp_hum_val);
-        Serial.print("Temperature: ");
-        Serial.print(temp_hum_val[1]);
-        Serial.println ("°C");
-    
-        delay(10000);
-    }
-    ```
-
-    此程式碼宣告了一個包含兩個浮點數的空陣列，並將其傳遞給 `DHT` 實例的 `readTempAndHumidity` 呼叫。此呼叫會將兩個值填入陣列——濕度存入陣列的第 0 項（請記住，在 C++ 中，陣列是從 0 開始的，因此第 0 項是陣列的「第一」項），溫度存入第 1 項。
-
-    溫度從陣列的第 1 項讀取，並打印到序列埠。
-
-    > 🇺🇸 溫度以攝氏度讀取。對於美國人，若要將攝氏溫度轉換為華氏溫度，請將讀取的攝氏值除以 5，然後乘以 9，最後加上 32。例如，20°C 的溫度讀數轉換為 ((20/5)*9) + 32 = 68°F。
-
-1. 編譯並將程式碼上傳到 Wio Terminal。
-
-    > ⚠️ 如果需要，您可以參考 [專案 1，第 1 課中建立 PlatformIO 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app)。
-
-1. 上傳完成後，您可以使用序列監視器監控溫度：
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Temperature: 25.00°C
-    Temperature: 25.00°C
-    Temperature: 25.00°C
-    Temperature: 24.00°C
-    ```
-
-> 💁 您可以在 [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的溫度感測器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/tw/2-farm/lessons/2-detect-soil-moisture/README.md
deleted file mode 100644
index ada8582e9..000000000
--- a/translations/tw/2-farm/lessons/2-detect-soil-moisture/README.md
+++ /dev/null
@@ -1,167 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
-  "translation_date": "2025-08-24T22:31:00+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
-  "language_code": "tw"
-}
--->
-C，讀作 *I-squared-C*，是一種多控制器、多外設的協議，任何連接的設備都可以作為控制器或外設，通過 I²C 線路（用於傳輸數據的通信系統名稱）進行通信。數據以地址封裝的形式發送，每個封裝包含目標設備的地址。
-
-> 💁 這種模型過去被稱為主/從（master/slave），但由於其與奴隸制的聯想，這種術語正在被棄用。[開源硬件協會（Open Source Hardware Association）已採用控制器/外設（controller/peripheral）](https://www.oshwa.org/a-resolution-to-redefine-spi-signal-names/)，但你可能仍會看到對舊術語的引用。
-
-設備在連接到 I²C 線路時會有一個地址，通常是硬編碼在設備上的。例如，Seeed 的每種 Grove 傳感器都有相同的地址，因此所有光傳感器都有相同的地址，所有按鈕的地址也相同，但與光傳感器的地址不同。一些設備可以通過更改跳線設置或焊接引腳來更改地址。
-
-I²C 線路由兩條主要的信號線以及兩條電源線組成：
-
-| 線路 | 名稱 | 描述 |
-| ---- | --------- | ----------- |
-| SDA | 串行數據線 | 用於在設備之間傳輸數據。 |
-| SCL | 串行時鐘線 | 傳輸由控制器設置速率的時鐘信號。 |
-| VCC | 電壓公共集電極 | 為設備提供電源。這條線連接到 SDA 和 SCL 線，通過上拉電阻提供電源，當沒有設備作為控制器時，信號會被關閉。 |
-| GND | 地線 | 為電路提供公共地線。 |
-
-![I2C 線路，3 個設備連接到 SDA 和 SCL 線，共享一條公共地線](../../../../../translated_images/zh-TW/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png)
-
-要傳輸數據，一個設備會發出啟動條件，表明它準備好傳輸數據。它隨後成為控制器。控制器接著發送它想要通信的設備地址，以及它是要讀取還是寫入數據。在數據傳輸完成後，控制器會發送停止條件，表明它已完成。之後，另一個設備可以成為控制器並發送或接收數據。
-
-2<sup>2</sup>C 有速度限制，並且有三種不同模式以固定速度運行。最快的模式是高速模式，最大速度為 3.4Mbps（每秒百萬位元），但支持該速度的設備非常少。例如，Raspberry Pi 的速度限制在 400Kbps（每秒千位元）的快速模式。標準模式的速度為 100Kbps。
-
-> 💁 如果您使用 Raspberry Pi 搭配 Grove Base hat 作為您的 IoT 硬件，您可以在板上看到多個 I<sup>2</sup>C 插座，這些插座可用於與 I<sup>2</sup>C 感測器進行通信。類比 Grove 感測器也使用 I<sup>2</sup>C，並通過 ADC（類比數位轉換器）將類比值作為數位數據傳送，因此您使用的光感測器模擬了一個類比引腳，並通過 I<sup>2</sup>C 傳送值，因為 Raspberry Pi 只支持數位引腳。
-
-### 通用非同步接收器-傳送器 (UART)
-
-UART 涉及允許兩個設備通信的物理電路。每個設備都有兩個通信引腳——傳送（Tx）和接收（Rx），第一個設備的 Tx 引腳連接到第二個設備的 Rx 引腳，第二個設備的 Tx 引腳連接到第一個設備的 Rx 引腳。這使得數據可以雙向傳送。
-
-* 設備 1 從其 Tx 引腳傳送數據，設備 2 在其 Rx 引腳接收數據
-* 設備 1 在其 Rx 引腳接收由設備 2 從其 Tx 引腳傳送的數據
-
-![UART 的 Tx 引腳連接到另一個芯片的 Rx 引腳，反之亦然](../../../../../translated_images/zh-TW/uart.d0dbd3fb9e3728c6.webp)
-
-> 🎓 數據是一次傳送一位，這被稱為 *串行* 通信。大多數操作系統和微控制器都有 *串行端口*，即可以向您的代碼提供串行數據傳送和接收的連接。
-
-UART 設備有一個 [波特率](https://wikipedia.org/wiki/Symbol_rate)（也稱為符號率），即數據傳送和接收的速度，以每秒位元數表示。一個常見的波特率是 9,600，這意味著每秒傳送 9,600 位元（0 和 1）的數據。
-
-UART 使用起始位和停止位——即它傳送一個起始位來表示即將傳送一個字節（8 位元）的數據，然後在傳送完 8 位元後傳送一個停止位。
-
-UART 的速度取決於硬件，但即使是最快的實現也不超過 6.5 Mbps（每秒百萬位元，或每秒傳送的 0 或 1 數據）。
-
-您可以通過 GPIO 引腳使用 UART——您可以將一個引腳設置為 Tx，另一個引腳設置為 Rx，然後將它們連接到另一個設備。
-
-> 💁 如果您使用 Raspberry Pi 搭配 Grove Base hat 作為您的 IoT 硬件，您可以在板上看到一個 UART 插座，可用於與使用 UART 協議的感測器通信。
-
-### 串行外設接口 (SPI)
-
-SPI 設計用於短距離通信，例如微控制器與存儲設備（如快閃記憶體）通信。它基於控制器/外設模型，單個控制器（通常是 IoT 設備的處理器）與多個外設交互。控制器通過選擇外設並傳送或請求數據來控制所有操作。
-
-> 💁 與 I<sup>2</sup>C 一樣，控制器和外設這些術語是最近的改變，因此您可能仍會看到使用舊術語。
-
-SPI 控制器使用 3 條線，外加每個外設一條額外的線。外設使用 4 條線。這些線包括：
-
-| 線 | 名稱 | 描述 |
-| ---- | --------- | ----------- |
-| COPI | 控制器輸出，外設輸入 | 這條線用於將數據從控制器傳送到外設。 |
-| CIPO | 控制器輸入，外設輸出 | 這條線用於將數據從外設傳送到控制器。 |
-| SCLK | 串行時鐘 | 這條線以控制器設置的速率傳送時鐘信號。 |
-| CS   | 芯片選擇 | 控制器有多條線，每個外設一條，每條線連接到相應外設的 CS 線。 |
-
-![SPI 控制器和兩個外設](../../../../../translated_images/zh-TW/spi.297431d6f98b386b.webp)
-
-CS 線用於一次激活一個外設，通過 COPI 和 CIPO 線進行通信。當控制器需要更換外設時，它會停用連接到當前激活外設的 CS 線，然後激活連接到下一個外設的線。
-
-SPI 是 *全雙工* 的，這意味著控制器可以同時從同一外設傳送和接收數據，使用 COPI 和 CIPO 線。SPI 使用 SCLK 線上的時鐘信號來保持設備同步，因此不像直接通過 UART 傳送那樣需要起始位和停止位。
-
-SPI 沒有定義的速度限制，實現通常能夠每秒傳送多百萬字節的數據。
-
-IoT 開發套件通常支持通過一些 GPIO 引腳使用 SPI。例如，在 Raspberry Pi 上，您可以使用 GPIO 引腳 19、21、23、24 和 26 進行 SPI。
-
-### 無線
-
-一些感測器可以通過標準無線協議進行通信，例如藍牙（主要是藍牙低功耗，或 BLE）、LoRaWAN（一種**長距離**低功耗網絡協議）或 WiFi。這些協議允許遠程感測器不需要物理連接到 IoT 設備。
-
-一個例子是商業土壤濕度感測器。這些感測器會測量田地中的土壤濕度，然後通過 LoRaWAN 傳送數據到集線設備，該設備會處理數據或通過互聯網傳送數據。這使得感測器可以遠離管理數據的 IoT 設備，減少功耗以及對大型 WiFi 網絡或長電纜的需求。
-
-BLE 在高級感測器中很受歡迎，例如用於手腕上的健身追蹤器。這些感測器結合多個感測器，並通過 BLE 將感測器數據傳送到 IoT 設備，例如您的手機。
-
-✅ 您身上、家中或學校中是否有任何藍牙感測器？這些可能包括溫度感測器、佔用感測器、設備追蹤器和健身設備。
-
-商業設備的一種流行連接方式是 Zigbee。Zigbee 使用 WiFi 在設備之間形成網狀網絡，每個設備盡可能多地連接到附近的設備，形成像蜘蛛網一樣的大量連接。當一個設備想要向互聯網傳送消息時，它可以將消息傳送到最近的設備，然後由其他附近設備轉發，直到到達協調器並可以傳送到互聯網。
-
-> 🐝 Zigbee 的名字來源於蜜蜂返回蜂巢後的搖擺舞。
-
-## 測量土壤中的濕度水平
-
-您可以使用土壤濕度感測器、IoT 設備以及室內植物或附近的土壤來測量土壤濕度水平。
-
-### 任務 - 測量土壤濕度
-
-按照相關指南使用您的 IoT 設備測量土壤濕度：
-
-* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)
-* [單板電腦 - Raspberry Pi](pi-soil-moisture.md)
-* [單板電腦 - 虛擬設備](virtual-device-soil-moisture.md)
-
-## 感測器校準
-
-感測器依賴於測量電氣特性，例如電阻或電容。
-
-> 🎓 電阻，以歐姆（Ω）為單位，表示電流通過某物時的阻力。當電壓施加到材料上時，通過它的電流量取決於材料的電阻。您可以在 [維基百科上的電阻頁面](https://wikipedia.org/wiki/Electrical_resistance_and_conductance) 閱讀更多內容。
-
-> 🎓 電容，以法拉（F）為單位，表示元件或電路收集和存儲電能的能力。您可以在 [維基百科上的電容頁面](https://wikipedia.org/wiki/Capacitance) 閱讀更多內容。
-
-這些測量值並不總是有用——想像一下，一個溫度感測器給您一個 22.5KΩ 的測量值！因此，測量值需要通過校準轉換為有用的單位——即將測量值與測量的量匹配，以便新測量值可以轉換為正確的單位。
-
-一些感測器是預先校準的。例如，您在上一課中使用的溫度感測器已經校準，可以返回以 °C 為單位的溫度測量值。在工廠中，第一個感測器會暴露於一系列已知溫度，並測量電阻。然後，這些數據會用於建立一個計算公式，將測量值從 Ω（電阻的單位）轉換為 °C。
-
-> 💁 計算電阻與溫度的公式稱為 [Steinhart–Hart 方程](https://wikipedia.org/wiki/Steinhart–Hart_equation)。
-
-### 土壤濕度感測器校準
-
-土壤濕度是通過重力或體積含水量測量的。
-
-* 重力含水量是每單位重量的土壤中水的重量，測量值為每公斤乾土中的公斤水
-* 體積含水量是每單位體積的土壤中水的體積，測量值為每立方米乾土中的立方米水
-
-> 🇺🇸 對於美國人，由於單位的一致性，這些可以用磅代替公斤或立方英尺代替立方米進行測量。
-
-土壤濕度感測器測量電阻或電容——這不僅因土壤濕度而異，還因土壤類型而異，因為土壤中的成分會改變其電氣特性。理想情況下，感測器應進行校準——即從感測器獲取讀數並與使用更科學方法獲得的測量值進行比較。例如，實驗室可以使用特定田地的樣本幾次測量重力土壤濕度，並使用這些數據校準感測器，將感測器讀數與重力土壤濕度匹配。
-
-![電壓與土壤濕度含量的圖表](../../../../../translated_images/zh-TW/soil-moisture-to-voltage.df86d80cda158700.webp)
-
-上圖顯示了如何校準感測器。對土壤樣本捕獲電壓，然後通過比較濕重與乾重（測量濕重，然後在烤箱中烘乾並測量乾重）在實驗室中測量。獲取幾個讀數後，可以將其繪製在圖表上並擬合一條線。這條線可以用於將 IoT 設備的土壤濕度感測器讀數轉換為實際土壤濕度測量值。
-
-💁 對於電阻式土壤濕度感測器，隨著土壤濕度增加，電壓增加。對於電容式土壤濕度感測器，隨著土壤濕度增加，電壓減少，因此這些圖表的斜率會向下，而不是向上。
-
-![從圖表中插值的土壤濕度值](../../../../../translated_images/zh-TW/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf.webp)
-
-上圖顯示了土壤濕度感測器的電壓讀數，通過跟隨該讀數到圖表上的線，可以計算出實際土壤濕度。
-
-這種方法意味著農民只需要為田地獲得幾個實驗室測量值，然後可以使用 IoT 設備測量土壤濕度——大大加快了測量速度。
-
----
-
-## 🚀 挑戰
-
-電阻式和電容式土壤濕度感測器有許多差異。這些差異是什麼？哪種類型（如果有的話）最適合農民使用？這個答案是否會因發展中國家和已開發國家而改變？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
-
-## 回顧與自學
-
-閱讀有關感測器和執行器使用的硬件和協議的資料：
-
-* [GPIO 維基百科頁面](https://wikipedia.org/wiki/General-purpose_input/output)
-* [UART 維基百科頁面](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)
-* [SPI 維基百科頁面](https://wikipedia.org/wiki/Serial_Peripheral_Interface)
-* [I<sup>2</sup>C 維基百科頁面](https://wikipedia.org/wiki/I²C)
-* [Zigbee 維基百科頁面](https://wikipedia.org/wiki/Zigbee)
-
-## 作業
-
-[校準您的感測器](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/tw/2-farm/lessons/2-detect-soil-moisture/assignment.md
deleted file mode 100644
index d48382870..000000000
--- a/translations/tw/2-farm/lessons/2-detect-soil-moisture/assignment.md
+++ /dev/null
@@ -1,59 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "506d21b544d5de47406c89ad496a21cd",
-  "translation_date": "2025-08-24T22:38:18+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
-  "language_code": "tw"
-}
--->
-# 校準您的感測器
-
-## 說明
-
-在本課中，您收集了土壤濕度感測器的讀數，範圍為0-1023。為了將這些數值轉換為實際的土壤濕度讀數，您需要校準感測器。您可以通過測量土壤樣本的讀數，然後計算這些樣本的重力土壤濕度含量來完成此操作。
-
-您需要多次重複這些步驟，每次使用不同濕度的土壤來獲取所需的讀數。
-
-1. 使用土壤濕度感測器測量土壤濕度讀數，並記下此讀數。
-
-1. 取一份土壤樣本，稱重，並記下此重量。
-
-1. 將土壤烘乾——最好的方法是使用110°C（230°F）的溫暖烤箱烘乾幾個小時，您也可以在陽光下晾乾，或將其放置在溫暖乾燥的地方，直到土壤完全乾燥。乾燥後的土壤應該是粉狀且鬆散的。
-
-    > 💁 在實驗室中，為了獲得最準確的結果，您應該在烤箱中烘乾48-72小時。如果您的學校有烘乾用的烤箱，請嘗試使用這些設備進行更長時間的烘乾。烘乾時間越長，樣本越乾燥，結果越準確。
-
-1. 再次稱重土壤。
-
-    > 🔥 如果您是在烤箱中烘乾的，請確保土壤已經冷卻！
-
-重力土壤濕度的計算公式為：
-
-![土壤濕度百分比等於濕土重量減去乾土重量，除以乾土重量，再乘以100](../../../../../translated_images/zh-TW/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png)
-
-* W - 濕土的重量  
-* W - 乾土的重量  
-
-例如，假設您有一份土壤樣本，濕重為212克，乾重為197克。
-
-![填入計算公式的範例](../../../../../translated_images/zh-TW/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png)
-
-* W = 212克  
-* W = 197克  
-* 212 - 197 = 15  
-* 15 / 197 = 0.076  
-* 0.076 * 100 = 7.6%  
-
-在此範例中，土壤的重力土壤濕度為7.6%。
-
-當您至少有3個樣本的讀數後，繪製一張土壤濕度百分比與土壤濕度感測器讀數的圖表，並添加一條最佳擬合線。然後，您可以通過從該線上讀取值來計算給定感測器讀數的重力土壤濕度含量。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 收集校準數據 | 收集至少3個校準樣本 | 收集至少2個校準樣本 | 收集至少1個校準樣本 |
-| 進行校準讀數 | 成功繪製校準圖表，並從感測器讀數中計算出重力土壤濕度含量 | 成功繪製校準圖表 | 無法繪製圖表 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/tw/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
deleted file mode 100644
index ba56042e7..000000000
--- a/translations/tw/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
+++ /dev/null
@@ -1,106 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
-  "translation_date": "2025-08-24T22:40:43+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
-  "language_code": "tw"
-}
--->
-# 測量土壤濕度 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個電容式土壤濕度傳感器，並從中讀取數據。
-
-## 硬體
-
-Raspberry Pi 需要一個電容式土壤濕度傳感器。
-
-您將使用的傳感器是 [電容式土壤濕度傳感器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)，它通過檢測土壤的電容來測量土壤濕度，這是一種會隨著土壤濕度變化而改變的特性。當土壤濕度增加時，電壓會降低。
-
-這是一個模擬傳感器，因此使用模擬引腳，並通過 Pi 上的 Grove Base Hat 的 10 位 ADC 將電壓轉換為 1-1,023 的數位信號。然後通過 Pi 的 GPIO 引腳以 I²C 傳輸。
-
-### 連接土壤濕度傳感器
-
-Grove 土壤濕度傳感器可以連接到 Raspberry Pi。
-
-#### 任務 - 連接土壤濕度傳感器
-
-連接土壤濕度傳感器。
-
-![Grove 土壤濕度傳感器](../../../../../translated_images/zh-TW/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png)
-
-1. 將 Grove 電纜的一端插入土壤濕度傳感器上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove Base Hat 的模擬插座 **A0**。這個插座位於 GPIO 引腳旁邊的一排插座中，從右數第二個。
-
-![Grove 土壤濕度傳感器連接到 A0 插座](../../../../../translated_images/zh-TW/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png)
-
-1. 將土壤濕度傳感器插入土壤中。傳感器上有一條“最高位置線”——一條白線。將傳感器插入到該線以下但不要超過該線。
-
-![Grove 土壤濕度傳感器插入土壤中](../../../../../translated_images/zh-TW/soil-moisture-sensor-in-soil.bfad91002bda5e96.webp)
-
-## 編程土壤濕度傳感器
-
-現在可以為 Raspberry Pi 編程以使用連接的土壤濕度傳感器。
-
-### 任務 - 編程土壤濕度傳感器
-
-編程設備。
-
-1. 啟動 Raspberry Pi，並等待其啟動完成。
-
-1. 啟動 VS Code，可以直接在 Pi 上啟動，或者通過 Remote SSH 擴展連接。
-
-    > ⚠️ 如果需要，您可以參考 [夜燈 - 第 1 課中有關設置和啟動 VS Code 的說明](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
-
-1. 在終端中，於 `pi` 用戶的主目錄中創建一個名為 `soil-moisture-sensor` 的新資料夾。在此資料夾中創建一個名為 `app.py` 的檔案。
-
-1. 在 VS Code 中打開此資料夾。
-
-1. 在 `app.py` 檔案中添加以下代碼以匯入所需的庫：
-
-    ```python
-    import time
-    from grove.adc import ADC
-    ```
-
-    `import time` 語句匯入了 `time` 模組，稍後將在此任務中使用。
-
-    `from grove.adc import ADC` 語句匯入了 Grove Python 庫中的 `ADC`。此庫包含與 Pi Base Hat 上的模擬數位轉換器交互並從模擬傳感器讀取電壓的代碼。
-
-1. 在此代碼下方添加以下代碼以創建 `ADC` 類的實例：
-
-    ```python
-    adc = ADC()
-    ```
-
-1. 添加一個無限循環，從 A0 引腳上的 ADC 讀取數據，並將結果寫入控制台。此循環可以在每次讀取之間休眠 10 秒。
-
-    ```python
-    while True:
-        soil_moisture = adc.read(0)
-        print("Soil moisture:", soil_moisture)
-
-        time.sleep(10)
-    ```
-
-1. 運行 Python 應用程式。您將在控制台中看到土壤濕度的測量值。向土壤中添加一些水，或者將傳感器從土壤中取出，觀察數值的變化。
-
-    ```output
-    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
-    Soil moisture: 615
-    Soil moisture: 612
-    Soil moisture: 498
-    Soil moisture: 493
-    Soil moisture: 490
-    Soil Moisture: 388
-    ```
-
-    在上面的示例輸出中，您可以看到隨著水的添加，電壓下降。
-
-> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/2-detect-soil-moisture/code/pi) 資料夾中找到此代碼。
-
-😀 您的土壤濕度傳感器程式成功運行了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/tw/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
deleted file mode 100644
index 1f90ea572..000000000
--- a/translations/tw/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
+++ /dev/null
@@ -1,121 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2bf65f162bcebd35fbcba5fd245afac4",
-  "translation_date": "2025-08-24T22:39:19+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
-  "language_code": "tw"
-}
--->
-# 測量土壤濕度 - 虛擬物聯網硬體
-
-在本課程中，您將為虛擬物聯網設備添加一個電容式土壤濕度傳感器，並從中讀取數據。
-
-## 虛擬硬體
-
-虛擬物聯網設備將使用模擬的 Grove 電容式土壤濕度傳感器。這樣的設置與使用 Raspberry Pi 和實體 Grove 電容式土壤濕度傳感器的操作方式相同。
-
-在實體物聯網設備中，土壤濕度傳感器是一種電容式傳感器，通過檢測土壤的電容來測量土壤濕度。當土壤濕度發生變化時，電容也會隨之改變。隨著土壤濕度的增加，電壓會降低。
-
-這是一個模擬傳感器，因此它使用模擬的 10 位 ADC（模數轉換器）來報告 1 到 1,023 的數值。
-
-### 將土壤濕度傳感器添加到 CounterFit
-
-要使用虛擬土壤濕度傳感器，您需要將其添加到 CounterFit 應用中。
-
-#### 任務 - 將土壤濕度傳感器添加到 CounterFit
-
-將土壤濕度傳感器添加到 CounterFit 應用中。
-
-1. 在您的電腦上創建一個名為 `soil-moisture-sensor` 的資料夾，並在其中創建一個名為 `app.py` 的 Python 應用，設置 Python 虛擬環境，並添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，您可以參考[第 1 課中有關創建和設置 CounterFit Python 專案的說明](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建一個土壤濕度傳感器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框，選擇 *Soil Moisture*。
-
-    1. 將 *Units* 保持為 *NoUnits*。
-
-    1. 確保 *Pin* 設置為 *0*。
-
-    1. 點擊 **Add** 按鈕，在 Pin 0 上創建 *Soil Moisture* 傳感器。
-
-    ![土壤濕度傳感器設置](../../../../../translated_images/zh-TW/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png)
-
-    土壤濕度傳感器將被創建並顯示在傳感器列表中。
-
-    ![已創建的土壤濕度傳感器](../../../../../translated_images/zh-TW/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png)
-
-## 編寫土壤濕度傳感器應用
-
-現在可以使用 CounterFit 傳感器來編寫土壤濕度傳感器應用。
-
-### 任務 - 編寫土壤濕度傳感器應用
-
-編寫土壤濕度傳感器應用。
-
-1. 確保 `soil-moisture-sensor` 應用已在 VS Code 中打開。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下代碼，將應用連接到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在 `app.py` 文件中添加以下代碼以導入一些必要的庫：
-
-    ```python
-    import time
-    from counterfit_shims_grove.adc import ADC
-    ```
-
-    `import time` 語句導入了 `time` 模組，稍後將在此任務中使用。
-
-    `from counterfit_shims_grove.adc import ADC` 語句導入了 `ADC` 類，用於與可以連接到 CounterFit 傳感器的虛擬模擬到數字轉換器進行交互。
-
-1. 在此代碼下方添加以下代碼，創建 `ADC` 類的實例：
-
-    ```python
-    adc = ADC()
-    ```
-
-1. 添加一個無限循環，從 Pin 0 的 ADC 讀取數據，並將結果寫入控制台。該循環可以在每次讀取之間休眠 10 秒。
-
-    ```python
-    while True:
-        soil_moisture = adc.read(0)
-        print("Soil moisture:", soil_moisture)
-    
-        time.sleep(10)
-    ```
-
-1. 在 CounterFit 應用中更改土壤濕度傳感器的值，該值將被應用讀取。您可以通過以下兩種方式進行更改：
-
-    * 在土壤濕度傳感器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。您輸入的數字將是傳感器返回的值。
-
-    * 勾選 *Random* 選框，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次傳感器讀取值時，將讀取介於 *Min* 和 *Max* 之間的隨機數。
-
-1. 運行 Python 應用。您將在控制台中看到土壤濕度測量值。更改 *Value* 或 *Random* 設置以查看值的變化。
-
-    ```output
-    (.venv) ➜ soil-moisture-sensor $ python app.py 
-    Soil moisture: 615
-    Soil moisture: 612
-    Soil moisture: 498
-    Soil moisture: 493
-    Soil moisture: 490
-    Soil Moisture: 388
-    ```
-
-> 💁 您可以在 [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device) 資料夾中找到此代碼。
-
-😀 您的土壤濕度傳感器程序運行成功！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/tw/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
deleted file mode 100644
index 6d36f8bc1..000000000
--- a/translations/tw/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
+++ /dev/null
@@ -1,115 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0d55caa8c23d73635b7559102cd17b8a",
-  "translation_date": "2025-08-24T22:36:59+00:00",
-  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
-  "language_code": "tw"
-}
--->
-# 測量土壤濕度 - Wio Terminal
-
-在本課程中，您將為 Wio Terminal 添加一個電容式土壤濕度傳感器，並從中讀取數值。
-
-## 硬體
-
-Wio Terminal 需要一個電容式土壤濕度傳感器。
-
-您將使用的傳感器是 [電容式土壤濕度傳感器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)，它通過檢測土壤的電容來測量土壤濕度，這是一種會隨土壤濕度變化而改變的特性。當土壤濕度增加時，電壓會降低。
-
-這是一個類比傳感器，因此需要連接到 Wio Terminal 的類比引腳，並使用內建的 ADC（類比數位轉換器）生成 0-1,023 的數值。
-
-### 連接土壤濕度傳感器
-
-Grove 土壤濕度傳感器可以連接到 Wio Terminal 的可配置類比/數位埠。
-
-#### 任務 - 連接土壤濕度傳感器
-
-連接土壤濕度傳感器。
-
-![Grove 土壤濕度傳感器](../../../../../translated_images/zh-TW/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png)
-
-1. 將 Grove 電纜的一端插入土壤濕度傳感器的插座中。它只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 螢幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
-
-![Grove 土壤濕度傳感器連接到右側插座](../../../../../translated_images/zh-TW/wio-soil-moisture-sensor.46919b61c3f6cb74.webp)
-
-1. 將土壤濕度傳感器插入土壤中。傳感器上有一條“最高位置線”——一條白線。將傳感器插入到該線以下但不要超過該線。
-
-![土壤中的 Grove 土壤濕度傳感器](../../../../../translated_images/zh-TW/soil-moisture-sensor-in-soil.bfad91002bda5e96.webp)
-
-1. 現在可以將 Wio Terminal 連接到您的電腦。
-
-## 編程土壤濕度傳感器
-
-現在可以為 Wio Terminal 編程以使用連接的土壤濕度傳感器。
-
-### 任務 - 編程土壤濕度傳感器
-
-為設備編程。
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `soil-moisture-sensor`。在 `setup` 函數中添加代碼以配置序列埠。
-
-    > ⚠️ 如果需要，您可以參考 [專案 1，第 1 課中創建 PlatformIO 專案的說明](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project)。
-
-1. 此傳感器沒有專用的庫，您可以使用內建的 Arduino [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/) 函數從類比引腳讀取數值。首先，在 `setup` 函數中配置類比引腳為輸入，以便可以從中讀取數值，添加以下代碼：
-
-    ```cpp
-    pinMode(A0, INPUT);
-    ```
-
-    這將 `A0` 引腳（類比/數位組合引腳）設置為輸入引腳，以便可以讀取電壓。
-
-1. 在 `loop` 函數中添加以下代碼以從該引腳讀取電壓：
-
-    ```cpp
-    int soil_moisture = analogRead(A0);
-    ```
-
-1. 在此代碼下方，添加以下代碼以將數值打印到序列埠：
-
-    ```cpp
-    Serial.print("Soil Moisture: ");
-    Serial.println(soil_moisture);
-    ```
-
-1. 最後，在末尾添加一個 10 秒的延遲：
-
-    ```cpp
-    delay(10000);
-    ```
-
-1. 編譯並將代碼上傳到 Wio Terminal。
-
-    > ⚠️ 如果需要，您可以參考 [專案 1，第 1 課中創建 PlatformIO 專案的說明](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app)。
-
-1. 上傳完成後，您可以使用序列監視器監控土壤濕度。向土壤中添加一些水，或將傳感器從土壤中取出，觀察數值變化。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Soil Moisture: 526
-    Soil Moisture: 529
-    Soil Moisture: 521
-    Soil Moisture: 494
-    Soil Moisture: 454
-    Soil Moisture: 456
-    Soil Moisture: 395
-    Soil Moisture: 388
-    Soil Moisture: 394
-    Soil Moisture: 391
-    ```
-
-    在上面的範例輸出中，您可以看到隨著水的添加，電壓下降。
-
-> 💁 您可以在 [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal) 資料夾中找到此代碼。
-
-😀 您的土壤濕度傳感器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/3-automated-plant-watering/README.md b/translations/tw/2-farm/lessons/3-automated-plant-watering/README.md
deleted file mode 100644
index 2e7f6dac0..000000000
--- a/translations/tw/2-farm/lessons/3-automated-plant-watering/README.md
+++ /dev/null
@@ -1,312 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
-  "translation_date": "2025-08-24T22:10:26+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
-  "language_code": "tw"
-}
--->
-# 自動植物澆水
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [IoT 初學者項目 2 - 數字農業系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。
-
-[![IoT 驅動的自動植物澆水](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
-
-## 簡介
-
-在上一課中，你學習了如何監測土壤濕度。在本課中，你將學習如何構建一個自動澆水系統的核心組件，該系統能根據土壤濕度進行響應。你還將了解時間的概念——傳感器可能需要一些時間來響應變化，而執行器可能需要時間來改變傳感器測量的屬性。
-
-本課將涵蓋以下內容：
-
-* [從低功率 IoT 設備控制高功率設備](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [控制繼電器](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [通過 MQTT 控制植物](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [傳感器和執行器的時間](../../../../../2-farm/lessons/3-automated-plant-watering)
-* [為植物控制伺服器添加時間功能](../../../../../2-farm/lessons/3-automated-plant-watering)
-
-## 從低功率 IoT 設備控制高功率設備
-
-IoT 設備使用低電壓。雖然這足以驅動傳感器和像 LED 這樣的低功率執行器，但對於控制更大的硬件（例如用於灌溉的水泵）來說，電壓太低。即使是用於室內植物的小型水泵，其電流需求也超過了 IoT 開發板的承受範圍，可能會導致開發板燒毀。
-
-> 🎓 電流（以安培 A 為單位）是指流經電路的電量。電壓提供推動力，而電流則是被推動的量。你可以在 [維基百科的電流頁面](https://wikipedia.org/wiki/Electric_current) 上了解更多。
-
-解決方案是將水泵連接到外部電源，並使用執行器來開啟水泵，就像你用手指打開燈的開關一樣。手指翻動開關所需的能量非常小，這樣就能將燈連接到 110v/240v 的市電。
-
-![燈開關打開燈的電源](../../../../../translated_images/zh-TW/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png)
-
-> 🎓 [市電](https://wikipedia.org/wiki/Mains_electricity) 是指通過國家基礎設施向家庭和企業提供的電力。
-
-✅ IoT 設備通常能提供 3.3V 或 5V，電流小於 1 安培（1A）。相比之下，市電通常為 230V（北美為 120V，日本為 100V），能為需要 30A 電流的設備提供電力。
-
-有許多執行器可以完成這項工作，包括可以附加到現有開關上的機械設備，模仿手指打開開關的動作。其中最常見的是繼電器。
-
-### 繼電器
-
-繼電器是一種電機機械開關，它將電信號轉換為機械運動以打開或關閉開關。繼電器的核心是一個電磁鐵。
-
-> 🎓 [電磁鐵](https://wikipedia.org/wiki/Electromagnet) 是通過電流流過線圈而產生的磁鐵。當電流通過時，線圈被磁化；當電流停止時，線圈失去磁性。
-
-![當電磁鐵通電時，產生磁場，打開輸出電路的開關](../../../../../translated_images/zh-TW/relay-on.4db16a0fd6b66926.webp)
-
-在繼電器中，控制電路為電磁鐵供電。當電磁鐵通電時，它拉動一個杠杆，移動開關，閉合一對觸點，完成輸出電路。
-
-![當電磁鐵斷電時，磁場消失，關閉輸出電路的開關](../../../../../translated_images/zh-TW/relay-off.c34a178a2960fecd.webp)
-
-當控制電路斷電時，電磁鐵停止工作，釋放杠杆並打開觸點，關閉輸出電路。繼電器是一種數字執行器——高信號打開繼電器，低信號關閉繼電器。
-
-輸出電路可以用來為額外的硬件供電，例如灌溉系統。IoT 設備可以打開繼電器，完成供電灌溉系統的輸出電路，植物就會被澆水。然後 IoT 設備可以關閉繼電器，切斷灌溉系統的電源，停止澆水。
-
-![繼電器打開，啟動水泵向植物供水](../../../../../images/strawberry-pump.gif)
-
-在上面的視頻中，繼電器被打開。繼電器上的 LED 亮起，指示繼電器已打開（某些繼電器板上有 LED 指示繼電器的開啟或關閉狀態），電力被送到水泵，啟動水泵向植物供水。
-
-> 💁 繼電器也可以用來在兩個輸出電路之間切換，而不是僅僅打開或關閉一個電路。當杠杆移動時，它將開關從完成一個輸出電路移動到完成另一個輸出電路，通常共享一個公共電源或公共接地連接。
-
-✅ 做一些研究：繼電器有多種類型，差異包括控制電路在通電時是打開還是關閉繼電器，或者是否有多個輸出電路。了解這些不同類型的繼電器。
-
-當杠杆移動時，你通常可以聽到它與電磁鐵接觸時發出的清晰的“咔嗒”聲。
-
-> 💁 繼電器可以被接線設計成在連接時實際上斷開繼電器的電源，關閉繼電器，然後重新向繼電器供電，打開繼電器，如此反覆。這樣繼電器會快速點擊，發出嗡嗡聲。這是一些早期電門鈴中的蜂鳴器的工作原理。
-
-### 繼電器的功率
-
-電磁鐵啟動並拉動杠杆所需的功率不大，可以使用 IoT 開發板的 3.3V 或 5V 輸出進行控制。輸出電路可以承載更多功率，取決於繼電器的規格，包括市電電壓甚至更高的工業用電功率。這樣 IoT 開發板就可以控制灌溉系統，從單個植物的小型水泵到整個商業農場的大型工業系統。
-
-![一個 Grove 繼電器，標註了控制電路、輸出電路和繼電器](../../../../../translated_images/zh-TW/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png)
-
-上圖顯示了一個 Grove 繼電器。控制電路連接到 IoT 設備，使用 3.3V 或 5V 打開或關閉繼電器。輸出電路有兩個端子，任一端都可以是電源或接地。輸出電路可以處理高達 250V、10A 的電力，足以驅動一系列市電設備。你還可以找到能處理更高功率的繼電器。
-
-![通過繼電器連接的水泵](../../../../../translated_images/zh-TW/pump-wired-to-relay.66c5cfc0d8918990.webp)
-
-在上圖中，通過繼電器向水泵供電。一根紅線將 USB 電源的 +5V 端子連接到繼電器的輸出電路的一個端子，另一根紅線將輸出電路的另一端子連接到水泵。一根黑線將水泵連接到 USB 電源的接地端子。當繼電器打開時，它完成電路，向水泵提供 5V 電壓，啟動水泵。
-
-## 控制繼電器
-
-你可以使用 IoT 開發板控制繼電器。
-
-### 任務 - 控制繼電器
-
-按照相關指南，使用你的 IoT 設備控制繼電器：
-
-* [Arduino - Wio Terminal](wio-terminal-relay.md)
-* [單板電腦 - Raspberry Pi](pi-relay.md)
-* [單板電腦 - 虛擬設備](virtual-device-relay.md)
-
-## 通過 MQTT 控制植物
-
-目前你的繼電器是由 IoT 設備直接控制，基於單一的土壤濕度讀數。在商業灌溉系統中，控制邏輯通常是集中化的，這樣可以根據多個傳感器的數據進行澆水決策，並且可以在一個地方更改所有配置。為了模擬這一點，你可以通過 MQTT 控制繼電器。
-
-### 任務 - 通過 MQTT 控制繼電器
-
-1. 在你的 `soil-moisture-sensor` 項目中添加相關的 MQTT 庫/pip 包和代碼以連接到 MQTT。將客戶端 ID 命名為 `soilmoisturesensor_client`，並在前面加上你的 ID。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中連接到 MQTT 的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt)。
-
-1. 添加相關設備代碼以使用土壤濕度設置發送遙測數據。對於遙測消息，將屬性命名為 `soil_moisture`。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中發送遙測數據到 MQTT 的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device)。
-
-1. 在名為 `soil-moisture-sensor-server` 的文件夾中創建一些本地伺服器代碼，用於訂閱遙測數據並發送命令以控制繼電器。將命令消息中的屬性命名為 `relay_on`，並將客戶端 ID 命名為 `soilmoisturesensor_server`，在前面加上你的 ID。保持與你在項目 1，第 4 課中編寫的伺服器代碼相同的結構，因為你稍後會在本課中添加到此代碼。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中發送遙測數據到 MQTT 的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) 和 [通過 MQTT 發送命令的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker)。
-
-1. 添加相關設備代碼以根據接收到的命令控制繼電器，使用消息中的 `relay_on` 屬性。如果 `soil_moisture` 大於 450，則發送 true 給 `relay_on`，否則發送 false，與你之前為 IoT 設備添加的邏輯相同。
-
-    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中響應 MQTT 命令的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device)。
-
-> 💁 你可以在 [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt) 文件夾中找到此代碼。
-
-確保代碼在你的設備和本地伺服器上運行，並通過改變土壤濕度水平進行測試，可以通過更改虛擬傳感器發送的值，或者通過向土壤添加水或移除傳感器來改變土壤濕度。
-
-## 傳感器和執行器的時間
-
-在第 3 課中，你構建了一個夜燈——當光傳感器檢測到低光水平時，LED 立即亮起。光傳感器能夠即時檢測光線變化，設備能快速響應，僅受 `loop` 函數或 `while True:` 循環中的延遲時間限制。作為 IoT 開發者，你不能總是依賴如此快速的反饋循環。
-
-### 土壤濕度的時間
-
-如果你在上一課中使用了物理傳感器測量土壤濕度，你可能會注意到在澆水後，土壤濕度讀數需要幾秒鐘才會下降。這並不是因為傳感器速度慢，而是因為水需要時間滲透到土壤中。
-💁 如果你在感測器附近澆水，可能會看到讀數迅速下降，然後又回升——這是因為感測器附近的水分擴散到土壤其他部分，導致感測器周圍的土壤濕度降低。
-![土壤濕度測量值為 658，在澆水過程中沒有變化，只有當水滲透到土壤後才會降至 320](../../../../../translated_images/zh-TW/soil-moisture-travel.a0e31af222cf1438.webp)
-
-在上圖中，土壤濕度讀數顯示為 658。植物被澆水，但這個讀數不會立即改變，因為水尚未到達感測器。甚至在水到達感測器之前，澆水可能就已經結束，而讀數會在水滲透到土壤後下降，反映新的濕度水平。
-
-如果你正在撰寫一段程式碼，基於土壤濕度水平通過繼電器來控制灌溉系統，你需要考慮這種延遲，並在你的 IoT 裝置中建立更智能的時間控制。
-
-✅ 花點時間思考一下你會如何處理這個問題。
-
-### 控制感測器與執行器的時間
-
-假設你被指派為一個農場建造灌溉系統。根據土壤類型，已經發現植物的理想土壤濕度水平對應於 400-450 的類比電壓讀數。
-
-你可以像夜燈一樣編寫裝置程式碼——只要感測器讀數高於 450，就打開繼電器啟動水泵。然而，問題在於水從水泵流到土壤再到感測器需要一段時間。當感測器檢測到 450 的濕度水平時會停止供水，但由於水持續滲透到土壤中，濕度水平會繼續下降。最終結果是浪費水資源，並可能損害植物根部。
-
-✅ 記住——過多的水對植物的危害可能和過少一樣，並且浪費了寶貴的資源。
-
-更好的解決方案是理解執行器啟動與感測器讀數改變之間存在延遲。這意味著感測器不僅需要等待一段時間再進行測量，執行器也需要在下一次感測器測量之前關閉一段時間。
-
-每次繼電器應該開啟多久？最好謹慎行事，只讓繼電器開啟短時間，然後等待水滲透，再重新檢查濕度水平。畢竟，你可以隨時再次啟動繼電器添加更多水，但無法從土壤中移除多餘的水。
-
-> 💁 這種時間控制非常依賴於你正在建造的 IoT 裝置、測量的屬性以及使用的感測器和執行器。
-
-![一株草莓植物通過水泵連接到水源，水泵通過繼電器控制。繼電器和植物中的土壤濕度感測器都連接到 Raspberry Pi](../../../../../translated_images/zh-TW/strawberry-with-pump.b410fc72ac6aabad.webp)
-
-例如，我有一株草莓植物，配備了一個土壤濕度感測器和一個由繼電器控制的水泵。我觀察到當我加水時，土壤濕度讀數需要大約 20 秒才能穩定下來。這意味著我需要關閉繼電器並等待 20 秒再檢查濕度水平。我寧願水少一點也不願多——我可以隨時再次啟動水泵，但無法從植物中移除多餘的水。
-
-![步驟 1，測量濕度。步驟 2，加水。步驟 3，等待水滲透到土壤中。步驟 4，重新測量濕度](../../../../../translated_images/zh-TW/soil-moisture-delay.865f3fae206db01d.webp)
-
-這意味著最佳的澆水流程應該是：
-
-* 啟動水泵 5 秒
-* 等待 20 秒
-* 檢查土壤濕度
-* 如果濕度水平仍高於需求，重複上述步驟
-
-5 秒對於水泵來說可能太長，特別是當濕度水平僅略高於需求時。最佳的時間設定方式是先嘗試，然後根據感測器數據進行調整，形成一個持續的反饋循環。這甚至可以導致更精細的時間控制，例如每超過需求濕度 100 就啟動水泵 1 秒，而不是固定的 5 秒。
-
-✅ 做些研究：是否還有其他時間考量？是否可以在任何時候只要土壤濕度過低就澆水，還是有特定的時間適合或不適合澆水？
-
-> 💁 在控制戶外種植的自動灌溉系統時，天氣預測也可以納入考量。如果預計會下雨，那麼可以暫停澆水，等雨停後再檢查土壤是否已經足夠濕潤。這樣比在下雨前澆水更有效率，避免浪費水資源。
-
-## 在植物控制伺服器中加入時間控制
-
-伺服器程式碼可以修改以增加對澆水週期時間控制的功能，並等待土壤濕度水平的變化。控制繼電器時間的伺服器邏輯如下：
-
-1. 接收到遙測訊息
-1. 檢查土壤濕度水平
-1. 如果濕度正常，則不執行任何操作。如果讀數過高（表示土壤濕度過低），則：
-    1. 發送指令啟動繼電器
-    1. 等待 5 秒
-    1. 發送指令關閉繼電器
-    1. 等待 20 秒讓土壤濕度穩定
-
-澆水週期，即從接收到遙測訊息到準備再次處理土壤濕度水平的過程，大約需要 25 秒。我們每 10 秒發送一次土壤濕度數據，因此在伺服器等待土壤濕度穩定期間，可能會收到新的訊息，從而啟動另一個澆水週期。
-
-有兩種解決方法：
-
-* 修改 IoT 裝置程式碼，使其每分鐘只發送一次遙測數據，這樣澆水週期可以在下一次訊息發送前完成
-* 在澆水週期期間取消訂閱遙測數據
-
-第一種方法對於大型農場來說並不總是理想的解決方案。例如，農民可能希望在澆水過程中捕捉土壤濕度數據，以便日後分析，例如了解農場不同區域的水流情況，從而指導更有針對性的澆水。第二種方法更好——程式碼只是忽略無法使用的遙測數據，但數據仍然可以供其他訂閱的服務使用。
-
-> 💁 IoT 數據並非僅從一個裝置發送到一個服務，而是許多裝置可以將數據發送到一個代理，許多服務可以從代理中接收數據。例如，一個服務可以監聽土壤濕度數據並將其存儲到資料庫中以供日後分析。另一個服務則可以監聽相同的遙測數據來控制灌溉系統。
-
-### 任務 - 在植物控制伺服器中加入時間控制
-
-更新你的伺服器程式碼，使繼電器運行 5 秒，然後等待 20 秒。
-
-1. 如果尚未打開，請在 VS Code 中打開 `soil-moisture-sensor-server` 資料夾。確保虛擬環境已啟動。
-
-1. 打開 `app.py` 檔案
-
-1. 在現有的匯入語句下方，新增以下程式碼：
-
-    ```python
-    import threading
-    ```
-
-    這段程式碼從 Python 庫中匯入 `threading`，允許 Python 在等待時執行其他程式碼。
-
-1. 在 `handle_telemetry` 函數之前新增以下程式碼：
-
-    ```python
-    water_time = 5
-    wait_time = 20
-    ```
-
-    這段程式碼定義了繼電器運行的時間（`water_time`）以及之後檢查土壤濕度的等待時間（`wait_time`）。
-
-1. 在這段程式碼下方新增以下內容：
-
-    ```python
-    def send_relay_command(client, state):
-        command = { 'relay_on' : state }
-        print("Sending message:", command)
-        client.publish(server_command_topic, json.dumps(command))
-    ```
-
-    這段程式碼定義了一個名為 `send_relay_command` 的函數，用於通過 MQTT 發送指令來控制繼電器。遙測數據被創建為一個字典，然後轉換為 JSON 字串。傳遞給 `state` 的值決定繼電器應該開啟還是關閉。
-
-1. 在 `send_relay_code` 函數之後新增以下程式碼：
-
-    ```python
-    def control_relay(client):
-        print("Unsubscribing from telemetry")
-        mqtt_client.unsubscribe(client_telemetry_topic)
-    
-        send_relay_command(client, True)
-        time.sleep(water_time)
-        send_relay_command(client, False)
-    
-        time.sleep(wait_time)
-    
-        print("Subscribing to telemetry")
-        mqtt_client.subscribe(client_telemetry_topic)
-    ```
-
-    這段程式碼定義了一個函數，用於基於所需的時間控制繼電器。它首先取消訂閱遙測數據，這樣在澆水期間不會處理土壤濕度訊息。接著，它發送指令啟動繼電器，等待 `water_time`，然後發送指令關閉繼電器。最後，它等待 `wait_time` 秒讓土壤濕度穩定，然後重新訂閱遙測數據。
-
-1. 將 `handle_telemetry` 函數更改為以下內容：
-
-    ```python
-    def handle_telemetry(client, userdata, message):
-        payload = json.loads(message.payload.decode())
-        print("Message received:", payload)
-    
-        if payload['soil_moisture'] > 450:
-            threading.Thread(target=control_relay, args=(client,)).start()
-    ```
-
-    這段程式碼檢查土壤濕度水平。如果大於 450，則土壤需要澆水，並調用 `control_relay` 函數。此函數在一個單獨的執行緒中運行，於背景執行。
-
-1. 確保你的 IoT 裝置正在運行，然後執行此程式碼。改變土壤濕度水平，觀察繼電器的行為——它應該啟動 5 秒，然後至少關閉 20 秒，只有在土壤濕度不足時才會再次啟動。
-
-    ```output
-    (.venv) ➜  soil-moisture-sensor-server ✗ python app.py
-    Message received: {'soil_moisture': 457}
-    Unsubscribing from telemetry
-    Sending message: {'relay_on': True}
-    Sending message: {'relay_on': False}
-    Subscribing to telemetry
-    Message received: {'soil_moisture': 302}
-    ```
-
-    在模擬灌溉系統中測試此功能的一個好方法是使用乾燥的土壤，然後在繼電器啟動時手動倒水，並在繼電器關閉時停止倒水。
-
-> 💁 你可以在 [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing) 資料夾中找到這段程式碼。
-
-> 💁 如果你想使用水泵建造一個真實的灌溉系統，可以使用 [6V 水泵](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) 和 [USB 終端電源](https://www.adafruit.com/product/3628)。確保水泵的電源或輸出通過繼電器連接。
-
----
-
-## 🚀 挑戰
-
-你能想到其他 IoT 或電氣裝置也有類似的問題嗎？即執行器的效果需要一段時間才能反映到感測器上。你家裡或學校可能就有幾個這樣的例子。
-
-* 它們測量什麼屬性？
-* 執行器啟動後，屬性需要多長時間才能改變？
-* 屬性超過所需值是否可以接受？
-* 如果需要，如何將屬性恢復到所需值？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
-
-## 複習與自學
-
-* 閱讀更多關於繼電器的資訊，包括它們在電話交換機中的歷史用途：[繼電器維基百科頁面](https://wikipedia.org/wiki/Relay)。
-
-## 作業
-
-[建立更高效的澆水週期](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/tw/2-farm/lessons/3-automated-plant-watering/assignment.md
deleted file mode 100644
index 3f41bbdbc..000000000
--- a/translations/tw/2-farm/lessons/3-automated-plant-watering/assignment.md
+++ /dev/null
@@ -1,52 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
-  "translation_date": "2025-08-24T22:15:21+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
-  "language_code": "tw"
-}
--->
-# 建立更高效的灌溉循環
-
-## 說明
-
-本課程介紹了如何通過感測器數據控制繼電器，而該繼電器可以進一步控制灌溉系統的水泵。對於一塊特定的土壤，運行水泵固定的時間長度應該始終對土壤濕度產生相同的影響。這意味著您可以了解灌溉幾秒鐘對應於土壤濕度讀數的某種下降幅度。利用這些數據，您可以建立一個更受控的灌溉系統。
-
-在這次作業中，您將計算水泵應運行多久以達到特定的土壤濕度上升。
-
-> ⚠️ 如果您使用虛擬 IoT 硬體，您可以完成此過程，但需要通過在繼電器開啟的每秒手動增加固定的土壤濕度讀數來模擬結果。
-
-1. 從乾燥的土壤開始。測量土壤濕度。
-
-1. 添加固定量的水，可以通過運行水泵 1 秒或倒入固定量的水來完成。
-
-    > 水泵應始終以恆定速率運行，因此每秒運行水泵應提供相同量的水。
-
-1. 等待土壤濕度水平穩定並進行讀數。
-
-1. 重複多次並建立結果表格。以下是此表格的示例。
-
-    | 總水泵運行時間 | 土壤濕度 | 減少量 |
-    | --- | --: | -: |
-    | 乾燥 | 643 |  0 |
-    | 1秒  | 621 | 22 |
-    | 2秒  | 601 | 20 |
-    | 3秒  | 579 | 22 |
-    | 4秒  | 560 | 19 |
-    | 5秒  | 539 | 21 |
-    | 6秒  | 521 | 18 |
-
-1. 計算每秒水量對土壤濕度的平均增加量。在上述示例中，每秒水量使讀數平均減少 20.3。
-
-1. 使用這些數據改進您的伺服器代碼，根據需要的土壤濕度水平運行水泵所需的時間。
-
-## 評分標準
-
-| 標準 | 卓越 | 合格 | 需要改進 |
-| -------- | --------- | -------- | ----------------- |
-| 捕捉土壤濕度數據 | 能夠在添加固定水量後捕捉多次讀數 | 能夠在添加固定水量後捕捉部分讀數 | 只能捕捉一到兩次讀數，或無法使用固定水量 |
-| 校準伺服器代碼 | 能夠計算土壤濕度讀數的平均減少量並更新伺服器代碼以使用此數據 | 能夠計算平均減少量，但無法更新伺服器代碼，或無法正確計算平均值，但使用此值正確更新伺服器代碼 | 無法計算平均值，或更新伺服器代碼 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/tw/2-farm/lessons/3-automated-plant-watering/pi-relay.md
deleted file mode 100644
index 4f6f98a97..000000000
--- a/translations/tw/2-farm/lessons/3-automated-plant-watering/pi-relay.md
+++ /dev/null
@@ -1,121 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
-  "translation_date": "2025-08-24T22:17:43+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
-  "language_code": "tw"
-}
--->
-# 控制繼電器 - Raspberry Pi
-
-在本課程中，您將在 Raspberry Pi 上添加一個繼電器，並根據土壤濕度的水平來控制它，除了土壤濕度傳感器之外。
-
-## 硬體
-
-Raspberry Pi 需要一個繼電器。
-
-您將使用的是 [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)，這是一個常開型繼電器（意味著當沒有信號發送到繼電器時，輸出電路是開路或斷開的），可以處理高達 250V 和 10A 的輸出電路。
-
-這是一個數位執行器，因此需要連接到 Grove Base Hat 上的數位引腳。
-
-### 連接繼電器
-
-Grove 繼電器可以連接到 Raspberry Pi。
-
-#### 任務
-
-連接繼電器。
-
-![一個 Grove 繼電器](../../../../../translated_images/zh-TW/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png)
-
-1. 將 Grove 電纜的一端插入繼電器上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove Base Hat 上標記為 **D5** 的數位插座。這個插座位於 GPIO 引腳旁邊那排插座的第二個位置。保持土壤濕度傳感器連接到 **A0** 插座。
-
-![Grove 繼電器連接到 D5 插座，土壤濕度傳感器連接到 A0 插座](../../../../../translated_images/zh-TW/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png)
-
-1. 如果土壤濕度傳感器還沒有插入土壤，請將其插入土壤中（如果您在上一課中已經插入，則無需重複操作）。
-
-## 編程繼電器
-
-現在可以對 Raspberry Pi 進行編程，以使用已連接的繼電器。
-
-### 任務
-
-編程設備。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 在 VS Code 中打開上一課的 `soil-moisture-sensor` 專案（如果尚未打開）。您將在此專案中進行添加。
-
-1. 在現有的匯入語句下方，將以下代碼添加到 `app.py` 文件中：
-
-    ```python
-    from grove.grove_relay import GroveRelay
-    ```
-
-    這條語句從 Grove Python 庫中匯入 `GroveRelay`，以與 Grove 繼電器進行互動。
-
-1. 在 `ADC` 類的聲明下方，添加以下代碼以創建一個 `GroveRelay` 實例：
-
-    ```python
-    relay = GroveRelay(5)
-    ```
-
-    這段代碼使用引腳 **D5**（您連接繼電器的數位引腳）創建了一個繼電器。
-
-1. 為了測試繼電器是否正常工作，將以下代碼添加到 `while True:` 迴圈中：
-
-    ```python
-    relay.on()
-    time.sleep(.5)
-    relay.off()
-    ```
-
-    這段代碼會打開繼電器，等待 0.5 秒，然後關閉繼電器。
-
-1. 運行 Python 應用程式。繼電器將每 10 秒打開和關閉一次，打開和關閉之間有 0.5 秒的延遲。您將聽到繼電器點擊聲，並且當繼電器打開時，Grove 板上的 LED 會亮起，關閉時則熄滅。
-
-    ![繼電器打開和關閉](../../../../../images/relay-turn-on-off.gif)
-
-## 根據土壤濕度控制繼電器
-
-現在繼電器已經可以正常工作，您可以根據土壤濕度讀數來控制它。
-
-### 任務
-
-控制繼電器。
-
-1. 刪除您為測試繼電器而添加的 3 行代碼。用以下代碼替換它們：
-
-    ```python
-    if soil_moisture > 450:
-        print("Soil Moisture is too low, turning relay on.")
-        relay.on()
-    else:
-        print("Soil Moisture is ok, turning relay off.")
-        relay.off()
-    ```
-
-    這段代碼會檢查來自土壤濕度傳感器的土壤濕度水平。如果濕度值高於 450，則打開繼電器；如果低於 450，則關閉繼電器。
-
-    > 💁 請記住，電容式土壤濕度傳感器的讀數越低，土壤中的濕度越高，反之亦然。
-
-1. 運行 Python 應用程式。您將看到繼電器根據土壤濕度水平打開或關閉。嘗試在乾燥的土壤中測試，然後添加水進行測試。
-
-    ```output
-    Soil Moisture: 638
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 452
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 347
-    Soil Moisture is ok, turning relay off.
-    ```
-
-> 💁 您可以在 [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi) 資料夾中找到這段代碼。
-
-😀 恭喜！您的土壤濕度傳感器成功控制了繼電器！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/tw/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
deleted file mode 100644
index 2a7e2482f..000000000
--- a/translations/tw/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
+++ /dev/null
@@ -1,125 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
-  "translation_date": "2025-08-24T22:19:03+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
-  "language_code": "tw"
-}
--->
-# 控制繼電器 - 虛擬物聯網硬體
-
-在本課程的這部分，您將在虛擬物聯網設備中新增一個繼電器，除了土壤濕度感測器之外，還可以根據土壤濕度水平來控制它。
-
-## 虛擬硬體
-
-虛擬物聯網設備將使用模擬的 Grove 繼電器。這使得本實驗與使用實體 Grove 繼電器的 Raspberry Pi 保持一致。
-
-在實體物聯網設備中，繼電器通常是常開型繼電器（這意味著當沒有信號發送到繼電器時，輸出電路是開路或斷開的）。這類繼電器可以處理高達 250V 和 10A 的輸出電路。
-
-### 將繼電器新增到 CounterFit
-
-要使用虛擬繼電器，您需要將其新增到 CounterFit 應用程式中。
-
-#### 任務
-
-將繼電器新增到 CounterFit 應用程式中。
-
-1. 如果尚未打開，請在 VS Code 中打開上一課的 `soil-moisture-sensor` 專案。您將在此專案中進行新增。
-
-1. 確保 CounterFit 網頁應用程式正在運行。
-
-1. 創建一個繼電器：
-
-    1. 在 *Actuators* 面板的 *Create actuator* 框中，展開 *Actuator type* 下拉框並選擇 *Relay*。
-
-    1. 將 *Pin* 設置為 *5*。
-
-    1. 選擇 **Add** 按鈕，在 Pin 5 上創建繼電器。
-
-    ![繼電器設置](../../../../../translated_images/zh-TW/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png)
-
-    繼電器將被創建並顯示在 Actuators 列表中。
-
-    ![已創建的繼電器](../../../../../translated_images/zh-TW/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png)
-
-## 編程繼電器
-
-現在可以編程土壤濕度感測器應用程式以使用虛擬繼電器。
-
-### 任務
-
-編程虛擬設備。
-
-1. 如果尚未打開，請在 VS Code 中打開上一課的 `soil-moisture-sensor` 專案。您將在此專案中進行新增。
-
-1. 在 `app.py` 文件的現有匯入語句下方新增以下程式碼：
-
-    ```python
-    from counterfit_shims_grove.grove_relay import GroveRelay
-    ```
-
-    此語句從 Grove Python shim 庫中匯入 `GroveRelay`，以與虛擬 Grove 繼電器互動。
-
-1. 在 `ADC` 類的聲明下方新增以下程式碼，以創建一個 `GroveRelay` 實例：
-
-    ```python
-    relay = GroveRelay(5)
-    ```
-
-    這會使用 Pin **5** 創建一個繼電器，該 Pin 是您連接繼電器的位置。
-
-1. 為了測試繼電器是否正常工作，請在 `while True:` 迴圈中新增以下程式碼：
-
-    ```python
-    relay.on()
-    time.sleep(.5)
-    relay.off()
-    ```
-
-    此程式碼會打開繼電器，等待 0.5 秒，然後關閉繼電器。
-
-1. 運行 Python 應用程式。繼電器將每 10 秒打開和關閉一次，打開和關閉之間有 0.5 秒的延遲。您將看到 CounterFit 應用程式中的虛擬繼電器隨著繼電器的打開和關閉而閉合和斷開。
-
-    ![虛擬繼電器打開和關閉](../../../../../images/virtual-relay-turn-on-off.gif)
-
-## 根據土壤濕度控制繼電器
-
-現在繼電器已正常工作，可以根據土壤濕度讀數進行控制。
-
-### 任務
-
-控制繼電器。
-
-1. 刪除您新增的用於測試繼電器的 3 行程式碼。用以下程式碼替換它們：
-
-    ```python
-    if soil_moisture > 450:
-        print("Soil Moisture is too low, turning relay on.")
-        relay.on()
-    else:
-        print("Soil Moisture is ok, turning relay off.")
-        relay.off()
-    ```
-
-    此程式碼檢查來自土壤濕度感測器的土壤濕度水平。如果濕度值高於 450，則打開繼電器；如果低於 450，則關閉繼電器。
-
-    > 💁 請記住，電容式土壤濕度感測器的讀數越低，土壤中的濕度越高，反之亦然。
-
-1. 運行 Python 應用程式。您將看到繼電器根據土壤濕度水平打開或關閉。更改土壤濕度感測器的 *Value* 或 *Random* 設置以查看值的變化。
-
-    ```output
-    Soil Moisture: 638
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 452
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 347
-    Soil Moisture is ok, turning relay off.
-    ```
-
-> 💁 您可以在 [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device) 資料夾中找到此程式碼。
-
-😀 您的虛擬土壤濕度感測器控制繼電器程式成功完成！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/tw/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
deleted file mode 100644
index f8de515b0..000000000
--- a/translations/tw/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
+++ /dev/null
@@ -1,119 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
-  "translation_date": "2025-08-24T22:16:23+00:00",
-  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
-  "language_code": "tw"
-}
--->
-# 控制繼電器 - Wio Terminal
-
-在本課程中，除了土壤濕度傳感器外，您還將為 Wio Terminal 添加一個繼電器，並根據土壤濕度水平來控制它。
-
-## 硬體
-
-Wio Terminal 需要一個繼電器。
-
-您將使用的是 [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)，這是一個常開型繼電器（意味著當沒有信號發送到繼電器時，輸出電路是開路或斷開的），它可以處理最高 250V 和 10A 的輸出電路。
-
-這是一個數字執行器，因此需要連接到 Wio Terminal 的數字引腳。模擬/數字組合端口已經被土壤濕度傳感器使用，因此繼電器需要插入另一個端口，該端口是一個組合 I²C 和數字端口。
-
-### 連接繼電器
-
-Grove 繼電器可以連接到 Wio Terminal 的數字端口。
-
-#### 任務
-
-連接繼電器。
-
-![Grove 繼電器](../../../../../translated_images/zh-TW/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png)
-
-1. 將 Grove 電纜的一端插入繼電器上的插座。它只能以一種方式插入。
-
-1. 在 Wio Terminal 與電腦或其他電源斷開連接的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 屏幕左側的 Grove 插座。保持土壤濕度傳感器連接到右側插座。
-
-![Grove 繼電器連接到左側插座，土壤濕度傳感器連接到右側插座](../../../../../translated_images/zh-TW/wio-relay-and-soil-moisture-sensor.ed722202d42babe0.webp)
-
-1. 如果土壤濕度傳感器尚未插入土壤，請將其插入。
-
-## 編程繼電器
-
-現在可以編程 Wio Terminal 以使用連接的繼電器。
-
-### 任務
-
-編程設備。
-
-1. 在 VS Code 中打開上一課的 `soil-moisture-sensor` 專案（如果尚未打開）。您將在此專案中進行添加。
-
-2. 這個執行器沒有專用的庫——它是一個通過高或低信號控制的數字執行器。要打開它，您需要向引腳發送高信號（3.3V）；要關閉它，則發送低信號（0V）。您可以使用內建的 Arduino [`digitalWrite`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalwrite/) 函數來完成。首先，在 `setup` 函數的底部添加以下代碼，以將組合 I²C/數字端口設置為輸出引腳，用於向繼電器發送電壓：
-
-    ```cpp
-    pinMode(PIN_WIRE_SCL, OUTPUT);
-    ```
-
-    `PIN_WIRE_SCL` 是組合 I²C/數字端口的端口號。
-
-1. 為了測試繼電器是否正常工作，將以下代碼添加到 `loop` 函數中，放在最後的 `delay` 之下：
-
-    ```cpp
-    digitalWrite(PIN_WIRE_SCL, HIGH);
-    delay(500);
-    digitalWrite(PIN_WIRE_SCL, LOW);
-    ```
-
-    此代碼向連接繼電器的引腳寫入高信號以打開繼電器，等待 500 毫秒（半秒），然後寫入低信號以關閉繼電器。
-
-1. 編譯並上傳代碼到 Wio Terminal。
-
-1. 上傳完成後，繼電器將每 10 秒打開和關閉一次，並在打開和關閉之間有半秒的延遲。您會聽到繼電器點擊聲，LED 在繼電器打開時亮起，關閉時熄滅。
-
-    ![繼電器打開和關閉](../../../../../images/relay-turn-on-off.gif)
-
-## 根據土壤濕度控制繼電器
-
-現在繼電器已正常工作，可以根據土壤濕度讀數進行控制。
-
-### 任務
-
-控制繼電器。
-
-1. 刪除您添加的用於測試繼電器的 3 行代碼。用以下代碼替換它們：
-
-    ```cpp
-    if (soil_moisture > 450)
-    {
-        Serial.println("Soil Moisture is too low, turning relay on.");
-        digitalWrite(PIN_WIRE_SCL, HIGH);
-    }
-    else
-    {
-        Serial.println("Soil Moisture is ok, turning relay off.");
-        digitalWrite(PIN_WIRE_SCL, LOW);
-    }
-    ```
-
-    此代碼檢查土壤濕度傳感器的濕度水平。如果濕度值高於 450，則打開繼電器；如果低於 450，則關閉繼電器。
-
-    > 💁 請記住，電容式土壤濕度傳感器的讀數越低，土壤中的水分越多，反之亦然。
-
-1. 編譯並上傳代碼到 Wio Terminal。
-
-1. 通過串列監視器監控設備。您將看到繼電器根據土壤濕度水平打開或關閉。嘗試在乾燥的土壤中測試，然後添加水。
-
-    ```output
-    Soil Moisture: 638
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 452
-    Soil Moisture is too low, turning relay on.
-    Soil Moisture: 347
-    Soil Moisture is ok, turning relay off.
-    ```
-
-> 💁 您可以在 [code-relay/wio-terminal](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/wio-terminal) 文件夾中找到此代碼。
-
-😀 恭喜！您的土壤濕度傳感器成功控制了繼電器！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
deleted file mode 100644
index 1fb03fce1..000000000
--- a/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
+++ /dev/null
@@ -1,449 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4d8e7a066d75b625e7a979c14157041d",
-  "translation_date": "2025-08-24T22:42:45+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
-  "language_code": "tw"
-}
--->
-# 將植物遷移到雲端
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [IoT 初學者項目 2 - 數字農業系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分。
-
-[![使用 Azure IoT Hub 將設備連接到雲端](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
-
-## 簡介
-
-在上一課中，您學習了如何將植物連接到 MQTT broker，並通過本地運行的伺服器代碼控制繼電器。這構成了從家中單個植物到商業農場使用的互聯網連接自動灌溉系統的核心。
-
-IoT 設備通過公共 MQTT broker 進行通信，以展示原理，但這並不是最可靠或安全的方式。在本課中，您將了解雲端以及公共雲服務提供的 IoT 功能。您還將學習如何將植物從公共 MQTT broker 遷移到其中一個雲服務。
-
-本課將涵蓋以下內容：
-
-* [什麼是雲端？](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [創建雲端訂閱](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [雲端 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [在雲端創建 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [與 IoT Hub 通信](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-* [將設備連接到 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
-
-## 什麼是雲端？
-
-在雲端出現之前，當公司想要為員工（例如數據庫或文件存儲）或公眾（例如網站）提供服務時，他們需要建立並運行數據中心。這可能是一個有少量計算機的房間，也可能是一個有大量計算機的建築。公司需要管理所有事情，包括：
-
-* 購買計算機
-* 硬件維護
-* 電力和冷卻
-* 網絡
-* 安全性，包括建築安全和計算機上的軟件安全
-* 軟件安裝和更新
-
-這可能非常昂貴，需要各種技能的員工，並且在需要更改時速度非常慢。例如，如果一家在線商店需要為繁忙的假期季節做準備，他們需要提前幾個月計劃購買更多硬件、配置它、安裝它並安裝運行銷售流程的軟件。假期季節結束後，銷售量下降，他們可能會留下閒置的計算機，直到下一個繁忙季節。
-
-✅ 您認為這樣的方式能讓公司快速行動嗎？如果一家在線服裝零售商因某位名人穿著他們的服裝而突然流行起來，他們能否快速增加計算能力以支持突然湧入的訂單？
-
-### 別人的計算機
-
-雲端常被戲稱為「別人的計算機」。最初的想法很簡單——與其購買計算機，不如租用別人的計算機。雲計算提供商會管理巨大的數據中心。他們負責購買和安裝硬件、管理電力和冷卻、網絡、建築安全、硬件和軟件更新等所有事情。作為客戶，您只需租用所需的計算機，需求增加時租用更多，需求減少時減少租用。這些雲端數據中心分布在世界各地。
-
-![Microsoft 雲端數據中心](../../../../../translated_images/zh-TW/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png)
-![Microsoft 雲端數據中心擴展計劃](../../../../../translated_images/zh-TW/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png)
-
-這些數據中心的面積可以達到數平方公里。上面的圖片拍攝於幾年前的 Microsoft 雲端數據中心，展示了初始規模以及擴展計劃。擴展清理出的區域超過 5 平方公里。
-
-> 💁 這些數據中心需要大量的電力，有些甚至擁有自己的發電站。由於其規模和雲提供商的投資，它們通常非常環保。它們比大量小型數據中心更高效，主要使用可再生能源運行，雲提供商努力減少浪費、降低水資源使用並重新植樹以彌補因建設數據中心而砍伐的森林。您可以在 [Azure 可持續性網站](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn) 上了解更多關於雲提供商如何致力於可持續性的資訊。
-
-✅ 做一些研究：了解主要的雲端服務，例如 [Microsoft 的 Azure](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) 或 [Google 的 GCP](https://cloud.google.com)。他們有多少數據中心？這些數據中心分布在哪些地方？
-
-使用雲端可以降低公司的成本，並使其專注於自身的核心業務，將雲計算專業知識交給提供商。公司不再需要租用或購買數據中心空間、向不同的供應商支付連接和電力費用或僱用專家。相反，他們只需向雲提供商支付一張月度賬單，所有事情都由雲提供商處理。
-
-雲提供商可以利用規模經濟降低成本，例如批量購買計算機以降低成本、投資工具以減少維護工作量，甚至設計和建造自己的硬件以改善雲端服務。
-
-### Microsoft Azure
-
-Azure 是 Microsoft 的開發者雲端，您將在這些課程中使用它。以下視頻提供了 Azure 的簡短概述：
-
-[![Azure 概述視頻](../../../../../translated_images/zh-TW/what-is-azure-video-thumbnail.20174db09e03bbb8.webp)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
-
-## 創建雲端訂閱
-
-要使用雲端服務，您需要向雲提供商註冊訂閱。在本課中，您將註冊 Microsoft Azure 訂閱。如果您已經有 Azure 訂閱，可以跳過此任務。以下描述的訂閱詳情在撰寫本文時是正確的，但可能會有所更改。
-
-> 💁 如果您通過學校訪問這些課程，您可能已經有可用的 Azure 訂閱。請向您的老師確認。
-
-您可以註冊兩種類型的免費 Azure 訂閱：
-
-* **Azure for Students** - 這是為 18 歲以上學生設計的訂閱。您不需要信用卡即可註冊，並使用您的學校電子郵件地址驗證您是學生。註冊後，您將獲得 100 美元的雲資源使用額，以及包括 IoT 服務免費版本在內的免費服務。此訂閱有效期為 12 個月，您可以每年續訂一次，只要您仍是學生。
-
-* **Azure 免費訂閱** - 這是為非學生設計的訂閱。您需要信用卡來註冊，但您的卡不會被扣款，僅用於驗證您是真人而非機器人。您在前 30 天內可獲得 200 美元的信用額，用於任何服務，並享受 Azure 服務的免費層。信用額用完後，除非您轉換為按使用付費訂閱，否則您的卡不會被扣款。
-
-> 💁 Microsoft 確實為 18 歲以下學生提供 Azure for Students Starter 訂閱，但在撰寫本文時，它不支持任何 IoT 服務。
-
-### 任務 - 註冊免費雲端訂閱
-
-如果您是 18 歲以上的學生，可以註冊 Azure for Students 訂閱。您需要使用學校電子郵件地址進行驗證。您可以通過以下兩種方式完成：
-
-* 在 [education.github.com/pack](https://education.github.com/pack) 註冊 GitHub 學生開發者包。這將使您能夠訪問一系列工具和優惠，包括 GitHub 和 Microsoft Azure。註冊開發者包後，您可以激活 Azure for Students 優惠。
-
-* 直接在 [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn) 註冊 Azure for Students 帳戶。
-
-> ⚠️ 如果您的學校電子郵件地址未被認可，請在 [此 repo 提交問題](https://github.com/Microsoft/IoT-For-Beginners/issues)，我們將查看是否可以將其添加到 Azure for Students 的允許列表。
-
-如果您不是學生，或者沒有有效的學校電子郵件地址，則可以註冊 Azure 免費訂閱。
-
-* 在 [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn) 註冊 Azure 免費訂閱。
-
-## 雲端 IoT 服務
-
-您使用的公共測試 MQTT broker 是一個很好的學習工具，但作為商業用途工具存在一些缺點：
-
-* **可靠性** - 它是一個免費服務，沒有任何保證，可能隨時關閉
-* **安全性** - 它是公共的，因此任何人都可以監聽您的遙測數據或發送命令控制您的硬件
-* **性能** - 它設計僅用於少量測試消息，因此無法應對大量消息的傳輸
-* **發現性** - 無法知道哪些設備已連接
-
-雲端 IoT 服務解決了這些問題。它們由大型雲提供商維護，這些提供商在可靠性方面投入巨大，並隨時解決可能出現的問題。它們內置了安全性，防止黑客讀取您的數據或發送惡意命令。它們還具有高性能，能夠每天處理數百萬條消息，並利用雲端根據需要進行擴展。
-
-> 💁 雖然您需要支付月費來享受這些優勢，但大多數雲提供商都提供免費版本的 IoT 服務，限制每日消息數量或可連接的設備數量。這些免費版本通常足夠開發者學習服務。在本課中，您將使用免費版本。
-
-IoT 設備可以通過設備 SDK（提供代碼以使用服務功能的庫）或直接通過通信協議（如 MQTT 或 HTTP）連接到雲端服務。設備 SDK 通常是最簡單的路徑，因為它處理所有事情，例如知道要發布或訂閱的主題以及如何處理安全性。
-
-![設備通過設備 SDK 連接到服務。伺服器代碼也通過 SDK 連接到服務](../../../../../translated_images/zh-TW/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png)
-
-您的設備然後通過該服務與應用程序的其他部分通信——類似於您通過 MQTT 發送遙測數據和接收命令。這通常使用服務 SDK 或類似的庫。消息從您的設備發送到服務，應用程序的其他部分可以讀取這些消息，並將消息發送回您的設備。
-
-![沒有有效密鑰的設備無法連接到 IoT 服務](../../../../../translated_images/zh-TW/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png)
-
-這些服務通過了解所有可以連接並發送數據的設備來實現安全性，這可以通過預先註冊設備或給設備提供密鑰或證書，讓它們在首次連接時自動註冊到服務。未知設備無法連接，如果嘗試，服務會拒絕連接並忽略它們發送的消息。
-
-✅ 做一些研究：開放的 IoT 服務允許任何設備或代碼連接會有哪些缺點？您能找到黑客利用這種情況的具體例子嗎？
-
-應用程序的其他部分可以連接到 IoT 服務，了解所有已連接或註冊的設備，並直接與它們進行批量或單獨通信。
-💁 IoT 服務還實現了額外的功能，雲端供應商也提供了額外的服務和應用程式，可以與該服務連接。例如，如果您想將所有設備發送的遙測訊息存儲到資料庫中，通常只需要在雲端供應商的配置工具中點擊幾下，就能將服務連接到資料庫並將資料串流進去。
-## 在雲端建立 IoT 服務
-
-現在您已經擁有 Azure 訂閱，您可以註冊一個 IoT 服務。Microsoft 提供的 IoT 服務稱為 Azure IoT Hub。
-
-![Azure IoT Hub 標誌](../../../../../translated_images/zh-TW/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png)
-
-以下影片簡要介紹了 Azure IoT Hub：
-
-[![Azure IoT Hub 概述影片](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
-
-> 🎥 點擊上方圖片觀看影片
-
-✅ 花點時間進行研究，閱讀 [Microsoft IoT Hub 文件](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn) 中的 IoT Hub 概述。
-
-Azure 提供的雲端服務可以通過基於網頁的入口網站或命令列介面 (CLI) 進行配置。對於此任務，您將使用 CLI。
-
-### 任務 - 安裝 Azure CLI
-
-要使用 Azure CLI，首先需要在您的 PC 或 Mac 上安裝它。
-
-1. 按照 [Azure CLI 文件](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn) 中的指示安裝 CLI。
-
-1. Azure CLI 支援多種擴展功能，這些功能可用於管理各種 Azure 服務。從命令列或終端執行以下命令以安裝 IoT 擴展：
-
-    ```sh
-    az extension add --name azure-iot
-    ```
-
-1. 從命令列或終端執行以下命令，從 Azure CLI 登錄到您的 Azure 訂閱。
-
-    ```sh
-    az login
-    ```
-
-    預設瀏覽器將啟動一個網頁。使用您註冊 Azure 訂閱時的帳戶登錄。登錄後，您可以關閉瀏覽器標籤頁。
-
-1. 如果您有多個 Azure 訂閱，例如學校提供的訂閱和您自己的 Azure for Students 訂閱，您需要選擇要使用的訂閱。執行以下命令以列出您有權訪問的所有訂閱：
-
-    ```sh
-    az account list --output table
-    ```
-
-    在輸出中，您將看到每個訂閱的名稱及其 `SubscriptionId`。
-
-    ```output
-    ➜  ~ az account list --output table
-    Name                    CloudName    SubscriptionId                        State    IsDefault
-    ----------------------  -----------  ------------------------------------  -------  -----------
-    School-subscription     AzureCloud   cb30cde9-814a-42f0-a111-754cb788e4e1  Enabled  True
-    Azure for Students      AzureCloud   fa51c31b-162c-4599-add6-781def2e1fbf  Enabled  False
-    ```
-
-    使用以下命令選擇您要使用的訂閱：
-
-    ```sh
-    az account set --subscription <SubscriptionId>
-    ```
-
-    將 `<SubscriptionId>` 替換為您要使用的訂閱的 ID。執行此命令後，重新執行列出帳戶的命令。您將看到 `IsDefault` 列被標記為 `True`，表示您剛剛設置的訂閱。
-
-### 任務 - 建立資源群組
-
-Azure 服務，例如 IoT Hub 實例、虛擬機器、資料庫或 AI 服務，被稱為 **資源**。每個資源都必須位於 **資源群組** 中，這是一個邏輯分組，包含一個或多個資源。
-
-> 💁 使用資源群組意味著您可以一次管理多個服務。例如，完成此專案的所有課程後，您可以刪除資源群組，所有資源將自動刪除。
-
-1. Azure 在全球有多個資料中心，分為不同的區域。當您建立 Azure 資源或資源群組時，您需要指定其建立的位置。執行以下命令以獲取位置列表：
-
-    ```sh
-    az account list-locations --output table
-    ```
-
-    您將看到一個位置列表。這個列表會很長。
-
-    > 💁 截至撰寫本文時，您可以部署到 65 個位置。
-
-    ```output
-        ➜  ~ az account list-locations --output table
-    DisplayName               Name                 RegionalDisplayName
-    ------------------------  -------------------  -------------------------------------
-    East US                   eastus               (US) East US
-    East US 2                 eastus2              (US) East US 2
-    South Central US          southcentralus       (US) South Central US
-    ...
-    ```
-
-    記下離您最近的區域的 `Name` 列的值。您可以在 [Azure 地理位置頁面](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn) 上的地圖中找到這些區域。
-
-1. 執行以下命令建立一個名為 `soil-moisture-sensor` 的資源群組。資源群組名稱在您的訂閱中必須是唯一的。
-
-    ```sh
-    az group create --name soil-moisture-sensor \
-                    --location <location>
-    ```
-
-    將 `<location>` 替換為您在上一步中選擇的位置。
-
-### 任務 - 建立 IoT Hub
-
-現在，您可以在資源群組中建立一個 IoT Hub 資源。
-
-1. 使用以下命令建立您的 IoT Hub 資源：
-
-    ```sh
-    az iot hub create --resource-group soil-moisture-sensor \
-                      --sku F1 \
-                      --partition-count 2 \
-                      --name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您的 Hub 名稱。此名稱必須是全域唯一的——即任何人建立的 IoT Hub 都不能有相同的名稱。此名稱用於指向 Hub 的 URL，因此需要唯一。可以使用類似 `soil-moisture-sensor-` 的名稱，並在末尾添加一些唯一的識別符，例如隨機字詞或您的名字。
-
-    `--sku F1` 選項表示使用免費層。免費層每天支援 8,000 條訊息，並提供大多數付費層的功能。
-
-    > 🎓 Azure 服務的不同定價級別稱為層。每個層都有不同的成本，並提供不同的功能或資料量。
-
-    > 💁 如果您想了解更多有關定價的信息，可以查看 [Azure IoT Hub 定價指南](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn)。
-
-    `--partition-count 2` 選項定義 IoT Hub 支援的資料流數量。更多的分區可以減少多個設備從 IoT Hub 讀寫時的資料阻塞。分區的詳細內容超出了本課程的範圍，但此值需要設置以建立免費層 IoT Hub。
-
-    > 💁 每個訂閱只能有一個免費層 IoT Hub。
-
-IoT Hub 將被建立。這可能需要一分鐘左右完成。
-
-## 與 IoT Hub 通訊
-
-在上一課中，您使用 MQTT 並在不同的主題上來回傳送訊息，不同的主題有不同的用途。與其通過不同的主題傳送訊息，IoT Hub 提供了多種定義好的方式，讓設備與 Hub 通訊，或讓 Hub 與設備通訊。
-
-> 💁 在底層，IoT Hub 與您的設備之間的通訊可以使用 MQTT、HTTPS 或 AMQP。
-
-* 設備到雲端 (D2C) 訊息 - 這些是從設備傳送到 IoT Hub 的訊息，例如遙測數據。應用程式代碼可以從 IoT Hub 讀取這些訊息。
-
-    > 🎓 在底層，IoT Hub 使用一個名為 [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn) 的 Azure 服務。當您編寫代碼來讀取傳送到 Hub 的訊息時，這些訊息通常被稱為事件。
-
-* 雲端到設備 (C2D) 訊息 - 這些是從應用程式代碼通過 IoT Hub 傳送到 IoT 設備的訊息。
-
-* 直接方法請求 - 這些是從應用程式代碼通過 IoT Hub 傳送到 IoT 設備的訊息，用於請求設備執行某些操作，例如控制執行器。這些訊息需要回應，以便應用程式代碼知道是否成功處理。
-
-* 設備雙胞胎 - 這些是 JSON 文件，保持設備與 IoT Hub 之間的同步，用於存儲設備報告的設置或其他屬性，或者 IoT Hub 希望設置在設備上的屬性（稱為期望值）。
-
-IoT Hub 可以存儲訊息和直接方法請求一段可配置的時間（默認為一天），因此如果設備或應用程式代碼失去連接，重新連接後仍然可以檢索離線期間傳送的訊息。設備雙胞胎則永久保存在 IoT Hub 中，因此設備可以隨時重新連接並獲取最新的設備雙胞胎。
-
-✅ 進行一些研究：閱讀 IoT Hub 文件中的 [設備到雲端通訊指南](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn) 和 [雲端到設備通訊指南](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn)。
-
-## 將您的設備連接到 IoT 服務
-
-一旦 Hub 建立，您的 IoT 設備就可以連接到它。只有註冊的設備才能連接到服務，因此您需要先註冊您的設備。註冊後，您可以獲取設備用於連接的連接字串。此連接字串是設備專屬的，包含有關 IoT Hub、設備和允許該設備連接的密鑰的信息。
-
-> 🎓 連接字串是一個通用術語，指包含連接詳細信息的一段文字。這些字串用於連接 IoT Hub、資料庫和許多其他服務。它們通常包括服務的識別符（例如 URL）和安全信息（例如密鑰）。這些字串會傳遞給 SDK 用於連接服務。
-
-> ⚠️ 連接字串應保持安全！安全性將在未來的課程中詳細介紹。
-
-### 任務 - 註冊您的 IoT 設備
-
-可以使用 Azure CLI 將 IoT 設備註冊到您的 IoT Hub。
-
-1. 執行以下命令註冊設備：
-
-    ```sh
-    az iot hub device-identity create --device-id soil-moisture-sensor \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-    這將建立一個 ID 為 `soil-moisture-sensor` 的設備。
-
-1. 當您的 IoT 設備使用 SDK 連接到 IoT Hub 時，需要使用一個連接字串，該字串提供 Hub 的 URL 和密鑰。執行以下命令以獲取連接字串：
-
-    ```sh
-    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
-                                                      --output table \
-                                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-1. 保存輸出中顯示的連接字串，稍後您將需要它。
-
-### 任務 - 將您的 IoT 設備連接到雲端
-
-按照相關指南將您的 IoT 設備連接到雲端：
-
-* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-connect-hub.md)
-
-### 任務 - 監控事件
-
-目前，您不需要更新伺服器代碼。相反，您可以使用 Azure CLI 監控來自 IoT 設備的事件。
-
-1. 確保您的 IoT 設備正在運行並傳送土壤濕度遙測值。
-
-1. 在命令提示符或終端中執行以下命令以監控傳送到 IoT Hub 的訊息：
-
-    ```sh
-    az iot hub monitor-events --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-    當您的 IoT 設備傳送訊息時，您將在控制台輸出中看到訊息。
-
-    ```output
-    Starting event monitor, use ctrl-c to stop...
-    {
-        "event": {
-            "origin": "soil-moisture-sensor",
-            "module": "",
-            "interface": "",
-            "component": "",
-            "payload": "{\"soil_moisture\": 376}"
-        }
-    },
-    {
-        "event": {
-            "origin": "soil-moisture-sensor",
-            "module": "",
-            "interface": "",
-            "component": "",
-            "payload": "{\"soil_moisture\": 381}"
-        }
-    }
-    ```
-
-    `payload` 的內容將與您的 IoT 設備傳送的訊息相匹配。
-
-    > 截至撰寫本文時，`az iot` 擴展在 Apple Silicon 上尚未完全運作。如果您使用的是 Apple Silicon 設備，您需要使用其他方式監控訊息，例如 [Visual Studio Code 的 Azure IoT 工具](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging)。
-
-1. 這些訊息會自動附加一些屬性，例如傳送的時間戳。這些屬性稱為 *註解*。要查看所有訊息註解，請使用以下命令：
-
-    ```sh
-    az iot hub monitor-events --properties anno --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-    當您的 IoT 設備傳送訊息時，您將在控制台輸出中看到訊息。
-
-    ```output
-    Starting event monitor, use ctrl-c to stop...
-    {
-        "event": {
-            "origin": "soil-moisture-sensor",
-            "module": "",
-            "interface": "",
-            "component": "",
-            "properties": {},
-            "annotations": {
-                "iothub-connection-device-id": "soil-moisture-sensor",
-                "iothub-connection-auth-method": "{\"scope\":\"device\",\"type\":\"sas\",\"issuer\":\"iothub\",\"acceptingIpFilterRule\":null}",
-                "iothub-connection-auth-generation-id": "637553997165220462",
-                "iothub-enqueuedtime": 1619976150288,
-                "iothub-message-source": "Telemetry",
-                "x-opt-sequence-number": 1379,
-                "x-opt-offset": "550576",
-                "x-opt-enqueued-time": 1619976150277
-            },
-            "payload": "{\"soil_moisture\": 381}"
-        }
-    }
-    ```
-
-    註解中的時間值是 [UNIX 時間](https://wikipedia.org/wiki/Unix_time)，表示自 1970 年 1 月 1 日午夜以來的秒數。
-
-    完成後退出事件監控。
-
-### 任務 - 控制您的 IoT 設備
-
-您還可以使用 Azure CLI 在 IoT 設備上調用直接方法。
-
-1. 在命令提示符或終端中執行以下命令以調用 IoT 設備上的 `relay_on` 方法：
-
-    ```sh
-    az iot hub invoke-device-method --device-id soil-moisture-sensor \
-                                    --method-name relay_on \
-                                    --method-payload '{}' \
-                                    --hub-name <hub_name>
-    ```
-
-    將 `
-<hub_name>
-` 使用您為 IoT Hub 設定的名稱。
-
-這會發送一個直接方法請求，請求的目標方法由 `method-name` 指定。直接方法可以包含方法所需的資料負載，並且可以在 `method-payload` 參數中以 JSON 格式指定。
-
-您會看到繼電器啟動，並且您的 IoT 裝置會顯示相應的輸出：
-
-```output
-    Direct method received -  relay_on
-    ```
-
-1. 重複上述步驟，但將 `--method-name` 設定為 `relay_off`。您會看到繼電器關閉，並且 IoT 裝置會顯示相應的輸出。
-
----
-
-## 🚀 挑戰
-
-IoT Hub 的免費層每天允許 8,000 則訊息。您撰寫的程式碼每 10 秒發送一次遙測訊息。每天每 10 秒發送一次訊息會產生多少訊息？
-
-思考一下土壤濕度測量應該多久發送一次？如何修改您的程式碼以保持在免費層的限制內，同時能夠按需檢查但不過於頻繁？如果您想要新增第二個裝置又該怎麼辦？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
-
-## 回顧與自學
-
-IoT Hub SDK 是開源的，適用於 Arduino 和 Python。在 GitHub 的程式碼庫中，有許多範例展示如何使用不同的 IoT Hub 功能。
-
-* 如果您使用的是 Wio Terminal，請查看 [GitHub 上的 Arduino 範例](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples)
-* 如果您使用的是 Raspberry Pi 或虛擬裝置，請查看 [GitHub 上的 Python 範例](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples)
-
-## 作業
-
-[了解雲端服務](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
deleted file mode 100644
index 65a65e266..000000000
--- a/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
+++ /dev/null
@@ -1,31 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "bfd35499bd68d7d740242bfea784bbeb",
-  "translation_date": "2025-08-24T22:48:00+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
-  "language_code": "tw"
-}
--->
-# 認識雲端服務
-
-## 說明
-
-雲端服務，例如微軟的 Azure，不僅僅是提供租用的計算資源。主要的雲端服務類型包括：
-
-* 基礎設施即服務 (IaaS)
-* 平台即服務 (PaaS)
-* 無伺服器架構
-* 軟體即服務 (SaaS)
-
-了解這些不同類型的服務，並解釋它們是什麼以及它們之間的差異。說明哪些服務與 IoT 開發者相關。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 解釋不同的雲端服務 | 清楚解釋了所有 4 種服務類型 | 能夠解釋 3 種服務類型 | 僅能解釋 1 或 2 種服務類型 |
-| 解釋與 IoT 相關的服務 | 描述了哪些服務與 IoT 開發者相關以及原因 | 描述了哪些服務與 IoT 開發者相關，但未說明原因 | 無法描述哪些服務與 IoT 開發者相關 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
deleted file mode 100644
index 1907806ee..000000000
--- a/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
+++ /dev/null
@@ -1,128 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3ac42e284a7222c0e83d2d43231a364f",
-  "translation_date": "2025-08-24T22:48:42+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
-  "language_code": "tw"
-}
--->
-# 將您的 IoT 裝置連接到雲端 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，您將把虛擬 IoT 裝置或 Raspberry Pi 連接到您的 IoT Hub，以傳送遙測數據並接收指令。
-
-## 將您的裝置連接到 IoT Hub
-
-下一步是將您的裝置連接到 IoT Hub。
-
-### 任務 - 連接到 IoT Hub
-
-1. 在 VS Code 中打開 `soil-moisture-sensor` 資料夾。如果您使用的是虛擬 IoT 裝置，請確保虛擬環境已在終端中運行。
-
-1. 安裝一些額外的 Pip 套件：
-
-    ```sh
-    pip3 install azure-iot-device
-    ```
-
-    `azure-iot-device` 是一個用於與 IoT Hub 通訊的庫。
-
-1. 在 `app.py` 文件的頂部，現有的導入語句下方添加以下導入：
-
-    ```python
-    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
-    ```
-
-    此代碼導入了與 IoT Hub 通訊的 SDK。
-
-1. 移除 `import paho.mqtt.client as mqtt` 這行代碼，因為此庫已不再需要。移除所有 MQTT 相關代碼，包括主題名稱、所有使用 `mqtt_client` 的代碼以及 `handle_command`。保留 `while True:` 循環，只需刪除此循環中的 `mqtt_client.publish` 行。
-
-1. 在導入語句下方添加以下代碼：
-
-    ```python
-    connection_string = "<connection string>"
-    ```
-
-    將 `<connection string>` 替換為您在本課程早些時候為裝置檢索到的連接字串。
-
-    > 💁 這並不是最佳做法。連接字串不應存儲在源代碼中，因為它可能被檢入源代碼控制並被任何人發現。我們在這裡這樣做是為了簡化操作。理想情況下，您應使用環境變數和像 [`python-dotenv`](https://pypi.org/project/python-dotenv/) 這樣的工具。您將在即將到來的課程中學到更多相關內容。
-
-1. 在此代碼下方添加以下代碼，以創建一個可以與 IoT Hub 通訊的裝置客戶端對象並連接它：
-
-    ```python
-    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
-
-    print('Connecting')
-    device_client.connect()
-    print('Connected')
-    ```
-
-1. 運行此代碼。您將看到您的裝置已成功連接。
-
-    ```output
-    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
-    Connecting
-    Connected
-    Soil moisture: 379
-    ```
-
-## 傳送遙測數據
-
-現在您的裝置已連接，您可以將遙測數據傳送到 IoT Hub，而不是 MQTT broker。
-
-### 任務 - 傳送遙測數據
-
-1. 在 `while True` 循環內，睡眠之前添加以下代碼：
-
-    ```python
-    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
-    device_client.send_message(message)
-    ```
-
-    此代碼創建了一個包含土壤濕度讀數的 JSON 字串的 IoT Hub `Message`，然後將其作為裝置到雲端的消息傳送到 IoT Hub。
-
-## 處理指令
-
-您的裝置需要處理來自伺服器代碼的指令，以控制繼電器。這是通過直接方法請求發送的。
-
-## 任務 - 處理直接方法請求
-
-1. 在 `while True` 循環之前添加以下代碼：
-
-    ```python
-    def handle_method_request(request):
-        print("Direct method received - ", request.name)
-    
-        if request.name == "relay_on":
-            relay.on()
-        elif request.name == "relay_off":
-            relay.off()    
-    ```
-
-    這定義了一個方法 `handle_method_request`，當 IoT Hub 調用直接方法時會被調用。每個直接方法都有一個名稱，此代碼期望名為 `relay_on` 的方法用於打開繼電器，以及名為 `relay_off` 的方法用於關閉繼電器。
-
-    > 💁 這也可以通過單一的直接方法請求來實現，將所需的繼電器狀態作為有效負載傳遞，該有效負載可以通過方法請求傳遞並從 `request` 對象中獲取。
-
-1. 直接方法需要一個響應，以告訴調用代碼它們已被處理。在 `handle_method_request` 函數的末尾添加以下代碼，以創建對請求的響應：
-
-    ```python
-    method_response = MethodResponse.create_from_method_request(request, 200)
-    device_client.send_method_response(method_response)
-    ```
-
-    此代碼向直接方法請求發送一個 HTTP 狀態碼為 200 的響應，並將其返回到 IoT Hub。
-
-1. 在此函數定義下方添加以下代碼：
-
-    ```python
-    device_client.on_method_request_received = handle_method_request
-    ```
-
-    此代碼告訴 IoT Hub 客戶端在調用直接方法時調用 `handle_method_request` 函數。
-
-> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) 或 [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device) 資料夾中找到此代碼。
-
-😀 您的土壤濕度感測器程式已成功連接到您的 IoT Hub！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用本翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
deleted file mode 100644
index be1da1b6c..000000000
--- a/translations/tw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
+++ /dev/null
@@ -1,304 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "28320305a35ea3bc59c41fe146a2e6ed",
-  "translation_date": "2025-08-24T22:49:57+00:00",
-  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
-  "language_code": "tw"
-}
--->
-# 將您的 IoT 裝置連接到雲端 - Wio Terminal
-
-在本課程的這部分，您將把 Wio Terminal 連接到 IoT Hub，以傳送遙測數據並接收指令。
-
-## 將裝置連接到 IoT Hub
-
-下一步是將您的裝置連接到 IoT Hub。
-
-### 任務 - 連接到 IoT Hub
-
-1. 在 VS Code 中打開 `soil-moisture-sensor` 專案。
-
-1. 打開 `platformio.ini` 檔案。移除 `knolleary/PubSubClient` 函式庫的依賴項。這個函式庫是用來連接到公共 MQTT broker 的，但連接到 IoT Hub 時不需要。
-
-1. 添加以下函式庫依賴項：
-
-    ```ini
-    seeed-studio/Seeed Arduino RTC @ 2.0.0
-    arduino-libraries/AzureIoTHub @ 1.6.0
-    azure/AzureIoTUtility @ 1.6.1
-    azure/AzureIoTProtocol_MQTT @ 1.6.0
-    azure/AzureIoTProtocol_HTTP @ 1.6.0
-    azure/AzureIoTSocket_WiFi @ 1.0.2
-    ```
-
-    `Seeed Arduino RTC` 函式庫提供與 Wio Terminal 的實時時鐘互動的程式碼，用於追蹤時間。其餘的函式庫則允許您的 IoT 裝置連接到 IoT Hub。
-
-1. 在 `platformio.ini` 檔案的底部添加以下內容：
-
-    ```ini
-    build_flags =
-        -DDONT_USE_UPLOADTOBLOB
-    ```
-
-    這會設置一個編譯器標誌，在編譯 Arduino IoT Hub 程式碼時需要用到。
-
-1. 打開 `config.h` 標頭檔案。移除所有 MQTT 設定，並添加以下裝置連接字串的常數：
-
-    ```cpp
-    // IoT Hub settings
-    const char *CONNECTION_STRING = "<connection string>";
-    ```
-
-    將 `<connection string>` 替換為您之前複製的裝置連接字串。
-
-1. 連接到 IoT Hub 使用的是基於時間的權杖。這意味著 IoT 裝置需要知道當前時間。與 Windows、macOS 或 Linux 等操作系統不同，微控制器不會自動通過網際網路同步當前時間。因此，您需要添加程式碼從 [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) 伺服器獲取當前時間。一旦獲取時間，它可以存儲在 Wio Terminal 的實時時鐘中，允許在稍後請求正確時間，前提是裝置未斷電。新增一個名為 `ntp.h` 的檔案，並添加以下程式碼：
-
-    ```cpp
-    #pragma once
-    
-    #include "DateTime.h"
-    #include <time.h>
-    #include "samd/NTPClientAz.h"
-    #include <sys/time.h>
-
-    static void initTime()
-    {
-        WiFiUDP _udp;
-        time_t epochTime = (time_t)-1;
-        NTPClientAz ntpClient;
-
-        ntpClient.begin();
-
-        while (true)
-        {
-            epochTime = ntpClient.getEpochTime("0.pool.ntp.org");
-
-            if (epochTime == (time_t)-1)
-            {
-                Serial.println("Fetching NTP epoch time failed! Waiting 2 seconds to retry.");
-                delay(2000);
-            }
-            else
-            {
-                Serial.print("Fetched NTP epoch time is: ");
-
-                char buff[32];
-                sprintf(buff, "%.f", difftime(epochTime, (time_t)0));
-                Serial.println(buff);
-                break;
-            }
-        }
-
-        ntpClient.end();
-
-        struct timeval tv;
-        tv.tv_sec = epochTime;
-        tv.tv_usec = 0;
-
-        settimeofday(&tv, NULL);
-    }
-    ```
-
-    這段程式碼的細節超出了本課程的範圍。它定義了一個名為 `initTime` 的函數，用於從 NTP 伺服器獲取當前時間，並用它來設置 Wio Terminal 的時鐘。
-
-1. 打開 `main.cpp` 檔案，移除所有 MQTT 程式碼，包括 `PubSubClient.h` 標頭檔案、`PubSubClient` 變數的宣告、`reconnectMQTTClient` 和 `createMQTTClient` 方法，以及對這些變數和方法的任何調用。該檔案應僅包含連接 WiFi、獲取土壤濕度並用其創建 JSON 文件的程式碼。
-
-1. 在 `main.cpp` 檔案的頂部添加以下 `#include` 指令，以包含 IoT Hub 函式庫和設置時間的標頭檔案：
-
-    ```cpp
-    #include <AzureIoTHub.h>
-    #include <AzureIoTProtocol_MQTT.h>
-    #include <iothubtransportmqtt.h>
-    #include "ntp.h"
-    ```
-
-1. 在 `setup` 函數的末尾添加以下調用來設置當前時間：
-
-    ```cpp
-    initTime();
-    ```
-
-1. 在檔案頂部的 include 指令下方添加以下變數宣告：
-
-    ```cpp
-    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
-    ```
-
-    這宣告了一個 `IOTHUB_DEVICE_CLIENT_LL_HANDLE`，即 IoT Hub 連接的句柄。
-
-1. 在這之下添加以下程式碼：
-
-    ```cpp
-    static void connectionStatusCallback(IOTHUB_CLIENT_CONNECTION_STATUS result, IOTHUB_CLIENT_CONNECTION_STATUS_REASON reason, void *user_context)
-    {
-        if (result == IOTHUB_CLIENT_CONNECTION_AUTHENTICATED)
-        {
-            Serial.println("The device client is connected to iothub");
-        }
-        else
-        {
-            Serial.println("The device client has been disconnected");
-        }
-    }
-    ```
-
-    這定義了一個回調函數，當連接到 IoT Hub 的狀態發生變化（例如連接或斷開）時會被調用。狀態會被發送到序列埠。
-
-1. 在這之下添加一個函數來連接到 IoT Hub：
-
-    ```cpp
-    void connectIoTHub()
-    {
-        IoTHub_Init();
-    
-        _device_ll_handle = IoTHubDeviceClient_LL_CreateFromConnectionString(CONNECTION_STRING, MQTT_Protocol);
-        
-        if (_device_ll_handle == NULL)
-        {
-            Serial.println("Failure creating Iothub device. Hint: Check your connection string.");
-            return;
-        }
-    
-        IoTHubDeviceClient_LL_SetConnectionStatusCallback(_device_ll_handle, connectionStatusCallback, NULL);
-    }
-    ```
-
-    這段程式碼初始化 IoT Hub 函式庫程式碼，然後使用 `config.h` 標頭檔案中的連接字串創建連接。該連接基於 MQTT。如果連接失敗，錯誤會被發送到序列埠——如果您在輸出中看到這個錯誤，請檢查連接字串。最後，設置連接狀態回調。
-
-1. 在 `setup` 函數中，將此函數調用添加到 `initTime` 調用的下方：
-
-    ```cpp
-    connectIoTHub();
-    ```
-
-1. 與 MQTT 客戶端一樣，這段程式碼在單一執行緒上運行，因此需要時間來處理由 Hub 發送和接收的消息。在 `loop` 函數的頂部添加以下內容來實現：
-
-    ```cpp
-    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
-    ```
-
-1. 編譯並上傳這段程式碼。您會在序列監視器中看到連接：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Fetched NTP epoch time is: 1619983687
-    Sending telemetry {"soil_moisture":391}
-    The device client is connected to iothub
-    ```
-
-    在輸出中，您可以看到 NTP 時間被獲取，隨後裝置客戶端連接。連接可能需要幾秒鐘，因此在裝置連接時，您可能會在輸出中看到土壤濕度。
-
-    > 💁 您可以使用像 [unixtimestamp.com](https://www.unixtimestamp.com) 這樣的網站將 UNIX 時間轉換為更易讀的格式。
-
-## 傳送遙測數據
-
-現在您的裝置已連接，您可以將遙測數據發送到 IoT Hub，而不是 MQTT broker。
-
-### 任務 - 傳送遙測數據
-
-1. 在 `setup` 函數上方添加以下函數：
-
-    ```cpp
-    void sendTelemetry(const char *telemetry)
-    {
-        IOTHUB_MESSAGE_HANDLE message_handle = IoTHubMessage_CreateFromString(telemetry);
-        IoTHubDeviceClient_LL_SendEventAsync(_device_ll_handle, message_handle, NULL, NULL);
-        IoTHubMessage_Destroy(message_handle);
-    }
-    ```
-
-    這段程式碼從作為參數傳遞的字串創建一個 IoT Hub 消息，將其發送到 Hub，然後清理消息物件。
-
-1. 在 `loop` 函數中，在將遙測數據發送到序列埠的那一行之後調用這段程式碼：
-
-    ```cpp
-    sendTelemetry(telemetry.c_str());
-    ```
-
-## 處理指令
-
-您的裝置需要處理來自伺服器程式碼的指令，以控制繼電器。這是作為直接方法請求發送的。
-
-## 任務 - 處理直接方法請求
-
-1. 在 `connectIoTHub` 函數之前添加以下程式碼：
-
-    ```cpp
-    int directMethodCallback(const char *method_name, const unsigned char *payload, size_t size, unsigned char **response, size_t *response_size, void *userContextCallback)
-    {
-        Serial.printf("Direct method received %s\r\n", method_name);
-    
-        if (strcmp(method_name, "relay_on") == 0)
-        {
-            digitalWrite(PIN_WIRE_SCL, HIGH);
-        }
-        else if (strcmp(method_name, "relay_off") == 0)
-        {
-            digitalWrite(PIN_WIRE_SCL, LOW);
-        }
-    }
-    ```
-
-    這段程式碼定義了一個回調方法，當 IoT Hub 函式庫收到直接方法請求時會調用。請求的方法名稱會通過 `method_name` 參數傳遞。該函數會將調用的方法名稱打印到序列埠，然後根據方法名稱打開或關閉繼電器。
-
-    > 💁 這也可以通過單一的直接方法請求來實現，將繼電器的期望狀態作為有效負載傳遞，該有效負載可以通過 `payload` 參數獲取。
-
-1. 在 `directMethodCallback` 函數的末尾添加以下程式碼：
-
-    ```cpp
-    char resultBuff[16];
-    sprintf(resultBuff, "{\"Result\":\"\"}");
-    *response_size = strlen(resultBuff);
-    *response = (unsigned char *)malloc(*response_size);
-    memcpy(*response, resultBuff, *response_size);
-
-    return IOTHUB_CLIENT_OK;
-    ```
-
-    直接方法請求需要一個回應，回應分為兩部分——作為文字的回應和返回碼。這段程式碼會創建以下 JSON 文件作為結果：
-
-    ```JSON
-    {
-        "Result": ""
-    }
-    ```
-
-    然後將其複製到 `response` 參數中，並在 `response_size` 參數中設置該回應的大小。最後，這段程式碼返回 `IOTHUB_CLIENT_OK`，表示方法已正確處理。
-
-1. 在 `connectIoTHub` 函數的末尾添加以下程式碼來連接回調：
-
-    ```cpp
-    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
-    ```
-
-1. `loop` 函數會調用 `IoTHubDeviceClient_LL_DoWork` 函數來處理 IoT Hub 發送的事件。由於 `delay` 的原因，這僅每 10 秒調用一次，這意味著直接方法僅每 10 秒處理一次。為了提高效率，可以將 10 秒的延遲分解為多個較短的延遲，每次調用 `IoTHubDeviceClient_LL_DoWork`。為此，在 `loop` 函數之前添加以下程式碼：
-
-    ```cpp
-    void work_delay(int delay_time)
-    {
-        int current = 0;
-        do
-        {
-            IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
-            delay(100);
-            current += 100;
-        } while (current < delay_time);
-    }
-    ```
-
-    這段程式碼會重複循環，調用 `IoTHubDeviceClient_LL_DoWork` 並每次延遲 100 毫秒。它會根據 `delay_time` 參數的值執行多次，這意味著裝置最多等待 100 毫秒來處理直接方法請求。
-
-1. 在 `loop` 函數中，移除對 `IoTHubDeviceClient_LL_DoWork` 的調用，並將 `delay(10000)` 替換為以下程式碼來調用新函數：
-
-    ```cpp
-    work_delay(10000);
-    ```
-
-> 💁 您可以在 [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 您的土壤濕度感測器程式已成功連接到 IoT Hub！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用本翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/tw/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
deleted file mode 100644
index ea02125b0..000000000
--- a/translations/tw/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
+++ /dev/null
@@ -1,652 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
-  "translation_date": "2025-08-24T22:21:15+00:00",
-  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
-  "language_code": "tw"
-}
--->
-# 將您的應用程式邏輯遷移到雲端
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-TW/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-本課程是 [IoT for Beginners Project 2 - Digital Agriculture 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。
-
-[![使用無伺服器代碼控制您的 IoT 設備](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
-
-## 簡介
-
-在上一課中，您學習了如何將植物土壤濕度監測和繼電器控制連接到基於雲端的 IoT 服務。下一步是將控制繼電器定時的伺服器代碼移至雲端。在本課中，您將學習如何使用無伺服器函數來完成此操作。
-
-本課將涵蓋以下內容：
-
-* [什麼是無伺服器？](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [建立無伺服器應用程式](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [建立 IoT Hub 事件觸發器](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [從無伺服器代碼發送直接方法請求](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-* [將您的無伺服器代碼部署到雲端](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
-
-## 什麼是無伺服器？
-
-無伺服器，或稱無伺服器計算，是指在雲端中創建小型代碼塊，這些代碼會根據不同類型的事件執行。當事件發生時，您的代碼會被執行，並接收有關該事件的數據。這些事件可以來自多種來源，包括網頁請求、放入佇列的消息、數據庫中數據的變更，或 IoT 設備發送到 IoT 服務的消息。
-
-![事件從 IoT 服務發送到無伺服器服務，所有事件同時由多個函數處理](../../../../../translated_images/zh-TW/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png)
-
-> 💁 如果您之前使用過數據庫觸發器，可以將其視為類似的概念，即代碼因事件（如插入一行）而觸發。
-
-![當多個事件同時發生時，無伺服器服務會擴展以同時處理所有事件](../../../../../translated_images/zh-TW/serverless-scaling.f8c769adf0413fd1.webp)
-
-您的代碼僅在事件發生時執行，其他時間不會保持活躍。事件發生時，您的代碼會被加載並執行。這使得無伺服器具有很高的可擴展性——如果同時發生多個事件，雲端提供商可以根據需要同時運行多個函數，分配到可用的伺服器上。其缺點是，如果需要在事件之間共享信息，則需要將其存儲在數據庫等地方，而不是內存中。
-
-您的代碼以函數的形式編寫，並將事件的詳細信息作為參數傳遞。您可以使用多種程式語言來編寫這些無伺服器函數。
-
-> 🎓 無伺服器也被稱為「函數即服務」（Functions as a Service，FaaS），因為每個事件觸發器都以代碼中的函數形式實現。
-
-儘管名稱是「無伺服器」，但實際上仍然使用伺服器。這個名稱的由來是因為作為開發者，您不需要關心運行代碼所需的伺服器，您只需關心代碼是否能根據事件執行。雲端提供商有一個無伺服器*運行時*，負責管理伺服器分配、網絡、存儲、CPU、內存以及運行代碼所需的一切。這種模式意味著您無法按伺服器付費，因為並沒有特定的伺服器。相反，您按代碼運行的時間和使用的內存量付費。
-
-> 💰 無伺服器是運行雲端代碼最便宜的方式之一。例如，在撰寫本文時，一家雲端提供商允許所有無伺服器函數每月執行總計 1,000,000 次，超過後每 1,000,000 次執行收費 0.20 美元。當您的代碼未運行時，您不需要支付任何費用。
-
-作為 IoT 開發者，無伺服器模型非常理想。您可以編寫一個函數，當任何連接到雲端 IoT 服務的 IoT 設備發送消息時，該函數會被調用。您的代碼將處理所有發送的消息，但僅在需要時運行。
-
-✅ 回顧您之前編寫的伺服器代碼，該代碼通過 MQTT 接收消息。這段代碼如何在雲端使用無伺服器運行？您認為需要如何修改代碼以支持無伺服器計算？
-
-> 💁 無伺服器模型正在擴展到其他雲端服務，不僅僅是運行代碼。例如，雲端中有無伺服器數據庫，使用無伺服器定價模型，按對數據庫的請求次數（如查詢或插入）付費，通常基於完成請求所需的工作量定價。例如，根據主鍵選擇一行的操作成本低於執行多表聯接並返回數千行的複雜操作。
-
-## 建立無伺服器應用程式
-
-Microsoft 的無伺服器計算服務稱為 Azure Functions。
-
-![Azure Functions 標誌](../../../../../translated_images/zh-TW/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png)
-
-以下短片概述了 Azure Functions：
-
-[![Azure Functions 概述影片](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
-
-> 🎥 點擊上方圖片觀看影片
-
-✅ 花點時間研究並閱讀 [Microsoft Azure Functions 文件](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn)中的 Azure Functions 概述。
-
-要編寫 Azure Functions，您需要選擇一種程式語言來創建 Azure Functions 應用程式。Azure Functions 原生支持 Python、JavaScript、TypeScript、C#、F#、Java 和 Powershell。在本課中，您將學習如何使用 Python 編寫 Azure Functions 應用程式。
-
-> 💁 Azure Functions 還支持自定義處理器，因此您可以使用任何支持 HTTP 請求的語言編寫函數，包括像 COBOL 這樣的舊語言。
-
-Functions 應用程式由一個或多個*觸發器*組成——這些觸發器是響應事件的函數。您可以在一個 Functions 應用程式中包含多個觸發器，這些觸發器共享通用的配置。例如，您的 Functions 應用程式的配置文件中可以包含 IoT Hub 的連接詳細信息，應用程式中的所有函數都可以使用這些詳細信息來連接並監聽事件。
-
-### 任務 - 安裝 Azure Functions 工具
-
-> 在撰寫本文時，Azure Functions 的代碼工具在 Apple Silicon 上對 Python 專案的支持尚不完全。您需要使用基於 Intel 的 Mac、Windows PC 或 Linux PC。
-
-Azure Functions 的一大特點是您可以在本地運行它們。與雲端中使用的運行時相同的運行時可以在您的電腦上運行，允許您編寫響應 IoT 消息的代碼並在本地運行。您甚至可以在處理事件時調試代碼。一旦您對代碼感到滿意，就可以將其部署到雲端。
-
-Azure Functions 工具以 CLI 的形式提供，稱為 Azure Functions Core Tools。
-
-1. 按照 [Azure Functions Core Tools 文件](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn)中的說明安裝 Azure Functions Core Tools。
-
-1. 安裝 VS Code 的 Azure Functions 擴展。此擴展提供創建、調試和部署 Azure Functions 的支持。請參考 [Azure Functions 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions)了解如何在 VS Code 中安裝此擴展。
-
-當您將 Azure Functions 應用程式部署到雲端時，它需要使用少量雲端存儲來存儲應用程式文件和日誌文件等內容。當您在本地運行 Functions 應用程式時，仍然需要連接到雲端存儲，但可以使用名為 [Azurite](https://github.com/Azure/Azurite) 的存儲模擬器代替實際的雲端存儲。這個模擬器在本地運行，但表現得像雲端存儲。
-
-> 🎓 在 Azure 中，Azure Functions 使用的存儲是一個 Azure Storage 帳戶。這些帳戶可以存儲文件、Blob、表中的數據或佇列中的數據。您可以在多個應用程式之間共享一個存儲帳戶，例如 Functions 應用程式和 Web 應用程式。
-
-1. Azurite 是一個 Node.js 應用程式，因此您需要安裝 Node.js。您可以在 [Node.js 官網](https://nodejs.org/)上找到下載和安裝說明。如果您使用的是 Mac，也可以從 [Homebrew](https://formulae.brew.sh/formula/node) 安裝。
-
-1. 使用以下命令安裝 Azurite（`npm` 是安裝 Node.js 時附帶的工具）：
-
-    ```sh
-    npm install -g azurite
-    ```
-
-1. 創建一個名為 `azurite` 的資料夾，供 Azurite 用於存儲數據：
-
-    ```sh
-    mkdir azurite
-    ```
-
-1. 運行 Azurite，並將新建的資料夾作為參數傳遞：
-
-    ```sh
-    azurite --location azurite
-    ```
-
-    Azurite 存儲模擬器將啟動，並準備好供本地 Functions 運行時連接。
-
-    ```output
-    ➜  ~ azurite --location azurite  
-    Azurite Blob service is starting at http://127.0.0.1:10000
-    Azurite Blob service is successfully listening at http://127.0.0.1:10000
-    Azurite Queue service is starting at http://127.0.0.1:10001
-    Azurite Queue service is successfully listening at http://127.0.0.1:10001
-    Azurite Table service is starting at http://127.0.0.1:10002
-    Azurite Table service is successfully listening at http://127.0.0.1:10002
-    ```
-
-### 任務 - 創建 Azure Functions 專案
-
-Azure Functions CLI 可用於創建新的 Functions 應用程式。
-
-1. 為您的 Functions 應用程式創建一個資料夾並進入該資料夾。將其命名為 `soil-moisture-trigger`：
-
-    ```sh
-    mkdir soil-moisture-trigger
-    cd soil-moisture-trigger
-    ```
-
-1. 在此資料夾中創建一個 Python 虛擬環境：
-
-    ```sh
-    python3 -m venv .venv
-    ```
-
-1. 啟用虛擬環境：
-
-    * 在 Windows 上：
-        * 如果您使用的是命令提示符或 Windows Terminal 中的命令提示符，運行：
-
-            ```cmd
-            .venv\Scripts\activate.bat
-            ```
-
-        * 如果您使用的是 PowerShell，運行：
-
-            ```powershell
-            .\.venv\Scripts\Activate.ps1
-            ```
-
-    * 在 macOS 或 Linux 上，運行：
-
-        ```cmd
-        source ./.venv/bin/activate
-        ```
-
-    > 💁 這些命令應在您創建虛擬環境的同一位置運行。您永遠不需要進入 `.venv` 資料夾，應始終從創建虛擬環境的資料夾運行啟用命令以及任何安裝套件或運行代碼的命令。
-
-1. 運行以下命令，在此資料夾中創建一個 Functions 應用程式：
-
-    ```sh
-    func init --worker-runtime python soil-moisture-trigger
-    ```
-
-    這將在當前資料夾中創建三個文件：
-
-    * `host.json` - 此 JSON 文件包含您的 Functions 應用程式的設置。您無需修改這些設置。
-    * `local.settings.json` - 此 JSON 文件包含應用程式在本地運行時使用的設置，例如 IoT Hub 的連接字串。這些設置僅限本地使用，不應添加到源代碼控制中。當您將應用程式部署到雲端時，這些設置不會被部署，而是從應用程式設置中加載。稍後在本課中將介紹這一點。
-    * `requirements.txt` - 這是一個 [Pip requirements 文件](https://pip.pypa.io/en/stable/user_guide/#requirements-files)，其中包含運行 Functions 應用程式所需的 Pip 套件。
-
-1. `local.settings.json` 文件中有一個設置，用於指定 Functions 應用程式將使用的存儲帳戶。默認情況下，該設置為空，因此需要設置。要連接到 Azurite 本地存儲模擬器，將該值設置為以下內容：
-
-    ```json
-    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
-    ```
-
-1. 使用 requirements 文件安裝必要的 Pip 套件：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-    > 💁 必需的 Pip 套件需要在此文件中，這樣當 Functions 應用程式部署到雲端時，運行時可以確保安裝正確的套件。
-
-1. 為測試一切是否正常運行，您可以啟動 Functions 運行時。運行以下命令啟動：
-
-    ```sh
-    func start
-    ```
-
-    您將看到運行時啟動並報告未找到任何作業函數（觸發器）。
-
-    ```output
-    (.venv) ➜  soil-moisture-trigger func start
-    Found Python version 3.9.1 (python3).
-    
-    Azure Functions Core Tools
-    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
-    Function Runtime Version: 3.0.15417.0
-    
-    [2021-05-05T01:24:46.795Z] No job functions found.
-    ```
-> ⚠️ 如果您收到防火牆通知，請授予訪問權限，因為 `func` 應用程式需要能夠讀取和寫入您的網路。
-> ⚠️ 如果您使用 macOS，輸出中可能會出現警告：
->
-> ```output
-    > (.venv) ➜  soil-moisture-trigger func start
-    > Found Python version 3.9.1 (python3).
-    >
-    > Azure Functions Core Tools
-    > Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
-    > Function Runtime Version: 3.0.15417.0
-    >
-    > [2021-06-16T08:18:28.315Z] Cannot create directory for shared memory usage: /dev/shm/AzureFunctions
-    > [2021-06-16T08:18:28.316Z] System.IO.FileSystem: Access to the path '/dev/shm/AzureFunctions' is denied. Operation not permitted.
-    > [2021-06-16T08:18:30.361Z] No job functions found.
-    > ```
->
-> 只要 Functions 應用程式能正確啟動並列出正在執行的函數，您可以忽略這些警告。如 [Microsoft Docs Q&A 上的這個問題](https://docs.microsoft.com/answers/questions/396617/azure-functions-core-tools-error-osx-devshmazurefu.html?WT.mc_id=academic-17441-jabenn) 所述，這些警告可以忽略。
-
-1. 按下 `ctrl+c` 停止 Functions 應用程式。
-
-1. 在 VS Code 中打開當前資料夾，可以直接打開 VS Code 並選擇此資料夾，或者執行以下命令：
-
-    ```sh
-    code .
-    ```
-
-    VS Code 會檢測到您的 Functions 專案，並顯示以下通知：
-
-    ```output
-    Detected an Azure Functions Project in folder "soil-moisture-trigger" that may have been created outside of
-    VS Code. Initialize for optimal use with VS Code?
-    ```
-
-    ![通知](../../../../../translated_images/zh-TW/vscode-azure-functions-init-notification.bd19b49229963edb.webp)
-
-    從通知中選擇 **Yes**。
-
-1. 確保 Python 虛擬環境在 VS Code 的終端中正在運行。如有必要，終止並重新啟動。
-
-## 建立 IoT Hub 事件觸發器
-
-Functions 應用程式是無伺服器代碼的外殼。為了響應 IoT Hub 的事件，您可以向此應用程式添加 IoT Hub 觸發器。此觸發器需要連接到 IoT Hub 發送的消息流並對其進行響應。要獲取此消息流，您的觸發器需要連接到 IoT Hub 的 *事件中心兼容端點*。
-
-IoT Hub 是基於另一個 Azure 服務 Azure Event Hubs 的。Event Hubs 是一項允許發送和接收消息的服務，而 IoT Hub 擴展了此功能以支持 IoT 設備。連接到 IoT Hub 以讀取消息的方式與使用 Event Hubs 的方式相同。
-
-✅ 做一些研究：閱讀 [Azure Event Hubs 文件](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn) 中的概述。基本功能與 IoT Hub 有何不同？
-
-IoT 設備要連接到 IoT Hub，必須使用一個密鑰來確保只有授權的設備可以連接。同樣，當連接以讀取消息時，您的代碼需要一個包含密鑰的連接字串以及 IoT Hub 的詳細信息。
-
-> 💁 預設的連接字串具有 **iothubowner** 權限，這使得使用它的任何代碼都擁有 IoT Hub 的完全權限。理想情況下，您應該使用最低必要權限進行連接。這將在下一課中介紹。
-
-一旦觸發器連接成功，函數中的代碼將會對 IoT Hub 發送的每條消息進行響應，無論是哪個設備發送的。觸發器會將消息作為參數傳遞。
-
-### 任務 - 獲取事件中心兼容端點的連接字串
-
-1. 從 VS Code 的終端執行以下命令以獲取 IoT Hub 事件中心兼容端點的連接字串：
-
-    ```sh
-    az iot hub connection-string show --default-eventhub \
-                                      --output table \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-1. 在 VS Code 中打開 `local.settings.json` 文件。在 `Values` 部分中添加以下值：
-
-    ```json
-    "IOT_HUB_CONNECTION_STRING": "<connection string>"
-    ```
-
-    將 `<connection string>` 替換為上一步中的值。您需要在上一行後添加逗號以使其成為有效的 JSON。
-
-### 任務 - 創建事件觸發器
-
-現在您可以創建事件觸發器了。
-
-1. 從 VS Code 的終端，在 `soil-moisture-trigger` 資料夾中執行以下命令：
-
-    ```sh
-    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
-    ```
-
-    這將創建一個名為 `iot-hub-trigger` 的新函數。此觸發器將連接到 IoT Hub 的事件中心兼容端點，因此您可以使用事件中心觸發器。沒有特定的 IoT Hub 觸發器。
-
-這將在 `soil-moisture-trigger` 資料夾中創建一個名為 `iot-hub-trigger` 的資料夾，其中包含此函數。此資料夾內包含以下文件：
-
-* `__init__.py` - 這是包含觸發器的 Python 代碼文件，使用標準的 Python 文件命名規則將此資料夾轉換為 Python 模組。
-
-    此文件包含以下代碼：
-
-    ```python
-    import logging
-
-    import azure.functions as func
-
-
-    def main(event: func.EventHubEvent):
-        logging.info('Python EventHub trigger processed an event: %s',
-                    event.get_body().decode('utf-8'))
-    ```
-
-    觸發器的核心是 `main` 函數。每當 IoT Hub 發送消息時，此函數都會被調用，並將消息作為 `event` 參數傳遞。此函數的核心是記錄事件。
-
-* `function.json` - 此文件包含觸發器的配置。主要配置位於名為 `bindings` 的部分中。綁定是 Azure Functions 與其他 Azure 服務之間的連接術語。此函數有一個輸入綁定到事件中心 - 它連接到事件中心並接收數據。
-
-    > 💁 您也可以有輸出綁定，將函數的輸出發送到其他服務。例如，您可以添加一個輸出綁定到數據庫，並將 IoT Hub 的事件從函數返回，這樣它會自動插入到數據庫中。
-
-    ✅ 做一些研究：閱讀 [Azure Functions 觸發器和綁定概念文件](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python) 中的綁定相關內容。
-
-    `bindings` 部分包含綁定的配置。以下值值得注意：
-
-  * `"type": "eventHubTrigger"` - 指定函數需要監聽來自事件中心的事件
-  * `"name": "events"` - 事件中心事件的參數名稱。這與 Python 代碼中 `main` 函數的參數名稱匹配。
-  * `"direction": "in"` - 這是一個輸入綁定，事件中心的數據進入函數
-  * `"connection": ""` - 定義要從設置中讀取連接字串的名稱。當本地運行時，將從 `local.settings.json` 文件中讀取此設置。
-
-    > 💁 連接字串不能存儲在 `function.json` 文件中，必須從設置中讀取。這是為了防止意外暴露您的連接字串。
-
-1. 由於 [Azure Functions 模板中的一個錯誤](https://github.com/Azure/azure-functions-templates/issues/1250)，`function.json` 文件中的 `cardinality` 字段值不正確。將此字段的值從 `many` 更新為 `one`：
-
-    ```json
-    "cardinality": "one",
-    ```
-
-1. 更新 `function.json` 文件中 `"connection"` 的值，使其指向您在 `local.settings.json` 文件中添加的新值：
-
-    ```json
-    "connection": "IOT_HUB_CONNECTION_STRING",
-    ```
-
-    > 💁 請記住 - 這需要指向設置，而不是包含實際的連接字串。
-
-1. 連接字串包含 `eventHubName` 值，因此 `function.json` 文件中的此值需要清空。將此值更新為空字串：
-
-    ```json
-    "eventHubName": "",
-    ```
-
-### 任務 - 運行事件觸發器
-
-1. 確保您未運行 IoT Hub 事件監視器。如果此監視器與 Functions 應用程式同時運行，Functions 應用程式將無法連接並消耗事件。
-
-    > 💁 多個應用程式可以使用不同的 *消費者組* 連接到 IoT Hub 的端點。這些內容將在後續課程中介紹。
-
-1. 要運行 Functions 應用程式，請從 VS Code 的終端執行以下命令：
-
-    ```sh
-    func start
-    ```
-
-    Functions 應用程式將啟動，並發現 `iot-hub-trigger` 函數。它將處理過去一天內已發送到 IoT Hub 的所有事件。
-
-    ```output
-    (.venv) ➜  soil-moisture-trigger func start
-    Found Python version 3.9.1 (python3).
-    
-    Azure Functions Core Tools
-    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
-    Function Runtime Version: 3.0.15417.0
-    
-    Functions:
-    
-            iot-hub-trigger: eventHubTrigger
-    
-    For detailed output, run func with --verbose flag.
-    [2021-05-05T02:44:07.517Z] Worker process started and initialized.
-    [2021-05-05T02:44:09.202Z] Executing 'Functions.iot-hub-trigger' (Reason='(null)', Id=802803a5-eae9-4401-a1f4-176631456ce4)
-    [2021-05-05T02:44:09.205Z] Trigger Details: PartitionId: 0, Offset: 1011240-1011632, EnqueueTimeUtc: 2021-05-04T19:04:04.2030000Z-2021-05-04T19:04:04.3900000Z, SequenceNumber: 2546-2547, Count: 2
-    [2021-05-05T02:44:09.352Z] Python EventHub trigger processed an event: {"soil_moisture":628}
-    [2021-05-05T02:44:09.354Z] Python EventHub trigger processed an event: {"soil_moisture":624}
-    [2021-05-05T02:44:09.395Z] Executed 'Functions.iot-hub-trigger' (Succeeded, Id=802803a5-eae9-4401-a1f4-176631456ce4, Duration=245ms)
-    ```
-
-    每次函數調用的輸出都會被 `Executing 'Functions.iot-hub-trigger'` 和 `Executed 'Functions.iot-hub-trigger'` 塊包圍，您可以看到每次函數調用處理了多少消息。
-
-1. 確保您的 IoT 設備正在運行，您將在 Functions 應用程式中看到新的土壤濕度消息。
-
-1. 停止並重新啟動 Functions 應用程式。您會看到它不會再次處理之前的消息，只會處理新的消息。
-
-> 💁 VS Code 也支持調試您的 Functions。您可以通過點擊代碼行開頭的邊框設置斷點，或者將光標放在代碼行上並選擇 *Run -> Toggle breakpoint*，或者按下 `F9`。您可以通過選擇 *Run -> Start debugging*，按下 `F5`，或者選擇 *Run and debug* 面板並點擊 **Start debugging** 按鈕啟動調試器。通過這樣做，您可以查看正在處理的事件的詳細信息。
-
-#### 疑難排解
-
-* 如果您收到以下錯誤：
-
-    ```output
-    The listener for function 'Functions.iot-hub-trigger' was unable to start. Microsoft.WindowsAzure.Storage: Connection refused. System.Net.Http: Connection refused. System.Private.CoreLib: Connection refused.
-    ```
-
-    檢查 Azurite 是否正在運行，並且您已在 `local.settings.json` 文件中將 `AzureWebJobsStorage` 設置為 `UseDevelopmentStorage=true`。
-
-* 如果您收到以下錯誤：
-
-    ```output
-    System.Private.CoreLib: Exception while executing function: Functions.iot-hub-trigger. System.Private.CoreLib: Result: Failure Exception: AttributeError: 'list' object has no attribute 'get_body'
-    ```
-
-    檢查您是否已將 `function.json` 文件中的 `cardinality` 設置為 `one`。
-
-* 如果您收到以下錯誤：
-
-    ```output
-    Azure.Messaging.EventHubs: The path to an Event Hub may be specified as part of the connection string or as a separate value, but not both.  Please verify that your connection string does not have the `EntityPath` token if you are passing an explicit Event Hub name. (Parameter 'connectionString').
-    ```
-
-    檢查您是否已將 `function.json` 文件中的 `eventHubName` 設置為空字串。
-
-## 從無伺服器代碼發送直接方法請求
-
-到目前為止，您的 Functions 應用程式正在使用事件中心兼容端點監聽來自 IoT Hub 的消息。現在您需要向 IoT 設備發送命令。這是通過使用 *Registry Manager* 連接到 IoT Hub 來完成的。Registry Manager 是一個工具，允許您查看註冊到 IoT Hub 的設備，並通過發送雲到設備消息、直接方法請求或更新設備雙向數據進行通信。您還可以使用它來註冊、更新或刪除 IoT Hub 中的設備。
-
-要連接到 Registry Manager，您需要一個連接字串。
-
-### 任務 - 獲取 Registry Manager 連接字串
-
-1. 要獲取連接字串，請執行以下命令：
-
-    ```sh
-    az iot hub connection-string show --policy-name service \
-                                      --output table \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-    連接字串是為 *ServiceConnect* 策略請求的，使用 `--policy-name service` 參數。當您請求連接字串時，可以指定此連接字串允許的權限。ServiceConnect 策略允許您的代碼連接並向 IoT 設備發送消息。
-
-    ✅ 做一些研究：閱讀 [IoT Hub 權限文件](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn) 中的不同策略。
-
-1. 在 VS Code 中打開 `local.settings.json` 文件。在 `Values` 部分中添加以下值：
-
-    ```json
-    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
-    ```
-
-    將 `<connection string>` 替換為上一步中的值。您需要在上一行後添加逗號以使其成為有效的 JSON。
-
-### 任務 - 向設備發送直接方法請求
-
-1. Registry Manager 的 SDK 可通過 Pip 套件獲得。向 `requirements.txt` 文件添加以下行以添加此套件的依賴：
-
-    ```sh
-    azure-iot-hub
-    ```
-
-1. 確保 VS Code 終端已激活虛擬環境，並執行以下命令以安裝 Pip 套件：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-1. 向 `__init__.py` 文件添加以下導入：
-
-    ```python
-    import json
-    import os
-    from azure.iot.hub import IoTHubRegistryManager
-    from azure.iot.hub.models import CloudToDeviceMethod
-    ```
-
-    這些導入包括一些系統庫，以及與 Registry Manager 交互並發送直接方法請求的庫。
-
-1. 移除 `main` 方法中的代碼，但保留方法本身。
-
-1. 在 `main` 方法中添加以下代碼：
-
-    ```python
-    body = json.loads(event.get_body().decode('utf-8'))
-    device_id = event.iothub_metadata['connection-device-id']
-
-    logging.info(f'Received message: {body} from {device_id}')
-    ```
-
-    此代碼提取事件的主體，其中包含 IoT 設備發送的 JSON 消息。
-
-    然後從消息的註解中獲取設備 ID。事件的主體包含作為遙測發送的消息，`iothub_metadata` 字典包含 IoT Hub 設置的屬性，例如發送者的設備 ID 和消息發送的時間。
-
-    此信息隨後被記錄。當您在本地運行 Functions 應用程式時，您將在終端中看到此記錄。
-
-1. 在此代碼下方添加以下代碼：
-
-    ```python
-    soil_moisture = body['soil_moisture']
-
-    if soil_moisture > 450:
-        direct_method = CloudToDeviceMethod(method_name='relay_on', payload='{}')
-    else:
-        direct_method = CloudToDeviceMethod(method_name='relay_off', payload='{}')
-    ```
-
-    此代碼從消息中獲取土壤濕度。然後檢查土壤濕度，根據值創建一個幫助類，用於 `relay_on` 或 `relay_off` 直接方法。方法請求不需要有效負載，因此發送一個空的 JSON 文檔。
-
-1. 在此代碼下方添加以下代碼：
-
-    ```python
-    logging.info(f'Sending direct method request for {direct_method.method_name} for device {device_id}')
-
-    registry_manager_connection_string = os.environ['REGISTRY_MANAGER_CONNECTION_STRING']
-    registry_manager = IoTHubRegistryManager(registry_manager_connection_string)
-    ```
-此程式碼從 `local.settings.json` 檔案中載入 `REGISTRY_MANAGER_CONNECTION_STRING`。此檔案中的值會作為環境變數提供，並可透過 `os.environ` 函數讀取，該函數會返回所有環境變數的字典。
-
-> 💁 當此程式碼部署到雲端時，`local.settings.json` 檔案中的值將被設置為 *應用程式設定*，並可從環境變數中讀取。
-
-接著，程式碼使用連接字串建立 Registry Manager 輔助類別的實例。
-
-1. 在下方新增以下程式碼：
-
-    ```python
-    registry_manager.invoke_device_method(device_id, direct_method)
-
-    logging.info('Direct method request sent!')
-    ```
-
-    此程式碼指示 Registry Manager 將直接方法請求發送至傳送遙測資料的裝置。
-
-    > 💁 在之前課程中使用 MQTT 建立的應用程式版本中，繼電器控制指令會發送至所有裝置。程式碼假設您只有一個裝置。此版本的程式碼僅向單一裝置發送方法請求，因此即使您有多個濕度感測器和繼電器的設置，也能向正確的裝置發送正確的直接方法請求。
-
-1. 執行 Functions 應用程式，並確保您的 IoT 裝置正在傳送資料。您將看到訊息被處理以及直接方法請求被發送。將土壤濕度感測器移入和移出土壤，觀察值的變化以及繼電器的開啟和關閉。
-
-> 💁 您可以在 [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions) 資料夾中找到此程式碼。
-
-## 將無伺服器程式碼部署到雲端
-
-您的程式碼現在已在本地運行，下一步是將 Functions 應用程式部署到雲端。
-
-### 任務 - 建立雲端資源
-
-您的 Functions 應用程式需要部署到 Azure 中的 Functions App 資源，該資源位於您為 IoT Hub 建立的資源群組內。您還需要在 Azure 中建立一個儲存帳戶，以取代您本地運行的模擬儲存。
-
-1. 執行以下指令以建立儲存帳戶：
-
-    ```sh
-    az storage account create --resource-group soil-moisture-sensor \
-                              --sku Standard_LRS \
-                              --name <storage_name> 
-    ```
-
-    將 `<storage_name>` 替換為您的儲存帳戶名稱。此名稱必須是全球唯一的，因為它是用於存取儲存帳戶的 URL 的一部分。此名稱只能使用小寫字母和數字，不能包含其他字元，且限制為 24 個字元。可以使用類似 `sms` 的名稱，並在末尾添加唯一識別碼，例如隨機字詞或您的名字。
-
-    `--sku Standard_LRS` 選擇定價層，選擇最低成本的一般用途帳戶。儲存帳戶沒有免費層，您需支付使用費用。成本相對較低，最昂貴的儲存每月每 GB 不超過 0.05 美元。
-
-    ✅ 在 [Azure 儲存帳戶定價頁面](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn) 上了解定價。
-
-1. 執行以下指令以建立 Functions App：
-
-    ```sh
-    az functionapp create --resource-group soil-moisture-sensor \
-                          --runtime python \
-                          --functions-version 3 \
-                          --os-type Linux \
-                          --consumption-plan-location <location> \
-                          --storage-account <storage_name> \
-                          --name <functions_app_name>
-    ```
-
-    將 `<location>` 替換為您在上一課程中建立資源群組時使用的位置。
-
-    將 `<storage_name>` 替換為您在上一步中建立的儲存帳戶名稱。
-
-    將 `<functions_app_name>` 替換為您的 Functions App 的唯一名稱。此名稱必須是全球唯一的，因為它是用於存取 Functions App 的 URL 的一部分。可以使用類似 `soil-moisture-sensor-` 的名稱，並在末尾添加唯一識別碼，例如隨機字詞或您的名字。
-
-    `--functions-version 3` 選項設置 Azure Functions 的版本。版本 3 是最新版本。
-
-    `--os-type Linux` 指示 Functions 執行環境使用 Linux 作為操作系統來托管這些函數。函數可以托管在 Linux 或 Windows 上，具體取決於使用的程式語言。Python 應用程式僅支援 Linux。
-
-### 任務 - 上傳您的應用程式設定
-
-在開發 Functions App 時，您將一些設定存儲在 `local.settings.json` 檔案中，用於 IoT Hub 的連接字串。這些設定需要寫入 Azure 中的 Functions App 的應用程式設定，以便您的程式碼使用。
-
-> 🎓 `local.settings.json` 檔案僅用於本地開發設定，不應提交到版本控制系統（例如 GitHub）。部署到雲端時，應用程式設定會被使用。應用程式設定是託管在雲端的鍵值對，可以在程式碼中或執行環境中通過環境變數讀取。
-
-1. 執行以下指令以在 Functions App 的應用程式設定中設置 `IOT_HUB_CONNECTION_STRING`：
-
-    ```sh
-    az functionapp config appsettings set --resource-group soil-moisture-sensor \
-                                          --name <functions_app_name> \
-                                          --settings "IOT_HUB_CONNECTION_STRING=<connection string>"
-    ```
-
-    將 `<functions_app_name>` 替換為您為 Functions App 使用的名稱。
-
-    將 `<connection string>` 替換為 `local.settings.json` 檔案中的 `IOT_HUB_CONNECTION_STRING` 值。
-
-1. 重複上述步驟，但將 `REGISTRY_MANAGER_CONNECTION_STRING` 的值設置為 `local.settings.json` 檔案中的相應值。
-
-執行這些指令時，還會輸出 Functions App 的所有應用程式設定列表。您可以使用此列表檢查值是否正確設置。
-
-> 💁 您會看到已設置的 `AzureWebJobsStorage` 值。在您的 `local.settings.json` 檔案中，此值設置為使用本地儲存模擬器。當您建立 Functions App 時，您將儲存帳戶作為參數傳遞，此值會自動設置。
-
-### 任務 - 將 Functions App 部署到雲端
-
-現在 Functions App 已準備好，您的程式碼可以部署。
-
-1. 從 VS Code 的終端執行以下指令以發布 Functions App：
-
-    ```sh
-    func azure functionapp publish <functions_app_name>
-    ```
-
-    將 `<functions_app_name>` 替換為您為 Functions App 使用的名稱。
-
-程式碼將被打包並發送到 Functions App，然後進行部署並啟動。終端會輸出大量資訊，最後確認部署完成並列出已部署的函數。在此情況下，列表中僅包含觸發器。
-
-```output
-Deployment successful.
-Remote build succeeded!
-Syncing triggers...
-Functions in soil-moisture-sensor:
-    iot-hub-trigger - [eventHubTrigger]
-```
-
-確保您的 IoT 裝置正在運行。通過調整土壤濕度或將感測器移入和移出土壤來改變濕度水平。您將看到繼電器隨著土壤濕度的變化而開啟和關閉。
-
----
-
-## 🚀 挑戰
-
-在上一課程中，您透過在繼電器開啟時取消訂閱 MQTT 訊息，以及在繼電器關閉後短暫時間內取消訂閱，來管理繼電器的時間。此方法在此處無法使用——您無法取消訂閱 IoT Hub 觸發器。
-
-思考在 Functions App 中處理此問題的不同方法。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
-
-## 回顧與自學
-
-* 在 [維基百科的無伺服器計算頁面](https://wikipedia.org/wiki/Serverless_computing) 閱讀有關無伺服器計算的內容
-* 閱讀 Azure 上使用無伺服器的相關內容，包括更多範例：[Azure 部落格文章 - 為您的 IoT 需求選擇無伺服器](https://azure.microsoft.com/blog/go-serverless-for-your-iot-needs/?WT.mc_id=academic-17441-jabenn)
-* 在 [Azure Functions YouTube 頻道](https://www.youtube.com/c/AzureFunctions) 學習更多有關 Azure Functions 的知識
-
-## 作業
-
-[新增手動繼電器控制](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/tw/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
deleted file mode 100644
index e542041d2..000000000
--- a/translations/tw/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
+++ /dev/null
@@ -1,68 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
-  "translation_date": "2025-08-24T22:27:43+00:00",
-  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
-  "language_code": "tw"
-}
--->
-# 添加手動繼電器控制
-
-## 說明
-
-無伺服器代碼可以由多種方式觸發，包括 HTTP 請求。您可以使用 HTTP 觸發器為您的繼電器控制添加手動覆蓋功能，允許某人通過網頁請求開啟或關閉繼電器。
-
-在這項任務中，您需要為您的 Functions App 添加兩個 HTTP 觸發器來開啟和關閉繼電器，並重用您在本課中學到的知識來向設備發送命令。
-
-一些提示：
-
-* 您可以使用以下命令為現有的 Functions App 添加 HTTP 觸發器：
-
-    ```sh
-    func new --name <trigger name> --template "HTTP trigger"
-    ```
-
-    將 `<trigger name>` 替換為您的 HTTP 觸發器名稱。可以使用類似 `relay_on` 和 `relay_off` 的名稱。
-
-* HTTP 觸發器可以設置訪問控制。默認情況下，它們需要在 URL 中傳遞特定於函數的 API 金鑰才能運行。對於這項任務，您可以移除此限制，讓任何人都能運行該函數。為此，請更新 HTTP 觸發器的 `function.json` 文件中的 `authLevel` 設置為以下內容：
-
-    ```json
-    "authLevel": "anonymous"
-    ```
-
-    > 💁 您可以在 [Function access keys documentation](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys) 中閱讀更多關於此訪問控制的內容。
-
-* HTTP 觸發器默認支持 GET 和 POST 請求。這意味著您可以使用網頁瀏覽器調用它們——網頁瀏覽器會發送 GET 請求。
-
-    當您在本地運行 Functions App 時，您將看到觸發器的 URL：
-
-    ```output
-    Functions:
-
-        relay_off: [GET,POST] http://localhost:7071/api/relay_off
-
-        relay_on: [GET,POST] http://localhost:7071/api/relay_on
-
-        iot-hub-trigger: eventHubTrigger
-    ```
-
-    將 URL 粘貼到瀏覽器中並按下 `回車鍵`，或者在 VS Code 的終端窗口中 `Ctrl+點擊`（macOS 上為 `Cmd+點擊`）該鏈接以在默認瀏覽器中打開它。這將運行觸發器。
-
-    > 💁 注意 URL 中包含 `/api`——HTTP 觸發器默認位於 `api` 子域中。
-
-* 當您部署 Functions App 時，HTTP 觸發器的 URL 將是：
-
-    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
-
-    其中 `<functions app name>` 是您的 Functions App 的名稱，`<trigger name>` 是您的觸發器名稱。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 創建 HTTP 觸發器 | 創建了兩個觸發器來開啟和關閉繼電器，並使用了合適的名稱 | 創建了一個具有合適名稱的觸發器 | 未能創建任何觸發器 |
-| 從 HTTP 觸發器控制繼電器 | 能夠將兩個觸發器連接到 IoT Hub 並正確控制繼電器 | 能夠將一個觸發器連接到 IoT Hub 並正確控制繼電器 | 未能將觸發器連接到 IoT Hub |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/tw/2-farm/lessons/6-keep-your-plant-secure/README.md
deleted file mode 100644
index 1a69cd3a4..000000000
--- a/translations/tw/2-farm/lessons/6-keep-your-plant-secure/README.md
+++ /dev/null
@@ -1,243 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
-  "translation_date": "2025-08-24T22:52:28+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
-  "language_code": "tw"
-}
--->
-# 保護您的植物安全
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
-
-## 簡介
-
-在前幾節課中，您已經創建了一個土壤監測物聯網設備並將其連接到雲端。但如果競爭農場的黑客成功控制了您的物聯網設備會怎樣？如果他們發送高土壤濕度讀數，導致您的植物永遠得不到澆水，或者讓您的灌溉系統一直運行，過度澆水殺死植物並讓您在水費上損失一大筆錢呢？
-
-在本課程中，您將學習如何保護物聯網設備的安全。作為本項目的最後一課，您還將學習如何清理雲端資源，以減少潛在的成本。
-
-本課程將涵蓋以下內容：
-
-* [為什麼需要保護物聯網設備的安全？](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-* [加密技術](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-* [保護您的物聯網設備](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-* [生成並使用 X.509 證書](../../../../../2-farm/lessons/6-keep-your-plant-secure)
-
-> 🗑 這是本項目的最後一課，因此在完成本課程和作業後，請記得清理您的雲端服務。您需要這些服務來完成作業，因此請確保先完成作業。
->
-> 如有需要，請參考[清理項目指南](../../../clean-up.md)以獲取相關指導。
-
-## 為什麼需要保護物聯網設備的安全？
-
-物聯網安全涉及確保只有預期的設備能夠連接到您的雲端物聯網服務並發送遙測數據，並且只有您的雲端服務能夠向您的設備發送指令。物聯網數據可能包含個人信息，例如醫療或隱私數據，因此整個應用程序需要考慮安全性以防止數據洩漏。
-
-如果您的物聯網應用程序不安全，可能會面臨以下風險：
-
-* 假冒設備可能發送錯誤數據，導致您的應用程序做出錯誤反應。例如，它們可能發送持續的高土壤濕度讀數，導致您的灌溉系統永遠不啟動，植物因缺水而死亡。
-* 未授權的用戶可能會讀取物聯網設備的數據，包括個人或商業關鍵數據。
-* 黑客可能會發送指令以控制設備，可能對設備或連接的硬件造成損害。
-* 通過連接到物聯網設備，黑客可能利用此途徑訪問其他網絡，進而進入私人系統。
-* 惡意用戶可能訪問個人數據並利用這些數據進行勒索。
-
-這些是真實世界中的情景，並且經常發生。之前的課程中已經提到了一些例子，以下是更多案例：
-
-* 2018 年，黑客利用魚缸溫控器上的開放 WiFi 接入點進入一家賭場的網絡並竊取數據。[The Hacker News - Casino Gets Hacked Through Its Internet-Connected Fish Tank Thermometer](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
-* 2016 年，Mirai Botnet 發動了一次針對 Dyn（互聯網服務提供商）的拒絕服務攻擊，導致大部分互聯網癱瘓。該僵屍網絡使用惡意軟件連接到使用默認用戶名和密碼的物聯網設備（如 DVR 和攝像頭），並從那裡發動攻擊。[The Guardian - DDoS attack that disrupted internet was largest of its kind in history, experts say](https://www.theguardian.com/technology/2016/oct/26/ddos-attack-dyn-mirai-botnet)
-* Spiral Toys 的 CloudPets 連接玩具用戶數據庫在互聯網上公開。[Troy Hunt - Data from connected CloudPets teddy bears leaked and ransomed, exposing kids' voice messages](https://www.troyhunt.com/data-from-connected-cloudpets-teddy-bears-leaked-and-ransomed-exposing-kids-voice-messages/)
-* Strava 標記了您跑步時經過的跑者並顯示他們的路線，讓陌生人能夠有效地看到您的住址。[Kim Komndo - Fitness app could lead a stranger right to your home — change this setting](https://www.komando.com/security-privacy/strava-fitness-app-privacy/755349/)
-
-✅ 做一些研究：搜索更多物聯網攻擊和數據洩漏的例子，尤其是與個人物品（如互聯網連接牙刷或體重秤）相關的案例。思考這些攻擊可能對受害者或客戶造成的影響。
-
-> 💁 安全性是一個非常廣泛的主題，本課程僅涉及一些基本內容，例如設備與雲端的連接。未涵蓋的主題包括監控數據在傳輸過程中的變化、直接攻擊設備或更改設備配置。物聯網攻擊威脅如此之大，像 [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn) 這樣的工具已被開發出來。這些工具類似於您電腦上的防病毒和安全工具，但專為小型、低功耗的物聯網設備設計。
-
-## 加密技術
-
-當設備連接到物聯網服務時，它使用一個 ID 來識別自己。問題是這個 ID 可以被克隆——黑客可以設置一個惡意設備，使用與真實設備相同的 ID，但發送虛假數據。
-
-![有效設備和惡意設備可能使用相同的 ID 發送遙測數據](../../../../../translated_images/zh-TW/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png)
-
-解決方法是將發送的數據轉換為一種加密格式，使用設備和雲端都知道的某種值來加密數據。這個過程稱為*加密*，用於加密數據的值稱為*加密密鑰*。
-
-![如果使用加密，則只有加密的消息會被接受，其他消息會被拒絕](../../../../../translated_images/zh-TW/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png)
-
-雲端服務可以使用一個稱為*解密*的過程將數據轉換回可讀格式，使用相同的加密密鑰或一個*解密密鑰*。如果加密的消息無法通過密鑰解密，則表明設備已被攻擊，消息會被拒絕。
-
-進行加密和解密的技術稱為*密碼學*。
-
-### 早期的密碼學
-
-最早的密碼學類型是替換密碼，最早可追溯到 3,500 年前。替換密碼涉及用一個字母替換另一個字母。例如，[凱撒密碼](https://wikipedia.org/wiki/Caesar_cipher) 通過定義的數量移動字母表，只有加密消息的發送者和預期接收者知道要移動多少個字母。
-
-[維吉尼亞密碼](https://wikipedia.org/wiki/Vigenère_cipher) 更進一步，使用單詞來加密文本，使原始文本中的每個字母移動不同的數量，而不是始終移動相同的字母數。
-
-密碼學被廣泛用於各種目的，例如在古代美索不達米亞保護陶工的釉料配方、在印度寫秘密情書或在古埃及保密魔法咒語。
-
-### 現代密碼學
-
-現代密碼學更加先進，比早期方法更難破解。現代密碼學使用複雜的數學方法來加密數據，擁有太多可能的密鑰使暴力破解攻擊變得不可能。
-
-密碼學在安全通信中有很多用途。如果您正在 GitHub 上閱讀此頁面，您可能會注意到網站地址以 *HTTPS* 開頭，這意味著您的瀏覽器與 GitHub 的網絡服務器之間的通信是加密的。如果有人能夠讀取您的瀏覽器與 GitHub 之間流動的互聯網流量，他們將無法讀取數據，因為數據是加密的。您的電腦甚至可能加密硬盤上的所有數據，因此如果有人偷走它，沒有您的密碼他們將無法讀取任何數據。
-
-> 🎓 HTTPS 代表超文本傳輸協議 **安全**
-
-不幸的是，並非所有事物都是安全的。有些設備沒有安全性，有些設備使用容易破解的密鑰，有些甚至所有同類型的設備都使用相同的密鑰。有報導稱一些非常私密的物聯網設備都使用相同的密碼來通過 WiFi 或藍牙連接。如果您可以連接到自己的設備，您也可以連接到其他人的設備。一旦連接，您可能訪問一些非常私密的數據，或者控制他們的設備。
-
-> 💁 儘管現代密碼學的複雜性以及破解加密可能需要數十億年的說法，量子計算的興起使得在非常短的時間內破解所有已知加密成為可能！
-
-### 對稱密鑰和非對稱密鑰
-
-加密有兩種類型——對稱和非對稱。
-
-**對稱**加密使用相同的密鑰來加密和解密數據。發送者和接收者都需要知道相同的密鑰。這是最不安全的類型，因為密鑰需要以某種方式共享。發送者要向接收者發送加密消息，可能首先需要向接收者發送密鑰。
-
-![對稱密鑰加密使用相同的密鑰加密和解密消息](../../../../../translated_images/zh-TW/send-message-symmetric-key.a2e8ad0d495896ff.webp)
-
-如果密鑰在傳輸過程中被竊取，或者發送者或接收者被黑客攻擊並找到密鑰，加密就可能被破解。
-
-![對稱密鑰加密只有在黑客未獲得密鑰的情況下才安全——如果密鑰被竊取，他們可以攔截並解密消息](../../../../../translated_images/zh-TW/send-message-symmetric-key-hacker.e7cb53db1707adfb.webp)
-
-**非對稱**加密使用兩個密鑰——加密密鑰和解密密鑰，稱為公鑰/私鑰對。公鑰用於加密消息，但不能用於解密；私鑰用於解密消息，但不能用於加密。
-
-![非對稱加密使用不同的密鑰加密和解密。加密密鑰發送給任何消息發送者，以便他們在向擁有密鑰的接收者發送消息之前加密消息](../../../../../translated_images/zh-TW/send-message-asymmetric.7abe327c62615b8c.webp)
-
-接收者共享其公鑰，發送者使用此密鑰加密消息。一旦消息被發送，接收者使用其私鑰解密消息。非對稱加密更安全，因為私鑰由接收者保密，永不共享。任何人都可以擁有公鑰，因為它只能用於加密消息。
-
-對稱加密比非對稱加密更快，非對稱加密更安全。一些系統會同時使用兩者——使用非對稱加密來加密並共享對稱密鑰，然後使用對稱密鑰加密所有數據。這使得在發送者和接收者之間共享對稱密鑰更安全，並且在加密和解密數據時更快。
-
-## 保護您的物聯網設備
-
-物聯網設備可以使用對稱或非對稱加密進行保護。對稱加密更簡單，但安全性較低。
-
-### 對稱密鑰
-
-當您設置物聯網設備與 IoT Hub 交互時，您使用了一個連接字符串。一個示例連接字符串如下：
-
-```output
-HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
-```
-
-此連接字符串由三部分組成，使用分號分隔，每部分包含一個鍵和值：
-
-| 鍵 | 值 | 描述 |
-| --- | ----- | ----------- |
-| HostName | `soil-moisture-sensor.azure-devices.net` | IoT Hub 的 URL |
-| DeviceId | `soil-moisture-sensor` | 設備的唯一 ID |
-| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | 設備和 IoT Hub 都知道的對稱密鑰 |
-
-此連接字符串的最後一部分 `SharedAccessKey` 是設備和 IoT Hub 都知道的對稱密鑰。此密鑰不會從設備發送到雲端，也不會從雲端發送到設備。它僅用於加密發送或接收的數據。
-
-✅ 做一個實驗：如果您在連接物聯網設備時更改連接字符串中的 `SharedAccessKey` 部分，您認為會發生什麼？試試看。
-
-當設備首次嘗試連接時，它會發送一個共享訪問簽名（SAS）令牌，其中包括 IoT Hub 的 URL、一個訪問簽名到期的時間戳（通常是當前時間的一天後）以及一個簽名。此簽名由 URL 和到期時間組成，並使用連接字符串中的共享訪問密鑰加密。
-
-IoT Hub 使用共享訪問密鑰解密此簽名，如果解密後的值與 URL 和到期時間匹配，則允許設備連接。它還會驗證當前時間是否早於到期時間，以防止惡意設備捕獲真實設備的 SAS 令牌並使用它。
-
-這是一種優雅的方式來驗證發送者是否是正確的設備。通過以解密和加密形式發送一些已知數據，服務器可以通過解密加密數據並確保結果與發送的解密版本匹配來驗證設備。如果匹配，則表明發送者和接收者擁有相同的對稱加密密鑰。
-💁 由於到期時間的限制，您的 IoT 設備需要知道準確的時間，通常是從 [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) 伺服器讀取。如果時間不準確，連線將會失敗。
-在連接後，所有從設備發送到 IoT Hub 或從 IoT Hub 發送到設備的數據都將使用共享訪問密鑰進行加密。
-
-✅ 如果多個設備共享相同的連接字串，您認為會發生什麼？
-
-> 💁 將此密鑰存儲在程式碼中是一種不良的安全做法。如果駭客獲得您的原始碼，他們就能獲得您的密鑰。此外，在發布程式碼時也會更加困難，因為您需要為每個設備使用更新的密鑰重新編譯。更好的方法是從硬體安全模組（HSM）加載此密鑰——這是一種存儲加密值的 IoT 設備芯片，您的程式碼可以讀取這些值。
->
-> 在學習 IoT 時，通常將密鑰放入程式碼中會更容易，就像您在之前的課程中所做的那樣，但您必須確保此密鑰未被提交到公共原始碼控制中。
-
-設備有兩個密鑰以及兩個對應的連接字串。這使您可以輪換密鑰——即在第一個密鑰被洩露時切換到另一個密鑰，並重新生成第一個密鑰。
-
-### X.509 證書
-
-當您使用公鑰/私鑰對進行非對稱加密時，您需要向任何想要向您發送數據的人提供您的公鑰。問題是，接收者如何確定這確實是您的公鑰，而不是其他人冒充您？與其直接提供密鑰，您可以將公鑰放入由可信第三方驗證的證書中，這種證書稱為 X.509 證書。
-
-X.509 證書是包含公鑰部分的數字文件。它們通常由一系列被信任的組織（稱為[證書授權機構](https://wikipedia.org/wiki/Certificate_authority) (CAs)）簽發，並由 CA 進行數字簽名以表明密鑰是有效的並且來自您。您信任證書以及公鑰的來源，因為您信任 CA，就像您信任護照或駕照是由可信的國家簽發的一樣。證書需要付費，因此您也可以“自簽”，即自己創建並簽署證書，用於測試目的。
-
-> 💁 切勿在正式發布中使用自簽證書。
-
-這些證書包含多個字段，包括公鑰的來源、簽發證書的 CA 的詳細信息、證書的有效期以及公鑰本身。在使用證書之前，最好通過檢查其是否由原始 CA 簽署來驗證它。
-
-✅ 您可以在 [Microsoft 的 X.509 公鑰證書教程](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields) 中閱讀證書字段的完整列表。
-
-使用 X.509 證書時，發送者和接收者都會擁有自己的公鑰和私鑰，以及包含公鑰的 X.509 證書。他們會以某種方式交換 X.509 證書，使用彼此的公鑰加密發送的數據，並使用自己的私鑰解密接收到的數據。
-
-![與其共享公鑰，您可以共享證書。證書的使用者可以通過檢查簽署證書的授權機構來驗證它是否來自您。](../../../../../translated_images/zh-TW/send-message-certificate.9cc576ac1e46b76e.webp)
-
-使用 X.509 證書的一大優勢是它們可以在設備之間共享。您可以創建一個證書，將其上傳到 IoT Hub，並用於所有設備。每個設備只需要知道私鑰即可解密從 IoT Hub 接收到的消息。
-
-設備用於加密發送到 IoT Hub 的消息的證書由 Microsoft 發布。這是許多 Azure 服務使用的相同證書，有時已內置於 SDK 中。
-
-> 💁 請記住，公鑰就是公鑰——公開的。Azure 公鑰只能用於加密發送到 Azure 的數據，不能用於解密，因此可以隨處共享，包括在原始碼中。例如，您可以在 [Azure IoT C SDK 原始碼](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c) 中看到它。
-
-✅ X.509 證書涉及許多術語。您可以在 [X.509 證書術語的簡明指南](https://techcommunity.microsoft.com/t5/internet-of-things/the-layman-s-guide-to-x-509-certificate-jargon/ba-p/2203540?WT.mc_id=academic-17441-jabenn) 中閱讀一些可能遇到的術語的定義。
-
-## 生成並使用 X.509 證書
-
-生成 X.509 證書的步驟如下：
-
-1. 創建公鑰/私鑰對。最廣泛使用的生成公鑰/私鑰對的算法之一是 [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem))(RSA)。
-
-1. 提交公鑰及相關數據進行簽名，可以由 CA 簽名，也可以自簽。
-
-Azure CLI 提供了命令來在 IoT Hub 中創建新的設備身份，並自動生成公鑰/私鑰對以及自簽證書。
-
-> 💁 如果您希望詳細了解步驟，而不是使用 Azure CLI，您可以在 [Microsoft IoT Hub 文檔中的使用 OpenSSL 創建自簽證書教程](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn) 中找到。
-
-### 任務 - 使用 X.509 證書創建設備身份
-
-1. 運行以下命令以註冊新的設備身份，並自動生成密鑰和證書：
-
-    ```sh
-    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
-                                      --am x509_thumbprint \
-                                      --output-dir . \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-    這將創建一個 ID 為 `soil-moisture-sensor-x509` 的設備，以區分您在上一課中創建的設備身份。此命令還會在當前目錄中創建兩個文件：
-
-    * `soil-moisture-sensor-x509-key.pem` - 此文件包含設備的私鑰。
-    * `soil-moisture-sensor-x509-cert.pem` - 此文件是設備的 X.509 證書。
-
-    請妥善保管這些文件！私鑰文件不應提交到公共原始碼控制中。
-
-### 任務 - 在設備程式碼中使用 X.509 證書
-
-按照相關指南，使用 X.509 證書將您的 IoT 設備連接到雲端：
-
-* [Arduino - Wio Terminal](wio-terminal-x509.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-x509.md)
-
----
-
-## 🚀 挑戰
-
-創建、管理和刪除 Azure 服務（如資源群組和 IoT Hub）有多種方法。一種方法是 [Azure Portal](https://portal.azure.com?WT.mc_id=academic-17441-jabenn)——一個基於網頁的界面，提供 GUI 來管理您的 Azure 服務。
-
-前往 [portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) 並探索該入口。嘗試使用該入口創建一個 IoT Hub，然後刪除它。
-
-**提示** - 通過入口創建服務時，您不需要提前創建資源群組，可以在創建服務時創建資源群組。完成後請確保刪除它！
-
-您可以在 [Azure Portal 文檔](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn) 中找到大量文檔、教程和指南。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
-
-## 回顧與自學
-
-* 在 [Wikipedia 的密碼學歷史頁面](https://wikipedia.org/wiki/History_of_cryptography) 上閱讀密碼學的歷史。
-* 在 [Wikipedia 的 X.509 頁面](https://wikipedia.org/wiki/X.509) 上閱讀 X.509 證書的相關內容。
-
-## 作業
-
-[構建一個新的 IoT 設備](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/tw/2-farm/lessons/6-keep-your-plant-secure/assignment.md
deleted file mode 100644
index 90ebbe12f..000000000
--- a/translations/tw/2-farm/lessons/6-keep-your-plant-secure/assignment.md
+++ /dev/null
@@ -1,27 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
-  "translation_date": "2025-08-24T22:56:36+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
-  "language_code": "tw"
-}
--->
-# 建立一個新的物聯網裝置
-
-## 說明
-
-在過去的六堂課中，你已經學習了數位農業的相關知識，以及如何使用物聯網裝置收集數據來預測植物生長，並根據土壤濕度讀數自動灌溉。
-
-運用你所學到的知識，使用一個感測器和一個致動器來建立一個新的物聯網裝置。將遙測數據傳送到 IoT Hub，並使用無伺服器程式碼來控制致動器。你可以使用在本課程或之前的專案中已使用過的感測器和致動器，或者如果你有其他硬體，可以嘗試新的組合。
-
-## 評分標準
-
-| 評分項目 | 卓越 | 合格 | 需要改進 |
-| -------- | ----- | ----- | -------- |
-| 為物聯網裝置編寫程式以使用感測器和致動器 | 成功編寫程式，讓物聯網裝置能與感測器和致動器協作 | 成功編寫程式，讓物聯網裝置能與感測器或致動器協作 | 未能編寫程式讓物聯網裝置使用感測器或致動器 |
-| 將物聯網裝置連接到 IoT Hub | 成功部署 IoT Hub，並能傳送遙測數據及接收命令 | 成功部署 IoT Hub，並能傳送遙測數據或接收命令 | 未能部署 IoT Hub，或無法與物聯網裝置進行通信 |
-| 使用無伺服器程式碼控制致動器 | 成功部署 Azure Function，並能根據遙測事件觸發來控制裝置 | 成功部署 Azure Function，能根據遙測事件觸發但無法控制致動器 | 未能部署 Azure Function |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/tw/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
deleted file mode 100644
index 770d8bdf0..000000000
--- a/translations/tw/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
+++ /dev/null
@@ -1,69 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9aea84bcc7520222b0e1c50469d62d6a",
-  "translation_date": "2025-08-24T22:57:18+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
-  "language_code": "tw"
-}
--->
-# 在您的設備代碼中使用 X.509 憑證 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，您將使用 X.509 憑證將虛擬 IoT 設備或 Raspberry Pi 連接到您的 IoT Hub。
-
-## 將設備連接到 IoT Hub
-
-下一步是使用 X.509 憑證將您的設備連接到 IoT Hub。
-
-### 任務 - 連接到 IoT Hub
-
-1. 將密鑰和憑證檔案複製到包含您 IoT 設備代碼的資料夾中。如果您是通過 VS Code Remote SSH 使用 Raspberry Pi，並且在您的 PC 或 Mac 上創建了密鑰，您可以將檔案拖放到 VS Code 的檔案總管中以完成複製。
-
-1. 打開 `app.py` 檔案
-
-1. 要使用 X.509 憑證進行連接，您需要 IoT Hub 的主機名稱和 X.509 憑證。首先，在創建設備客戶端之前，新增以下代碼來創建一個包含主機名稱的變數：
-
-    ```python
-    host_name = "<host_name>"
-    ```
-
-    將 `<host_name>` 替換為您的 IoT Hub 的主機名稱。您可以從 `connection_string` 的 `HostName` 部分獲取主機名稱。它將是您的 IoT Hub 的名稱，並以 `.azure-devices.net` 結尾。
-
-1. 在此代碼下方，宣告一個包含設備 ID 的變數：
-
-    ```python
-    device_id = "soil-moisture-sensor-x509"
-    ```
-
-1. 您需要一個包含 X.509 檔案的 `X509` 類別實例。將 `X509` 新增到從 `azure.iot.device` 模組匯入的類別列表中：
-
-    ```python
-    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
-    ```
-
-1. 使用您的憑證和密鑰檔案創建一個 `X509` 類別實例，將以下代碼新增到 `host_name` 宣告的下方：
-
-    ```python
-    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
-    ```
-
-    這將使用之前創建的 `soil-moisture-sensor-x509-cert.pem` 和 `soil-moisture-sensor-x509-key.pem` 檔案來創建 `X509` 類別。
-
-1. 將使用連接字串創建 `device_client` 的代碼行替換為以下內容：
-
-    ```python
-    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
-    ```
-
-    這將使用 X.509 憑證而非連接字串進行連接。
-
-1. 刪除包含 `connection_string` 變數的代碼行。
-
-1. 執行您的代碼。監控發送到 IoT Hub 的訊息，並像之前一樣發送直接方法請求。您將看到設備連接並發送土壤濕度讀數，同時接收直接方法請求。
-
-> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) 或 [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device) 資料夾中找到此代碼。
-
-😀 您的土壤濕度感測器程式已使用 X.509 憑證成功連接到您的 IoT Hub！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/tw/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
deleted file mode 100644
index bfe858dad..000000000
--- a/translations/tw/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
+++ /dev/null
@@ -1,15 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8a74f789f3c1bf41a13c007190360c19",
-  "translation_date": "2025-08-24T22:58:09+00:00",
-  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
-  "language_code": "tw"
-}
--->
-# 在您的設備代碼中使用 X.509 憑證 - Wio Terminal
-
-在撰寫本文時，Azure Arduino SDK 尚不支援 X.509 憑證。如果您想嘗試使用 X.509 憑證，可以參考[使用 Python SDK 的虛擬 IoT 設備指引](single-board-computer-x509.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/3-transport/README.md b/translations/tw/3-transport/README.md
deleted file mode 100644
index f9855f7ff..000000000
--- a/translations/tw/3-transport/README.md
+++ /dev/null
@@ -1,36 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e978534a245b000725ed2a048f943213",
-  "translation_date": "2025-08-25T00:35:34+00:00",
-  "source_file": "3-transport/README.md",
-  "language_code": "tw"
-}
--->
-# 從農場到工廠的運輸 - 使用物聯網追蹤食品運送
-
-許多農民種植作物是為了銷售——他們可能是商業農民，將所有種植的作物出售，或者是自給自足的農民，將多餘的農產品出售以購買生活必需品。不管是哪種情況，食品都需要從農場運送到消費者手中，這通常依賴於從農場到集散中心或加工廠，再到商店的大宗運輸。例如，一位種植番茄的農民會收穫番茄，將它們裝箱，然後將箱子裝上卡車，運送到加工廠。番茄會在那裡被分類，然後以加工食品、零售銷售或餐廳消費的形式送到消費者手中。
-
-物聯網可以通過追蹤運輸中的食品來幫助這個供應鏈——確保司機按照規定的路線行駛，監控車輛位置，並在車輛到達時發出警報，這樣食品可以立即卸貨並準備進行加工。
-
-> 🎓 *供應鏈* 是指製造和交付某物品的一系列活動。例如，在番茄種植中，它涵蓋了種子、土壤、肥料和水的供應，番茄的種植，將番茄運送到集散中心，運輸到超市的地方中心，再運送到個別超市，擺放到貨架上，然後售賣給消費者並帶回家食用。每一步就像鏈條中的一個環節。
-
-> 🎓 供應鏈中的運輸部分被稱為 *物流*。
-
-在這四節課中，你將學習如何應用物聯網來改善供應鏈，通過監控食品被裝載到（虛擬）卡車上，並追蹤其運輸到目的地的過程。你將學習GPS追蹤、如何存儲和可視化GPS數據，以及如何在卡車到達目的地時接收通知。
-
-> 💁 這些課程將使用一些雲端資源。如果你未完成此專案中的所有課程，請確保[清理你的專案](../clean-up.md)。
-
-## 主題
-
-1. [位置追蹤](lessons/1-location-tracking/README.md)
-1. [存儲位置數據](lessons/2-store-location-data/README.md)
-1. [可視化位置數據](lessons/3-visualize-location-data/README.md)
-1. [地理圍欄](lessons/4-geofences/README.md)
-
-## 致謝
-
-所有課程由 [Jen Looper](https://github.com/jlooper) 和 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/1-location-tracking/README.md b/translations/tw/3-transport/lessons/1-location-tracking/README.md
deleted file mode 100644
index 335ffea5e..000000000
--- a/translations/tw/3-transport/lessons/1-location-tracking/README.md
+++ /dev/null
@@ -1,214 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
-  "translation_date": "2025-08-25T00:47:49+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/README.md",
-  "language_code": "tw"
-}
--->
-# 位置追蹤
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
-
-## 簡介
-
-將食物從農場運送到消費者的主要過程包括將農產品裝箱後運上卡車、船舶、飛機或其他商業運輸工具，並將食物送到某個地方——可能直接送到客戶手中，或者送到中央集散地或倉庫進行處理。從農場到消費者的整個端到端過程被稱為 *供應鏈*。以下是由亞利桑那州立大學 W. P. Carey 商學院提供的一段影片，詳細介紹了供應鏈的概念及其管理方式。
-
-[![什麼是供應鏈管理？亞利桑那州立大學 W. P. Carey 商學院的影片](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
-
-> 🎥 點擊上方圖片觀看影片
-
-添加物聯網設備可以大幅改善供應鏈管理，幫助您更好地掌握物品的位置、規劃運輸和貨物處理，並更快速地應對問題。
-
-在管理車隊（如卡車）時，了解每輛車在特定時間的位置非常有幫助。車輛可以配備 GPS 感測器，將其位置發送到物聯網系統，讓車主能夠精確定位車輛位置、查看行駛路線，並了解車輛何時抵達目的地。大多數車輛在 WiFi 覆蓋範圍之外運行，因此它們使用蜂窩網絡來傳送這類數據。有時，GPS 感測器內建於更複雜的物聯網設備中，例如電子行車記錄簿。這些設備可以追蹤卡車的行駛時間，以確保司機遵守當地法律規定的工作時數。
-
-在本課程中，您將學習如何使用全球定位系統 (GPS) 感測器追蹤車輛的位置。
-
-本課程將涵蓋以下內容：
-
-* [連接車輛](../../../../../3-transport/lessons/1-location-tracking)
-* [地理空間座標](../../../../../3-transport/lessons/1-location-tracking)
-* [全球定位系統 (GPS)](../../../../../3-transport/lessons/1-location-tracking)
-* [讀取 GPS 感測器數據](../../../../../3-transport/lessons/1-location-tracking)
-* [NMEA GPS 數據](../../../../../3-transport/lessons/1-location-tracking)
-* [解碼 GPS 感測器數據](../../../../../3-transport/lessons/1-location-tracking)
-
-## 連接車輛
-
-物聯網正在改變貨物運輸的方式，創造出一個由 *連接車輛* 組成的車隊。這些車輛連接到中央 IT 系統，報告其位置及其他感測器數據。擁有一個連接車輛的車隊有許多好處：
-
-* 位置追蹤 - 您可以隨時精確定位車輛的位置，這樣可以：
-
-  * 當車輛即將抵達目的地時收到警報，以便準備卸貨人員
-  * 定位被盜車輛
-  * 結合位置和路線數據與交通問題，允許您在旅途中重新規劃車輛路線
-  * 符合法規要求。一些國家根據車輛在公共道路上行駛的里程數徵收稅款（例如 [紐西蘭的 RUC](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/)），因此知道車輛在公共道路與私人道路上的行駛情況可以更容易計算應繳稅款。
-  * 在車輛故障時知道派遣維修人員的位置
-
-* 司機數據 - 確保司機遵守速度限制、以適當速度轉彎、提前有效地剎車，並安全駕駛。連接車輛還可以配備攝像頭記錄事故。這可以與保險掛鉤，為良好駕駛者提供更低的保費。
-
-* 司機工作時數合規性 - 確保司機僅在法律允許的時數內駕駛，根據引擎啟動和關閉的時間進行追蹤。
-
-這些好處可以結合使用——例如，結合司機工作時數合規性與位置追蹤，重新規劃司機的路線，確保他們能在允許的駕駛時數內抵達目的地。這些還可以與其他車輛特定的感測器數據結合使用，例如來自溫控卡車的溫度數據，允許在當前路線可能導致貨物無法保持適當溫度時重新規劃路線。
-
-> 🎓 物流是將貨物從一個地方運送到另一個地方的過程，例如從農場運送到超市，途經一個或多個倉庫。一位農民將番茄裝箱後運上卡車，送到中央倉庫，然後再裝上第二輛卡車，這輛卡車可能包含不同類型的農產品，最終送到超市。
-
-車輛追蹤的核心組件是 GPS——能夠在地球上任何地方精確定位的感測器。在本課程中，您將學習如何使用 GPS 感測器，首先了解如何在地球上定義位置。
-
-## 地理空間座標
-
-地理空間座標用於定義地球表面上的點，類似於如何使用座標在電腦螢幕上繪製像素或在十字繡中定位針腳。對於單個點，您需要一對座標。例如，位於美國華盛頓州雷德蒙市的微軟園區的座標是 47.6423109, -122.1390293。
-
-### 緯度與經度
-
-地球是一個球體——一個三維的圓。因此，點的定義是通過將其分為 360 度，與圓的幾何形狀相同。緯度測量的是南北方向的度數，經度測量的是東西方向的度數。
-
-> 💁 沒有人真正知道為什麼圓被分為 360 度。[維基百科上的度數（角度）頁面](https://wikipedia.org/wiki/Degree_(angle)) 涵蓋了一些可能的原因。
-
-![緯度線：北極為 90°，北極與赤道之間為 45°，赤道為 0°，赤道與南極之間為 -45°，南極為 -90°](../../../../../translated_images/zh-TW/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png)
-
-緯度是通過圍繞地球並與赤道平行的線來測量的，將北半球和南半球分為各 90°。赤道為 0°，北極為 90°，也稱為北緯 90°，南極為 -90°，也稱為南緯 90°。
-
-經度是測量東西方向的度數。經度的 0° 起點稱為 *本初子午線*，1884 年被定義為一條穿過 [英國格林威治皇家天文台](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich) 的南北極線。
-
-![經度線：從本初子午線以西的 -180°，到本初子午線的 0°，再到本初子午線以東的 180°](../../../../../translated_images/zh-TW/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png)
-
-> 🎓 子午線是一條從北極到南極的假想直線，形成半圓。
-
-要測量某一點的經度，您需要測量從本初子午線到穿過該點的子午線沿赤道的度數。經度範圍從 -180°（即西經 180°），經過本初子午線的 0°，到 180°（即東經 180°）。180° 和 -180° 指的是同一點，即反子午線或第 180 條子午線。這是一條位於地球另一側的子午線，與本初子午線相對。
-
-> 💁 反子午線不應與國際日期變更線混淆，後者大致位於相同位置，但不是直線，並根據地緣政治邊界進行調整。
-
-✅ 做些研究：試著找出您目前位置的緯度和經度。
-
-### 度、分和秒 vs 十進制度數
-
-傳統上，緯度和經度的度數測量使用六十進制（sexagesimal）編號系統，即基數為 60 的編號系統。這種編號系統由最早測量和記錄時間與距離的古巴比倫人使用。您可能每天都在使用六十進制而未意識到——例如將小時分為 60 分鐘，將分鐘分為 60 秒。
-
-緯度和經度以度、分和秒為單位測量，其中一分等於 1/60 度，一秒等於 1/60 分。
-
-例如，在赤道上：
-
-* 1° 緯度約為 **111.3 公里**
-* 1 分緯度為 111.3/60 = **1.855 公里**
-* 1 秒緯度為 1.855/60 = **0.031 公里**
-
-分的符號是一個單引號，秒的符號是雙引號。例如，2 度 17 分 43 秒可以寫作 2°17'43"。秒的小數部分以十進制表示，例如半秒為 0°0'0.5"。
-
-電腦不使用六十進制，因此在大多數電腦系統中，這些座標以十進制度數表示。例如，2°17'43" 為 2.295277。通常省略度數符號。
-
-座標總是以 `緯度, 經度` 的格式給出，因此前面提到的微軟園區座標 47.6423109,-122.117198 包括：
-
-* 緯度為 47.6423109（赤道以北 47.6423109 度）
-* 經度為 -122.1390293（本初子午線以西 122.1390293 度）。
-
-![微軟園區的座標：47.6423109,-122.117198](../../../../../translated_images/zh-TW/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png)
-
-## 全球定位系統 (GPS)
-
-GPS 系統使用多顆環繞地球的衛星來定位您的位置。您可能已經在不知不覺中使用過 GPS 系統——例如在手機上的地圖應用（如 Apple Maps 或 Google Maps）中查找您的位置，或者在叫車應用（如 Uber 或 Lyft）中查看您的車輛位置，或者在車內使用衛星導航（sat-nav）。
-
-> 🎓 衛星導航中的 "衛星" 就是 GPS 衛星！
-
-GPS 系統的工作原理是多顆衛星發送信號，信號中包含每顆衛星的當前位置以及精確的時間戳。這些信號通過無線電波傳送，並由 GPS 感測器中的天線接收。GPS 感測器會檢測這些信號，並根據當前時間測量信號從衛星到感測器的傳輸時間。由於無線電波的速度是恆定的，GPS 感測器可以使用發送的時間戳計算感測器與衛星的距離。通過結合至少 3 顆衛星的數據及其發送的位置，GPS 感測器能夠精確定位其在地球上的位置。
-
-> 💁 GPS 感測器需要天線來檢測無線電波。內建 GPS 的卡車和汽車通常將天線安裝在擋風玻璃或車頂上，以獲得良好的信號。如果您使用的是獨立的 GPS 系統，例如智能手機或物聯網設備，則需要確保 GPS 系統或手機內建的天線能夠清晰地看到天空，例如安裝在擋風玻璃上。
-
-![通過知道感測器與多顆衛星的距離，可以計算出位置](../../../../../translated_images/zh-TW/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png)
-
-GPS 衛星環繞地球運行，並非固定在感測器上方，因此位置數據包括海拔高度（相對於海平面）以及緯度和經度。
-
-GPS 曾經受到美國軍方的精度限制，精度約為 5 公尺。這一限制在 2000 年被取消，允許精度達到 30 公分。但由於信號干擾，並非總能達到這一精度。
-
-✅ 如果您有智能手機，打開地圖應用並查看您的位置精度。可能需要一段時間讓手機檢測多顆衛星以獲得更精確的位置。
-💁 衛星內部配備了極為精確的原子鐘，但由於愛因斯坦的狹義與廣義相對論所預測的速度增加導致時間變慢的現象，這些原子鐘每天會比地球上的原子鐘慢38微秒（0.0000038秒）。這是因為衛星的運行速度比地球自轉速度更快。這種時間漂移現象已被用來驗證狹義與廣義相對論的預測，並且在設計 GPS 系統時必須進行調整。從字面上來說，GPS 衛星上的時間確實運行得更慢。
-全球定位系統（GPS）已由多個國家和政治聯盟開發並部署，包括美國、俄羅斯、日本、印度、歐盟和中國。現代GPS感測器可以連接到大多數這些系統，以獲得更快、更準確的定位。
-
-> 🎓 每個部署中的衛星群被稱為星座。
-
-## 讀取GPS感測器數據
-
-大多數GPS感測器通過UART傳送GPS數據。
-
-> ⚠️ UART已在[專案2，課程2](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart)中介紹。如有需要，請回顧該課程。
-
-您可以在您的物聯網設備上使用GPS感測器來獲取GPS數據。
-
-### 任務 - 連接GPS感測器並讀取GPS數據
-
-按照相關指南使用您的物聯網設備讀取GPS數據：
-
-* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
-* [單板電腦 - Raspberry Pi](pi-gps-sensor.md)
-* [單板電腦 - 虛擬設備](virtual-device-gps-sensor.md)
-
-## NMEA GPS數據
-
-當您運行代碼時，您可能會看到輸出中出現一些看似無意義的內容。事實上，這是標準的GPS數據，並且每一部分都有其意義。
-
-GPS感測器使用NMEA消息輸出數據，遵循NMEA 0183標準。NMEA是[全國海洋電子協會](https://www.nmea.org)的縮寫，這是一個美國的貿易組織，負責制定海洋電子設備之間的通信標準。
-
-> 💁 該標準是專有的，售價至少為2,000美元，但有足夠的信息已進入公共領域，因此大部分標準已被逆向工程並可用於開源和其他非商業代碼。
-
-這些消息是基於文本的。每條消息由一個以`$`字符開頭的*句子*組成，後面是2個字符表示消息的來源（例如，美國GPS系統的GP，俄羅斯GPS系統GLONASS的GN），以及3個字符表示消息的類型。消息的其餘部分是用逗號分隔的字段，最後以換行符結束。
-
-一些可能接收到的消息類型包括：
-
-| 類型 | 描述 |
-| ---- | ----------- |
-| GGA | GPS定位數據，包括GPS感測器的緯度、經度和海拔，以及用於計算定位的可見衛星數量。 |
-| ZDA | 當前日期和時間，包括當地時區。 |
-| GSV | 可見衛星的詳細信息 - 定義為GPS感測器可以檢測到信號的衛星。 |
-
-> 💁 GPS數據包括時間戳，因此您的物聯網設備可以從GPS感測器獲取時間，而不需要依賴NTP伺服器或內部實時時鐘。
-
-GGA消息使用`(dd)dmm.mmmm`格式提供當前位置，並附帶一個字符表示方向。格式中的`d`表示度，`m`表示分，秒則以分的小數表示。例如，2°17'43"將表示為217.716666667 - 2度，17.716666667分。
-
-方向字符可以是`N`或`S`表示緯度的北或南，`E`或`W`表示經度的東或西。例如，緯度2°17'43"的方向字符為`N`，而-2°17'43"的方向字符為`S`。
-
-例如 - NMEA句子`$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
-
-* 緯度部分是`4738.538654,N`，轉換為十進制度數為47.6423109。`4738.538654`表示47.6423109，方向為`N`（北），因此是正緯度。
-
-* 經度部分是`12208.341758,W`，轉換為十進制度數為-122.1390293。`12208.341758`表示122.1390293°，方向為`W`（西），因此是負經度。
-
-## 解碼GPS感測器數據
-
-與其使用原始的NMEA數據，最好將其解碼為更有用的格式。有多個開源庫可以幫助從原始NMEA消息中提取有用的數據。
-
-### 任務 - 解碼GPS感測器數據
-
-按照相關指南使用您的物聯網設備解碼GPS感測器數據：
-
-* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
-* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-gps-decode.md)
-
----
-
-## 🚀 挑戰
-
-自己編寫一個NMEA解碼器！不依賴第三方庫解碼NMEA句子，您能否編寫自己的解碼器來從NMEA句子中提取緯度和經度？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
-
-## 回顧與自學
-
-* 在[維基百科的地理座標系統頁面](https://wikipedia.org/wiki/Geographic_coordinate_system)上閱讀更多關於地理座標的內容。
-* 在[維基百科的本初子午線頁面](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies)上了解地球以外天體的本初子午線。
-* 研究由歐盟、日本、俄羅斯、印度和美國等世界各國政府和政治聯盟開發的各種GPS系統。
-
-## 作業
-
-[調查其他GPS數據](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用本翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/1-location-tracking/assignment.md b/translations/tw/3-transport/lessons/1-location-tracking/assignment.md
deleted file mode 100644
index d69a28062..000000000
--- a/translations/tw/3-transport/lessons/1-location-tracking/assignment.md
+++ /dev/null
@@ -1,27 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
-  "translation_date": "2025-08-25T00:51:32+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
-  "language_code": "tw"
-}
--->
-# 調查其他 GPS 數據
-
-## 說明
-
-從您的 GPS 感測器傳來的 NMEA 訊息除了位置資訊外，還包含其他數據。請調查這些額外的數據，並將其應用於您的 IoT 裝置中。
-
-例如 - 您能否獲取當前的日期和時間？如果您使用的是微控制器，能否像在上一個專案中使用 NTP 信號設置時鐘一樣，使用 GPS 數據來設置時鐘？您能否獲取海拔高度（您相對於海平面的高度）或當前速度？
-
-如果您使用的是虛擬 IoT 裝置，則可以通過使用工具 [nmeagen.org](https://www.nmeagen.org) 生成的 NMEA 訊息來獲取其中一些數據。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 獲取更多 GPS 數據 | 能夠獲取並使用更多 GPS 數據，無論是作為遙測數據還是用於設置 IoT 裝置 | 能夠獲取更多 GPS 數據，但無法使用它 | 無法獲取更多 GPS 數據 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/tw/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
deleted file mode 100644
index 4a3e90497..000000000
--- a/translations/tw/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
+++ /dev/null
@@ -1,191 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
-  "translation_date": "2025-08-25T00:53:07+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
-  "language_code": "tw"
-}
--->
-# 讀取 GPS 數據 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個 GPS 感測器，並從中讀取數據。
-
-## 硬體
-
-Raspberry Pi 需要一個 GPS 感測器。
-
-您將使用的感測器是 [Grove GPS Air530 感測器](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)。此感測器可以連接到多個 GPS 系統，以快速且準確地定位。感測器由兩部分組成——感測器的核心電子元件，以及通過細線連接的外部天線，用於接收來自衛星的電波。
-
-這是一個 UART 感測器，因此它通過 UART 傳送 GPS 數據。
-
-## 連接 GPS 感測器
-
-Grove GPS 感測器可以連接到 Raspberry Pi。
-
-### 任務 - 連接 GPS 感測器
-
-連接 GPS 感測器。
-
-![Grove GPS 感測器](../../../../../translated_images/zh-TW/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png)
-
-1. 將 Grove 電纜的一端插入 GPS 感測器上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上的 Grove Base Hat 的 **UART** 插座。此插座位於中間排，靠近 SD 卡插槽的一側，遠離 USB 端口和以太網插座。
-
-    ![Grove GPS 感測器連接到 UART 插座](../../../../../translated_images/zh-TW/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png)
-
-1. 將 GPS 感測器放置在天線可以看到天空的位置——理想情況下靠近窗戶或在室外。天線周圍沒有障礙物時，信號會更清晰。
-
-## 程式設計 GPS 感測器
-
-現在可以為 Raspberry Pi 程式設計以使用連接的 GPS 感測器。
-
-### 任務 - 程式設計 GPS 感測器
-
-為設備編寫程式。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. GPS 感測器有兩個 LED 指示燈——藍色 LED 在傳送數據時閃爍，綠色 LED 在接收來自衛星的數據時每秒閃爍一次。啟動 Raspberry Pi 時，確保藍色 LED 閃爍。幾分鐘後，綠色 LED 會開始閃爍——如果沒有，您可能需要重新調整天線的位置。
-
-1. 啟動 VS Code，可以直接在 Raspberry Pi 上啟動，也可以通過 Remote SSH 擴展連接。
-
-    > ⚠️ 如果需要，您可以參考 [第 1 課中設置和啟動 VS Code 的指導](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
-
-1. 對於支持藍牙的較新版本 Raspberry Pi，藍牙使用的串口與 Grove UART 端口使用的串口之間存在衝突。為了解決此問題，請執行以下操作：
-
-    1. 在 VS Code 的終端中，使用以下命令通過 `nano` 編輯 `/boot/config.txt` 文件。`nano` 是內建的終端文字編輯器：
-
-        ```sh
-        sudo nano /boot/config.txt
-        ```
-
-        > 由於需要使用 `sudo` 權限（提升的權限）來編輯此文件，因此無法直接通過 VS Code 編輯。VS Code 不以此權限運行。
-
-    1. 使用光標鍵移動到文件末尾，然後複製以下代碼並粘貼到文件末尾：
-
-        ```ini
-        dtoverlay=pi3-miniuart-bt
-        dtoverlay=pi3-disable-bt
-        enable_uart=1
-        ```
-
-        您可以使用設備的正常鍵盤快捷鍵粘貼（Windows、Linux 或 Raspberry Pi OS 上使用 `Ctrl+v`，macOS 上使用 `Cmd+v`）。
-
-    1. 按 `Ctrl+x` 保存文件並退出 nano。當被詢問是否保存修改的緩衝區時，按 `y`，然後按 `Enter` 確認覆蓋 `/boot/config.txt`。
-
-        > 如果出現錯誤，您可以選擇不保存退出，然後重複這些步驟。
-
-    1. 使用以下命令在 nano 中編輯 `/boot/cmdline.txt` 文件：
-
-        ```sh
-        sudo nano /boot/cmdline.txt
-        ```
-
-    1. 此文件包含多個用空格分隔的鍵值對。刪除任何鍵為 `console` 的鍵值對。它們可能看起來像這樣：
-
-        ```output
-        console=serial0,115200 console=tty1 
-        ```
-
-        您可以使用光標鍵導航到這些條目，然後使用正常的 `del` 或 `backspace` 鍵刪除。
-
-        例如，如果您的原始文件如下所示：
-
-        ```output
-        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
-        ```
-
-        新版本將是：
-
-        ```output
-        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
-        ```
-
-    1. 按上述步驟保存文件並退出 nano。
-
-    1. 重啟 Raspberry Pi，然後在 Pi 重啟後重新連接到 VS Code。
-
-1. 在終端中，為 `pi` 用戶的主目錄創建一個名為 `gps-sensor` 的新文件夾。在此文件夾中創建一個名為 `app.py` 的文件。
-
-1. 在 VS Code 中打開此文件夾。
-
-1. GPS 模組通過串口傳送 UART 數據。安裝 `pyserial` Pip 套件以便從 Python 程式碼與串口通信：
-
-    ```sh
-    pip3 install pyserial
-    ```
-
-1. 將以下代碼添加到您的 `app.py` 文件中：
-
-    ```python
-    import time
-    import serial
-    
-    serial = serial.Serial('/dev/ttyAMA0', 9600, timeout=1)
-    serial.reset_input_buffer()
-    serial.flush()
-    
-    def print_gps_data(line):
-        print(line.rstrip())
-    
-    while True:
-        line = serial.readline().decode('utf-8')
-    
-        while len(line) > 0:
-            print_gps_data(line)
-            line = serial.readline().decode('utf-8')
-    
-        time.sleep(1)
-    ```
-
-    此代碼從 `pyserial` Pip 套件中導入 `serial` 模組。然後它連接到 `/dev/ttyAMA0` 串口——這是 Grove Pi Base Hat 使用的 UART 端口的串口地址。接著，它清除此串口連接中的任何現有數據。
-
-    接下來定義了一個名為 `print_gps_data` 的函數，用於將傳遞給它的行打印到控制台。
-
-    然後代碼進行無限循環，在每次循環中從串口讀取多行文字。它為每行調用 `print_gps_data` 函數。
-
-    在所有數據讀取完成後，循環會休眠 1 秒，然後再次嘗試。
-
-1. 運行此代碼。您將看到來自 GPS 感測器的原始輸出，類似於以下內容：
-
-    ```output
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
-    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
-    $GPGSV,1,1,00*79
-    $BDGSV,1,1,00*68
-    ```
-
-    > 如果在停止並重新啟動代碼時遇到以下錯誤之一，請在您的 while 循環中添加 `try - except` 塊。
-
-      ```output
-      UnicodeDecodeError: 'utf-8' codec can't decode byte 0x93 in position 0: invalid start byte
-      UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 0: invalid continuation byte
-      ```
-
-    ```python
-    while True:
-        try:
-            line = serial.readline().decode('utf-8')
-              
-            while len(line) > 0:
-                print_gps_data()
-                line = serial.readline().decode('utf-8')
-      
-        # There's a random chance the first byte being read is part way through a character.
-        # Read another full line and continue.
-
-        except UnicodeDecodeError:
-            line = serial.readline().decode('utf-8')
-
-    time.sleep(1)
-    ```
-
-> 💁 您可以在 [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi) 文件夾中找到此代碼。
-
-😀 您的 GPS 感測器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/tw/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
deleted file mode 100644
index 29cfdbe4a..000000000
--- a/translations/tw/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
+++ /dev/null
@@ -1,73 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "cbb8c285bc64c5192fae3368fb5077d2",
-  "translation_date": "2025-08-25T00:52:10+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
-  "language_code": "tw"
-}
--->
-# 解碼 GPS 數據 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，你將解碼由 Raspberry Pi 或虛擬 IoT 裝置從 GPS 感測器讀取的 NMEA 訊息，並提取緯度和經度。
-
-## 解碼 GPS 數據
-
-一旦從串列埠讀取到原始的 NMEA 數據，就可以使用開源的 NMEA 庫進行解碼。
-
-### 任務 - 解碼 GPS 數據
-
-編寫程式以解碼 GPS 數據。
-
-1. 如果尚未開啟 `gps-sensor` 應用程式專案，請將其打開。
-
-1. 安裝 `pynmea2` Pip 套件。此套件包含解碼 NMEA 訊息的程式碼。
-
-    ```sh
-    pip3 install pynmea2
-    ```
-
-1. 在 `app.py` 檔案的匯入部分新增以下程式碼，以匯入 `pynmea2` 模組：
-
-    ```python
-    import pynmea2
-    ```
-
-1. 將 `print_gps_data` 函數的內容替換為以下程式碼：
-
-    ```python
-    msg = pynmea2.parse(line)
-    if msg.sentence_type == 'GGA':
-        lat = pynmea2.dm_to_sd(msg.lat)
-        lon = pynmea2.dm_to_sd(msg.lon)
-
-        if msg.lat_dir == 'S':
-            lat = lat * -1
-
-        if msg.lon_dir == 'W':
-            lon = lon * -1
-
-        print(f'{lat},{lon} - from {msg.num_sats} satellites')
-    ```
-
-    此程式碼將使用 `pynmea2` 庫解析從 UART 串列埠讀取的行。
-
-    如果訊息的句子類型是 `GGA`，則表示這是一個位置固定訊息，並進行處理。緯度和經度值將從訊息中讀取，並從 NMEA `(d)ddmm.mmmm` 格式轉換為十進制度數。`dm_to_sd` 函數負責進行此轉換。
-
-    接著檢查緯度的方向，如果緯度是南方，則將其值轉換為負數。同樣地，如果經度是西方，也將其轉換為負數。
-
-    最後，座標以及用於定位的衛星數量將被列印到控制台。
-
-1. 執行程式碼。如果你使用的是虛擬 IoT 裝置，請確保 CounterFit 應用程式正在運行，並且 GPS 數據正在傳送。
-
-    ```output
-    pi@raspberrypi:~/gps-sensor $ python3 app.py 
-    47.6423109,-122.1390293 - from 3 satellites
-    ```
-
-> 💁 你可以在 [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device) 資料夾或 [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi) 資料夾中找到此程式碼。
-
-😀 你的 GPS 感測器程式成功解碼數據！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用本翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/tw/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
deleted file mode 100644
index 7f9a4d658..000000000
--- a/translations/tw/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
+++ /dev/null
@@ -1,142 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
-  "translation_date": "2025-08-25T00:45:43+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
-  "language_code": "tw"
-}
--->
-# 讀取 GPS 數據 - 虛擬物聯網硬件
-
-在本課程中，您將為虛擬物聯網設備添加一個 GPS 傳感器，並從中讀取數據。
-
-## 虛擬硬件
-
-虛擬物聯網設備將使用一個模擬的 GPS 傳感器，該傳感器可以通過串口 UART 訪問。
-
-實體 GPS 傳感器通常配備天線，用於接收來自 GPS 衛星的電波，並將 GPS 信號轉換為 GPS 數據。虛擬版本則模擬此過程，允許您設置緯度和經度、發送原始 NMEA 語句，或上傳包含多個位置的 GPX 文件，這些位置可以按順序返回。
-
-> 🎓 NMEA 語句將在本課程後續部分進行講解
-
-### 在 CounterFit 中添加傳感器
-
-要使用虛擬 GPS 傳感器，您需要在 CounterFit 應用中添加一個。
-
-#### 任務 - 在 CounterFit 中添加傳感器
-
-將 GPS 傳感器添加到 CounterFit 應用中。
-
-1. 在您的電腦上創建一個名為 `gps-sensor` 的新 Python 應用，並在其中創建一個名為 `app.py` 的文件以及一個 Python 虛擬環境，然後添加 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，您可以參考[第 1 課中創建和設置 CounterFit Python 項目的指導](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 安裝額外的 Pip 套件，以便安裝一個 CounterFit shim，該 shim 可以通過串口與基於 UART 的傳感器通信。確保您在啟動虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install counterfit-shims-serial
-    ```
-
-1. 確保 CounterFit 網頁應用正在運行。
-
-1. 創建一個 GPS 傳感器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *UART GPS*。
-
-    1. 保持 *Port* 設置為 */dev/ttyAMA0*。
-
-    1. 點擊 **Add** 按鈕，在端口 `/dev/ttyAMA0` 上創建 GPS 傳感器。
-
-    ![GPS 傳感器設置](../../../../../translated_images/zh-TW/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png)
-
-    GPS 傳感器將被創建並顯示在傳感器列表中。
-
-    ![已創建的 GPS 傳感器](../../../../../translated_images/zh-TW/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png)
-
-## 編程 GPS 傳感器
-
-現在可以為虛擬物聯網設備編程以使用虛擬 GPS 傳感器。
-
-### 任務 - 編程 GPS 傳感器
-
-編程 GPS 傳感器應用。
-
-1. 確保 `gps-sensor` 應用已在 VS Code 中打開。
-
-1. 打開 `app.py` 文件。
-
-1. 在 `app.py` 文件的頂部添加以下代碼，以連接應用到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在此代碼下方添加以下代碼，以導入一些需要的庫，包括 CounterFit 串口庫：
-
-    ```python
-    import time
-    import counterfit_shims_serial
-    
-    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
-    ```
-
-    此代碼從 `counterfit_shims_serial` Pip 套件中導入 `serial` 模塊。然後連接到 `/dev/ttyAMA0` 串口——這是虛擬 GPS 傳感器用於其 UART 端口的地址。
-
-1. 在此代碼下方添加以下代碼，以從串口讀取數據並將值打印到控制台：
-
-    ```python
-    def print_gps_data(line):
-        print(line.rstrip())
-    
-    while True:
-        line = serial.readline().decode('utf-8')
-    
-        while len(line) > 0:
-            print_gps_data(line)
-            line = serial.readline().decode('utf-8')
-    
-        time.sleep(1)
-    ```
-
-    定義了一個名為 `print_gps_data` 的函數，用於將傳入的行打印到控制台。
-
-    接下來，代碼進行無限循環，每次循環從串口讀取多行文本。對每行文本調用 `print_gps_data` 函數。
-
-    在所有數據讀取完成後，循環會休眠 1 秒，然後再次嘗試。
-
-1. 運行此代碼，確保使用與 CounterFit 應用運行的終端不同的終端，以便 CounterFit 應用保持運行。
-
-1. 從 CounterFit 應用中更改 GPS 傳感器的值。您可以通過以下方式之一進行更改：
-
-    * 將 **Source** 設置為 `Lat/Lon`，並設置明確的緯度、經度以及用於獲得 GPS 定位的衛星數量。此值僅會發送一次，因此勾選 **Repeat** 框以使數據每秒重複發送。
-
-      ![選擇緯度和經度的 GPS 傳感器](../../../../../translated_images/zh-TW/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png)
-
-    * 將 **Source** 設置為 `NMEA`，並在文本框中添加一些 NMEA 語句。所有這些值將被發送，每個新的 GGA（位置修正）語句可以在 1 秒延遲後被讀取。
-
-      ![設置 NMEA 語句的 GPS 傳感器](../../../../../translated_images/zh-TW/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png)
-
-      您可以使用像 [nmeagen.org](https://www.nmeagen.org) 這樣的工具通過在地圖上繪製來生成這些語句。這些值僅會發送一次，因此勾選 **Repeat** 框以使數據在全部發送後每秒重複一次。
-
-    * 將 **Source** 設置為 GPX 文件，並上傳包含軌跡位置的 GPX 文件。您可以從一些流行的地圖和徒步網站（如 [AllTrails](https://www.alltrails.com/)）下載 GPX 文件。這些文件包含作為軌跡的多個 GPS 位置，GPS 傳感器將以 1 秒間隔返回每個新位置。
-
-      ![設置 GPX 文件的 GPS 傳感器](../../../../../translated_images/zh-TW/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png)
-
-      這些值僅會發送一次，因此勾選 **Repeat** 框以使數據在全部發送後每秒重複一次。
-
-    配置 GPS 設置後，選擇 **Set** 按鈕以將這些值提交到傳感器。
-
-1. 您將看到來自 GPS 傳感器的原始輸出，類似以下內容：
-
-    ```output
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    ```
-
-> 💁 您可以在 [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device) 文件夾中找到此代碼。
-
-😀 您的 GPS 傳感器程序成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/tw/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
deleted file mode 100644
index d2fd2bfff..000000000
--- a/translations/tw/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
+++ /dev/null
@@ -1,81 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
-  "translation_date": "2025-08-25T00:54:41+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
-  "language_code": "tw"
-}
--->
-# 解碼 GPS 數據 - Wio Terminal
-
-在本課程中，您將解碼從 Wio Terminal 的 GPS 感測器讀取的 NMEA 訊息，並提取緯度和經度。
-
-## 解碼 GPS 數據
-
-一旦從串列埠讀取到原始 NMEA 數據，就可以使用開源的 NMEA 庫進行解碼。
-
-### 任務 - 解碼 GPS 數據
-
-編程設備以解碼 GPS 數據。
-
-1. 如果尚未開啟，請打開 `gps-sensor` 應用程式專案
-
-1. 在專案的 `platformio.ini` 文件中添加 [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) 庫的依賴。該庫包含解碼 NMEA 數據的程式碼。
-
-    ```ini
-    lib_deps =
-        mikalhart/TinyGPSPlus @ 1.0.2
-    ```
-
-1. 在 `main.cpp` 中，添加 TinyGPSPlus 庫的 include 指令：
-
-    ```cpp
-    #include <TinyGPS++.h>
-    ```
-
-1. 在 `Serial3` 的宣告下，宣告一個 TinyGPSPlus 物件以處理 NMEA 訊息：
-
-    ```cpp
-    TinyGPSPlus gps;
-    ```
-
-1. 將 `printGPSData` 函數的內容更改為以下內容：
-
-    ```cpp
-    if (gps.encode(Serial3.read()))
-    {
-        if (gps.location.isValid())
-        {
-            Serial.print(gps.location.lat(), 6);
-            Serial.print(F(","));
-            Serial.print(gps.location.lng(), 6);
-            Serial.print(" - from ");
-            Serial.print(gps.satellites.value());
-            Serial.println(" satellites");
-        }
-    }
-    ```
-
-    此程式碼從 UART 串列埠讀取下一個字元到 `gps` NMEA 解碼器中。每讀取一個字元後，它會檢查解碼器是否已讀取到有效的訊息，然後檢查是否已讀取到有效的位置。如果位置有效，它會將位置和參與此定位的衛星數量發送到串列監視器。
-
-1. 編譯並上傳程式碼到 Wio Terminal。
-
-1. 上傳完成後，您可以使用串列監視器監控 GPS 位置數據。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    47.6423109,-122.1390293 - from 3 satellites
-    ```
-
-> 💁 您可以在 [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的 GPS 感測器程式成功解碼數據！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/tw/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
deleted file mode 100644
index 59e6028a8..000000000
--- a/translations/tw/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
+++ /dev/null
@@ -1,152 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
-  "translation_date": "2025-08-25T00:44:19+00:00",
-  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
-  "language_code": "tw"
-}
--->
-# 讀取 GPS 數據 - Wio Terminal
-
-在本課程中，您將為 Wio Terminal 添加一個 GPS 感測器，並從中讀取數據。
-
-## 硬體
-
-Wio Terminal 需要一個 GPS 感測器。
-
-您將使用的感測器是 [Grove GPS Air530 感測器](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)。此感測器可以連接到多個 GPS 系統，以快速且精確地定位。該感測器由兩部分組成——感測器的核心電子元件，以及通過細線連接的外部天線，用於接收來自衛星的無線電波。
-
-這是一個 UART 感測器，因此它通過 UART 傳輸 GPS 數據。
-
-### 連接 GPS 感測器
-
-Grove GPS 感測器可以連接到 Wio Terminal。
-
-#### 任務 - 連接 GPS 感測器
-
-連接 GPS 感測器。
-
-![一個 Grove GPS 感測器](../../../../../translated_images/zh-TW/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png)
-
-1. 將 Grove 線纜的一端插入 GPS 感測器上的插槽。它只能以一種方式插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 線纜的另一端連接到 Wio Terminal 左側的 Grove 插槽（面向螢幕時）。這是靠近電源按鈕的插槽。
-
-    ![Grove GPS 感測器連接到左側插槽](../../../../../translated_images/zh-TW/wio-gps-sensor.19fd52b81ce58095.webp)
-
-1. 將 GPS 感測器放置在附帶的天線可以看到天空的位置——理想情況下靠近窗戶或在室外。天線周圍沒有障礙物時，信號會更清晰。
-
-1. 現在可以將 Wio Terminal 連接到您的電腦。
-
-1. GPS 感測器有兩個 LED 指示燈——藍色 LED 在傳輸數據時閃爍，綠色 LED 在接收來自衛星的數據時每秒閃爍一次。當您啟動 Wio Terminal 時，確保藍色 LED 正在閃爍。幾分鐘後，綠色 LED 會開始閃爍——如果沒有，您可能需要重新調整天線的位置。
-
-## 編程 GPS 感測器
-
-現在可以為 Wio Terminal 編寫程式，以使用連接的 GPS 感測器。
-
-### 任務 - 編程 GPS 感測器
-
-為設備編寫程式。
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `gps-sensor`。在 `setup` 函數中添加程式碼以配置串列埠。
-
-1. 在 `main.cpp` 文件的頂部添加以下 include 指令。這將包含一個用於配置左側 Grove 埠為 UART 的標頭文件。
-
-    ```cpp
-    #include <wiring_private.h>
-    ```
-
-1. 在此之下，添加以下程式碼行以聲明一個與 UART 埠的串列埠連接：
-
-    ```cpp
-    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
-    ```
-
-1. 您需要添加一些程式碼，將一些內部信號處理程序重定向到此串列埠。在 `Serial3` 聲明的下方添加以下程式碼：
-
-    ```cpp
-    void SERCOM3_0_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    
-    void SERCOM3_1_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    
-    void SERCOM3_2_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    
-    void SERCOM3_3_Handler()
-    {
-        Serial3.IrqHandler();
-    }
-    ```
-
-1. 在 `setup` 函數中，`Serial` 埠配置的下方，使用以下程式碼配置 UART 串列埠：
-
-    ```cpp
-    Serial3.begin(9600);
-
-    while (!Serial3)
-        ; // Wait for Serial3 to be ready
-
-    delay(1000);
-    ```
-
-1. 在 `setup` 函數中的此程式碼下方，添加以下程式碼以將 Grove 引腳連接到串列埠：
-
-    ```cpp
-    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
-    ```
-
-1. 在 `loop` 函數之前，添加以下函數以將 GPS 數據發送到串列監視器：
-
-    ```cpp
-    void printGPSData()
-    {
-        Serial.println(Serial3.readStringUntil('\n'));
-    }
-    ```
-
-1. 在 `loop` 函數中，添加以下程式碼以從 UART 串列埠讀取數據並將輸出打印到串列監視器：
-
-    ```cpp
-    while (Serial3.available() > 0)
-    {
-        printGPSData();
-    }
-    
-    delay(1000);
-    ```
-
-    此程式碼從 UART 串列埠讀取數據。`readStringUntil` 函數會讀取直到終止符（在此情況下為換行符）的內容。這將讀取整個 NMEA 語句（NMEA 語句以換行符結尾）。只要可以從 UART 串列埠讀取數據，就會讀取數據並通過 `printGPSData` 函數發送到串列監視器。一旦無法再讀取數據，`loop` 將延遲 1 秒（1,000 毫秒）。
-
-1. 編譯並將程式碼上傳到 Wio Terminal。
-
-1. 上傳完成後，您可以使用串列監視器監控 GPS 數據。
-
-    ```output
-    > Executing task: platformio device monitor <
-    
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
-    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
-    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
-    $GPGSV,1,1,00*79
-    $BDGSV,1,1,00*68
-    ```
-
-> 💁 您可以在 [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的 GPS 感測器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/2-store-location-data/README.md b/translations/tw/3-transport/lessons/2-store-location-data/README.md
deleted file mode 100644
index 69255eb1c..000000000
--- a/translations/tw/3-transport/lessons/2-store-location-data/README.md
+++ /dev/null
@@ -1,475 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e345843ccfeb7261d81500d19c64d476",
-  "translation_date": "2025-08-25T01:01:32+00:00",
-  "source_file": "3-transport/lessons/2-store-location-data/README.md",
-  "language_code": "tw"
-}
--->
-# 儲存位置數據
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-TW/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
-
-## 簡介
-
-在上一課中，你學會了如何使用 GPS 感測器來捕捉位置數據。為了將這些數據用於可視化一輛載滿食物的卡車的位置及其行程，這些數據需要被傳送到雲端的 IoT 服務，然後存儲在某個地方。
-
-在本課中，你將學習不同的 IoT 數據存儲方式，並學會如何使用無伺服器代碼來存儲來自 IoT 服務的數據。
-
-本課將涵蓋以下內容：
-
-* [結構化數據與非結構化數據](../../../../../3-transport/lessons/2-store-location-data)
-* [將 GPS 數據發送到 IoT Hub](../../../../../3-transport/lessons/2-store-location-data)
-* [熱路徑、溫路徑與冷路徑](../../../../../3-transport/lessons/2-store-location-data)
-* [使用無伺服器代碼處理 GPS 事件](../../../../../3-transport/lessons/2-store-location-data)
-* [Azure 儲存帳戶](../../../../../3-transport/lessons/2-store-location-data)
-* [將無伺服器代碼連接到存儲](../../../../../3-transport/lessons/2-store-location-data)
-
-## 結構化數據與非結構化數據
-
-計算機系統處理數據，而這些數據的形狀和大小各不相同。它可以是單一的數字、大量的文本、視頻和圖像，甚至是 IoT 數據。數據通常可以分為兩類——*結構化數據* 和 *非結構化數據*。
-
-* **結構化數據** 是具有明確定義、固定結構的數據，這種結構通常不會改變，並且通常對應於具有關聯性的數據表。例如，一個人的詳細信息，包括姓名、出生日期和地址。
-
-* **非結構化數據** 是沒有明確定義、固定結構的數據，包括結構可能經常變化的數據。例如，書面文件或電子表格。
-
-✅ 做些研究：你能想到其他結構化和非結構化數據的例子嗎？
-
-> 💁 還有一種半結構化數據，它具有結構但不符合固定的數據表格式。
-
-IoT 數據通常被認為是非結構化數據。
-
-想像一下，你正在為一家大型商業農場的車隊添加 IoT 設備。你可能希望為不同類型的車輛使用不同的設備。例如：
-
-* 對於像拖拉機這樣的農用車輛，你需要 GPS 數據來確保它們在正確的田地上工作。
-* 對於運送食品到倉庫的送貨卡車，你需要 GPS 數據以及速度和加速度數據，以確保駕駛員安全駕駛，還需要駕駛身份和啟動/停止數據，以確保駕駛員遵守當地關於工作時間的法律。
-* 對於冷藏卡車，你還需要溫度數據，以確保食品在運輸過程中不會過熱或過冷而變質。
-
-這些數據可能會不斷變化。例如，如果 IoT 設備位於卡車駕駛室內，那麼當拖車更換時，它發送的數據可能會改變，例如只有在使用冷藏拖車時才發送溫度數據。
-
-✅ 還有什麼其他 IoT 數據可能被捕捉到？想想卡車可能運載的貨物類型，以及維護數據。
-
-這些數據因車輛而異，但它們都會被發送到同一個 IoT 服務進行處理。IoT 服務需要能夠處理這些非結構化數據，並以一種既能搜索或分析，又能適應這些數據不同結構的方式進行存儲。
-
-### SQL 與 NoSQL 存儲
-
-數據庫是一種允許你存儲和查詢數據的服務。數據庫分為兩種類型——SQL 和 NoSQL。
-
-#### SQL 數據庫
-
-最早的數據庫是關聯式數據庫管理系統（RDBMS），也稱為關聯式數據庫。這些數據庫也被稱為 SQL 數據庫，因為它們使用結構化查詢語言（SQL）來添加、刪除、更新或查詢數據。這些數據庫由一個模式（schema）組成——一組明確定義的數據表，類似於電子表格。每個表都有多個命名列。當你插入數據時，你會向表中添加一行，將值放入每個列中。這使得數據保持非常固定的結構——儘管你可以留空某些列，但如果你想添加新列，則必須在數據庫中執行此操作，並為現有行填充值。這些數據庫是關聯式的——即一個表可以與另一個表有關聯。
-
-![一個關聯式數據庫，其中用戶表的 ID 與購買表的用戶 ID 列相關，產品表的 ID 與購買表的產品 ID 列相關](../../../../../translated_images/zh-TW/sql-database.be160f12bfccefd3.webp)
-
-例如，如果你將用戶的個人詳細信息存儲在一個表中，你會為每個用戶分配某種內部唯一 ID，該 ID 用於包含用戶姓名和地址的表中的一行。如果你想在另一個表中存儲該用戶的其他詳細信息，例如購買記錄，你會在新表中為該用戶的 ID 添加一列。當你查詢用戶時，可以使用他們的 ID 從一個表中獲取個人詳細信息，並從另一個表中獲取購買記錄。
-
-SQL 數據庫非常適合存儲結構化數據，並且當你希望確保數據符合模式時非常有用。
-
-✅ 如果你之前沒有使用過 SQL，花點時間閱讀 [Wikipedia 上的 SQL 頁面](https://wikipedia.org/wiki/SQL)。
-
-一些知名的 SQL 數據庫包括 Microsoft SQL Server、MySQL 和 PostgreSQL。
-
-✅ 做些研究：閱讀一些這些 SQL 數據庫及其功能。
-
-#### NoSQL 數據庫
-
-NoSQL 數據庫之所以被稱為 NoSQL，是因為它們沒有 SQL 數據庫那樣的固定結構。它們也被稱為文檔數據庫，因為它們可以存儲非結構化數據，例如文檔。
-
-> 💁 儘管名稱如此，一些 NoSQL 數據庫允許你使用 SQL 查詢數據。
-
-![NoSQL 數據庫中的文件夾中的文檔](../../../../../translated_images/zh-TW/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png)
-
-NoSQL 數據庫沒有預定義的模式來限制數據的存儲方式，相反，你可以插入任何非結構化數據，通常使用 JSON 文檔。這些文檔可以組織成文件夾，類似於計算機上的文件。每個文檔可以與其他文檔具有不同的字段——例如，如果你存儲來自農場車輛的 IoT 數據，有些可能有加速度計和速度數據字段，其他可能有拖車內部溫度的字段。如果你添加了一種新型卡車，例如內置秤來跟蹤運輸的貨物重量，那麼你的 IoT 設備可以添加這個新字段，並且可以在不更改數據庫的情況下存儲它。
-
-一些知名的 NoSQL 數據庫包括 Azure CosmosDB、MongoDB 和 CouchDB。
-
-✅ 做些研究：閱讀一些這些 NoSQL 數據庫及其功能。
-
-在本課中，你將使用 NoSQL 存儲來存儲 IoT 數據。
-
-## 將 GPS 數據發送到 IoT Hub
-
-在上一課中，你從連接到 IoT 設備的 GPS 感測器捕捉了 GPS 數據。為了將這些 IoT 數據存儲到雲端，你需要將其發送到 IoT 服務。你將再次使用 Azure IoT Hub，這是你在上一個項目中使用的相同 IoT 雲服務。
-
-![將 GPS 遙測數據從 IoT 設備發送到 IoT Hub](../../../../../translated_images/zh-TW/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png)
-
-### 任務 - 將 GPS 數據發送到 IoT Hub
-
-1. 使用免費層創建一個新的 IoT Hub。
-
-    > ⚠️ 如果需要，可以參考 [項目 2，第 4 課中創建 IoT Hub 的說明](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud)。
-
-    記得創建一個新的資源組。將新資源組命名為 `gps-sensor`，並為新的 IoT Hub 命名一個基於 `gps-sensor` 的唯一名稱，例如 `gps-sensor-<你的名字>`。
-
-    > 💁 如果你仍然保留上一個項目的 IoT Hub，可以重複使用它。記得在創建其他服務時使用該 IoT Hub 的名稱及其所在的資源組。
-
-1. 在 IoT Hub 中添加一個新設備。將該設備命名為 `gps-sensor`，並獲取該設備的連接字串。
-
-1. 更新你的設備代碼，使用上一步中的設備連接字串將 GPS 數據發送到新的 IoT Hub。
-
-    > ⚠️ 如果需要，可以參考 [項目 2，第 4 課中將設備連接到 IoT 的說明](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service)。
-
-1. 發送 GPS 數據時，請使用以下 JSON 格式：
-
-    ```json
-    {
-        "gps" :
-        {
-            "lat" : <latitude>,
-            "lon" : <longitude>
-        }
-    }
-    ```
-
-1. 每分鐘發送一次 GPS 數據，以免用完每日消息配額。
-
-如果你使用的是 Wio Terminal，記得添加所有必要的庫，並使用 NTP 伺服器設置時間。你的代碼還需要確保在發送 GPS 位置之前已從串口讀取所有數據，使用上一課中的現有代碼。使用以下代碼構建 JSON 文檔：
-
-```cpp
-DynamicJsonDocument doc(1024);
-doc["gps"]["lat"] = gps.location.lat();
-doc["gps"]["lon"] = gps.location.lng();
-```
-
-如果你使用的是虛擬 IoT 設備，記得使用虛擬環境安裝所有必要的庫。
-
-對於 Raspberry Pi 和虛擬 IoT 設備，使用上一課中的現有代碼獲取緯度和經度值，然後使用以下代碼以正確的 JSON 格式發送它們：
-
-```python
-message_json = { "gps" : { "lat":lat, "lon":lon } }
-print("Sending telemetry", message_json)
-message = Message(json.dumps(message_json))
-```
-
-> 💁 你可以在 [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal)、[code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) 或 [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device) 文件夾中找到這些代碼。
-
-運行你的設備代碼，並使用 `az iot hub monitor-events` CLI 命令確保消息正在流入 IoT Hub。
-
-## 熱路徑、溫路徑與冷路徑
-
-從 IoT 設備流向雲端的數據並不總是需要實時處理。有些數據需要實時處理，有些數據可以稍後處理，而其他數據可以在更晚的時間處理。數據流向不同服務以在不同時間進行處理的方式被稱為熱路徑、溫路徑和冷路徑。
-
-### 熱路徑
-
-熱路徑指需要實時或接近實時處理的數據。你可以使用熱路徑數據來觸發警報，例如當車輛接近倉庫時，或者當冷藏卡車內的溫度過高時。
-
-要使用熱路徑數據，你的代碼需要在雲服務接收到事件時立即響應。
-
-### 溫路徑
-
-溫路徑指可以在接收後稍作延遲處理的數據，例如用於報告或短期分析。你可以使用溫路徑數據生成每日車輛里程報告，使用前一天收集的數據。
-
-溫路徑數據在被雲服務接收後會存儲在某種可以快速訪問的存儲中。
-
-### 冷路徑
-
-冷路徑指歷史數據，將數據長期存儲以便在需要時處理。例如，你可以使用冷路徑生成車輛的年度里程報告，或者對路線進行分析以找到最優路線以降低燃料成本。
-
-冷路徑數據存儲在數據倉庫中——這些數據庫專為存儲大量不會更改的數據而設計，並且可以快速輕鬆地查詢。通常，你的雲應用程序會定期執行一個任務，每天、每週或每月將數據從溫路徑存儲移動到數據倉庫。
-
-✅ 想一想你在這些課程中捕捉到的數據。它是熱路徑、溫路徑還是冷路徑數據？
-
-## 使用無伺服器代碼處理 GPS 事件
-
-一旦數據流入你的 IoT Hub，你可以編寫一些無伺服器代碼來監聽發佈到 Event-Hub 兼容端點的事件。這是溫路徑——這些數據將被存儲，並在下一課中用於行程報告。
-
-![將 GPS 遙測數據從 IoT 設備發送到 IoT Hub，然後通過事件中心觸發器發送到 Azure Functions](../../../../../translated_images/zh-TW/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png)
-
-### 任務 - 使用無伺服器代碼處理 GPS 事件
-
-1. 使用 Azure Functions CLI 創建一個 Azure Functions 應用程序。使用 Python 運行時，並在名為 `gps-trigger` 的文件夾中創建它，並使用相同的名稱作為 Functions App 項目名稱。確保創建一個虛擬環境來使用它。
-> ⚠️ 您可以參考[從第2部分，第5課建立 Azure Functions 專案的指導](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application)（如有需要）。
-1. 新增一個 IoT Hub 事件觸發器，使用 IoT Hub 的 Event Hub 相容端點。
-
-    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中建立 IoT Hub 事件觸發器的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger)。
-
-1. 在 `local.settings.json` 文件中設定 Event Hub 相容端點的連接字串，並在 `function.json` 文件中使用該條目的鍵值。
-
-1. 使用 Azurite 應用程式作為本地儲存模擬器。
-
-1. 執行您的 Functions 應用程式，確保它能接收來自 GPS 裝置的事件。確保您的 IoT 裝置也正在運行並傳送 GPS 數據。
-
-    ```output
-    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
-    ```
-
-## Azure 儲存帳戶
-
-![Azure Storage 標誌](../../../../../translated_images/zh-TW/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png)
-
-Azure 儲存帳戶是一種通用的儲存服務，可以以多種不同的方式儲存數據。您可以將數據儲存為 Blob、佇列、表格或檔案，並且可以同時使用這些方式。
-
-### Blob 儲存
-
-*Blob* 是指二進制大型物件，但已成為任何非結構化數據的術語。您可以將任何數據儲存在 Blob 儲存中，從包含 IoT 數據的 JSON 文件到圖片和影片檔案。Blob 儲存具有 *容器* 的概念，這些容器是命名的存儲桶，類似於關聯式資料庫中的表格。這些容器可以包含一個或多個資料夾來儲存 Blob，每個資料夾可以包含其他資料夾，類似於電腦硬碟上的檔案存儲方式。
-
-在本課中，您將使用 Blob 儲存來儲存 IoT 數據。
-
-✅ 做一些研究：閱讀 [Azure Blob Storage](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn)
-
-### 表格儲存
-
-表格儲存允許您儲存半結構化數據。表格儲存實際上是一種 NoSQL 資料庫，因此不需要事先定義表格，但它設計用於在一個或多個表格中儲存數據，並使用唯一鍵來定義每一行。
-
-✅ 做一些研究：閱讀 [Azure Table Storage](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn)
-
-### 佇列儲存
-
-佇列儲存允許您在佇列中儲存大小最多為 64KB 的訊息。您可以將訊息添加到佇列的尾部，並從佇列的頭部讀取。佇列會無限期地儲存訊息，只要還有儲存空間，因此允許訊息長期儲存，並在需要時讀取。例如，如果您想每月執行一次處理 GPS 數據的工作，可以每天將數據添加到佇列，然後在月底處理所有訊息。
-
-✅ 做一些研究：閱讀 [Azure Queue Storage](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn)
-
-### 檔案儲存
-
-檔案儲存是將檔案儲存在雲端，任何應用程式或裝置都可以使用業界標準協議進行連接。您可以將檔案寫入檔案儲存，然後將其掛載為 PC 或 Mac 上的磁碟。
-
-✅ 做一些研究：閱讀 [Azure File Storage](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn)
-
-## 將無伺服器代碼連接到儲存
-
-您的 Functions 應用程式現在需要連接到 Blob 儲存，以儲存來自 IoT Hub 的訊息。有兩種方式可以實現：
-
-* 在函數代碼內，使用 Blob 儲存的 Python SDK 連接到 Blob 儲存並將數據寫入 Blob。
-* 使用輸出函數綁定，將函數的返回值綁定到 Blob 儲存，並自動將 Blob 儲存。
-
-在本課中，您將使用 Python SDK 來了解如何與 Blob 儲存進行互動。
-
-![從 IoT 裝置傳送 GPS 遙測數據到 IoT Hub，然後通過事件觸發器傳送到 Azure Functions，最後儲存到 Blob 儲存](../../../../../translated_images/zh-TW/save-telemetry-to-storage-from-functions.ed3b1820980097f1.webp)
-
-數據將以以下格式儲存為 JSON Blob：
-
-```json
-{
-    "device_id": <device_id>,
-    "timestamp" : <time>,
-    "gps" :
-    {
-        "lat" : <latitude>,
-        "lon" : <longitude>
-    }
-}
-```
-
-### 任務 - 將無伺服器代碼連接到儲存
-
-1. 建立一個 Azure 儲存帳戶。命名為類似 `gps<您的名字>` 的名稱。
-
-    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中建立儲存帳戶的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources)。
-
-    如果您在上一個專案中已經有一個儲存帳戶，可以重複使用。
-
-    > 💁 您稍後可以使用相同的儲存帳戶來部署 Azure Functions 應用程式。
-
-1. 執行以下命令以獲取儲存帳戶的連接字串：
-
-    ```sh
-    az storage account show-connection-string --output table \
-                                              --name <storage_name>
-    ```
-
-    將 `<storage_name>` 替換為您在上一步中建立的儲存帳戶名稱。
-
-1. 在 `local.settings.json` 文件中為儲存帳戶連接字串新增一個條目，使用上一步的值。命名為 `STORAGE_CONNECTION_STRING`。
-
-1. 在 `requirements.txt` 文件中新增以下內容以安裝 Azure 儲存的 Pip 套件：
-
-    ```sh
-    azure-storage-blob
-    ```
-
-    在您的虛擬環境中從此文件安裝套件。
-
-    > 如果出現錯誤，請在虛擬環境中使用以下命令將您的 Pip 版本升級到最新版本，然後重試：
-    >
-    > ```sh
-    > pip install --upgrade pip
-    > ```
-
-1. 在 `iot-hub-trigger` 的 `__init__.py` 文件中，新增以下匯入語句：
-
-    ```python
-    import json
-    import os
-    import uuid
-    from azure.storage.blob import BlobServiceClient, PublicAccess
-    ```
-
-    `json` 系統模組將用於讀取和寫入 JSON，`os` 系統模組將用於讀取連接字串，`uuid` 系統模組將用於為 GPS 讀數生成唯一 ID。
-
-    `azure.storage.blob` 套件包含用於與 Blob 儲存交互的 Python SDK。
-
-1. 在 `main` 方法之前，新增以下輔助函數：
-
-    ```python
-    def get_or_create_container(name):
-        connection_str = os.environ['STORAGE_CONNECTION_STRING']
-        blob_service_client = BlobServiceClient.from_connection_string(connection_str)
-    
-        for container in blob_service_client.list_containers():
-            if container.name == name:
-                return blob_service_client.get_container_client(container.name)
-        
-        return blob_service_client.create_container(name, public_access=PublicAccess.Container)
-    ```
-
-    Python 的 Blob SDK 沒有輔助方法來在容器不存在時創建容器。此代碼將從 `local.settings.json` 文件（或部署到雲端後的應用程式設定）中加載連接字串，然後從中創建一個 `BlobServiceClient` 類來與 Blob 儲存帳戶交互。接著，它會遍歷 Blob 儲存帳戶的所有容器，尋找具有提供名稱的容器——如果找到，將返回一個可以與該容器交互以創建 Blob 的 `ContainerClient` 類。如果未找到，則會創建容器並返回新容器的客戶端。
-
-    當新容器被創建時，會授予公共訪問權限以查詢容器中的 Blob。在下一課中，這將用於在地圖上可視化 GPS 數據。
-
-1. 與土壤濕度不同，這段代碼需要儲存每個事件，因此在 `main` 函數中的 `for event in events:` 迴圈內，`logging` 語句下方新增以下代碼：
-
-    ```python
-    device_id = event.iothub_metadata['connection-device-id']
-    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
-    ```
-
-    此代碼從事件元數據中獲取裝置 ID，然後使用它來創建 Blob 名稱。Blob 可以儲存在資料夾中，裝置 ID 將用作資料夾名稱，因此每個裝置的所有 GPS 事件都將儲存在一個資料夾中。Blob 名稱是該資料夾，後跟一個文檔名稱，兩者之間用正斜杠分隔，類似於 Linux 和 macOS 的路徑（也類似於 Windows，但 Windows 使用反斜杠）。文檔名稱是使用 Python 的 `uuid` 模組生成的唯一 ID，檔案類型為 `json`。
-
-    例如，對於 `gps-sensor` 裝置 ID，Blob 名稱可能是 `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json`。
-
-1. 在此代碼下方新增以下代碼：
-
-    ```python
-    container_client = get_or_create_container('gps-data')
-    blob = container_client.get_blob_client(blob_name)
-    ```
-
-    此代碼使用 `get_or_create_container` 輔助類獲取容器客戶端，然後使用 Blob 名稱獲取 Blob 客戶端物件。這些 Blob 客戶端可以引用現有的 Blob，或者像這裡一樣，引用新的 Blob。
-
-1. 在此代碼後新增以下代碼：
-
-    ```python
-    event_body = json.loads(event.get_body().decode('utf-8'))
-    blob_body = {
-        'device_id' : device_id,
-        'timestamp' : event.iothub_metadata['enqueuedtime'],
-        'gps': event_body['gps']
-    }
-    ```
-
-    這會構建將寫入 Blob 儲存的 Blob 主體。它是一個包含裝置 ID、遙測數據發送到 IoT Hub 的時間以及遙測中的 GPS 座標的 JSON 文檔。
-
-    > 💁 使用訊息的排隊時間而不是當前時間來獲取訊息發送的時間非常重要。如果 Functions 應用程式未運行，訊息可能會在 Hub 上停留一段時間。
-
-1. 在此代碼下方新增以下內容：
-
-    ```python
-    logging.info(f'Writing blob to {blob_name} - {blob_body}')
-    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
-    ```
-
-    此代碼記錄即將寫入的 Blob 及其詳細信息，然後將 Blob 主體上傳為新 Blob 的內容。
-
-1. 執行 Functions 應用程式。您將在輸出中看到為所有 GPS 事件寫入的 Blob：
-
-    ```output
-    [2021-05-21T01:31:14.325Z] Python EventHub trigger processed an event: {"gps": {"lat": 47.73092, "lon": -122.26206}}
-    ...
-    [2021-05-21T01:31:14.351Z] Writing blob to gps-sensor/4b6089fe-ba8d-11eb-bc7b-1e00621e3648.json - {'device_id': 'gps-sensor', 'timestamp': '2021-05-21T00:57:53.878Z', 'gps': {'lat': 47.73092, 'lon': -122.26206}}
-    ```
-
-    > 💁 確保您未同時運行 IoT Hub 事件監視器。
-
-> 💁 您可以在 [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions) 資料夾中找到此代碼。
-
-### 任務 - 驗證上傳的 Blob
-
-1. 要查看創建的 Blob，您可以使用 [Azure Storage Explorer](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn)，這是一個免費工具，允許您查看和管理儲存帳戶，或者使用 CLI。
-
-    1. 若要使用 CLI，首先需要一個帳戶金鑰。執行以下命令以獲取此金鑰：
-
-        ```sh
-        az storage account keys list --output table \
-                                     --account-name <storage_name>
-        ```
-
-        將 `<storage_name>` 替換為儲存帳戶的名稱。
-
-        複製 `key1` 的值。
-
-    1. 執行以下命令以列出容器中的 Blob：
-
-        ```sh
-        az storage blob list --container-name gps-data \
-                             --output table \
-                             --account-name <storage_name> \
-                             --account-key <key1>
-        ```
-
-        將 `<storage_name>` 替換為儲存帳戶的名稱，將 `<key1>` 替換為您在上一步中複製的 `key1` 值。
-
-        這將列出容器中的所有 Blob：
-
-        ```output
-        Name                                                  Blob Type    Blob Tier    Length    Content Type              Last Modified              Snapshot
-        ----------------------------------------------------  -----------  -----------  --------  ------------------------  -------------------------  ----------
-        gps-sensor/1810d55e-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:27+00:00
-        gps-sensor/18293e46-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
-        gps-sensor/1844549c-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
-        gps-sensor/1894d714-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
-        ```
-
-    1. 使用以下命令下載其中一個 Blob：
-
-        ```sh
-        az storage blob download --container-name gps-data \
-                                 --account-name <storage_name> \
-                                 --account-key <key1> \
-                                 --name <blob_name> \
-                                 --file <file_name>
-        ```
-
-        將 `<storage_name>` 替換為儲存帳戶的名稱，將 `<key1>` 替換為您之前複製的 `key1` 值。
-
-        將 `<blob_name>` 替換為上一步輸出中 `Name` 欄位的完整名稱，包括資料夾名稱。將 `<file_name>` 替換為要儲存 Blob 的本地檔案名稱。
-
-    下載後，您可以在 VS Code 中打開 JSON 文件，您將看到包含 GPS 位置詳細信息的 Blob：
-
-    ```json
-    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
-    ```
-
-### 任務 - 將 Functions 應用程式部署到雲端
-
-現在您的 Functions 應用程式已經可以運行，您可以將其部署到雲端。
-
-1. 建立一個新的 Azure Functions 應用程式，使用您之前建立的儲存帳戶。命名為類似 `gps-sensor-` 並在末尾添加一個唯一標識符，例如一些隨機單詞或您的名字。
-
-    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中建立 Functions 應用程式的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources)。
-
-1. 將 `IOT_HUB_CONNECTION_STRING` 和 `STORAGE_CONNECTION_STRING` 值上傳到應用程式設定。
-
-    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中上傳應用程式設定的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings)。
-
-1. 將本地 Functions 應用程式部署到雲端。
-> ⚠️ 您可以參考[第2個專案，第5課中有關部署您的 Functions 應用程式的指導說明](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud)，如有需要。
-## 🚀 挑戰
-
-GPS 數據並非完全準確，檢測到的位置可能會有幾米甚至更多的誤差，特別是在隧道和高樓林立的區域。
-
-想一想衛星導航如何克服這個問題？您的衛星導航擁有哪些數據可以幫助它更準確地預測您的位置？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
-
-## 回顧與自學
-
-* 閱讀 [維基百科上的數據模型頁面](https://wikipedia.org/wiki/Data_model) 了解結構化數據
-* 閱讀 [維基百科上的半結構化數據頁面](https://wikipedia.org/wiki/Semi-structured_data) 了解半結構化數據
-* 閱讀 [維基百科上的非結構化數據頁面](https://wikipedia.org/wiki/Unstructured_data) 了解非結構化數據
-* 閱讀 [Azure 儲存體文件](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn) 了解 Azure 儲存體及其不同的儲存類型
-
-## 作業
-
-[調查函數綁定](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/2-store-location-data/assignment.md b/translations/tw/3-transport/lessons/2-store-location-data/assignment.md
deleted file mode 100644
index c2098d5da..000000000
--- a/translations/tw/3-transport/lessons/2-store-location-data/assignment.md
+++ /dev/null
@@ -1,31 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
-  "translation_date": "2025-08-25T01:07:19+00:00",
-  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
-  "language_code": "tw"
-}
--->
-# 調查函數綁定
-
-## 說明
-
-函數綁定允許您的程式碼透過從 `main` 函數返回數據塊（blob）來將其儲存到 Blob 儲存體中。Azure 儲存體帳戶、集合及其他詳細資訊在 `function.json` 檔案中進行配置。
-
-在使用 Azure 或其他 Microsoft 技術時，最佳的資訊來源是 [Microsoft 官方文件](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn)。在此作業中，您需要閱讀 Azure Functions 綁定的相關文件，以了解如何設置輸出綁定。
-
-以下是一些可以幫助您入門的頁面：
-
-* [Azure Functions 觸發器與綁定概念](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
-* [Azure Functions 的 Azure Blob 儲存體綁定概述](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
-* [Azure Functions 的 Azure Blob 儲存體輸出綁定](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 配置 Blob 儲存體輸出綁定 | 能夠成功配置輸出綁定，返回數據塊並將其成功儲存到 Blob 儲存體中 | 能夠配置輸出綁定或返回數據塊，但無法成功將其儲存到 Blob 儲存體中 | 無法配置輸出綁定 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/3-visualize-location-data/README.md b/translations/tw/3-transport/lessons/3-visualize-location-data/README.md
deleted file mode 100644
index bf0eb9b86..000000000
--- a/translations/tw/3-transport/lessons/3-visualize-location-data/README.md
+++ /dev/null
@@ -1,357 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
-  "translation_date": "2025-08-25T00:56:00+00:00",
-  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
-  "language_code": "tw"
-}
--->
-# 可視化位置數據
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure Maps 與 IoT 的功能，這是本課程將涵蓋的內容。
-
-[![Azure Maps - 微軟 Azure 企業位置平台](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
-
-## 簡介
-
-在上一課中，你學習了如何從感測器獲取 GPS 數據並使用無伺服器代碼將其保存到雲端的存儲容器中。現在，你將學習如何在 Azure 地圖上可視化這些點。你將學習如何在網頁上創建地圖，了解 GeoJSON 數據格式，以及如何使用它在地圖上繪製所有捕獲的 GPS 點。
-
-在本課程中，我們將涵蓋：
-
-* [什麼是數據可視化](../../../../../3-transport/lessons/3-visualize-location-data)
-* [地圖服務](../../../../../3-transport/lessons/3-visualize-location-data)
-* [創建 Azure Maps 資源](../../../../../3-transport/lessons/3-visualize-location-data)
-* [在網頁上顯示地圖](../../../../../3-transport/lessons/3-visualize-location-data)
-* [GeoJSON 格式](../../../../../3-transport/lessons/3-visualize-location-data)
-* [使用 GeoJSON 在地圖上繪製 GPS 數據](../../../../../3-transport/lessons/3-visualize-location-data)
-
-> 💁 本課程將涉及少量 HTML 和 JavaScript。如果你想了解更多關於使用 HTML 和 JavaScript 進行網頁開發的內容，請查看 [Web development for beginners](https://github.com/microsoft/Web-Dev-For-Beginners)。
-
-## 什麼是數據可視化
-
-數據可視化，顧名思義，是以更容易讓人類理解的方式來可視化數據。它通常與圖表和圖形相關，但任何以圖像方式呈現數據以幫助人類更好地理解數據並做出決策的方式都屬於數據可視化。
-
-舉個簡單的例子——在農場項目中，你捕獲了土壤濕度的數據。以下是 2021 年 6 月 1 日每小時捕獲的土壤濕度數據表：
-
-| 日期             | 讀數   |
-| ---------------- | ------: |
-| 01/06/2021 00:00 |     257 |
-| 01/06/2021 01:00 |     268 |
-| 01/06/2021 02:00 |     295 |
-| 01/06/2021 03:00 |     305 |
-| 01/06/2021 04:00 |     325 |
-| 01/06/2021 05:00 |     359 |
-| 01/06/2021 06:00 |     398 |
-| 01/06/2021 07:00 |     410 |
-| 01/06/2021 08:00 |     429 |
-| 01/06/2021 09:00 |     451 |
-| 01/06/2021 10:00 |     460 |
-| 01/06/2021 11:00 |     452 |
-| 01/06/2021 12:00 |     420 |
-| 01/06/2021 13:00 |     408 |
-| 01/06/2021 14:00 |     431 |
-| 01/06/2021 15:00 |     462 |
-| 01/06/2021 16:00 |     432 |
-| 01/06/2021 17:00 |     402 |
-| 01/06/2021 18:00 |     387 |
-| 01/06/2021 19:00 |     360 |
-| 01/06/2021 20:00 |     358 |
-| 01/06/2021 21:00 |     354 |
-| 01/06/2021 22:00 |     356 |
-| 01/06/2021 23:00 |     362 |
-
-對人類而言，理解這些數據可能很困難。這是一堆沒有意義的數字。作為可視化這些數據的第一步，可以將其繪製成折線圖：
-
-![上述數據的折線圖](../../../../../translated_images/zh-TW/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png)
-
-這可以進一步增強，例如添加一條線來指示自動灌溉系統在土壤濕度讀數達到 450 時啟動：
-
-![帶有 450 標記線的土壤濕度折線圖](../../../../../translated_images/zh-TW/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png)
-
-這張圖表可以非常快速地顯示土壤濕度水平以及灌溉系統啟動的時間點。
-
-圖表並不是唯一的數據可視化工具。追蹤天氣的 IoT 設備可以通過網頁應用或移動應用使用符號來可視化天氣條件，例如用雲朵符號表示多雲天氣，用雨雲符號表示下雨天氣等等。可視化數據的方法有很多，有些是嚴肅的，有些是有趣的。
-
-✅ 想一想你曾經見過的數據可視化方式。哪些方式最清晰，能讓你最快做出決策？
-
-最好的可視化方式能讓人類快速做出決策。例如，展示工業機器的各種讀數的儀表牆可能很難處理，但當某些事情出錯時，閃爍的紅燈可以讓人類迅速做出決策。有時候，最好的可視化方式就是一盞閃爍的燈！
-
-在處理 GPS 數據時，最清晰的可視化方式是將數據繪製在地圖上。例如，一張顯示送貨卡車的地圖可以幫助加工廠的工人了解卡車何時到達。如果這張地圖不僅顯示卡車當前位置的圖片，還提供卡車內容的概念，那麼加工廠的工人就可以相應地進行計劃——如果他們看到一輛冷藏卡車接近，他們就知道要準備冷藏空間。
-
-## 地圖服務
-
-使用地圖是一項有趣的練習，有許多選擇，例如 Bing Maps、Leaflet、Open Street Maps 和 Google Maps。在本課程中，你將學習 [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) 以及如何使用它們顯示你的 GPS 數據。
-
-![Azure Maps 標誌](../../../../../translated_images/zh-TW/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png)
-
-Azure Maps 是“一組地理空間服務和 SDK，使用最新的地圖數據為網頁和移動應用提供地理背景。”開發者可以使用這些工具創建美觀的交互式地圖，這些地圖可以執行例如提供推薦交通路線、提供交通事故信息、室內導航、搜索功能、海拔信息、天氣服務等功能。
-
-✅ 試試一些 [地圖代碼範例](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps)
-
-你可以將地圖顯示為空白畫布、瓦片、衛星圖像、帶有道路疊加的衛星圖像、各種類型的灰度地圖、帶有陰影地形的地圖、夜景地圖以及高對比度地圖。通過與 [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn) 集成，你可以在地圖上獲得實時更新。你可以啟用各種控件來控制地圖的行為和外觀，使地圖能夠對事件（例如捏合、拖動和點擊）做出反應。為了控制地圖的外觀，你可以添加包括氣泡、線條、多邊形、熱圖等的圖層。你選擇的 SDK 決定了你實現的地圖樣式。
-
-你可以通過使用其 [REST API](https://docs.microsoft.com/javascript/api/azure-maps-rest/?WT.mc_id=academic-17441-jabenn&view=azure-maps-typescript-latest)、其 [Web SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-map-control?WT.mc_id=academic-17441-jabenn)，或者如果你正在構建移動應用，可以使用其 [Android SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-android-map-control-library?WT.mc_id=academic-17441-jabenn&pivots=programming-language-java-android) 來訪問 Azure Maps API。
-
-在本課程中，你將使用 Web SDK 繪製地圖並顯示感測器的 GPS 位置路徑。
-
-## 創建 Azure Maps 資源
-
-第一步是創建一個 Azure Maps 帳戶。
-
-### 任務 - 創建 Azure Maps 資源
-
-1. 從終端或命令提示符運行以下命令，在你的 `gps-sensor` 資源組中創建一個 Azure Maps 資源：
-
-    ```sh
-    az maps account create --name gps-sensor \
-                           --resource-group gps-sensor \
-                           --accept-tos \
-                           --sku S1
-    ```
-
-    這將創建一個名為 `gps-sensor` 的 Azure Maps 資源。使用的層級是 `S1`，這是一個付費層級，包含一系列功能，但提供了大量免費的調用。
-
-    > 💁 要查看使用 Azure Maps 的成本，請查看 [Azure Maps 價格頁面](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn)。
-
-1. 你需要獲取地圖資源的 API 密鑰。使用以下命令獲取此密鑰：
-
-    ```sh
-    az maps account keys list --name gps-sensor \
-                              --resource-group gps-sensor \
-                              --output table
-    ```
-
-    複製 `PrimaryKey` 的值。
-
-## 在網頁上顯示地圖
-
-現在你可以進行下一步，在網頁上顯示地圖。我們將僅使用一個 `html` 文件來構建你的小型網頁應用；請記住，在生產或團隊環境中，你的網頁應用可能會有更多的組件！
-
-### 任務 - 在網頁上顯示地圖
-
-1. 在本地電腦的某個文件夾中創建一個名為 index.html 的文件。添加 HTML 標記以容納地圖：
-
-    ```html
-    <html>
-    <head>
-        <style>
-            #myMap {
-                width:100%;
-                height:100%;
-            }
-        </style>
-    </head>
-    
-    <body onload="init()">
-        <div id="myMap"></div>
-    </body>
-    </html>
-    ```
-
-    地圖將加載到 `myMap` 的 `div` 中。一些樣式允許它跨越頁面的寬度和高度。
-
-    > 🎓 `div` 是網頁的一個部分，可以命名和設置樣式。
-
-1. 在開頭的 `<head>` 標籤下，添加一個外部樣式表來控制地圖顯示，以及一個來自 Web SDK 的外部腳本來管理其行為：
-
-    ```html
-    <link rel="stylesheet" href="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.css" type="text/css" />
-    <script src="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.js"></script>
-    ```
-
-    此樣式表包含地圖外觀的設置，腳本文件包含加載地圖的代碼。添加此代碼類似於包含 C++ 標頭文件或導入 Python 模塊。
-
-1. 在該腳本下方，添加一個腳本塊以啟動地圖。
-
-    ```javascript
-    <script type='text/javascript'>
-        function init() {
-            var map = new atlas.Map('myMap', {
-                center: [-122.26473, 47.73444],
-                zoom: 12,
-                authOptions: {
-                    authType: "subscriptionKey",
-                    subscriptionKey: "<subscription_key>",
-
-                }
-            });
-        }
-    </script>
-    ```
-
-    將 `<subscription_key>` 替換為你的 Azure Maps 帳戶的 API 密鑰。
-
-    如果你在網頁瀏覽器中打開你的 `index.html` 文件，你應該會看到一張地圖加載並聚焦在西雅圖地區。
-
-    ![顯示美國華盛頓州城市西雅圖的地圖](../../../../../translated_images/zh-TW/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png)
-
-    ✅ 試試更改縮放和中心參數來改變地圖顯示。你可以添加與數據的緯度和經度相對應的不同坐標來重新定位地圖。
-
-> 💁 在本地工作網頁應用的更好方式是安裝 [http-server](https://www.npmjs.com/package/http-server)。你需要先安裝 [node.js](https://nodejs.org/) 和 [npm](https://www.npmjs.com/) 才能使用此工具。安裝這些工具後，你可以導航到 `index.html` 文件所在的位置並輸入 `http-server`。網頁應用將在本地網頁伺服器上打開 [http://127.0.0.1:8080/](http://127.0.0.1:8080/)。
-
-## GeoJSON 格式
-
-現在你已經設置了顯示地圖的網頁應用，接下來需要從存儲帳戶中提取 GPS 數據並在地圖上顯示一層標記。在此之前，讓我們來看看 Azure Maps 所需的 [GeoJSON](https://wikipedia.org/wiki/GeoJSON) 格式。
-
-[GeoJSON](https://geojson.org/) 是一種開放標準的 JSON 規範，具有專門設計用於處理地理數據的特殊格式。你可以通過測試示例數據來了解它，使用 [geojson.io](https://geojson.io) 也是一個調試 GeoJSON 文件的有用工具。
-
-示例 GeoJSON 數據如下所示：
-
-```json
-{
-  "type": "FeatureCollection",
-  "features": [
-    {
-      "type": "Feature",
-      "geometry": {
-        "type": "Point",
-        "coordinates": [
-          -2.10237979888916,
-          57.164918677004714
-        ]
-      }
-    }
-  ]
-}
-```
-
-特別需要注意的是數據如何嵌套在 `FeatureCollection` 中的 `Feature`。在該對象中可以找到 `geometry`，其中的 `coordinates` 指示緯度和經度。
-
-✅ 在構建你的 GeoJSON 時，請注意對象中 `緯度` 和 `經度` 的順序，否則你的點將不會出現在正確的位置！GeoJSON 期望點的數據順序為 `lon,lat`，而不是 `lat,lon`。
-
-`Geometry` 可以有不同的類型，例如單個點或多邊形。在此示例中，它是一個點，指定了兩個坐標：經度和緯度。
-✅ Azure Maps 支援標準的 GeoJSON，並且提供一些[增強功能](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn)，包括繪製圓形和其他幾何圖形的能力。
-
-## 使用 GeoJSON 在地圖上繪製 GPS 數據
-
-現在您已準備好使用上一課中建立的存儲中的數據。提醒一下，這些數據存儲為 blob 存儲中的多個文件，因此您需要檢索這些文件並解析它們，以便 Azure Maps 可以使用這些數據。
-
-### 任務 - 配置存儲以便從網頁訪問
-
-如果您嘗試調用存儲以獲取數據，可能會驚訝地發現瀏覽器的控制台中出現錯誤。這是因為您需要在此存儲上設置 [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) 權限，以允許外部網頁應用程序讀取其數據。
-
-> 🎓 CORS 代表 "跨來源資源共享"（Cross-Origin Resource Sharing），通常需要在 Azure 中明確設置以確保安全性。它可以防止您未預期的網站訪問您的數據。
-
-1. 執行以下命令以啟用 CORS：
-
-    ```sh
-    az storage cors add --methods GET \
-                        --origins "*" \
-                        --services b \
-                        --account-name <storage_name> \
-                        --account-key <key1>
-    ```
-
-    將 `<storage_name>` 替換為您的存儲帳戶名稱。將 `<key1>` 替換為您的存儲帳戶的帳戶密鑰。
-
-    此命令允許任何網站（通配符 `*` 表示任何網站）發出 *GET* 請求，即從您的存儲帳戶獲取數據。`--services b` 表示僅對 blob 應用此設置。
-
-### 任務 - 從存儲中加載 GPS 數據
-
-1. 將 `init` 函數的全部內容替換為以下代碼：
-
-    ```javascript
-    fetch("https://<storage_name>.blob.core.windows.net/gps-data/?restype=container&comp=list")
-        .then(response => response.text())
-        .then(str => new window.DOMParser().parseFromString(str, "text/xml"))
-        .then(xml => {
-            let blobList = Array.from(xml.querySelectorAll("Url"));
-                blobList.forEach(async blobUrl => {
-                    loadJSON(blobUrl.innerHTML)                
-        });
-    })
-    .then( response => {
-        map = new atlas.Map('myMap', {
-            center: [-122.26473, 47.73444],
-            zoom: 14,
-            authOptions: {
-                authType: "subscriptionKey",
-                subscriptionKey: "<subscription_key>",
-    
-            }
-        });
-        map.events.add('ready', function () {
-            var source = new atlas.source.DataSource();
-            map.sources.add(source);
-            map.layers.add(new atlas.layer.BubbleLayer(source));
-            source.add(features);
-        })
-    })
-    ```
-
-    將 `<storage_name>` 替換為您的存儲帳戶名稱。將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。
-
-    這裡發生了幾件事。首先，代碼使用基於您的存儲帳戶名稱構建的 URL 端點從 blob 容器中獲取您的 GPS 數據。此 URL 從 `gps-data` 中檢索，表明資源類型是容器（`restype=container`），並列出所有 blob 的信息。此列表不會返回 blob 本身，但會返回每個 blob 的 URL，可用於加載 blob 數據。
-
-    > 💁 您可以將此 URL 放入瀏覽器中查看容器中所有 blob 的詳細信息。每個項目都會有一個 `Url` 屬性，您也可以在瀏覽器中加載該屬性以查看 blob 的內容。
-
-    然後，代碼加載每個 blob，調用 `loadJSON` 函數（稍後會創建）。接著，它創建地圖控件，並向 `ready` 事件添加代碼。此事件在地圖顯示於網頁上時被調用。
-
-    `ready` 事件創建了一個 Azure Maps 數據源——一個包含 GeoJSON 數據的容器，稍後將填充此數據。此數據源隨後用於創建一個氣泡圖層——即地圖上的一組圓圈，圓心位於 GeoJSON 中的每個點。
-
-1. 在 `init` 函數下方的腳本塊中添加 `loadJSON` 函數：
-
-    ```javascript
-    var map, features;
-
-    function loadJSON(file) {
-        var xhr = new XMLHttpRequest();
-        features = [];
-        xhr.onreadystatechange = function () {
-            if (xhr.readyState === XMLHttpRequest.DONE) {
-                if (xhr.status === 200) {
-                    gps = JSON.parse(xhr.responseText)
-                    features.push(
-                        new atlas.data.Feature(new atlas.data.Point([parseFloat(gps.gps.lon), parseFloat(gps.gps.lat)]))
-                    )
-                }
-            }
-        };
-        xhr.open("GET", file, true);
-        xhr.send();
-    }    
-    ```
-
-    此函數由 fetch 例程調用，用於解析 JSON 數據並將其轉換為經度和緯度坐標作為 geoJSON。
-    解析完成後，數據被設置為 geoJSON 的 `Feature` 部分。地圖將被初始化，並且小圓圈將出現在您的數據所繪製的路徑周圍：
-
-1. 在瀏覽器中加載 HTML 頁面。它將加載地圖，然後從存儲中加載所有 GPS 數據並將其繪製在地圖上。
-
-    ![西雅圖附近的 Saint Edward State Park 地圖，顯示公園邊緣路徑上的圓圈](../../../../../translated_images/zh-TW/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png)
-
-> 💁 您可以在 [code](../../../../../3-transport/lessons/3-visualize-location-data/code) 文件夾中找到此代碼。
-
----
-
-## 🚀 挑戰
-
-能夠在地圖上顯示靜態數據作為標記非常不錯。您能否增強此網頁應用程序，添加動畫並顯示標記隨時間移動的路徑，使用帶有時間戳的 JSON 文件？這裡有一些[範例](https://azuremapscodesamples.azurewebsites.net/)展示如何在地圖中使用動畫。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
-
-## 回顧與自學
-
-Azure Maps 對於處理 IoT 設備特別有用。
-
-* 在 [Microsoft Docs 的 Azure Maps 文件](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn) 中研究一些用途。
-* 通過 [Microsoft Learn 上的 Azure Maps 自學模組](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn) 深入了解地圖製作和路徑點。
-
-## 作業
-
-[部署您的應用程序](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/tw/3-transport/lessons/3-visualize-location-data/assignment.md
deleted file mode 100644
index e4bc856af..000000000
--- a/translations/tw/3-transport/lessons/3-visualize-location-data/assignment.md
+++ /dev/null
@@ -1,25 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
-  "translation_date": "2025-08-25T00:59:46+00:00",
-  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
-  "language_code": "tw"
-}
--->
-# 部署您的應用程式
-
-## 指示
-
-有多種方式可以部署您的應用程式，讓它能與世界分享，包括使用 GitHub Pages 或眾多服務提供商中的一個。一個非常出色的方式是使用 Azure Static Web Apps。在這次作業中，請按照[這些指示](https://github.com/Azure/static-web-apps-cli)或觀看[這些影片](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3)，建立您的網頁應用程式並將其部署到雲端。
-
-使用 Azure Static Web Apps 的一個好處是，您可以在入口網站中隱藏任何 API 金鑰，因此請利用這個機會將您的 subscriptionKey 重構為變數並存儲在雲端。
-
-## 評分標準
-
-| 評分標準 | 卓越                                                                                                                                    | 合格                                                                                                                | 需要改進                                       |
-| -------- | --------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------- | ---------------------------------------------- |
-|          | 一個運作正常的網頁應用程式已在有文件記錄的 GitHub 儲存庫中展示，且其 subscriptionKey 已存儲在雲端並通過變數調用                           | 一個運作正常的網頁應用程式已在有文件記錄的 GitHub 儲存庫中展示，但其 subscriptionKey 未存儲在雲端                     | 網頁應用程式存在錯誤或無法正常運作             |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/4-geofences/README.md b/translations/tw/3-transport/lessons/4-geofences/README.md
deleted file mode 100644
index 7666ea6fc..000000000
--- a/translations/tw/3-transport/lessons/4-geofences/README.md
+++ /dev/null
@@ -1,486 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
-  "translation_date": "2025-08-25T00:37:24+00:00",
-  "source_file": "3-transport/lessons/4-geofences/README.md",
-  "language_code": "tw"
-}
--->
-# 地理圍欄
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了地理圍欄以及如何在 Azure Maps 中使用它們，這些是本課程將涵蓋的主題：
-
-[![Microsoft Developer IoT 節目中的 Azure Maps 地理圍欄](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
-
-## 簡介
-
-在過去的三節課中，您已使用物聯網技術定位從農場運送到加工中心的卡車。您捕獲了 GPS 數據，將其發送到雲端存儲，並在地圖上進行可視化。提高供應鏈效率的下一步是當卡車即將到達加工中心時收到警報，這樣卸貨所需的工作人員就可以準備好叉車和其他設備，確保車輛一到就能快速卸貨。這樣可以減少卡車和司機的等待時間。
-
-在本課程中，您將學習地理圍欄——定義的地理空間區域，例如加工中心周圍 2 公里車程範圍內的區域，以及如何測試 GPS 坐標是否在地理圍欄內或外，以便判斷您的 GPS 傳感器是否已進入或離開某個區域。
-
-本課程將涵蓋以下內容：
-
-* [什麼是地理圍欄](../../../../../3-transport/lessons/4-geofences)
-* [定義地理圍欄](../../../../../3-transport/lessons/4-geofences)
-* [測試點是否在地理圍欄內](../../../../../3-transport/lessons/4-geofences)
-* [從無伺服器代碼中使用地理圍欄](../../../../../3-transport/lessons/4-geofences)
-
-> 🗑 這是本專案的最後一課，因此完成本課程和作業後，請記得清理您的雲端服務。您需要這些服務來完成作業，因此請確保先完成作業。
->
-> 如有需要，請參考[清理專案指南](../../../clean-up.md)以獲取相關指示。
-
-## 什麼是地理圍欄
-
-地理圍欄是一個虛擬的邊界，用於真實世界的地理區域。地理圍欄可以是以點和半徑定義的圓形（例如建築物周圍 100 米的圓形），或者是覆蓋某個區域的多邊形，例如學校區域、城市邊界或大學或辦公園區。
-
-![一些地理圍欄的例子，顯示 Microsoft 公司商店周圍的圓形地理圍欄，以及 Microsoft 西園區周圍的多邊形地理圍欄](../../../../../translated_images/zh-TW/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png)
-
-> 💁 您可能已經在不知情的情況下使用過地理圍欄。如果您曾使用 iOS 提醒應用程式或 Google Keep 根據位置設置提醒，那麼您就使用了地理圍欄。這些應用程式會根據提供的位置設置地理圍欄，並在您的手機進入地理圍欄時提醒您。
-
-以下是您可能需要知道車輛是否在地理圍欄內或外的幾個原因：
-
-* **卸貨準備** - 收到車輛到達現場的通知可以讓工作人員準備卸貨，減少車輛等待時間。這可以讓司機在一天內完成更多次的交付，減少等待時間。
-* **稅務合規** - 某些國家（例如紐西蘭）根據車輛重量僅在公共道路上行駛時徵收柴油車輛的道路稅。使用地理圍欄可以追蹤車輛在公共道路上行駛的里程，而不是在農場或伐木區等私人道路上行駛的里程。
-* **盜竊監控** - 如果車輛應該僅停留在某個區域（例如農場），但離開了地理圍欄，則可能是被盜。
-* **位置合規** - 工作場地、農場或工廠的某些區域可能禁止某些車輛進入，例如將運送人工肥料和農藥的車輛遠離種植有機農產品的田地。如果進入地理圍欄，則車輛處於不合規狀態，司機可以收到通知。
-
-✅ 您能想到其他地理圍欄的用途嗎？
-
-Azure Maps（您在上一課中用於可視化 GPS 數據的服務）允許您定義地理圍欄，然後測試某個點是否在地理圍欄內或外。
-
-## 定義地理圍欄
-
-地理圍欄使用 GeoJSON 定義，與上一課中添加到地圖上的點相同。在這種情況下，它不是包含 `Point` 值的 `FeatureCollection`，而是包含 `Polygon` 的 `FeatureCollection`。
-
-```json
-{
-   "type": "FeatureCollection",
-   "features": [
-     {
-       "type": "Feature",
-       "geometry": {
-         "type": "Polygon",
-         "coordinates": [
-           [
-             [
-               -122.13393688201903,
-               47.63829579223815
-             ],
-             [
-               -122.13389128446579,
-               47.63782047131512
-             ],
-             [
-               -122.13240802288054,
-               47.63783312249837
-             ],
-             [
-               -122.13238388299942,
-               47.63829037035086
-             ],
-             [
-               -122.13393688201903,
-               47.63829579223815
-             ]
-           ]
-         ]
-       },
-       "properties": {
-         "geometryId": "1"
-       }
-     }
-   ]
-}
-```
-
-多邊形上的每個點都定義為一個經度和緯度的配對，並以數組的形式表示，這些點的數組設置為 `coordinates`。在上一課中的 `Point` 中，`coordinates` 是包含兩個值（緯度和經度）的數組，而在 `Polygon` 中，它是一個包含多個數組的數組，每個數組包含兩個值（經度和緯度）。
-
-> 💁 請記住，GeoJSON 使用 `經度, 緯度` 表示點，而不是 `緯度, 經度`
-
-多邊形的坐標數組總是比多邊形上的點數多一個，最後一個條目與第一個條目相同，用於閉合多邊形。例如，對於矩形，會有 5 個點。
-
-![一個矩形及其坐標](../../../../../translated_images/zh-TW/polygon-points.302193da381cb415.webp)
-
-在上圖中，有一個矩形。多邊形坐標從左上角的 47,-122 開始，然後向右移動到 47,-121，再向下移動到 46,-121，然後向左移動到 46,-122，最後回到起始點 47,-122。這樣多邊形就有 5 個點——左上角、右上角、右下角、左下角，然後是左上角以閉合多邊形。
-
-✅ 嘗試使用 [GeoJSON.io](https://geojson.io/) 等工具創建一個圍繞您家或學校的 GeoJSON 多邊形。
-
-### 任務 - 定義地理圍欄
-
-要在 Azure Maps 中使用地理圍欄，首先需要將其上傳到您的 Azure Maps 帳戶。一旦上傳，您將獲得一個唯一的 ID，您可以使用該 ID 測試某個點是否在地理圍欄內。要將地理圍欄上傳到 Azure Maps，您需要使用地圖 Web API。您可以使用名為 [curl](https://curl.se) 的工具調用 Azure Maps Web API。
-
-> 🎓 Curl 是一個命令行工具，用於對 Web 端點發出請求
-
-1. 如果您使用的是 Linux、macOS 或 Windows 10 的最新版本，您可能已經安裝了 curl。從終端或命令行運行以下命令進行檢查：
-
-    ```sh
-    curl --version
-    ```
-
-    如果未顯示 curl 的版本信息，您需要從 [curl 下載頁面](https://curl.se/download.html) 安裝它。
-
-    > 💁 如果您熟悉 Postman，您也可以選擇使用它。
-
-1. 創建一個包含多邊形的 GeoJSON 文件。您將使用您的 GPS 傳感器測試此文件，因此請在您的當前位置周圍創建一個多邊形。您可以手動編輯上面提供的 GeoJSON 示例來創建，也可以使用 [GeoJSON.io](https://geojson.io) 等工具。
-
-    GeoJSON 需要包含一個 `FeatureCollection`，其中包含一個 `geometry` 類型為 `Polygon` 的 `Feature`。
-
-    您**必須**在與 `geometry` 元素同一層級添加一個 `properties` 元素，並且該元素必須包含一個 `geometryId`：
-
-    ```json
-    "properties": {
-        "geometryId": "1"
-    }
-    ```
-
-    如果您使用 [GeoJSON.io](https://geojson.io)，則需要手動將此項目添加到空的 `properties` 元素中，可以在下載 JSON 文件後添加，也可以在應用程式的 JSON 編輯器中添加。
-
-    此 `geometryId` 必須在此文件中唯一。您可以在同一 GeoJSON 文件中的 `FeatureCollection` 中上傳多個地理圍欄作為多個 `Feature`，只要每個地理圍欄具有不同的 `geometryId`。如果多邊形是從不同的文件在不同的時間上傳的，它們可以具有相同的 `geometryId`。
-
-1. 將此文件保存為 `geofence.json`，並在終端或控制台中導航到保存位置。
-
-1. 運行以下 curl 命令以創建地理圍欄：
-
-    ```sh
-    curl --request POST 'https://atlas.microsoft.com/mapData/upload?api-version=1.0&dataFormat=geojson&subscription-key=<subscription_key>' \
-         --header 'Content-Type: application/json' \
-         --include \
-         --data @geofence.json
-    ```
-
-    將 URL 中的 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。
-
-    該 URL 用於通過 `https://atlas.microsoft.com/mapData/upload` API 上傳地圖數據。調用包括一個 `api-version` 參數，用於指定使用哪個 Azure Maps API，這是為了允許 API 隨時間變化但保持向後兼容。上傳的數據格式設置為 `geojson`。
-
-    此命令將向上傳 API 發出 POST 請求，並返回一系列響應標頭，其中包括名為 `location` 的標頭。
-
-    ```output
-    content-type: application/json
-    location: https://us.atlas.microsoft.com/mapData/operations/1560ced6-3a80-46f2-84b2-5b1531820eab?api-version=1.0
-    x-ms-azuremaps-region: West US 2
-    x-content-type-options: nosniff
-    strict-transport-security: max-age=31536000; includeSubDomains
-    x-cache: CONFIG_NOCACHE
-    date: Sat, 22 May 2021 21:34:57 GMT
-    content-length: 0
-    ```
-
-    > 🎓 在調用 Web 端點時，您可以通過在 URL 後添加 `?`，然後以 `key=value` 的形式添加鍵值對，並用 `&` 分隔鍵值對來傳遞參數。
-
-1. Azure Maps 不會立即處理此請求，因此您需要使用 `location` 標頭中提供的 URL 檢查上傳請求是否已完成。通過向該 URL 發出 GET 請求來查看狀態。您需要在 `location` URL 的末尾添加您的訂閱密鑰，方法是添加 `&subscription-key=<subscription_key>`，並將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。運行以下命令：
-
-    ```sh
-    curl --request GET '<location>&subscription-key=<subscription_key>'
-    ```
-
-    將 `<location>` 替換為 `location` 標頭的值，並將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。
-
-1. 檢查響應中的 `status` 值。如果不是 `Succeeded`，請等待一分鐘後再試。
-
-1. 一旦狀態返回為 `Succeeded`，查看響應中的 `resourceLocation`。這包含 GeoJSON 對象的唯一 ID（稱為 UDID）的詳細信息。UDID 是 `metadata/` 之後的值，不包括 `api-version`。例如，如果 `resourceLocation` 是：
-
-    ```json
-    {
-      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
-    }
-    ```
-
-    那麼 UDID 將是 `7c3776eb-da87-4c52-ae83-caadf980323a`。
-
-    保存此 UDID，因為您將需要它來測試地理圍欄。
-
-## 測試點是否在地理圍欄內
-
-一旦多邊形上傳到 Azure Maps，您可以測試某個點是否在地理圍欄內或外。您可以通過發出 Web API 請求，傳遞地理圍欄的 UDID，以及要測試的點的緯度和經度來完成此操作。
-
-在發出此請求時，您還可以傳遞一個名為 `searchBuffer` 的值。這告訴 Maps API 返回結果時的精確度。原因是 GPS 並不完全準確，有時位置可能會偏差幾米甚至更多。`searchBuffer` 的默認值為 50 米，但您可以設置 0 米到 500 米之間的值。
-
-當 API 調用返回結果時，結果的一部分是測量到地理圍欄邊緣最近點的 `distance`，如果點在地理圍欄外則為正值，若在地理圍欄內則為負值。如果此距離小於 `searchBuffer`，則返回實際距離（以米為單位），否則值為 999 或 -999。999 表示該點距地理圍欄超過 `searchBuffer`，-999 表示該點距地理圍欄內超過 `searchBuffer`。
-
-![地理圍欄及其周圍 50 米的搜索緩衝區](../../../../../translated_images/zh-TW/search-buffer-and-distance.e6a79af3898183c7.webp)
-
-在上圖中，地理圍欄有一個 50 米的搜索緩衝區。
-
-* 地理圍欄中心的一個點，遠遠在搜索緩衝區內，距離為 **-999**
-* 一個遠遠在搜索緩衝區外的點，距離為 **999**
-* 一個在地理圍欄內且在搜索緩衝區內的點，距地理圍欄 6 米，距離為 **6 米**
-* 一個在地理圍欄外且在搜索緩衝區內的點，距地理圍欄 39 米，距離為 **39 米**
-
-了解到地理圍欄邊緣的距離並結合其他信息（例如其他 GPS 讀數、速度和道路數據）在基於車輛位置做出決策時非常重要。
-
-例如，假設 GPS 讀數顯示車輛沿著一條道路行駛，該道路最終與地理圍欄相鄰。如果單個 GPS 值不準確並將車輛定位在地理圍欄內，儘管沒有車輛通行的入口，那麼可以忽略該值。
-
-![GPS 路徑顯示車輛沿著 520 公路經過 Microsoft 園區，GPS 讀數沿著道路分佈，除了其中一個在園區內，位於地理圍欄內](../../../../../translated_images/zh-TW/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png)
-在上圖中，有一個地理圍欄覆蓋了部分 Microsoft 校園。紅線顯示了一輛卡車沿著 520 行駛，圓圈表示 GPS 讀數。大多數讀數是準確的，並且位於 520 上，但有一個不準確的讀數出現在地理圍欄內。這個讀數不可能是正確的——卡車不可能突然從 520 偏離進入校園，然後再回到 520。檢查地理圍欄的程式碼需要在執行地理圍欄測試結果之前考慮之前的讀數。
-
-✅ 需要檢查哪些額外的數據來判斷 GPS 讀數是否可以被認為是正確的？
-
-### 任務 - 測試點是否在地理圍欄內
-
-1. 首先構建用於 Web API 查詢的 URL。格式如下：
-
-    ```output
-    https://atlas.microsoft.com/spatial/geofence/json?api-version=1.0&deviceId=gps-sensor&subscription-key=<subscription-key>&udid=<UDID>&lat=<lat>&lon=<lon>
-    ```
-
-    將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 金鑰。
-
-    將 `<UDID>` 替換為上一個任務中地理圍欄的 UDID。
-
-    將 `<lat>` 和 `<lon>` 替換為您想要測試的緯度和經度。
-
-    此 URL 使用 `https://atlas.microsoft.com/spatial/geofence/json` API 查詢使用 GeoJSON 定義的地理圍欄。它針對 `1.0` API 版本。`deviceId` 參數是必需的，應該是緯度和經度來源設備的名稱。
-
-    預設的搜索緩衝區是 50 米，您可以通過傳遞額外的參數 `searchBuffer=<distance>` 來更改此值，將 `<distance>` 設置為以米為單位的搜索緩衝區距離，範圍為 0 到 500。
-
-1. 使用 curl 對此 URL 發出 GET 請求：
-
-    ```sh
-    curl --request GET '<URL>'
-    ```
-
-    > 💁 如果您收到 `BadRequest` 的響應代碼，並出現以下錯誤：
-    >
-    > ```output
-    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
-    > ```
-    >
-    > 那麼您的 GeoJSON 缺少帶有 `geometryId` 的 `properties` 部分。您需要修復您的 GeoJSON，然後重複上述步驟重新上傳並獲取新的 UDID。
-
-1. 響應將包含一個 `geometries` 列表，每個幾何體對應於用於創建地理圍欄的 GeoJSON 中定義的多邊形。每個幾何體有三個感興趣的字段：`distance`、`nearestLat` 和 `nearestLon`。
-
-    ```output
-    {
-        "geometries": [
-            {
-                "deviceId": "gps-sensor",
-                "udId": "7c3776eb-da87-4c52-ae83-caadf980323a",
-                "geometryId": "1",
-                "distance": 999.0,
-                "nearestLat": 47.645875,
-                "nearestLon": -122.142713
-            }
-        ],
-        "expiredGeofenceGeometryId": [],
-        "invalidPeriodGeofenceGeometryId": []
-    }
-    ```
-
-    * `nearestLat` 和 `nearestLon` 是地理圍欄邊緣上最接近測試位置的點的緯度和經度。
-
-    * `distance` 是測試位置到地理圍欄邊緣最近點的距離。負數表示在地理圍欄內，正數表示在外。此值將小於 50（預設搜索緩衝區）或 999。
-
-1. 使用地理圍欄內部和外部的位置多次重複此操作。
-
-## 從無伺服器代碼中使用地理圍欄
-
-現在，您可以為 Functions 應用新增一個觸發器，以測試 IoT Hub GPS 事件數據是否符合地理圍欄。
-
-### 消費者組
-
-正如您在之前的課程中記得的，IoT Hub 允許您重播已接收但未處理的事件。但如果多個觸發器連接會發生什麼？它如何知道哪個觸發器處理了哪些事件？
-
-答案是它無法知道！因此，您可以定義多個單獨的連接來讀取事件，每個連接可以管理未讀消息的重播。這些被稱為 *消費者組*。當您連接到端點時，可以指定要連接的消費者組。應用程式的每個組件將連接到不同的消費者組。
-
-![一個 IoT Hub 與 3 個消費者組分發相同的消息到 3 個不同的 Functions 應用](../../../../../translated_images/zh-TW/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png)
-
-理論上，每個消費者組最多可以連接 5 個應用程式，並且它們都會在消息到達時接收消息。最佳實踐是每個消費者組僅由一個應用程式訪問，以避免重複處理消息，並確保在重新啟動時所有排隊的消息都能正確處理。例如，如果您在本地啟動了 Functions 應用並同時在雲端運行，它們都會處理消息，導致存儲帳戶中存儲的 Blob 重複。
-
-如果您查看之前課程中創建的 IoT Hub 觸發器的 `function.json` 文件，您將在事件中心觸發器綁定部分看到消費者組：
-
-```json
-"consumerGroup": "$Default"
-```
-
-當您創建 IoT Hub 時，系統會預設創建 `$Default` 消費者組。如果您想新增一個觸發器，可以使用新的消費者組來新增。
-
-> 💁 在本課程中，您將使用與存儲 GPS 數據的觸發器不同的函數來測試地理圍欄。這是為了展示如何使用消費者組並分離代碼以使其更易於閱讀和理解。在生產應用程式中，您可能會以多種方式設計此功能——將兩者放在一個函數中，使用存儲帳戶上的觸發器運行函數來檢查地理圍欄，或使用多個函數。沒有“正確的方式”，這取決於您的應用程式和需求。
-
-### 任務 - 創建一個新的消費者組
-
-1. 運行以下命令為您的 IoT Hub 創建一個名為 `geofence` 的新消費者組：
-
-    ```sh
-    az iot hub consumer-group create --name geofence \
-                                     --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
-
-1. 如果您想查看 IoT Hub 的所有消費者組，請運行以下命令：
-
-    ```sh
-    az iot hub consumer-group list --output table \
-                                   --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。這將列出所有消費者組。
-
-    ```output
-    Name      ResourceGroup
-    --------  ---------------
-    $Default  gps-sensor
-    geofence  gps-sensor
-    ```
-
-> 💁 當您在之前的課程中運行 IoT Hub 事件監視器時，它連接到了 `$Default` 消費者組。這就是為什麼您無法同時運行事件監視器和事件觸發器。如果您想同時運行兩者，則可以為所有 Functions 應用使用其他消費者組，並將 `$Default` 保留給事件監視器。
-
-### 任務 - 創建一個新的 IoT Hub 觸發器
-
-1. 在您之前課程中創建的 `gps-trigger` Functions 應用中新增一個 IoT Hub 事件觸發器。將此函數命名為 `geofence-trigger`。
-
-    > ⚠️ 如果需要，您可以參考[項目 2，第 5 課中創建 IoT Hub 事件觸發器的指導](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger)。
-
-1. 在 `function.json` 文件中配置 IoT Hub 連接字串。`local.settings.json` 在 Functions 應用中的所有觸發器之間共享。
-
-1. 更新 `function.json` 文件中 `consumerGroup` 的值，以引用新的 `geofence` 消費者組：
-
-    ```json
-    "consumerGroup": "geofence"
-    ```
-
-1. 您需要在此觸發器中使用 Azure Maps 帳戶的訂閱金鑰，因此在 `local.settings.json` 文件中新增一個名為 `MAPS_KEY` 的條目。
-
-1. 運行 Functions 應用以確保它正在連接並處理消息。之前課程中的 `iot-hub-trigger` 也將運行並將 Blob 上傳到存儲。
-
-    > 為了避免在 Blob 存儲中重複 GPS 讀數，您可以停止在雲端運行的 Functions 應用。為此，請使用以下命令：
-    >
-    > ```sh
-    > az functionapp stop --resource-group gps-sensor \
-    >                     --name <functions_app_name>
-    > ```
-    >
-    > 將 `<functions_app_name>` 替換為您用於 Functions 應用的名稱。
-    >
-    > 您可以稍後使用以下命令重新啟動它：
-    >
-    > ```sh
-    > az functionapp start --resource-group gps-sensor \
-    >                     --name <functions_app_name>
-    > ```
-    >
-    > 將 `<functions_app_name>` 替換為您用於 Functions 應用的名稱。
-
-### 任務 - 從觸發器測試地理圍欄
-
-在本課程的早些時候，您使用 curl 查詢地理圍欄以查看某個點是否位於內部或外部。您可以從觸發器內部發出類似的 Web 請求。
-
-1. 要查詢地理圍欄，您需要其 UDID。在 `local.settings.json` 文件中新增一個名為 `GEOFENCE_UDID` 的條目，並填入此值。
-
-1. 打開新觸發器 `geofence-trigger` 的 `__init__.py` 文件。
-
-1. 在文件頂部新增以下導入：
-
-    ```python
-    import json
-    import os
-    import requests
-    ```
-
-    `requests` 套件允許您發出 Web API 調用。Azure Maps 沒有 Python SDK，您需要通過 Web API 調用來從 Python 代碼中使用它。
-
-1. 在 `main` 方法的開頭新增以下兩行以獲取 Maps 訂閱金鑰：
-
-    ```python
-    maps_key = os.environ['MAPS_KEY']
-    geofence_udid = os.environ['GEOFENCE_UDID']    
-    ```
-
-1. 在 `for event in events` 迴圈內，新增以下代碼以從每個事件中獲取緯度和經度：
-
-    ```python
-    event_body = json.loads(event.get_body().decode('utf-8'))
-    lat = event_body['gps']['lat']
-    lon = event_body['gps']['lon']
-    ```
-
-    此代碼將事件主體中的 JSON 轉換為字典，然後從 `gps` 字段中提取 `lat` 和 `lon`。
-
-1. 使用 `requests` 時，與使用 curl 構建長 URL 不同，您可以僅使用 URL 部分並將參數作為字典傳遞。新增以下代碼以定義要調用的 URL 並配置參數：
-
-    ```python
-    url = 'https://atlas.microsoft.com/spatial/geofence/json'
-
-    params = {
-        'api-version': 1.0,
-        'deviceId': 'gps-sensor',
-        'subscription-key': maps_key,
-        'udid' : geofence_udid,
-        'lat' : lat,
-        'lon' : lon
-    }
-    ```
-
-    `params` 字典中的項目將與您通過 curl 調用 Web API 時使用的鍵值對匹配。
-
-1. 新增以下代碼以調用 Web API：
-
-    ```python
-    response = requests.get(url, params=params)
-    response_body = json.loads(response.text)
-    ```
-
-    這將使用參數調用 URL，並返回一個響應對象。
-
-1. 在此代碼下方新增以下代碼：
-
-    ```python
-    distance = response_body['geometries'][0]['distance']
-
-    if distance == 999:
-        logging.info('Point is outside geofence')
-    elif distance > 0:
-        logging.info(f'Point is just outside geofence by a distance of {distance}m')
-    elif distance == -999:
-        logging.info(f'Point is inside geofence')
-    else:
-        logging.info(f'Point is just inside geofence by a distance of {distance}m')
-    ```
-
-    此代碼假設只有一個幾何體，並從該幾何體中提取距離。然後根據距離記錄不同的消息。
-
-1. 運行此代碼。您將在日誌輸出中看到 GPS 坐標是否在地理圍欄內，或者如果點在 50 米內，則顯示距離。使用基於 GPS 傳感器位置的不同地理圍欄嘗試此代碼，嘗試移動傳感器（例如通過手機的 WiFi 共享，或使用虛擬 IoT 設備上的不同坐標）以查看此變化。
-
-1. 當您準備好時，將此代碼部署到雲端的 Functions 應用中。不要忘記部署新的應用程式設置。
-
-    > ⚠️ 如果需要，您可以參考[項目 2，第 5 課中上傳應用程式設置的指導](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings)。
-
-    > ⚠️ 如果需要，您可以參考[項目 2，第 5 課中部署 Functions 應用的指導](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud)。
-
-> 💁 您可以在 [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions) 文件夾中找到此代碼。
-
----
-
-## 🚀 挑戰
-
-在本課程中，您使用帶有單個多邊形的 GeoJSON 文件新增了一個地理圍欄。您可以同時上傳多個多邊形，只要它們在 `properties` 部分中具有不同的 `geometryId` 值。
-
-嘗試上傳包含多個多邊形的 GeoJSON 文件，並調整您的代碼以找到 GPS 坐標最接近或位於其中的多邊形。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
-
-## 回顧與自學
-
-* 在 [Wikipedia 的地理圍欄頁面](https://en.wikipedia.org/wiki/Geo-fence) 上閱讀更多關於地理圍欄及其一些使用案例的內容。
-* 在 [Microsoft Azure Maps Spatial - Get Geofence 文檔](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn) 上閱讀更多關於 Azure Maps 地理圍欄 API 的內容。
-* 在 [Microsoft Docs 上的 Azure Event Hubs 功能和術語 - 事件消費者文檔](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers) 中閱讀更多關於消費者組的內容。
-
-## 作業
-
-[使用 Twilio 發送通知](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/3-transport/lessons/4-geofences/assignment.md b/translations/tw/3-transport/lessons/4-geofences/assignment.md
deleted file mode 100644
index 9cd104180..000000000
--- a/translations/tw/3-transport/lessons/4-geofences/assignment.md
+++ /dev/null
@@ -1,30 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
-  "translation_date": "2025-08-25T00:43:26+00:00",
-  "source_file": "3-transport/lessons/4-geofences/assignment.md",
-  "language_code": "tw"
-}
--->
-# 使用 Twilio 發送通知
-
-## 指導說明
-
-在目前的程式碼中，你只是記錄了與地理圍欄的距離。在這次作業中，你需要新增一個通知功能，當 GPS 座標位於地理圍欄內時，發送一則簡訊或電子郵件。
-
-Azure Functions 提供多種綁定選項，包括與第三方服務（如 Twilio，一個通訊平台）的整合。
-
-* 在 [Twilio.com](https://www.twilio.com) 註冊一個免費帳戶
-* 閱讀 [Microsoft 文件中 Azure Functions 與 Twilio SMS 綁定的頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python) 以了解如何綁定 Twilio SMS。
-* 閱讀 [Microsoft 文件中 Azure Functions 與 Twilio SendGrid 綁定的頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python) 以了解如何使用 Twilio SendGrid 發送電子郵件。
-* 將綁定新增到你的 Functions 應用程式中，當 GPS 座標位於地理圍欄內或外時收到通知，但不要同時處理內外兩種情況。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 配置函數綁定並接收電子郵件或簡訊 | 能夠成功配置函數綁定，並在地理圍欄內或外時接收到電子郵件或簡訊，但不包括同時處理內外兩種情況 | 能夠配置綁定，但無法成功發送電子郵件或簡訊，或僅能在座標同時位於內外時發送 | 無法配置綁定，也無法發送電子郵件或簡訊 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/README.md b/translations/tw/4-manufacturing/README.md
deleted file mode 100644
index 933281335..000000000
--- a/translations/tw/4-manufacturing/README.md
+++ /dev/null
@@ -1,36 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3764e089adf2d5801272bc0895f8498b",
-  "translation_date": "2025-08-24T21:19:17+00:00",
-  "source_file": "4-manufacturing/README.md",
-  "language_code": "tw"
-}
--->
-# 製造與加工 - 使用物聯網改善食品加工
-
-當食品抵達中央集散中心或加工廠時，它並不總是直接運送到超市。很多時候，食品需要經過多個加工步驟，例如按品質分類。這是一個過去需要手動完成的過程——從田間開始，採摘工人只會挑選成熟的水果，然後在工廠裡，水果會通過傳送帶，員工手動移除任何有瘀傷或腐爛的水果。我自己在學校暑假期間曾經做過挑選和分類草莓的工作，可以證明這並不是一份有趣的工作。
-
-更現代的系統依賴物聯網進行分類。一些早期的設備，例如 [Weco](https://wecotek.com) 的分選機，使用光學傳感器來檢測農產品的品質，例如拒絕未成熟的綠色番茄。這些設備可以部署在農場的收割機上，也可以部署在加工廠內。
-
-隨著人工智慧 (AI) 和機器學習 (ML) 的進步，這些機器可以變得更加先進，使用經過訓練的 ML 模型來區分水果和異物，例如石頭、泥土或昆蟲。這些模型還可以被訓練來檢測水果的品質，不僅是瘀傷的水果，還包括早期檢測疾病或其他作物問題。
-
-> 🎓 *ML 模型* 這個術語指的是在一組數據上訓練機器學習軟體後的輸出。例如，您可以訓練一個 ML 模型來區分成熟和未成熟的番茄，然後使用該模型對新圖像進行判斷，看看番茄是否成熟。
-
-在這四節課中，您將學習如何訓練基於圖像的 AI 模型來檢測水果品質，如何在物聯網設備上使用這些模型，以及如何在邊緣運行這些模型——也就是在物聯網設備上運行，而不是在雲端。
-
-> 💁 這些課程將使用一些雲端資源。如果您未完成此專案中的所有課程，請確保您[清理您的專案](../clean-up.md)。
-
-## 主題
-
-1. [訓練水果品質檢測器](./lessons/1-train-fruit-detector/README.md)
-1. [從物聯網設備檢查水果品質](./lessons/2-check-fruit-from-device/README.md)
-1. [在邊緣運行您的水果檢測器](./lessons/3-run-fruit-detector-edge/README.md)
-1. [從傳感器觸發水果品質檢測](./lessons/4-trigger-fruit-detector/README.md)
-
-## 致謝
-
-所有課程由 [Jen Fox](https://github.com/jenfoxbot) 和 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/tw/4-manufacturing/lessons/1-train-fruit-detector/README.md
deleted file mode 100644
index 4f925f1f2..000000000
--- a/translations/tw/4-manufacturing/lessons/1-train-fruit-detector/README.md
+++ /dev/null
@@ -1,242 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
-  "translation_date": "2025-08-24T21:21:01+00:00",
-  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
-  "language_code": "tw"
-}
--->
-# 訓練水果品質檢測器
-
-![本課程概述的手繪筆記](../../../../../translated_images/zh-TW/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-此影片概述了 Azure Custom Vision 服務，這是本課程中將介紹的服務。
-
-[![Custom Vision – 機器學習變得簡單 | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
-
-## 簡介
-
-人工智慧 (AI) 和機器學習 (ML) 的快速發展為現代開發者提供了廣泛的能力。ML 模型可以被訓練來識別影像中的不同事物，包括未成熟的水果，這可以用於物聯網 (IoT) 設備中，幫助在收穫或工廠及倉庫加工過程中進行產品分類。
-
-在本課程中，您將學習影像分類——使用 ML 模型來區分不同事物的影像。您將學習如何訓練影像分類器，以區分品質良好的水果和品質不佳的水果，例如未成熟、過熟、碰傷或腐爛的水果。
-
-本課程將涵蓋以下內容：
-
-* [使用 AI 和 ML 進行食品分類](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [透過機器學習進行影像分類](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [訓練影像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [測試您的影像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-* [重新訓練您的影像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
-
-## 使用 AI 和 ML 進行食品分類
-
-養活全球人口是一項艱鉅的任務，尤其是在以所有人都能負擔得起的價格提供食物的情況下。勞動力成本是其中最大的支出之一，因此農民越來越多地轉向自動化和物聯網等工具來降低勞動力成本。手工收割勞動強度大（且通常是非常辛苦的工作），在富裕國家正逐漸被機械取代。儘管使用機械收割降低了成本，但也有一個缺點——無法在收割時對食品進行分類。
-
-並非所有作物都能均勻成熟。例如，番茄在大多數果實準備收割時，藤上可能仍有一些未成熟的綠色果實。雖然提前收割這些果實是一種浪費，但對農民來說，使用機械收割所有果實並在後期處理未成熟的果實更便宜、更方便。
-
-✅ 看看您附近農場或花園中正在生長的不同水果或蔬菜，或者商店中的水果或蔬菜。它們是否都成熟一致，還是您能看到成熟度的差異？
-
-自動化收割的興起將產品分類從收割階段移到了工廠。食品會在長長的輸送帶上運輸，人工團隊挑選出不符合品質標準的產品。儘管使用機械收割降低了成本，但人工分類食品仍然需要付出成本。
-
-![如果檢測到紅色番茄，它會繼續前進。如果檢測到綠色番茄，則會被槓桿推入廢料箱](../../../../../translated_images/zh-TW/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png)
-
-下一步的演進是使用機器進行分類，這些機器可以內建於收割機中或位於加工廠內。第一代這些機器使用光學感測器檢測顏色，並控制執行器將綠色番茄推入廢料箱，使用槓桿或氣流將紅色番茄留在輸送帶網絡上繼續前進。
-
-在這段影片中，當番茄從一條輸送帶掉落到另一條輸送帶時，綠色番茄被檢測到並用槓桿推入廢料箱。
-
-✅ 在工廠或田地中，光學感測器需要什麼條件才能正常工作？
-
-最新一代的分類機器利用 AI 和 ML，使用訓練模型來區分品質良好的產品和品質不佳的產品，不僅僅是通過顏色差異（如綠色番茄與紅色番茄），還包括外觀上的微妙差異，例如疾病或碰傷。
-
-## 透過機器學習進行影像分類
-
-傳統編程是將數據與算法結合，並生成輸出。例如，在上一個項目中，您使用 GPS 坐標和地理圍欄，應用 Azure Maps 提供的算法，並獲得該點是否在地理圍欄內或外的結果。輸入更多數據，您就能獲得更多輸出。
-
-![傳統開發使用輸入和算法生成輸出。機器學習使用輸入和輸出數據訓練模型，該模型可以使用新輸入數據生成新輸出](../../../../../translated_images/zh-TW/traditional-vs-ml.5c20c169621fa539.webp)
-
-機器學習則顛覆了這一過程——您從數據和已知輸出開始，機器學習算法從數據中學習。然後，您可以使用這個訓練好的算法（稱為 *機器學習模型* 或 *模型*），輸入新數據並獲得新輸出。
-
-> 🎓 機器學習算法從數據中學習的過程稱為 *訓練*。輸入和已知輸出稱為 *訓練數據*。
-
-例如，您可以提供數百萬張未成熟香蕉的圖片作為輸入訓練數據，並將訓練輸出設為 `未成熟`，同時提供數百萬張成熟香蕉的圖片作為訓練數據，輸出設為 `成熟`。ML 算法將基於這些數據創建一個模型。然後，您可以將一張新的香蕉圖片提供給這個模型，它將預測該香蕉是成熟還是未成熟。
-
-> 🎓 ML 模型的結果稱為 *預測*
-
-![兩根香蕉，一根成熟的香蕉預測為 99.7% 成熟，0.3% 未成熟；另一根未成熟的香蕉預測為 1.4% 成熟，98.6% 未成熟](../../../../../translated_images/zh-TW/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png)
-
-ML 模型不會給出二元答案，而是提供概率。例如，模型可能會給出一張香蕉的圖片，預測 `成熟` 的概率為 99.7%，`未成熟` 的概率為 0.3%。您的代碼將選擇最佳預測並判斷該香蕉是成熟的。
-
-用於檢測影像的 ML 模型稱為 *影像分類器*——它接收標記的影像，並根據這些標記分類新影像。
-
-> 💁 這是一種簡化的說法，還有許多其他訓練模型的方法，不一定需要標記的輸出，例如無監督學習。如果您想了解更多關於 ML 的知識，請查看 [ML 初學者課程，一個包含 24 篇課程的機器學習課程](https://aka.ms/ML-beginners)。
-
-## 訓練影像分類器
-
-要成功訓練影像分類器，您需要數百萬張影像。然而，事實證明，一旦您擁有一個基於數百萬或數十億張各種影像訓練的影像分類器，您可以重複使用它並通過少量影像重新訓練它，並獲得良好的結果，這個過程稱為 *遷移學習*。
-
-> 🎓 遷移學習是指將現有 ML 模型的學習成果轉移到基於新數據的新模型中。
-
-一旦影像分類器已經針對各種影像進行訓練，它的內部就能很好地識別形狀、顏色和模式。遷移學習允許模型利用它已經學會的影像部分識別能力，來識別新影像。
-
-![一旦能識別形狀，它們可以以不同的配置組成船或貓](../../../../../translated_images/zh-TW/shapes-to-images.1a309f0ea88dd66f.webp)
-
-您可以將其類比為兒童的形狀書籍，一旦您能識別半圓形、矩形和三角形，您就能根據這些形狀的配置識別帆船或貓。影像分類器可以識別形狀，而遷移學習則教它什麼樣的組合構成帆船或貓——或者成熟的香蕉。
-
-有許多工具可以幫助您完成這項工作，包括基於雲的服務，這些服務可以幫助您訓練模型，然後通過 Web API 使用它。
-
-> 💁 訓練這些模型需要大量的計算能力，通常通過圖形處理單元 (GPU) 實現。與 Xbox 上讓遊戲畫面看起來令人驚嘆的專用硬件相同，GPU 也可以用於訓練機器學習模型。通過使用雲端，您可以租用強大計算機的 GPU 訓練模型，只需支付您需要的時間。
-
-## Custom Vision
-
-Custom Vision 是一種基於雲的工具，用於訓練影像分類器。它允許您僅使用少量影像訓練分類器。您可以通過 Web 入口、Web API 或 SDK 上傳影像，並為每張影像提供 *標籤*，以標記該影像的分類。然後，您可以訓練模型並測試其性能。一旦您對模型感到滿意，您可以發布版本，通過 Web API 或 SDK 訪問它。
-
-![Azure Custom Vision 標誌](../../../../../translated_images/zh-TW/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png)
-
-> 💁 您可以僅使用每個分類 5 張影像訓練 Custom Vision 模型，但影像越多效果越好。至少 30 張影像可以獲得更好的結果。
-
-Custom Vision 是 Microsoft 提供的一系列 AI 工具的一部分，稱為 Cognitive Services。這些 AI 工具可以在不需要任何訓練或僅需少量訓練的情況下使用，包括語音識別和翻譯、語言理解和影像分析。這些工具在 Azure 中提供免費層。
-
-> 💁 免費層足以創建模型、訓練模型，然後用於開發工作。您可以在 [Microsoft Docs 上的 Custom Vision 限制和配額頁面](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn) 閱讀免費層的限制。
-
-### 任務 - 創建 Cognitive Services 資源
-
-要使用 Custom Vision，您需要使用 Azure CLI 在 Azure 中創建兩個 Cognitive Services 資源，一個用於 Custom Vision 訓練，另一個用於 Custom Vision 預測。
-
-1. 為此項目創建一個名為 `fruit-quality-detector` 的資源群組。
-
-1. 使用以下命令創建一個免費的 Custom Vision 訓練資源：
-
-    ```sh
-    az cognitiveservices account create --name fruit-quality-detector-training \
-                                        --resource-group fruit-quality-detector \
-                                        --kind CustomVision.Training \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為您創建資源群組時使用的位置。
-
-    這將在您的資源群組中創建一個 Custom Vision 訓練資源。它將被命名為 `fruit-quality-detector-training`，並使用 `F0` sku，即免費層。`--yes` 選項表示您同意 Cognitive Services 的條款和條件。
-
-> 💁 如果您已經有一個使用任何 Cognitive Services 的免費帳戶，請使用 `S0` sku。
-
-1. 使用以下命令創建一個免費的 Custom Vision 預測資源：
-
-    ```sh
-    az cognitiveservices account create --name fruit-quality-detector-prediction \
-                                        --resource-group fruit-quality-detector \
-                                        --kind CustomVision.Prediction \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為您創建資源群組時使用的位置。
-
-    這將在您的資源群組中創建一個 Custom Vision 預測資源。它將被命名為 `fruit-quality-detector-prediction`，並使用 `F0` sku，即免費層。`--yes` 選項表示您同意 Cognitive Services 的條款和條件。
-
-### 任務 - 創建影像分類器項目
-
-1. 打開 [CustomVision.ai](https://customvision.ai) 的 Custom Vision 入口，並使用您 Azure 帳戶的 Microsoft 帳戶登錄。
-
-1. 按照 Microsoft Docs 上 [建立分類器快速入門的創建新項目部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#create-a-new-project) 創建新的 Custom Vision 項目。UI 可能會更改，這些文檔始終是最新的參考。
-
-    將您的項目命名為 `fruit-quality-detector`。
-
-    創建項目時，請確保使用您之前創建的 `fruit-quality-detector-training` 資源。使用 *分類* 項目類型、*多類別* 分類類型以及 *食品* 領域。
-
-    ![Custom Vision 項目的設置，名稱設為 fruit-quality-detector，無描述，資源設為 fruit-quality-detector-training，項目類型設為分類，分類類型設為多類別，領域設為食品](../../../../../translated_images/zh-TW/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png)
-
-✅ 花些時間探索您的影像分類器的 Custom Vision UI。
-
-### 任務 - 訓練您的影像分類器項目
-
-要訓練影像分類器，您需要多張水果的圖片，包括品質良好和品質不佳的水果，並標記為良好和不良，例如成熟和過熟的香蕉。
-💁 這些分類器可以用來分類任何東西的圖片，所以如果你手邊沒有不同品質的水果，你可以使用兩種不同類型的水果，或者貓和狗！
-理想情況下，每張照片應該只包含水果，背景要保持一致或有多種背景。確保背景中沒有任何與成熟或未成熟水果相關的特定元素。
-
-> 💁 非常重要的是，背景或與標籤分類無關的特定物品不應出現在照片中，否則分類器可能會根據背景進行分類。有一個皮膚癌分類器曾經用正常和癌症痣的照片進行訓練，而癌症痣的照片中都放置了尺子來測量大小。結果分類器幾乎100%準確地識別了照片中的尺子，而不是癌症痣。
-
-影像分類器以非常低的解析度運行。例如，Custom Vision可以處理最大10240x10240的訓練和預測影像，但模型實際上是在227x227的影像上進行訓練和運行。較大的影像會縮小到這個尺寸，因此請確保您要分類的物品在影像中占據較大的部分，否則在分類器使用的小影像中可能會太小。
-
-1. 收集分類器所需的照片。每個標籤至少需要5張照片來訓練分類器，但越多越好。此外，還需要一些額外的照片來測試分類器。這些照片應該是同一物品的不同照片。例如：
-
-    * 使用2根成熟的香蕉，從不同角度拍攝每根香蕉的幾張照片，至少拍攝7張（5張用於訓練，2張用於測試），但最好更多。
-
-        ![2根不同香蕉的照片](../../../../../translated_images/zh-TW/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png)
-
-    * 使用2根未成熟的香蕉重複相同的過程。
-
-    您應該至少有10張訓練照片，其中至少5張成熟、5張未成熟，還有4張測試照片，2張成熟、2張未成熟。您的照片應該是png或jpeg格式，大小小於6MB。如果您使用iPhone拍攝，可能會生成高解析度的HEIC格式照片，因此需要進行轉換並可能縮小尺寸。照片越多越好，並且成熟和未成熟的數量應該相近。
-
-    如果您沒有成熟和未成熟的水果，可以使用不同的水果，或者任何您手邊的兩個物品。您也可以在[images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images)文件夾中找到一些成熟和未成熟香蕉的示例照片供您使用。
-
-1. 按照[Microsoft文檔中建立分類器快速入門的上傳和標記影像部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images)的指引，上傳您的訓練影像。將成熟的水果標記為`ripe`，未成熟的水果標記為`unripe`。
-
-    ![上傳成熟和未成熟香蕉照片的對話框](../../../../../translated_images/zh-TW/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png)
-
-1. 按照[Microsoft文檔中建立分類器快速入門的訓練分類器部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier)的指引，使用您上傳的影像訓練影像分類器。
-
-    您將可以選擇訓練類型。選擇**快速訓練**。
-
-分類器將開始訓練。訓練完成需要幾分鐘。
-
-> 🍌 如果您在分類器訓練期間決定吃掉您的水果，請確保您已經準備好足夠的測試影像！
-
-## 測試您的影像分類器
-
-一旦您的分類器訓練完成，您可以通過提供新的影像來測試它的分類能力。
-
-### 任務 - 測試您的影像分類器
-
-1. 按照[Microsoft文檔中測試模型的指引](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model)，使用您之前準備的測試影像測試您的影像分類器，而不是使用訓練影像。
-
-    ![一根未成熟香蕉被預測為未成熟，概率為98.9%，成熟概率為1.1%](../../../../../translated_images/zh-TW/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png)
-
-1. 嘗試使用您所有的測試影像並觀察概率。
-
-## 重新訓練您的影像分類器
-
-當您測試分類器時，它可能不會給出您期望的結果。影像分類器使用機器學習根據影像中的特定特徵來預測影像是否符合某個標籤的概率。它並不理解影像中的內容——它不知道什麼是香蕉，也不理解什麼使香蕉成為香蕉而不是船。您可以通過使用分類器錯誤的影像重新訓練來改進分類器。
-
-每次使用快速測試選項進行預測時，影像和結果都會被存儲。您可以使用這些影像重新訓練您的模型。
-
-### 任務 - 重新訓練您的影像分類器
-
-1. 按照[Microsoft文檔中使用預測影像進行訓練的指引](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#use-the-predicted-image-for-training)，使用每張影像的正確標籤重新訓練您的模型。
-
-1. 一旦您的模型重新訓練完成，請使用新的影像進行測試。
-
----
-
-## 🚀 挑戰
-
-如果您使用一張草莓的照片測試一個訓練過香蕉的模型，或者使用一張充氣香蕉的照片、一個穿香蕉服的人、甚至是像《辛普森一家》中的黃色卡通人物的照片，您認為會發生什麼？
-
-試試看，看看預測結果如何。您可以使用[Bing影像搜索](https://www.bing.com/images/trending)找到可以嘗試的影像。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
-
-## 回顧與自學
-
-* 當您訓練分類器時，您會看到*Precision*、*Recall*和*AP*的值，這些值用來評估所建立的模型。請閱讀[Microsoft文檔中建立分類器快速入門的評估分類器部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#evaluate-the-classifier)，了解這些值的含義。
-* 閱讀[Microsoft文檔中如何改進您的Custom Vision模型](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn)的內容，了解如何改進您的分類器。
-
-## 作業
-
-[為多種水果和蔬菜訓練您的分類器](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/tw/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
deleted file mode 100644
index dd930b78f..000000000
--- a/translations/tw/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
+++ /dev/null
@@ -1,28 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
-  "translation_date": "2025-08-24T21:25:06+00:00",
-  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
-  "language_code": "tw"
-}
--->
-# 為多種水果和蔬菜訓練您的分類器
-
-## 說明
-
-在本課程中，您已經訓練了一個圖像分類器，能夠區分成熟和未成熟的水果，但僅限於一種水果。分類器可以被訓練來識別多種水果，其成功率會因水果的種類以及成熟與未成熟之間的差異而有所不同。
-
-例如，對於那些成熟時會改變顏色的水果，圖像分類器可能不如顏色感測器有效，因為圖像分類器通常基於灰階圖像而非全彩圖像進行工作。
-
-使用其他水果來訓練您的分類器，看看效果如何，特別是當水果外觀相似時。例如，蘋果和番茄。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 為多種水果訓練分類器 | 能夠為多種水果訓練分類器 | 能夠為一種額外的水果訓練分類器 | 無法為更多水果訓練分類器 |
-| 判斷分類器的效果 | 能夠正確評論分類器在不同水果上的效果 | 能夠觀察並提供分類器效果的建議 | 無法評論分類器的效果 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/README.md
deleted file mode 100644
index d9e037044..000000000
--- a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/README.md
+++ /dev/null
@@ -1,170 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
-  "translation_date": "2025-08-24T21:26:07+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
-  "language_code": "tw"
-}
--->
-# 從物聯網設備檢查水果品質
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大的版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
-
-## 簡介
-
-在上一課中，你學習了圖像分類器，以及如何訓練它來檢測好壞水果。要在物聯網應用中使用這個圖像分類器，你需要能夠使用某種相機捕捉圖像，並將該圖像發送到雲端進行分類。
-
-在本課中，你將學習相機感測器，以及如何使用物聯網設備捕捉圖像。你還將學習如何從物聯網設備調用圖像分類器。
-
-本課將涵蓋以下內容：
-
-* [相機感測器](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [使用物聯網設備捕捉圖像](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [發布你的圖像分類器](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [從物聯網設備分類圖像](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-* [改進模型](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
-
-## 相機感測器
-
-相機感測器，顧名思義，是可以連接到物聯網設備的相機。它們可以拍攝靜態圖像或捕捉流媒體視頻。有些會返回原始圖像數據，其他則會將圖像數據壓縮成如 JPEG 或 PNG 的圖像文件。通常，與物聯網設備配合使用的相機比你習慣的相機要小得多，分辨率也較低，但你也可以獲得媲美高端手機的高分辨率相機。你可以選擇各種可互換鏡頭、多相機設置、紅外熱成像相機或紫外線相機。
-
-![場景中的光線通過鏡頭並聚焦在 CMOS 感測器上](../../../../../translated_images/zh-TW/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png)
-
-大多數相機感測器使用圖像感測器，其中每個像素都是一個光電二極管。鏡頭將圖像聚焦到圖像感測器上，數千或數百萬個光電二極管檢測落在每個二極管上的光線，並將其記錄為像素數據。
-
-> 💁 鏡頭會將圖像倒置，相機感測器會將圖像翻轉回正確的方向。你的眼睛也是如此——你看到的圖像在眼睛後部是倒置的，而你的大腦會將其校正。
-
-> 🎓 圖像感測器被稱為主動像素感測器（APS），最流行的 APS 類型是互補金屬氧化物半導體感測器，簡稱 CMOS。你可能聽過 CMOS 感測器這個術語用於相機感測器。
-
-相機感測器是數位感測器，通過數位數據傳輸圖像數據，通常需要使用提供通信的庫。相機使用像 SPI 這樣的協議進行連接，以便傳輸大量數據——圖像的大小遠遠超過像溫度感測器這樣的感測器返回的單一數值。
-
-✅ 物聯網設備在圖像大小方面有哪些限制？請考慮特別是微控制器硬體的限制。
-
-## 使用物聯網設備捕捉圖像
-
-你可以使用物聯網設備捕捉圖像進行分類。
-
-### 任務 - 使用物聯網設備捕捉圖像
-
-按照相關指南使用物聯網設備捕捉圖像：
-
-* [Arduino - Wio Terminal](wio-terminal-camera.md)
-* [單板電腦 - Raspberry Pi](pi-camera.md)
-* [單板電腦 - 虛擬設備](virtual-device-camera.md)
-
-## 發布你的圖像分類器
-
-你在上一課中訓練了你的圖像分類器。在你能從物聯網設備使用它之前，你需要發布模型。
-
-### 模型迭代
-
-當你的模型在上一課中進行訓練時，你可能注意到 **Performance** 標籤在側邊顯示了迭代次數。當你第一次訓練模型時，你會看到 *Iteration 1*。當你使用預測圖像改進模型時，你會看到 *Iteration 2*。
-
-每次訓練模型時，你都會得到一個新的迭代版本。這是一種跟蹤基於不同數據集訓練的模型版本的方法。當你進行 **Quick Test** 時，有一個下拉選單可以用來選擇迭代版本，這樣你就可以比較多個迭代版本的結果。
-
-當你對某個迭代版本感到滿意時，你可以將其發布，使其可以被外部應用使用。這樣，你可以有一個已發布的版本供設備使用，然後在多次迭代中改進新版本，並在滿意後發布。
-
-### 任務 - 發布迭代版本
-
-迭代版本可以從 Custom Vision 入口網站發布。
-
-1. 打開 [CustomVision.ai](https://customvision.ai) 並登入，如果尚未開啟，請打開你的 `fruit-quality-detector` 專案。
-
-1. 從頂部選項中選擇 **Performance** 標籤。
-
-1. 從側邊的 *Iterations* 列表中選擇最新的迭代版本。
-
-1. 為該迭代版本選擇 **Publish** 按鈕。
-
-    ![發布按鈕](../../../../../translated_images/zh-TW/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png)
-
-1. 在 *Publish Model* 對話框中，將 *Prediction resource* 設置為你在上一課中創建的 `fruit-quality-detector-prediction` 資源。保持名稱為 `Iteration2`，然後選擇 **Publish** 按鈕。
-
-1. 發布後，選擇 **Prediction URL** 按鈕。這將顯示預測 API 的詳細信息，你需要這些信息來從物聯網設備調用模型。下方部分標記為 *If you have an image file*，這是你需要的詳細信息。複製顯示的 URL，格式類似於：
-
-    ```output
-    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
-    ```
-
-    其中 `<location>` 是你創建 Custom Vision 資源時使用的位置，`<id>` 是由字母和數字組成的長 ID。
-
-    同時複製 *Prediction-Key* 值。這是一個安全密鑰，當你調用模型時必須傳遞此密鑰。只有傳遞此密鑰的應用程序才能使用模型，其他應用程序將被拒絕。
-
-    ![預測 API 對話框顯示 URL 和密鑰](../../../../../translated_images/zh-TW/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png)
-
-✅ 當新的迭代版本發布時，它會有不同的名稱。你認為如何更改物聯網設備使用的迭代版本？
-
-## 從物聯網設備分類圖像
-
-現在你可以使用這些連接詳細信息從物聯網設備調用圖像分類器。
-
-### 任務 - 從物聯網設備分類圖像
-
-按照相關指南使用物聯網設備分類圖像：
-
-* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
-* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-classify-image.md)
-
-## 改進模型
-
-你可能會發現，使用連接到物聯網設備的相機時，結果與你的預期不符。預測結果可能不如使用從電腦上傳的圖像那麼準確。這是因為模型是基於不同的數據進行訓練的，而不是用於預測的數據。
-
-要獲得最佳的圖像分類器結果，你需要使用與預測圖像盡可能相似的圖像來訓練模型。如果你使用手機相機捕捉訓練圖像，例如，圖像的質量、清晰度和顏色會與物聯網設備的相機不同。
-
-![兩張香蕉圖片，一張是物聯網設備拍攝的低分辨率、光線差的圖片，另一張是手機拍攝的高分辨率、光線好的圖片](../../../../../translated_images/zh-TW/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png)
-
-在上圖中，左邊的香蕉圖片是使用 Raspberry Pi 相機拍攝的，右邊的圖片是使用 iPhone 在相同位置拍攝的同一香蕉。可以明顯看出質量的差異——iPhone 圖片更清晰，顏色更亮，對比度更高。
-
-✅ 還有哪些因素可能導致物聯網設備捕捉的圖像預測不準確？請考慮物聯網設備可能使用的環境，哪些因素會影響捕捉的圖像？
-
-要改進模型，你可以使用物聯網設備捕捉的圖像重新訓練模型。
-
-### 任務 - 改進模型
-
-1. 使用物聯網設備分類多張成熟和未成熟水果的圖像。
-
-1. 在 Custom Vision 入口網站中，使用 *Predictions* 標籤上的圖像重新訓練模型。
-
-    > ⚠️ 如果需要，可以參考 [第一課中重新訓練分類器的指導](../1-train-fruit-detector/README.md#retrain-your-image-classifier)。
-
-1. 如果你的圖像與用於訓練的原始圖像差異很大，可以在 *Training Images* 標籤中選擇所有原始圖像並點擊 **Delete** 按鈕刪除它們。要選擇圖像，將光標移到圖像上，會出現一個勾選，點擊該勾選即可選擇或取消選擇圖像。
-
-1. 訓練模型的新迭代版本並按照上述步驟發布。
-
-1. 更新代碼中的端點 URL，重新運行應用程序。
-
-1. 重複這些步驟，直到你對預測結果感到滿意。
-
----
-
-## 🚀 挑戰
-
-圖像分辨率或光線對預測有多大影響？
-
-嘗試在設備代碼中更改圖像分辨率，看看是否對圖像質量有影響。也嘗試更改光線。
-
-如果你要創建一個生產設備銷售給農場或工廠，你會如何確保它始終提供一致的結果？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
-
-## 回顧與自學
-
-你使用入口網站訓練了你的 Custom Vision 模型。這依賴於有可用的圖像——在現實世界中，你可能無法獲得與設備相機捕捉的圖像匹配的訓練數據。你可以通過使用訓練 API 直接從設備進行訓練，使用物聯網設備捕捉的圖像訓練模型來解決這個問題。
-
-* 閱讀 [使用 Custom Vision SDK 快速入門](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/image-classification?WT.mc_id=academic-17441-jabenn&tabs=visual-studio&pivots=programming-language-python) 中的訓練 API。
-
-## 作業
-
-[回應分類結果](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
deleted file mode 100644
index 0348ce95e..000000000
--- a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
+++ /dev/null
@@ -1,25 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "022e21f8629b721424c1de25195fff67",
-  "translation_date": "2025-08-24T21:28:35+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
-  "language_code": "tw"
-}
--->
-# 回應分類結果
-
-## 指示
-
-您的設備已對影像進行分類，並獲得了預測值。您的設備可以利用這些資訊執行某些操作——例如將資料傳送至 IoT Hub 供其他系統處理，或者控制一個執行器（例如 LED），在水果未成熟時點亮。
-
-請為您的設備添加程式碼，以您選擇的方式進行回應——可以是傳送資料至 IoT Hub、控制執行器，或者結合兩者，傳送資料至 IoT Hub，並使用無伺服器程式碼判斷水果是否成熟，然後回傳指令以控制執行器。
-
-## 評分標準
-
-| 標準 | 卓越 | 合格 | 需要改進 |
-| ---- | ---- | ---- | -------- |
-| 回應預測結果 | 能夠根據相同預測值一致地實現回應 | 能夠實現與預測結果無關的回應，例如僅將原始資料傳送至 IoT Hub | 無法編程設備以回應預測結果 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
deleted file mode 100644
index a1f1dc749..000000000
--- a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
+++ /dev/null
@@ -1,153 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c677667095f6133eee418c7e53615d05",
-  "translation_date": "2025-08-24T21:29:21+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
-  "language_code": "tw"
-}
--->
-# 捕捉影像 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個相機感測器，並從中讀取影像。
-
-## 硬體
-
-Raspberry Pi 需要一個相機。
-
-您將使用的相機是 [Raspberry Pi Camera Module](https://www.raspberrypi.org/products/camera-module-v2/)。這款相機專為 Raspberry Pi 設計，通過 Pi 上的專用連接器連接。
-
-> 💁 這款相機使用 [Camera Serial Interface，一種由移動產業處理器接口聯盟制定的協議](https://wikipedia.org/wiki/Camera_Serial_Interface)，簡稱 MIPI-CSI。這是一種專用的影像傳輸協議。
-
-## 連接相機
-
-相機可以通過一條扁平排線連接到 Raspberry Pi。
-
-### 任務 - 連接相機
-
-![Raspberry Pi 相機](../../../../../translated_images/zh-TW/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png)
-
-1. 關閉 Raspberry Pi 的電源。
-
-1. 將隨相機附帶的扁平排線連接到相機上。為此，輕輕拉動插座上的黑色塑料夾，使其稍微彈出，然後將排線滑入插座，藍色面朝遠離鏡頭的一側，金屬針腳條朝向鏡頭的一側。插到底後，將黑色塑料夾推回原位。
-
-   您可以在 [Raspberry Pi 相機模組入門文檔](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2) 中找到一個動畫，展示如何打開夾子並插入排線。
-
-   ![扁平排線插入相機模組](../../../../../translated_images/zh-TW/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png)
-
-1. 從 Raspberry Pi 上取下 Grove Base Hat。
-
-1. 將扁平排線穿過 Grove Base Hat 上的相機槽。確保排線的藍色面朝向標有 **A0**、**A1** 等的類比端口。
-
-   ![扁平排線穿過 Grove Base Hat](../../../../../translated_images/zh-TW/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png)
-
-1. 將扁平排線插入 Raspberry Pi 上的相機端口。同樣，拉起黑色塑料夾，插入排線，然後將夾子推回原位。排線的藍色面應朝向 USB 和以太網端口。
-
-   ![扁平排線連接到 Raspberry Pi 的相機插座](../../../../../translated_images/zh-TW/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png)
-
-1. 重新安裝 Grove Base Hat。
-
-## 編程相機
-
-現在可以使用 [PiCamera](https://pypi.org/project/picamera/) Python 庫來編程 Raspberry Pi 以使用相機。
-
-### 任務 - 啟用舊版相機模式
-
-不幸的是，隨著 Raspberry Pi OS Bullseye 的發布，操作系統中相機軟體發生了變化，導致 PiCamera 默認無法使用。目前正在開發一個替代方案，名為 PiCamera2，但尚未準備好使用。
-
-目前，您可以將 Raspberry Pi 設置為舊版相機模式，以使 PiCamera 正常工作。相機插座默認也是禁用的，但啟用舊版相機軟體會自動啟用插座。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 啟動 VS Code，可以直接在 Raspberry Pi 上操作，或者通過 Remote SSH 擴展連接。
-
-1. 在終端中執行以下命令：
-
-    ```sh
-    sudo raspi-config nonint do_legacy 0
-    sudo reboot
-    ```
-
-    這將切換設置以啟用舊版相機軟體，然後重新啟動 Raspberry Pi 以使設置生效。
-
-1. 等待 Raspberry Pi 重新啟動，然後重新啟動 VS Code。
-
-### 任務 - 編程相機
-
-編程設備。
-
-1. 在終端中，於 `pi` 用戶的主目錄中創建一個名為 `fruit-quality-detector` 的新資料夾。在此資料夾中創建一個名為 `app.py` 的檔案。
-
-1. 在 VS Code 中打開此資料夾。
-
-1. 要與相機互動，可以使用 PiCamera Python 庫。使用以下命令安裝 Pip 套件：
-
-    ```sh
-    pip3 install picamera
-    ```
-
-1. 將以下代碼添加到您的 `app.py` 檔案中：
-
-    ```python
-    import io
-    import time
-    from picamera import PiCamera
-    ```
-
-    此代碼導入了一些所需的庫，包括 `PiCamera` 庫。
-
-1. 在此代碼下方添加以下代碼以初始化相機：
-
-    ```python
-    camera = PiCamera()
-    camera.resolution = (640, 480)
-    camera.rotation = 0
-    
-    time.sleep(2)
-    ```
-
-    此代碼創建了一個 PiCamera 對象，並將解析度設置為 640x480。雖然支持更高的解析度（最高可達 3280x2464），但影像分類器處理的影像尺寸要小得多（227x227），因此無需捕捉和傳輸更大的影像。
-
-    `camera.rotation = 0` 行設置了影像的旋轉角度。扁平排線從相機底部進入，但如果您的相機為了更方便地對準要分類的物品而旋轉了，則可以將此行更改為相應的旋轉角度。
-
-    ![相機懸掛在飲料罐上方](../../../../../translated_images/zh-TW/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png)
-
-    例如，如果您將扁平排線懸掛在某物上，使其位於相機的頂部，則將旋轉角度設置為 180：
-
-    ```python
-    camera.rotation = 180
-    ```
-
-    相機啟動需要幾秒鐘，因此需要 `time.sleep(2)`。
-
-1. 在此代碼下方添加以下代碼以將影像捕捉為二進位數據：
-
-    ```python
-    image = io.BytesIO()
-    camera.capture(image, 'jpeg')
-    image.seek(0)
-    ```
-
-    此代碼創建了一個 `BytesIO` 對象來存儲二進位數據。影像以 JPEG 文件的形式從相機讀取並存儲在此對象中。此對象有一個位置指示器，用於指示當前數據的位置，以便需要時可以在末尾寫入更多數據，因此 `image.seek(0)` 行將此位置移回起始位置，以便稍後可以讀取所有數據。
-
-1. 在此代碼下方添加以下代碼以將影像保存到文件：
-
-    ```python
-    with open('image.jpg', 'wb') as image_file:
-        image_file.write(image.read())
-    ```
-
-    此代碼打開一個名為 `image.jpg` 的文件進行寫入，然後從 `BytesIO` 對象中讀取所有數據並寫入該文件。
-
-    > 💁 您可以直接將影像捕捉到文件，而不是使用 `BytesIO` 對象，只需將文件名傳遞給 `camera.capture` 調用即可。使用 `BytesIO` 對象的原因是，在本課程的後續部分，您可以將影像發送到影像分類器。
-
-1. 將相機對準某物並運行此代碼。
-
-1. 一張影像將被捕捉並保存為當前資料夾中的 `image.jpg`。您可以在 VS Code 的檔案瀏覽器中看到此文件。選擇該文件以查看影像。如果需要旋轉，請更新 `camera.rotation = 0` 行，然後重新拍攝。
-
-> 💁 您可以在 [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi) 資料夾中找到此代碼。
-
-😀 您的相機程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
deleted file mode 100644
index 56a296037..000000000
--- a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
+++ /dev/null
@@ -1,103 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e5896207b304ce1abaf065b8acc0cc79",
-  "translation_date": "2025-08-24T21:31:08+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
-  "language_code": "tw"
-}
--->
-# 分類影像 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，你將把相機捕捉的影像發送到 Custom Vision 服務進行分類。
-
-## 發送影像到 Custom Vision
-
-Custom Vision 服務提供了一個 Python SDK，可用於分類影像。
-
-### 任務 - 發送影像到 Custom Vision
-
-1. 在 VS Code 中打開 `fruit-quality-detector` 資料夾。如果你使用的是虛擬 IoT 裝置，請確保虛擬環境已在終端機中運行。
-
-1. 用於發送影像到 Custom Vision 的 Python SDK 可作為 Pip 套件安裝。使用以下指令進行安裝：
-
-    ```sh
-    pip3 install azure-cognitiveservices-vision-customvision
-    ```
-
-1. 在 `app.py` 文件的頂部添加以下匯入語句：
-
-    ```python
-    from msrest.authentication import ApiKeyCredentials
-    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
-    ```
-
-    這將引入 Custom Vision 庫中的一些模組，一個用於使用預測金鑰進行身份驗證，另一個提供可調用 Custom Vision 的預測客戶端類別。
-
-1. 在文件末尾添加以下程式碼：
-
-    ```python
-    prediction_url = '<prediction_url>'
-    prediction_key = '<prediction key>'
-    ```
-
-    將 `<prediction_url>` 替換為你在本課程早些時候從 *Prediction URL* 對話框中複製的 URL。將 `<prediction key>` 替換為你從同一對話框中複製的預測金鑰。
-
-1. *Prediction URL* 對話框提供的預測 URL 是設計用於直接調用 REST 端點的。Python SDK 在不同的地方使用 URL 的部分。添加以下程式碼以分解此 URL 為所需的部分：
-
-    ```python
-    parts = prediction_url.split('/')
-    endpoint = 'https://' + parts[2]
-    project_id = parts[6]
-    iteration_name = parts[9]
-    ```
-
-    這將分解 URL，提取出端點 `https://<location>.api.cognitive.microsoft.com`、專案 ID 和已發佈的迭代名稱。
-
-1. 使用以下程式碼建立一個預測器物件來執行預測：
-
-    ```python
-    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
-    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
-    ```
-
-    `prediction_credentials` 將預測金鑰封裝起來。然後使用這些金鑰建立一個指向端點的預測客戶端物件。
-
-1. 使用以下程式碼將影像發送到 Custom Vision：
-
-    ```python
-    image.seek(0)
-    results = predictor.classify_image(project_id, iteration_name, image)
-    ```
-
-    這會將影像回卷到起始位置，然後將其發送到預測客戶端。
-
-1. 最後，使用以下程式碼顯示結果：
-
-    ```python
-    for prediction in results.predictions:
-        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
-    ```
-
-    這將迴圈遍歷所有返回的預測並在終端機上顯示它們。返回的概率是 0-1 的浮點數，其中 0 表示與標籤匹配的可能性為 0%，1 表示與標籤匹配的可能性為 100%。
-
-    > 💁 影像分類器將返回所有使用過的標籤的百分比。每個標籤都會有影像與該標籤匹配的概率。
-
-1. 執行你的程式碼，讓相機對準一些水果，或者使用適當的影像集，或者如果使用虛擬 IoT 硬體，讓水果在你的網路攝影機中可見。你將在控制台中看到輸出：
-
-    ```output
-    (.venv) ➜  fruit-quality-detector python app.py
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-    你將能看到拍攝的影像，以及這些值在 Custom Vision 的 **Predictions** 標籤中顯示。
-
-    ![Custom Vision 中的香蕉，預測成熟度為 56.8%，未成熟度為 43.1%](../../../../../translated_images/zh-TW/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png)
-
-> 💁 你可以在 [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) 或 [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device) 資料夾中找到這段程式碼。
-
-😀 你的水果品質分類程式大功告成！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
deleted file mode 100644
index 165870d3d..000000000
--- a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
+++ /dev/null
@@ -1,124 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3ba7150ffc4a6999f6c3cfb4906ec7df",
-  "translation_date": "2025-08-24T21:33:47+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
-  "language_code": "tw"
-}
--->
-# 捕捉影像 - 虛擬 IoT 硬體
-
-在本課程中，您將為虛擬 IoT 裝置新增一個相機感測器，並從中讀取影像。
-
-## 硬體
-
-虛擬 IoT 裝置將使用模擬相機，該相機可以傳送來自檔案或您的網路攝影機的影像。
-
-### 將相機新增到 CounterFit
-
-要使用虛擬相機，您需要將其新增到 CounterFit 應用程式中。
-
-#### 任務 - 將相機新增到 CounterFit
-
-將相機新增到 CounterFit 應用程式中。
-
-1. 在您的電腦上建立一個名為 `fruit-quality-detector` 的資料夾，並在其中建立一個名為 `app.py` 的單一檔案和一個 Python 虛擬環境，然後新增 CounterFit 的 pip 套件。
-
-    > ⚠️ 如果需要，您可以參考[第 1 課中建立和設定 CounterFit Python 專案的指導說明](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
-
-1. 安裝一個額外的 Pip 套件，以安裝一個 CounterFit shim，該 shim 可以透過模擬部分 [Picamera Pip 套件](https://pypi.org/project/picamera/) 與相機感測器進行通訊。請確保您是在啟用虛擬環境的終端機中執行安裝。
-
-    ```sh
-    pip install counterfit-shims-picamera
-    ```
-
-1. 確保 CounterFit 網頁應用程式正在執行。
-
-1. 建立一個相機：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 區塊中，展開 *Sensor type* 下拉選單並選擇 *Camera*。
-
-    1. 將 *Name* 設定為 `Picamera`。
-
-    1. 選擇 **Add** 按鈕以建立相機。
-
-    ![相機設定](../../../../../translated_images/zh-TW/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png)
-
-    相機將被建立並顯示在感測器清單中。
-
-    ![已建立的相機](../../../../../translated_images/zh-TW/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png)
-
-## 程式設計相機
-
-現在可以為虛擬 IoT 裝置編寫程式以使用虛擬相機。
-
-### 任務 - 程式設計相機
-
-為裝置編寫程式。
-
-1. 確保 `fruit-quality-detector` 應用程式已在 VS Code 中開啟。
-
-1. 開啟 `app.py` 檔案。
-
-1. 在 `app.py` 的頂部新增以下程式碼，以將應用程式連接到 CounterFit：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在您的 `app.py` 檔案中新增以下程式碼：
-
-    ```python
-    import io
-    from counterfit_shims_picamera import PiCamera
-    ```
-
-    此程式碼匯入了一些必要的函式庫，包括來自 counterfit_shims_picamera 函式庫的 `PiCamera` 類別。
-
-1. 在此程式碼下方新增以下程式碼以初始化相機：
-
-    ```python
-    camera = PiCamera()
-    camera.resolution = (640, 480)
-    camera.rotation = 0
-    ```
-
-    此程式碼建立了一個 PiCamera 物件，並將解析度設定為 640x480。雖然支援更高的解析度，但影像分類器僅處理更小的影像（227x227），因此無需捕捉和傳送更大的影像。
-
-    `camera.rotation = 0` 這一行設定了影像的旋轉角度（以度為單位）。如果需要旋轉來自網路攝影機或檔案的影像，請根據需要進行設定。例如，如果您想將橫向模式的網路攝影機中香蕉的影像改為直向模式，請設定 `camera.rotation = 90`。
-
-1. 在此程式碼下方新增以下程式碼以將影像捕捉為二進位資料：
-
-    ```python
-    image = io.BytesIO()
-    camera.capture(image, 'jpeg')
-    image.seek(0)
-    ```
-
-    此程式碼建立了一個 `BytesIO` 物件來儲存二進位資料。影像以 JPEG 檔案的形式從相機讀取並儲存在此物件中。此物件具有一個位置指標，用於指示目前在資料中的位置，以便在需要時可以將更多資料寫入結尾。因此，`image.seek(0)` 這一行將位置移回起始位置，以便稍後可以讀取所有資料。
-
-1. 在此程式碼下方新增以下程式碼以將影像儲存到檔案中：
-
-    ```python
-    with open('image.jpg', 'wb') as image_file:
-        image_file.write(image.read())
-    ```
-
-    此程式碼開啟一個名為 `image.jpg` 的檔案進行寫入，然後從 `BytesIO` 物件中讀取所有資料並將其寫入檔案中。
-
-    > 💁 您可以直接將影像捕捉到檔案中，而不是使用 `BytesIO` 物件，只需將檔案名稱傳遞給 `camera.capture` 呼叫即可。使用 `BytesIO` 物件的原因是，在本課程稍後的部分，您可以將影像傳送到影像分類器。
-
-1. 設定 CounterFit 中相機將捕捉的影像。您可以將 *Source* 設定為 *File*，然後上傳一個影像檔案；或者將 *Source* 設定為 *WebCam*，影像將從您的網路攝影機捕捉。確保在選擇圖片或網路攝影機後按下 **Set** 按鈕。
-
-    ![CounterFit 設定為檔案作為影像來源，並顯示網路攝影機預覽中一個人拿著香蕉的畫面](../../../../../translated_images/zh-TW/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png)
-
-1. 一張影像將被捕捉並儲存為 `image.jpg`，位於目前的資料夾中。您將在 VS Code 的檔案總管中看到此檔案。選擇該檔案以檢視影像。如果需要旋轉，請根據需要更新 `camera.rotation = 0` 這一行，然後重新拍攝影像。
-
-> 💁 您可以在 [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 您的相機程式設計成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
deleted file mode 100644
index 8fec3e446..000000000
--- a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
+++ /dev/null
@@ -1,473 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "160be8c0f558687f6686dca64f10f739",
-  "translation_date": "2025-08-24T21:35:26+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
-  "language_code": "tw"
-}
--->
-# 捕捉影像 - Wio Terminal
-
-在本課程中，您將為 Wio Terminal 添加一個相機，並從中捕捉影像。
-
-## 硬體
-
-Wio Terminal 需要一個相機。
-
-您將使用的相機是 [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)。這是一款基於 OV2640 影像感測器的 2 百萬像素相機。它通過 SPI 介面進行影像捕捉，並使用 I2C 配置感測器。
-
-## 連接相機
-
-ArduCam 沒有 Grove 插座，而是通過 Wio Terminal 的 GPIO 引腳連接到 SPI 和 I2C 匯流排。
-
-### 任務 - 連接相機
-
-連接相機。
-
-![ArduCam 感測器](../../../../../translated_images/zh-TW/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png)
-
-1. ArduCam 底部的引腳需要連接到 Wio Terminal 的 GPIO 引腳。為了更容易找到正確的引腳，將 Wio Terminal 附帶的 GPIO 引腳貼紙貼在引腳周圍：
-
-    ![帶有 GPIO 引腳貼紙的 Wio Terminal](../../../../../translated_images/zh-TW/wio-terminal-pin-sticker.b90b1535937b84bd.webp)
-
-1. 使用跳線，進行以下連接：
-
-    | ArduCAM 引腳 | Wio Terminal 引腳 | 描述                                   |
-    | ------------ | ----------------- | -------------------------------------- |
-    | CS           | 24 (SPI_CS)       | SPI 芯片選擇                           |
-    | MOSI         | 19 (SPI_MOSI)     | SPI 控制器輸出，外設輸入              |
-    | MISO         | 21 (SPI_MISO)     | SPI 控制器輸入，外設輸出              |
-    | SCK          | 23 (SPI_SCLK)     | SPI 串行時鐘                          |
-    | GND          | 6 (GND)           | 地線 - 0V                             |
-    | VCC          | 4 (5V)            | 5V 電源供應                           |
-    | SDA          | 3 (I2C1_SDA)      | I2C 串行數據                          |
-    | SCL          | 5 (I2C1_SCL)      | I2C 串行時鐘                          |
-
-    ![使用跳線連接的 Wio Terminal 和 ArduCam](../../../../../translated_images/zh-TW/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png)
-
-    GND 和 VCC 連接為 ArduCam 提供 5V 電源。它以 5V 運行，不同於以 3V 運行的 Grove 感測器。此電源直接來自為設備供電的 USB-C 連接。
-
-    > 💁 對於 SPI 連接，ArduCam 上的引腳標籤和 Wio Terminal 引腳名稱在程式碼中仍使用舊命名規則。本課程中的指示將使用新命名規則，除非程式碼中使用了引腳名稱。
-
-1. 現在可以將 Wio Terminal 連接到您的電腦。
-
-## 程式設置以連接相機
-
-現在可以為 Wio Terminal 編程以使用附加的 ArduCAM 相機。
-
-### 任務 - 程式設置以連接相機
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `fruit-quality-detector`。在 `setup` 函數中添加程式碼以配置串口。
-
-1. 添加程式碼以連接 WiFi，並將您的 WiFi 憑據放在名為 `config.h` 的檔案中。不要忘記將所需的庫添加到 `platformio.ini` 檔案中。
-
-1. ArduCam 庫並未作為 Arduino 庫提供，無法直接從 `platformio.ini` 檔案中安裝。相反，您需要從其 GitHub 頁面安裝源代碼。您可以通過以下方式獲取：
-
-    * 從 [https://github.com/ArduCAM/Arduino.git](https://github.com/ArduCAM/Arduino.git) 克隆倉庫
-    * 前往 GitHub 上的倉庫 [github.com/ArduCAM/Arduino](https://github.com/ArduCAM/Arduino) 並從 **Code** 按鈕下載代碼為 zip 檔案
-
-1. 您只需要代碼中的 `ArduCAM` 資料夾。將整個資料夾複製到您的專案中的 `lib` 資料夾。
-
-    > ⚠️ 必須複製整個資料夾，因此代碼位於 `lib/ArduCam` 中。不要僅僅將 `ArduCam` 資料夾的內容複製到 `lib` 資料夾中，而是將整個資料夾複製過去。
-
-1. ArduCam 庫代碼適用於多種類型的相機。您想要使用的相機類型是通過編譯器標誌配置的——這使得構建的庫儘可能小，通過移除您未使用的相機的代碼。要將庫配置為 OV2640 相機，請在 `platformio.ini` 檔案的末尾添加以下內容：
-
-    ```ini
-    build_flags =
-        -DARDUCAM_SHIELD_V2
-        -DOV2640_CAM
-    ```
-
-    這設置了兩個編譯器標誌：
-
-      * `ARDUCAM_SHIELD_V2` 告訴庫相機位於 Arduino 板上，稱為擴展板。
-      * `OV2640_CAM` 告訴庫僅包含 OV2640 相機的代碼。
-
-1. 在 `src` 資料夾中添加一個名為 `camera.h` 的標頭檔案。此檔案將包含與相機通信的代碼。將以下代碼添加到此檔案中：
-
-    ```cpp
-    #pragma once
-    
-    #include <ArduCAM.h>
-    #include <Wire.h>
-    
-    class Camera
-    {
-    public:
-        Camera(int format, int image_size) : _arducam(OV2640, PIN_SPI_SS)
-        {
-            _format = format;
-            _image_size = image_size;
-        }
-    
-        bool init()
-        {
-            // Reset the CPLD
-            _arducam.write_reg(0x07, 0x80);
-            delay(100);
-    
-            _arducam.write_reg(0x07, 0x00);
-            delay(100);
-    
-            // Check if the ArduCAM SPI bus is OK
-            _arducam.write_reg(ARDUCHIP_TEST1, 0x55);
-            if (_arducam.read_reg(ARDUCHIP_TEST1) != 0x55)
-            {
-                return false;
-            }
-                
-            // Change MCU mode
-            _arducam.set_mode(MCU2LCD_MODE);
-    
-            uint8_t vid, pid;
-    
-            // Check if the camera module type is OV2640
-            _arducam.wrSensorReg8_8(0xff, 0x01);
-            _arducam.rdSensorReg8_8(OV2640_CHIPID_HIGH, &vid);
-            _arducam.rdSensorReg8_8(OV2640_CHIPID_LOW, &pid);
-            if ((vid != 0x26) && ((pid != 0x41) || (pid != 0x42)))
-            {
-                return false;
-            }
-            
-            _arducam.set_format(_format);
-            _arducam.InitCAM();
-            _arducam.OV2640_set_JPEG_size(_image_size);
-            _arducam.OV2640_set_Light_Mode(Auto);
-            _arducam.OV2640_set_Special_effects(Normal);
-            delay(1000);
-    
-            return true;
-        }
-    
-        void startCapture()
-        {
-            _arducam.flush_fifo();
-            _arducam.clear_fifo_flag();
-            _arducam.start_capture();
-        }
-    
-        bool captureReady()
-        {
-            return _arducam.get_bit(ARDUCHIP_TRIG, CAP_DONE_MASK);
-        }
-    
-        bool readImageToBuffer(byte **buffer, uint32_t &buffer_length)
-        {
-            if (!captureReady()) return false;
-    
-            // Get the image file length
-            uint32_t length = _arducam.read_fifo_length();
-            buffer_length = length;
-    
-            if (length >= MAX_FIFO_SIZE)
-            {
-                return false;
-            }
-            if (length == 0)
-            {
-                return false;
-            }
-    
-            // create the buffer
-            byte *buf = new byte[length];
-    
-            uint8_t temp = 0, temp_last = 0;
-            int i = 0;
-            uint32_t buffer_pos = 0;
-            bool is_header = false;
-    
-            _arducam.CS_LOW();
-            _arducam.set_fifo_burst();
-            
-            while (length--)
-            {
-                temp_last = temp;
-                temp = SPI.transfer(0x00);
-                //Read JPEG data from FIFO
-                if ((temp == 0xD9) && (temp_last == 0xFF)) //If find the end ,break while,
-                {
-                    buf[buffer_pos] = temp;
-    
-                    buffer_pos++;
-                    i++;
-                    
-                    _arducam.CS_HIGH();
-                }
-                if (is_header == true)
-                {
-                    //Write image data to buffer if not full
-                    if (i < 256)
-                    {
-                        buf[buffer_pos] = temp;
-                        buffer_pos++;
-                        i++;
-                    }
-                    else
-                    {
-                        _arducam.CS_HIGH();
-    
-                        i = 0;
-                        buf[buffer_pos] = temp;
-    
-                        buffer_pos++;
-                        i++;
-    
-                        _arducam.CS_LOW();
-                        _arducam.set_fifo_burst();
-                    }
-                }
-                else if ((temp == 0xD8) & (temp_last == 0xFF))
-                {
-                    is_header = true;
-    
-                    buf[buffer_pos] = temp_last;
-                    buffer_pos++;
-                    i++;
-    
-                    buf[buffer_pos] = temp;
-                    buffer_pos++;
-                    i++;
-                }
-            }
-            
-            _arducam.clear_fifo_flag();
-    
-            _arducam.set_format(_format);
-            _arducam.InitCAM();
-            _arducam.OV2640_set_JPEG_size(_image_size);
-    
-            // return the buffer
-            *buffer = buf;
-        }
-    
-    private:
-        ArduCAM _arducam;
-        int _format;
-        int _image_size;
-    };
-    ```
-
-    這是使用 ArduCam 庫配置相機並在需要時通過 SPI 匯流排提取影像的低階代碼。此代碼非常特定於 ArduCam，因此您目前不需要擔心其工作原理。
-
-1. 在 `main.cpp` 中，在其他 `include` 語句下方添加以下代碼以包含此新檔案並創建相機類的實例：
-
-    ```cpp
-    #include "camera.h"
-
-    Camera camera = Camera(JPEG, OV2640_640x480);
-    ```
-
-    這創建了一個 `Camera`，以 JPEG 格式保存影像，解析度為 640x480。雖然支持更高的解析度（最高 3280x2464），但影像分類器使用的影像尺寸要小得多（227x227），因此無需捕捉和傳送更大的影像。
-
-1. 在此下方添加以下代碼以定義設置相機的函數：
-
-    ```cpp
-    void setupCamera()
-    {
-        pinMode(PIN_SPI_SS, OUTPUT);
-        digitalWrite(PIN_SPI_SS, HIGH);
-    
-        Wire.begin();
-        SPI.begin();
-    
-        if (!camera.init())
-        {
-            Serial.println("Error setting up the camera!");
-        }
-    }
-    ```
-
-    此 `setupCamera` 函數首先將 SPI 芯片選擇引腳 (`PIN_SPI_SS`) 配置為高電平，使 Wio Terminal 成為 SPI 控制器。然後啟動 I2C 和 SPI 匯流排。最後，它初始化相機類，配置相機感測器設置並確保所有連接正確。
-
-1. 在 `setup` 函數的末尾調用此函數：
-
-    ```cpp
-    setupCamera();
-    ```
-
-1. 編譯並上傳此代碼，並檢查串口監視器的輸出。如果看到 `Error setting up the camera!`，請檢查接線以確保所有電纜正確連接 ArduCam 的引腳和 Wio Terminal 的 GPIO 引腳，並且所有跳線電纜都正確插入。
-
-## 捕捉影像
-
-現在可以為 Wio Terminal 編程以在按下按鈕時捕捉影像。
-
-### 任務 - 捕捉影像
-
-1. 微控制器會不斷運行您的代碼，因此很難在不響應感測器的情況下觸發某些操作，例如拍照。Wio Terminal 有按鈕，因此可以設置相機以由其中一個按鈕觸發。將以下代碼添加到 `setup` 函數的末尾，以配置 C 按鈕（頂部的三個按鈕之一，最靠近電源開關的按鈕）。
-
-    ![最靠近電源開關的 C 按鈕](../../../../../translated_images/zh-TW/wio-terminal-c-button.73df3cb1c1445ea0.webp)
-
-    ```cpp
-    pinMode(WIO_KEY_C, INPUT_PULLUP);
-    ```
-
-    `INPUT_PULLUP` 模式本質上反轉了輸入。例如，通常按鈕在未按下時會發送低信號，按下時會發送高信號。設置為 `INPUT_PULLUP` 時，它們在未按下時發送高信號，按下時發送低信號。
-
-1. 在 `loop` 函數之前添加一個空函數以響應按鈕按下：
-
-    ```cpp
-    void buttonPressed()
-    {
-        
-    }
-    ```
-
-1. 在按鈕按下時在 `loop` 方法中調用此函數：
-
-    ```cpp
-    void loop()
-    {
-        if (digitalRead(WIO_KEY_C) == LOW)
-        {
-            buttonPressed();
-            delay(2000);
-        }
-    
-        delay(200);
-    }
-    ```
-
-    此鍵檢查按鈕是否被按下。如果按下，則調用 `buttonPressed` 函數，並且循環延遲 2 秒。這是為了給按鈕釋放留出時間，以免長按被註冊兩次。
-
-    > 💁 Wio Terminal 上的按鈕設置為 `INPUT_PULLUP`，因此在未按下時發送高信號，按下時發送低信號。
-
-1. 將以下代碼添加到 `buttonPressed` 函數中：
-
-    ```cpp
-    camera.startCapture();
- 
-    while (!camera.captureReady())
-        delay(100);
-
-    Serial.println("Image captured");
-
-    byte *buffer;
-    uint32_t length;
-
-    if (camera.readImageToBuffer(&buffer, length))
-    {
-        Serial.print("Image read to buffer with length ");
-        Serial.println(length);
-
-        delete(buffer);
-    }
-    ```
-
-    此代碼通過調用 `startCapture` 開始相機捕捉。相機硬體不會在您請求時返回數據，而是您發送指令開始捕捉，相機會在背景中捕捉影像、轉換為 JPEG，並將其存儲在相機本地緩衝區中。然後，`captureReady` 調用檢查影像捕捉是否完成。
-
-    捕捉完成後，影像數據通過 `readImageToBuffer` 調用從相機的緩衝區複製到本地緩衝區（字節數組）。然後將緩衝區的長度發送到串口監視器。
-
-1. 編譯並上傳此代碼，並檢查串口監視器上的輸出。每次按下 C 按鈕時，將捕捉一張影像，並在串口監視器上看到影像大小。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 9224
-    Image captured
-    Image read to buffer with length 11272
-    ```
-
-    不同的影像會有不同的大小。它們被壓縮為 JPEG，給定解析度的 JPEG 檔案大小取決於影像中的內容。
-
-> 💁 您可以在 [code-camera/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/wio-terminal) 資料夾中找到此代碼。
-
-😀 您已成功使用 Wio Terminal 捕捉影像。
-
-## 可選 - 使用 SD 卡驗證相機影像
-
-查看相機捕捉的影像最簡單的方法是將它們寫入 Wio Terminal 中的 SD 卡，然後在您的電腦上查看。如果您有多餘的 microSD 卡以及電腦上的 microSD 卡插槽或適配器，請執行此步驟。
-
-Wio Terminal 僅支持最大 16GB 的 microSD 卡。如果您有更大的 SD 卡，則無法使用。
-
-### 任務 - 使用 SD 卡驗證相機影像
-
-1. 使用電腦上的相關應用程式（macOS 上的 Disk Utility、Windows 上的 File Explorer 或 Linux 上的命令行工具）將 microSD 卡格式化為 FAT32 或 exFAT。
-
-1. 將 microSD 卡插入電源開關下方的插槽。確保完全插入直到卡扣住並保持到位，您可能需要使用指甲或細工具推入。
-
-1. 在 `main.cpp` 檔案的頂部添加以下 include 語句：
-
-    ```cpp
-    #include "SD/Seeed_SD.h"
-    #include <Seeed_FS.h>
-    ```
-
-1. 在 `setup` 函數之前添加以下函數：
-
-    ```cpp
-    void setupSDCard()
-    {
-        while (!SD.begin(SDCARD_SS_PIN, SDCARD_SPI))
-        {
-            Serial.println("SD Card Error");
-        }
-    }
-    ```
-
-    此函數使用 SPI 匯流排配置 SD 卡。
-
-1. 在 `setup` 函數中調用此函數：
-
-    ```cpp
-    setupSDCard();
-    ```
-
-1. 在 `buttonPressed` 函數之前添加以下代碼：
-
-    ```cpp
-    int fileNum = 1;
-
-    void saveToSDCard(byte *buffer, uint32_t length)
-    {
-        char buff[16];
-        sprintf(buff, "%d.jpg", fileNum);
-        fileNum++;
-    
-        File outFile = SD.open(buff, FILE_WRITE );
-        outFile.write(buffer, length);
-        outFile.close();
-
-        Serial.print("Image written to file ");
-        Serial.println(buff);
-    }
-    ```
-
-    這定義了一個用於檔案計數的全域變數。此變數用於影像檔案名稱，因此可以捕捉多個影像並使用遞增的檔案名稱 - `1.jpg`、`2.jpg` 等。
-
-    然後定義了 `saveToSDCard` 函數，該函數接收一個字節數據緩衝區及其長度。使用檔案計數創建檔案名稱，並遞增檔案計數以準備下一個檔案。然後將緩衝區中的二進制數據寫入檔案。
-
-1. 在 `buttonPressed` 函數中調用 `saveToSDCard` 函數。此調用應位於刪除緩衝區之前：
-
-    ```cpp
-    Serial.print("Image read to buffer with length ");
-    Serial.println(length);
-
-    saveToSDCard(buffer, length);
-    
-    delete(buffer);
-    ```
-
-1. 編譯並上傳此代碼，並檢查串口監視器上的輸出。每次按下 C 按鈕時，將捕捉一張影像並保存到 SD 卡。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 16392
-    Image written to file 1.jpg
-    Image captured
-    Image read to buffer with length 14344
-    Image written to file 2.jpg
-    ```
-
-1. 關閉 microSD 卡並通過稍微推入並釋放來彈出，卡片會彈出。您可能需要使用細工具執行此操作。將 microSD 卡插入您的電腦以查看影像。
-
-    ![使用 ArduCam 捕捉的香蕉照片](../../../../../translated_images/zh-TW/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg)
-💁 相機的白平衡可能需要幾張圖片來進行自我調整。您會根據拍攝的圖片顏色注意到這一點，前幾張可能會顯得顏色不準。您可以通過修改程式碼，在 `setup` 函數中拍攝幾張被忽略的圖片來解決這個問題。
-
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
deleted file mode 100644
index fd0f85da0..000000000
--- a/translations/tw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
+++ /dev/null
@@ -1,227 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "32a1f23e7834fbe7715da8c4ebb450b9",
-  "translation_date": "2025-08-24T21:32:17+00:00",
-  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
-  "language_code": "tw"
-}
--->
-# 分類圖片 - Wio Terminal
-
-在本課程的這部分，您將把相機拍攝的圖片發送到 Custom Vision 服務進行分類。
-
-## 分類圖片
-
-Custom Vision 服務提供了一個 REST API，您可以從 Wio Terminal 調用該 API 來分類圖片。這個 REST API 通過 HTTPS 連接（安全的 HTTP 連接）進行訪問。
-
-在與 HTTPS 端點交互時，客戶端代碼需要從被訪問的服務器請求公鑰證書，並使用該證書加密傳輸的數據。您的網頁瀏覽器會自動完成這一過程，但微控制器不會。您需要手動請求該證書，並使用它來創建與 REST API 的安全連接。這些證書是固定的，因此一旦獲取證書，您可以將其硬編碼到應用程序中。
-
-這些證書包含公鑰，無需保密。您可以在源代碼中使用它們，並在 GitHub 等公共平台上分享。
-
-### 任務 - 設置 SSL 客戶端
-
-1. 如果尚未打開，請打開 `fruit-quality-detector` 應用程序項目。
-
-1. 打開 `config.h` 標頭文件，並添加以下內容：
-
-    ```cpp
-    const char *CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
-        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
-        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
-        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
-        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
-        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
-        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
-        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
-        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
-        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
-        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
-        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
-        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
-        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
-        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
-        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
-        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
-        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
-        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
-        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
-        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
-        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
-        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
-        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
-        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
-        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
-        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
-        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
-        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
-        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
-        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
-        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-    這是 *Microsoft Azure DigiCert Global Root G2 證書*，它是許多 Azure 服務全球使用的證書之一。
-
-    > 💁 要查看這是否是要使用的證書，請在 macOS 或 Linux 上運行以下命令。如果您使用的是 Windows，可以通過 [Windows Subsystem for Linux (WSL)](https://docs.microsoft.com/windows/wsl/?WT.mc_id=academic-17441-jabenn) 運行此命令：
-    >
-    > ```sh
-    > openssl s_client -showcerts -verify 5 -connect api.cognitive.microsoft.com:443
-    > ```
-    >
-    > 輸出將列出 DigiCert Global Root G2 證書。
-
-1. 打開 `main.cpp` 並添加以下 include 指令：
-
-    ```cpp
-    #include <WiFiClientSecure.h>
-    ```
-
-1. 在 include 指令下方，聲明一個 `WifiClientSecure` 的實例：
-
-    ```cpp
-    WiFiClientSecure client;
-    ```
-
-    此類包含與 HTTPS 網絡端點通信的代碼。
-
-1. 在 `connectWiFi` 方法中，設置 WiFiClientSecure 使用 DigiCert Global Root G2 證書：
-
-    ```cpp
-    client.setCACert(CERTIFICATE);
-    ```
-
-### 任務 - 分類圖片
-
-1. 在 `platformio.ini` 文件的 `lib_deps` 列表中添加以下額外行：
-
-    ```ini
-    bblanchon/ArduinoJson @ 6.17.3
-    ```
-
-    這將導入 [ArduinoJson](https://arduinojson.org)，一個 Arduino 的 JSON 庫，用於解碼來自 REST API 的 JSON 響應。
-
-1. 在 `config.h` 中，為 Custom Vision 服務的預測 URL 和 Key 添加常量：
-
-    ```cpp
-    const char *PREDICTION_URL = "<PREDICTION_URL>";
-    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
-    ```
-
-    將 `<PREDICTION_URL>` 替換為 Custom Vision 的預測 URL。將 `<PREDICTION_KEY>` 替換為預測金鑰。
-
-1. 在 `main.cpp` 中，添加 ArduinoJson 庫的 include 指令：
-
-    ```cpp
-    #include <ArduinoJSON.h>
-    ```
-
-1. 在 `main.cpp` 中，將以下函數添加到 `buttonPressed` 函數上方。
-
-    ```cpp
-    void classifyImage(byte *buffer, uint32_t length)
-    {
-        HTTPClient httpClient;
-        httpClient.begin(client, PREDICTION_URL);
-        httpClient.addHeader("Content-Type", "application/octet-stream");
-        httpClient.addHeader("Prediction-Key", PREDICTION_KEY);
-    
-        int httpResponseCode = httpClient.POST(buffer, length);
-    
-        if (httpResponseCode == 200)
-        {
-            String result = httpClient.getString();
-    
-            DynamicJsonDocument doc(1024);
-            deserializeJson(doc, result.c_str());
-    
-            JsonObject obj = doc.as<JsonObject>();
-            JsonArray predictions = obj["predictions"].as<JsonArray>();
-    
-            for(JsonVariant prediction : predictions) 
-            {
-                String tag = prediction["tagName"].as<String>();
-                float probability = prediction["probability"].as<float>();
-    
-                char buff[32];
-                sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
-                Serial.println(buff);
-            }
-        }
-    
-        httpClient.end();
-    }
-    ```
-
-    此代碼首先聲明一個 `HTTPClient`，該類包含與 REST API 交互的方法。然後，它使用之前設置的 Azure 公鑰通過 `WiFiClientSecure` 實例連接到預測 URL。
-
-    一旦連接成功，它會發送標頭——這些標頭包含即將對 REST API 發出的請求的信息。`Content-Type` 標頭表示 API 調用將發送原始二進制數據，`Prediction-Key` 標頭則傳遞 Custom Vision 的預測金鑰。
-
-    接著，對 HTTP 客戶端發送一個 POST 請求，並上傳一個字節數組。這個數組包含了當函數被調用時從相機捕獲的 JPEG 圖片。
-
-    > 💁 POST 請求用於發送數據並獲取響應。還有其他請求類型，例如 GET 請求，用於檢索數據。您的網頁瀏覽器使用 GET 請求加載網頁。
-
-    POST 請求返回一個響應狀態碼。這些狀態碼是定義良好的值，其中 200 表示 **OK**——POST 請求成功。
-
-    > 💁 您可以在 [維基百科的 HTTP 狀態碼列表頁面](https://wikipedia.org/wiki/List_of_HTTP_status_codes) 中查看所有響應狀態碼。
-
-    如果返回 200，則從 HTTP 客戶端讀取結果。這是一個來自 REST API 的文本響應，包含預測結果的 JSON 文檔。JSON 的格式如下：
-
-    ```jSON
-    {
-        "id":"45d614d3-7d6f-47e9-8fa2-04f237366a16",
-        "project":"135607e5-efac-4855-8afb-c93af3380531",
-        "iteration":"04f1c1fa-11ec-4e59-bb23-4c7aca353665",
-        "created":"2021-06-10T17:58:58.959Z",
-        "predictions":[
-            {
-                "probability":0.5582016,
-                "tagId":"05a432ea-9718-4098-b14f-5f0688149d64",
-                "tagName":"ripe"
-            },
-            {
-                "probability":0.44179836,
-                "tagId":"bb091037-16e5-418e-a9ea-31c6a2920f17",
-                "tagName":"unripe"
-            }
-        ]
-    }
-    ```
-
-    這裡重要的部分是 `predictions` 數組。該數組包含預測結果，每個標籤都有一個條目，包含標籤名稱和概率。返回的概率是 0-1 的浮點數，其中 0 表示與該標籤匹配的概率為 0%，1 表示 100%。
-
-    > 💁 圖片分類器會返回所有使用過的標籤的百分比。每個標籤都會有一個圖片與該標籤匹配的概率。
-
-    JSON 被解碼後，每個標籤的概率會被發送到串口監視器。
-
-1. 在 `buttonPressed` 函數中，將保存到 SD 卡的代碼替換為對 `classifyImage` 的調用，或者在圖片寫入後但 **在** 刪除緩衝區之前添加該調用：
-
-    ```cpp
-    classifyImage(buffer, length);
-    ```
-
-    > 💁 如果您替換了保存到 SD 卡的代碼，可以清理代碼，刪除 `setupSDCard` 和 `saveToSDCard` 函數。
-
-1. 上傳並運行您的代碼。將相機對準一些水果並按下 C 按鈕。您將在串口監視器中看到輸出：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 8200
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-    您將能夠看到拍攝的圖片，並在 Custom Vision 的 **Predictions** 標籤中看到這些值。
-
-    ![Custom Vision 中的香蕉預測結果：熟香蕉 56.8%，未熟香蕉 43.1%](../../../../../translated_images/zh-TW/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png)
-
-> 💁 您可以在 [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal) 文件夾中找到此代碼。
-
-😀 您的水果品質分類器程序成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
deleted file mode 100644
index 5ed16af09..000000000
--- a/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
+++ /dev/null
@@ -1,624 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2625af24587465c5547ae33d6cc000a5",
-  "translation_date": "2025-08-24T21:38:58+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
-  "language_code": "tw"
-}
--->
-# 在邊緣設備上運行水果檢測器
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-TW/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了如何在物聯網設備上運行圖像分類器，這是本課程的主題。
-
-[![Azure IoT Edge 上的自訂視覺 AI](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
-
-## 簡介
-
-在上一課中，你使用了圖像分類器來分類成熟和未成熟的水果，將物聯網設備上的相機捕獲的圖像通過網際網路發送到雲端服務。這些操作需要時間、成本，並且根據所使用的圖像數據類型，可能會涉及隱私問題。
-
-在本課中，你將學習如何在邊緣設備上運行機器學習（ML）模型——即在運行於你自己網路上的物聯網設備上，而不是在雲端。你將了解邊緣計算與雲端計算的優缺點，如何將 AI 模型部署到邊緣設備，以及如何從物聯網設備訪問它。
-
-本課將涵蓋以下內容：
-
-* [邊緣計算](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [註冊 IoT Edge 設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [設置 IoT Edge 設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [導出模型](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [準備容器以進行部署](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [部署容器](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-* [使用 IoT Edge 設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
-
-## 邊緣計算
-
-邊緣計算是指在盡可能靠近數據生成位置的地方處理物聯網數據。與其將處理放在雲端，不如將其移動到雲的邊緣——即你的內部網路。
-
-![一個展示雲端網路服務和本地網路上的物聯網設備的架構圖](../../../../../translated_images/zh-TW/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png)
-
-到目前為止的課程中，你的設備一直在收集數據並將其發送到雲端進行分析，運行無伺服器函數或 AI 模型。
-
-![一個展示本地網路上的物聯網設備連接到邊緣設備，這些邊緣設備再連接到雲端的架構圖](../../../../../translated_images/zh-TW/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png)
-
-邊緣計算將部分雲端服務移到與物聯網設備相同網路上的計算機上，僅在需要時與雲端通信。例如，你可以在邊緣設備上運行 AI 模型來分析水果的成熟度，並僅將分析結果（如成熟水果與未成熟水果的數量）發送回雲端。
-
-✅ 思考一下你迄今為止構建的物聯網應用程序。哪些部分可以移動到邊緣？
-
-### 優點
-
-邊緣計算的優點包括：
-
-1. **速度** - 邊緣計算非常適合處理時間敏感的數據，因為操作是在與設備相同的網路上完成的，而不是通過網際網路進行調用。這使得速度更快，因為內部網路的運行速度通常比網際網路連接快得多，數據傳輸的距離也更短。
-
-    > 💁 儘管網際網路連接使用光纖電纜，數據可以以光速傳輸，但數據在全球範圍內傳輸到雲端提供商仍需要時間。例如，從歐洲向美國的雲端服務發送數據，僅橫跨大西洋的光纖電纜就需要至少 28 毫秒，這還不包括數據到達光纖電纜的時間、電信號與光信號的轉換時間，以及從光纖電纜到雲端提供商的時間。
-
-    邊緣計算還需要更少的網路流量，減少了因網際網路連接的有限頻寬擁堵而導致數據減速的風險。
-
-1. **遠程可訪問性** - 邊緣計算在連接有限或無法連接的情況下仍然有效，或者當連接成本過高而無法持續使用時。例如，在基礎設施有限的人道主義災區或發展中國家工作時。
-
-1. **成本更低** - 在邊緣設備上執行數據收集、存儲、分析和觸發操作可以減少雲端服務的使用，從而降低物聯網應用程序的總體成本。最近出現了許多專為邊緣計算設計的設備，例如 [NVIDIA 的 Jetson Nano](https://developer.nvidia.com/embedded/jetson-nano-developer-kit)，這些設備可以使用 GPU 硬體以不到 100 美元的價格運行 AI 工作負載。
-
-1. **隱私和安全性** - 使用邊緣計算，數據保留在你的網路上，不會上傳到雲端。這對於敏感和個人可識別的信息尤為重要，因為數據在分析後不需要存儲，這大大降低了數據洩露的風險。例如醫療數據和安全攝像頭錄像。
-
-1. **處理不安全設備** - 如果你有已知存在安全漏洞的設備，不希望它們直接連接到你的網路或網際網路，那麼你可以將它們連接到一個單獨的網路，該網路連接到一個網關 IoT Edge 設備。這個邊緣設備還可以連接到更廣泛的網路或網際網路，並管理數據的流入和流出。
-
-1. **支持不兼容設備** - 如果你有無法連接到 IoT Hub 的設備，例如只能使用 HTTP 連接的設備或只能通過藍牙連接的設備，你可以使用 IoT 邊緣設備作為網關設備，將消息轉發到 IoT Hub。
-
-✅ 做一些研究：邊緣計算還可能有哪些其他優點？
-
-### 缺點
-
-邊緣計算也有缺點，在某些情況下雲端可能是更好的選擇：
-
-1. **規模和靈活性** - 雲端計算可以根據網路和數據需求實時調整，增加或減少伺服器和其他資源。增加更多邊緣計算機則需要手動添加更多設備。
-
-1. **可靠性和彈性** - 雲端計算通常提供多個伺服器，甚至分佈在多個地點，以實現冗餘和災難恢復。在邊緣實現相同級別的冗餘需要大量投資和配置工作。
-
-1. **維護** - 雲端服務提供商提供系統維護和更新。
-
-✅ 做一些研究：邊緣計算還可能有哪些其他缺點？
-
-這些缺點實際上是使用雲端的優點的反面——你需要自己構建和管理這些設備，而不是依賴雲端提供商的專業知識和規模。
-
-一些風險可以通過邊緣計算的特性來減輕。例如，如果你有一個在工廠中運行的邊緣設備，從機器收集數據，你不需要考慮某些災難恢復場景。如果工廠停電，那麼你不需要備份邊緣設備，因為生成數據的機器也會因停電而停止運行。
-
-對於物聯網系統，你通常需要雲端和邊緣計算的結合，根據系統、客戶和維護者的需求來利用每種服務。
-
-## Azure IoT Edge
-
-![Azure IoT Edge 標誌](../../../../../translated_images/zh-TW/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png)
-
-Azure IoT Edge 是一項服務，可以幫助你將工作負載從雲端移動到邊緣。你可以將設備設置為邊緣設備，並從雲端向該邊緣設備部署代碼。這使你能夠結合雲端和邊緣的功能。
-
-> 🎓 *工作負載* 是指執行某種工作的任何服務，例如 AI 模型、應用程序或無伺服器函數。
-
-例如，你可以在雲端訓練一個圖像分類器，然後從雲端將其部署到邊緣設備。你的物聯網設備隨後將圖像發送到邊緣設備進行分類，而不是通過網際網路發送圖像。如果需要部署模型的新版本，你可以在雲端訓練它，並使用 IoT Edge 將新版本更新到邊緣設備。
-
-> 🎓 部署到 IoT Edge 的軟體被稱為 *模組*。默認情況下，IoT Edge 運行與 IoT Hub 通信的模組，例如 `edgeAgent` 和 `edgeHub` 模組。當你部署圖像分類器時，它會作為一個額外的模組進行部署。
-
-IoT Edge 集成在 IoT Hub 中，因此你可以使用與管理物聯網設備相同的服務來管理邊緣設備，並具有相同的安全級別。
-
-IoT Edge 從 *容器* 運行代碼——這些是與計算機上的其他應用程序隔離運行的自包含應用程序。運行容器時，它就像一台在你的計算機內部運行的獨立計算機，擁有自己的軟體、服務和應用程序。大多數情況下，容器無法訪問計算機上的任何內容，除非你選擇與容器共享某些內容（例如文件夾）。容器通過一個開放的端口暴露服務，你可以連接到該端口或將其暴露到網路。
-
-![一個網頁請求被重定向到容器](../../../../../translated_images/zh-TW/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png)
-
-例如，你可以有一個在端口 80（默認 HTTP 端口）上運行網站的容器，然後你可以將其從計算機的端口 80 暴露出來。
-
-✅ 做一些研究：閱讀有關容器和 Docker 或 Moby 等服務的資料。
-
-你可以使用 Custom Vision 下載圖像分類器並將其作為容器部署，無論是直接運行在設備上還是通過 IoT Edge 部署。一旦它們在容器中運行，你可以使用與雲端版本相同的 REST API 訪問它們，但端點指向運行容器的邊緣設備。
-
-## 註冊 IoT Edge 設備
-
-要使用 IoT Edge 設備，必須在 IoT Hub 中註冊它。
-
-### 任務 - 註冊 IoT Edge 設備
-
-1. 在 `fruit-quality-detector` 資源組中創建一個 IoT Hub。給它一個基於 `fruit-quality-detector` 的唯一名稱。
-
-1. 在你的 IoT Hub 中註冊一個名為 `fruit-quality-detector-edge` 的 IoT Edge 設備。執行此操作的命令與註冊非邊緣設備的命令類似，只需添加 `--edge-enabled` 標誌。
-
-    ```sh
-    az iot hub device-identity create --edge-enabled \
-                                      --device-id fruit-quality-detector-edge \
-                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你的 IoT Hub 的名稱。
-
-1. 使用以下命令獲取設備的連接字串：
-
-    ```sh
-    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
-                                                      --output table \
-                                                      --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你的 IoT Hub 的名稱。
-
-    複製輸出中顯示的連接字串。
-
-## 設置 IoT Edge 設備
-
-在你的 IoT Hub 中創建邊緣設備註冊後，你可以設置邊緣設備。
-
-### 任務 - 安裝並啟動 IoT Edge 運行時
-
-**IoT Edge 運行時僅運行 Linux 容器。** 它可以在 Linux 上運行，也可以在 Windows 上使用 Linux 虛擬機。
-
-* 如果你使用 Raspberry Pi 作為物聯網設備，那麼它運行的是受支持的 Linux 版本，可以承載 IoT Edge 運行時。按照 [Microsoft Docs 上的 Azure IoT Edge for Linux 安裝指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) 安裝 IoT Edge 並設置連接字串。
-
-    > 💁 請記住，Raspberry Pi OS 是 Debian Linux 的一個變體。
-
-* 如果你沒有使用 Raspberry Pi，但有一台 Linux 計算機，你可以運行 IoT Edge 運行時。按照 [Microsoft Docs 上的 Azure IoT Edge for Linux 安裝指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) 安裝 IoT Edge 並設置連接字串。
-
-* 如果你使用的是 Windows，你可以通過在 Linux 虛擬機中安裝 IoT Edge 運行時，按照 [Microsoft Docs 上的快速入門指南](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime) 中的相關部分進行操作。當你到達 *部署模組* 部分時可以停止。
-
-* 如果你使用的是 macOS，你可以在雲端創建一個虛擬機（VM）作為你的 IoT Edge 設備。這些是你可以在雲端創建並通過網際網路訪問的計算機。你可以創建一個安裝了 IoT Edge 的 Linux VM。按照 [創建運行 IoT Edge 的虛擬機指南](vm-iotedge.md) 獲取相關指導。
-
-## 導出模型
-
-要在邊緣運行分類器，需要從 Custom Vision 導出它。Custom Vision 可以生成兩種類型的模型——標準模型和緊湊型模型。緊湊型模型使用各種技術減小模型的大小，使其足夠小以便下載並部署到物聯網設備上。
-
-當你創建圖像分類器時，你使用了 *Food* 域，這是針對食品圖像訓練優化的模型版本。在 Custom Vision 中，你可以更改專案的域，使用你的訓練數據來訓練具有新域的新模型。Custom Vision 支援的所有域都提供標準和緊湊型版本。
-
-### 任務 - 使用 Food（緊湊型）域訓練模型
-1. 開啟 [CustomVision.ai](https://customvision.ai) 的 Custom Vision 入口網站，並登入（如果尚未開啟）。然後打開你的 `fruit-quality-detector` 專案。
-
-1. 選擇 **Settings** 按鈕（⚙ 圖示）。
-
-1. 在 *Domains* 清單中，選擇 *Food (compact)*。
-
-1. 在 *Export Capabilities* 下，確認選擇了 *Basic platforms (Tensorflow, CoreML, ONNX, ...)*。
-
-1. 在設定頁面的底部，選擇 **Save Changes**。
-
-1. 使用 **Train** 按鈕重新訓練模型，選擇 *Quick training*。
-
-### 任務 - 匯出你的模型
-
-模型訓練完成後，需要將其匯出為容器。
-
-1. 選擇 **Performance** 標籤，找到使用 compact domain 訓練的最新迭代版本。
-
-1. 點擊頂部的 **Export** 按鈕。
-
-1. 選擇 **DockerFile**，然後選擇與你的邊緣設備匹配的版本：
-
-    * 如果你在 Linux 電腦、Windows 電腦或虛擬機上運行 IoT Edge，選擇 *Linux* 版本。
-    * 如果你在 Raspberry Pi 上運行 IoT Edge，選擇 *ARM (Raspberry Pi 3)* 版本。
-
-> 🎓 Docker 是管理容器最受歡迎的工具之一，而 DockerFile 是一組用於設置容器的指令。
-
-1. 選擇 **Export** 讓 Custom Vision 創建相關文件，然後點擊 **Download** 下載它們為壓縮檔案。
-
-1. 將文件保存到你的電腦，然後解壓縮該資料夾。
-
-## 為部署準備容器
-
-![容器被構建後推送到容器註冊表，然後通過 IoT Edge 從容器註冊表部署到邊緣設備](../../../../../translated_images/zh-TW/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png)
-
-下載模型後，需要將其構建為容器，然後推送到容器註冊表——一個可以存儲容器的線上位置。IoT Edge 可以從註冊表下載容器並推送到你的設備。
-
-![Azure Container Registry 標誌](../../../../../translated_images/zh-TW/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png)
-
-本課程中使用的容器註冊表是 Azure Container Registry。這不是免費服務，因此為了節省費用，請確保在完成後[清理你的專案](../../../clean-up.md)。
-
-> 💁 你可以在 [Azure Container Registry 價格頁面](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn) 查看使用 Azure Container Registry 的費用。
-
-### 任務 - 安裝 Docker
-
-要構建和部署分類器，你可能需要安裝 [Docker](https://www.docker.com/)。
-
-只有當你計劃從與安裝 IoT Edge 的設備不同的設備構建容器時，才需要這樣做——安裝 IoT Edge 的過程中已經為你安裝了 Docker。
-
-1. 如果你在與 IoT Edge 設備不同的設備上構建 Docker 容器，請按照 [Docker 安裝頁面](https://www.docker.com/products/docker-desktop) 的指示安裝 Docker Desktop 或 Docker 引擎。安裝後確保其正在運行。
-
-### 任務 - 創建容器註冊表資源
-
-1. 從終端或命令提示符運行以下命令以創建 Azure Container Registry 資源：
-
-    ```sh
-    az acr create --resource-group fruit-quality-detector \
-                  --sku Basic \
-                  --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為容器註冊表的唯一名稱，只能使用字母和數字。可以基於 `fruitqualitydetector` 命名。此名稱將成為訪問容器註冊表的 URL 的一部分，因此需要全域唯一。
-
-1. 使用以下命令登入 Azure Container Registry：
-
-    ```sh
-    az acr login --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為你用於容器註冊表的名稱。
-
-1. 將容器註冊表設置為管理模式，以便生成密碼，使用以下命令：
-
-    ```sh
-    az acr update --admin-enabled true \
-                 --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為你用於容器註冊表的名稱。
-
-1. 使用以下命令生成容器註冊表的密碼：
-
-    ```sh
-     az acr credential renew --password-name password \
-                             --output table \
-                             --name <Container registry name>
-    ```
-
-    將 `<Container registry name>` 替換為你用於容器註冊表的名稱。
-
-    複製 `PASSWORD` 的值，稍後會用到。
-
-### 任務 - 構建你的容器
-
-從 Custom Vision 下載的內容是一個 DockerFile，包含如何構建容器的指令，以及將在容器內運行的應用程式代碼，用於託管你的 Custom Vision 模型和一個 REST API。你可以使用 Docker 從 DockerFile 構建一個標記的容器，然後將其推送到容器註冊表。
-
-> 🎓 容器會被賦予一個標籤，定義其名稱和版本。當需要更新容器時，可以使用相同的標籤但較新的版本進行構建。
-
-1. 打開終端或命令提示符，導航到從 Custom Vision 下載的解壓縮模型。
-
-1. 運行以下命令來構建和標記映像：
-
-    ```sh
-    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
-    ```
-
-    將 `<platform>` 替換為此容器將運行的平台。如果你在 Raspberry Pi 上運行 IoT Edge，設置為 `linux/armhf`，否則設置為 `linux/amd64`。
-
-    > 💁 如果你在運行 IoT Edge 的設備上運行此命令，例如在 Raspberry Pi 上運行，可以省略 `--platform <platform>` 部分，因為它默認為當前平台。
-
-    將 `<Container registry name>` 替換為你用於容器註冊表的名稱。
-
-    > 💁 如果你在 Linux 或 Raspberry Pi OS 上運行，可能需要使用 `sudo` 運行此命令。
-
-    Docker 將構建映像，配置所需的所有軟件。映像將被標記為 `classifier:v1`。
-
-    ```output
-    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker build --platform linux/amd64 -t  fruitqualitydetectorjimb.azurecr.io/classifier:v1 .
-    [+] Building 102.4s (11/11) FINISHED
-     => [internal] load build definition from Dockerfile
-     => => transferring dockerfile: 131B
-     => [internal] load .dockerignore
-     => => transferring context: 2B
-     => [internal] load metadata for docker.io/library/python:3.7-slim
-     => [internal] load build context
-     => => transferring context: 905B
-     => [1/6] FROM docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
-     => => resolve docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
-     => => sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda 27.15MB / 27.15MB
-     => => sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9 2.77MB / 2.77MB
-     => => sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8 10.06MB / 10.06MB
-     => => sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6 1.86kB / 1.86kB
-     => => sha256:44073386687709c437586676b572ff45128ff1f1570153c2f727140d4a9accad 1.37kB / 1.37kB
-     => => sha256:3d94f0f2ca798607808b771a7766f47ae62a26f820e871dd488baeccc69838d1 8.31kB / 8.31kB
-     => => sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41 233B / 233B
-     => => sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f 2.64MB / 2.64MB
-     => => extracting sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda
-     => => extracting sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9
-     => => extracting sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8
-     => => extracting sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41
-     => => extracting sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f
-     => [2/6] RUN pip install -U pip
-     => [3/6] RUN pip install --no-cache-dir numpy~=1.17.5 tensorflow~=2.0.2 flask~=1.1.2 pillow~=7.2.0
-     => [4/6] RUN pip install --no-cache-dir mscviplib==2.200731.16
-     => [5/6] COPY app /app
-     => [6/6] WORKDIR /app
-     => exporting to image
-     => => exporting layers
-     => => writing image sha256:1846b6f134431f78507ba7c079358ed66d944c0e185ab53428276bd822400386
-     => => naming to fruitqualitydetectorjimb.azurecr.io/classifier:v1
-    ```
-
-### 任務 - 將容器推送到容器註冊表
-
-1. 使用以下命令將容器推送到容器註冊表：
-
-    ```sh
-    docker push <Container registry name>.azurecr.io/classifier:v1
-    ```
-
-    將 `<Container registry name>` 替換為你用於容器註冊表的名稱。
-
-    > 💁 如果你在 Linux 上運行，可能需要使用 `sudo` 運行此命令。
-
-    容器將被推送到容器註冊表。
-
-    ```output
-    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker push fruitqualitydetectorjimb.azurecr.io/classifier:v1
-    The push refers to repository [fruitqualitydetectorjimb.azurecr.io/classifier]
-    5f70bf18a086: Pushed 
-    8a1ba9294a22: Pushed 
-    56cf27184a76: Pushed 
-    b32154f3f5dd: Pushed 
-    36103e9a3104: Pushed 
-    e2abb3cacca0: Pushed 
-    4213fd357bbe: Pushed 
-    7ea163ba4dce: Pushed 
-    537313a13d90: Pushed 
-    764055ebc9a7: Pushed 
-    v1: digest: sha256:ea7894652e610de83a5a9e429618e763b8904284253f4fa0c9f65f0df3a5ded8 size: 2423
-    ```
-
-1. 為了驗證推送，可以使用以下命令列出註冊表中的容器：
-
-    ```sh
-    az acr repository list --output table \
-                           --name <Container registry name> 
-    ```
-
-    將 `<Container registry name>` 替換為你用於容器註冊表的名稱。
-
-    ```output
-    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
-    Result
-    ----------
-    classifier
-    ```
-
-    你將在輸出中看到你的分類器。
-
-## 部署你的容器
-
-現在可以將容器部署到你的 IoT Edge 設備。要部署，你需要定義一個部署清單——一個列出將部署到邊緣設備的模組的 JSON 文件。
-
-### 任務 - 創建部署清單
-
-1. 在電腦上某處創建一個名為 `deployment.json` 的新文件。
-
-1. 在此文件中添加以下內容：
-
-    ```json
-    {
-        "content": {
-            "modulesContent": {
-                "$edgeAgent": {
-                    "properties.desired": {
-                        "schemaVersion": "1.1",
-                        "runtime": {
-                            "type": "docker",
-                            "settings": {
-                                "minDockerVersion": "v1.25",
-                                "loggingOptions": "",
-                                "registryCredentials": {
-                                    "ClassifierRegistry": {
-                                        "username": "<Container registry name>",
-                                        "password": "<Container registry password>",
-                                        "address": "<Container registry name>.azurecr.io"
-                                      }
-                                }
-                            }
-                        },
-                        "systemModules": {
-                            "edgeAgent": {
-                                "type": "docker",
-                                "settings": {
-                                    "image": "mcr.microsoft.com/azureiotedge-agent:1.1",
-                                    "createOptions": "{}"
-                                }
-                            },
-                            "edgeHub": {
-                                "type": "docker",
-                                "status": "running",
-                                "restartPolicy": "always",
-                                "settings": {
-                                    "image": "mcr.microsoft.com/azureiotedge-hub:1.1",
-                                    "createOptions": "{\"HostConfig\":{\"PortBindings\":{\"5671/tcp\":[{\"HostPort\":\"5671\"}],\"8883/tcp\":[{\"HostPort\":\"8883\"}],\"443/tcp\":[{\"HostPort\":\"443\"}]}}}"
-                                }
-                            }
-                        },
-                        "modules": {
-                            "ImageClassifier": {
-                                "version": "1.0",
-                                "type": "docker",
-                                "status": "running",
-                                "restartPolicy": "always",
-                                "settings": {
-                                    "image": "<Container registry name>.azurecr.io/classifier:v1",
-                                    "createOptions": "{\"ExposedPorts\": {\"80/tcp\": {}},\"HostConfig\": {\"PortBindings\": {\"80/tcp\": [{\"HostPort\": \"80\"}]}}}"
-                                }
-                            }
-                        }
-                    }
-                },
-                "$edgeHub": {
-                    "properties.desired": {
-                        "schemaVersion": "1.1",
-                        "routes": {
-                            "upstream": "FROM /messages/* INTO $upstream"
-                        },
-                        "storeAndForwardConfiguration": {
-                            "timeToLiveSecs": 7200
-                        }
-                    }
-                }
-            }
-        }
-    }
-    ```
-
-    > 💁 你可以在 [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment) 資料夾中找到此文件。
-
-    將三個 `<Container registry name>` 替換為你用於容器註冊表的名稱。一個在 `ImageClassifier` 模組部分，另外兩個在 `registryCredentials` 部分。
-
-    將 `registryCredentials` 部分中的 `<Container registry password>` 替換為你的容器註冊表密碼。
-
-1. 從包含部署清單的資料夾運行以下命令：
-
-    ```sh
-    az iot edge set-modules --device-id fruit-quality-detector-edge \
-                            --content deployment.json \
-                            --hub-name <hub_name>
-    ```
-
-    將 `<hub_name>` 替換為你的 IoT Hub 的名稱。
-
-    圖像分類器模組將被部署到你的邊緣設備。
-
-### 任務 - 驗證分類器是否正在運行
-
-1. 連接到 IoT Edge 設備：
-
-    * 如果你使用 Raspberry Pi 運行 IoT Edge，通過終端使用 ssh 連接，或者通過 VS Code 的遠程 SSH 會話連接。
-    * 如果你在 Windows 上的 Linux 容器中運行 IoT Edge，按照 [驗證成功配置指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge-on-windows?WT.mc_id=academic-17441-jabenn&view=iotedge-2018-06&tabs=powershell#verify-successful-configuration) 的步驟連接到 IoT Edge 設備。
-    * 如果你在虛擬機上運行 IoT Edge，可以使用創建虛擬機時設置的 `adminUsername` 和 `password`，以及 IP 地址或 DNS 名稱通過 SSH 進行連接：
-
-        ```sh
-        ssh <adminUsername>@<IP address>
-        ```
-
-        或：
-
-        ```sh
-        ssh <adminUsername>@<DNS Name>
-        ```
-
-        當提示時輸入你的密碼。
-
-1. 連接後，運行以下命令以獲取 IoT Edge 模組列表：
-
-    ```sh
-    iotedge list
-    ```
-
-    > 💁 你可能需要使用 `sudo` 運行此命令。
-
-    你將看到正在運行的模組：
-
-    ```output
-    jim@fruit-quality-detector-jimb:~$ iotedge list
-    NAME             STATUS           DESCRIPTION      CONFIG
-    ImageClassifier  running          Up 42 minutes    fruitqualitydetectorjimb.azurecr.io/classifier:v1
-    edgeAgent        running          Up 42 minutes    mcr.microsoft.com/azureiotedge-agent:1.1
-    edgeHub          running          Up 42 minutes    mcr.microsoft.com/azureiotedge-hub:1.1
-    ```
-
-1. 使用以下命令檢查圖像分類器模組的日誌：
-
-    ```sh
-    iotedge logs ImageClassifier
-    ```
-
-    > 💁 你可能需要使用 `sudo` 運行此命令。
-
-    ```output
-    jim@fruit-quality-detector-jimb:~$ iotedge logs ImageClassifier
-    2021-07-05 20:30:15.387144: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
-    2021-07-05 20:30:15.392185: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 2394450000 Hz
-    2021-07-05 20:30:15.392712: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x55ed9ac83470 executing computations on platform Host. Devices:
-    2021-07-05 20:30:15.392806: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): Host, Default Version
-    Loading model...Success!
-    Loading labels...2 found. Success!
-     * Serving Flask app "app" (lazy loading)
-     * Environment: production
-       WARNING: This is a development server. Do not use it in a production deployment.
-       Use a production WSGI server instead.
-     * Debug mode: off
-     * Running on http://0.0.0.0:80/ (Press CTRL+C to quit)
-    ```
-
-### 任務 - 測試圖像分類器
-
-1. 你可以使用 CURL 測試圖像分類器，使用運行 IoT Edge 代理的電腦的 IP 地址或主機名。找到 IP 地址：
-
-    * 如果你在運行 IoT Edge 的同一台機器上，可以使用 `localhost` 作為主機名。
-    * 如果你使用虛擬機，可以使用虛擬機的 IP 地址或 DNS 名稱。
-    * 否則，你可以獲取運行 IoT Edge 的機器的 IP 地址：
-      * 在 Windows 10 上，請參考 [查找你的 IP 地址指南](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn)。
-      * 在 macOS 上，請參考 [如何在 Mac 上查找 IP 地址指南](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac)。
-      * 在 Linux 上，請參考 [如何在 Linux 中查找 IP 地址指南](https://opensource.com/article/18/5/how-find-ip-address-linux) 中的查找私有 IP 地址部分。
-
-1. 你可以使用本地文件運行以下 curl 命令測試容器：
-
-    ```sh
-    curl --location \
-         --request POST 'http://<IP address or name>/image' \
-         --header 'Content-Type: image/png' \
-         --data-binary '@<file_Name>' 
-    ```
-
-    將 `<IP address or name>` 替換為運行 IoT Edge 的電腦的 IP 地址或主機名。將 `<file_Name>` 替換為要測試的文件名稱。
-
-    你將在輸出中看到預測結果：
-
-    ```output
-    {
-        "created": "2021-07-05T21:44:39.573181",
-        "id": "",
-        "iteration": "",
-        "predictions": [
-            {
-                "boundingBox": null,
-                "probability": 0.9995615482330322,
-                "tagId": "",
-                "tagName": "ripe"
-            },
-            {
-                "boundingBox": null,
-                "probability": 0.0004384400090202689,
-                "tagId": "",
-                "tagName": "unripe"
-            }
-        ],
-        "project": ""
-    }
-    ```
-
-    > 💁 這裡不需要提供預測金鑰，因為這不是使用 Azure 資源。相反，安全性將基於內部網絡的內部安全需求進行配置，而不是依賴公共端點和 API 金鑰。
-
-## 使用你的 IoT Edge 設備
-
-現在你的圖像分類器已部署到 IoT Edge 設備，你可以從 IoT 設備使用它。
-
-### 任務 - 使用你的 IoT Edge 設備
-
-按照相關指南使用 IoT Edge 分類器進行圖像分類：
-
-* [Arduino - Wio Terminal](wio-terminal.md)
-* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer.md)
-
-### 模型重新訓練
-
-在 IoT Edge 上運行圖像分類器的一個缺點是它們不會連接到你的 Custom Vision 專案。如果你查看 Custom Vision 的 **Predictions** 標籤，將看不到使用基於 Edge 的分類器分類的圖像。
-
-這是預期行為——圖像不會被發送到雲端進行分類，因此它們不會在雲端可用。使用 IoT Edge 的一個優勢是隱私，確保圖像不會離開你的網絡，另一個優勢是可以離線工作，因此不依賴於設備無法連接網絡時上傳圖像。缺點是改進你的模型——你需要實現另一種方式來存儲圖像，這些圖像可以手動重新分類以改進和重新訓練圖像分類器。
-
-✅ 思考如何上傳圖像以重新訓練分類器。
-
----
-
-## 🚀 挑戰
-
-在邊緣設備上運行 AI 模型可能比在雲端更快——網絡跳躍更短。但也可能更慢，因為運行模型的硬件可能不如雲端強大。
-
-進行一些計時，並比較調用邊緣設備是否比調用雲端更快或更慢？思考解釋差異或缺乏差異的原因。研究如何使用專用硬件在邊緣上更快地運行 AI 模型。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
-
-## 回顧與自學
-
-* 閱讀更多關於容器的內容，請參考 [Wikipedia 上的作業系統級虛擬化頁面](https://wikipedia.org/wiki/OS-level_virtualization)。
-* 閱讀更多有關邊緣計算的內容，重點探討5G如何幫助擴展邊緣計算，請參考[NetworkWorld上的文章「什麼是邊緣計算及其重要性？」](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html)
-* 透過觀看[Microsoft Channel9上的Learn Live節目「學習如何在邊緣上的預建AI服務中使用Azure IoT Edge進行語言檢測」](https://channel9.msdn.com/Shows/Learn-Live/Sharpen-Your-AI-Edge-Skills-Episode-4-Learn-How-to-Use-Azure-IoT-Edge-on-a-Pre-Built-AI-Service-on-t?WT.mc_id=academic-17441-jabenn)，了解更多在IoT Edge上運行AI服務的知識
-
-## 作業
-
-[在邊緣上運行其他服務](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
deleted file mode 100644
index d9c85b15d..000000000
--- a/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
+++ /dev/null
@@ -1,25 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
-  "translation_date": "2025-08-24T21:44:53+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
-  "language_code": "tw"
-}
--->
-# 在邊緣設備上運行其他服務
-
-## 說明
-
-不僅僅是影像分類器可以在邊緣設備上運行，任何可以打包成容器的應用都可以部署到 IoT Edge 設備上。無伺服器代碼（如您在之前課程中創建的觸發器）可以作為 Azure Functions 運行在容器中，因此也可以運行在 IoT Edge 上。
-
-選擇之前的一節課，嘗試將 Azure Functions 應用運行在 IoT Edge 容器中。您可以參考 [教學：將 Azure Functions 部署為 IoT Edge 模組 - Microsoft Docs](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11)，該指南展示了如何使用不同的 Functions 應用專案來完成此操作。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 將 Azure Functions 應用部署到 IoT Edge | 能夠成功將 Azure Functions 應用部署到 IoT Edge，並使用 IoT 設備觸發 IoT 數據的觸發器 | 能夠將 Functions 應用部署到 IoT Edge，但無法成功觸發 | 無法將 Functions 應用部署到 IoT Edge |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
deleted file mode 100644
index bafcd9b18..000000000
--- a/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
+++ /dev/null
@@ -1,66 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "50151d9f9dce2801348a93880ef16d86",
-  "translation_date": "2025-08-24T21:47:37+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
-  "language_code": "tw"
-}
--->
-# 使用基於 IoT Edge 的影像分類器來分類影像 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，您將使用運行在 IoT Edge 裝置上的影像分類器。
-
-## 使用 IoT Edge 分類器
-
-IoT 裝置可以重新導向以使用 IoT Edge 影像分類器。影像分類器的 URL 是 `http://<IP address or name>/image`，將 `<IP address or name>` 替換為運行 IoT Edge 的電腦的 IP 位址或主機名稱。
-
-Custom Vision 的 Python 函式庫僅適用於雲端託管的模型，而不適用於託管在 IoT Edge 上的模型。這意味著您需要使用 REST API 來呼叫分類器。
-
-### 任務 - 使用 IoT Edge 分類器
-
-1. 如果尚未開啟，請在 VS Code 中開啟 `fruit-quality-detector` 專案。如果您使用的是虛擬 IoT 裝置，請確保虛擬環境已啟動。
-
-1. 開啟 `app.py` 檔案，並移除來自 `azure.cognitiveservices.vision.customvision.prediction` 和 `msrest.authentication` 的匯入語句。
-
-1. 在檔案頂部新增以下匯入語句：
-
-    ```python
-    import requests
-    ```
-
-1. 刪除從 `image_file.write(image.read())` 到檔案結尾的所有程式碼。
-
-1. 在檔案結尾新增以下程式碼：
-
-    ```python
-    prediction_url = '<URL>'
-    headers = {
-        'Content-Type' : 'application/octet-stream'
-    }
-    image.seek(0)
-    response = requests.post(prediction_url, headers=headers, data=image)
-    results = response.json()
-    
-    for prediction in results['predictions']:
-        print(f'{prediction["tagName"]}:\t{prediction["probability"] * 100:.2f}%')
-    ```
-
-    將 `<URL>` 替換為您的分類器的 URL。
-
-    此程式碼會向分類器發送一個 REST POST 請求，將影像作為請求的主體發送。結果以 JSON 格式返回，並解碼以列印出概率。
-
-1. 執行您的程式碼，將相機對準一些水果，或使用適當的影像集，或者如果使用虛擬 IoT 硬體，則讓水果在您的網路攝影機中可見。您將在控制台中看到輸出：
-
-    ```output
-    (.venv) ➜  fruit-quality-detector python app.py
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-> 💁 您可以在 [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) 或 [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 您的水果品質分類器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
deleted file mode 100644
index 15b9d7751..000000000
--- a/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
+++ /dev/null
@@ -1,113 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "24dc783a600e20251211987b36370e93",
-  "translation_date": "2025-08-24T21:45:42+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
-  "language_code": "tw"
-}
--->
-# 建立運行 IoT Edge 的虛擬機器
-
-在 Azure 中，您可以建立虛擬機器——一台雲端中的電腦，您可以隨意配置並在其上運行自己的軟體。
-
-> 💁 您可以在 [Wikipedia 的虛擬機器頁面](https://wikipedia.org/wiki/Virtual_machine) 上了解更多關於虛擬機器的資訊。
-
-## 任務 - 設置 IoT Edge 虛擬機器
-
-1. 執行以下命令來建立一台已預先安裝 Azure IoT Edge 的虛擬機器：
-
-    ```sh
-    az deployment group create \
-                --resource-group fruit-quality-detector \
-                --template-uri https://raw.githubusercontent.com/Azure/iotedge-vm-deploy/1.2.0/edgeDeploy.json \
-                --parameters dnsLabelPrefix=<vm_name> \
-                --parameters adminUsername=<username> \
-                --parameters deviceConnectionString="<connection_string>" \
-                --parameters authenticationType=password \
-                --parameters adminPasswordOrKey="<password>"
-    ```
-
-    將 `<vm_name>` 替換為此虛擬機器的名稱。此名稱需要是全域唯一的，因此可以使用類似 `fruit-quality-detector-vm-` 的名稱，並在後面加上您的名字或其他值。
-
-    將 `<username>` 和 `<password>` 替換為用於登錄虛擬機器的使用者名稱和密碼。這些需要相對安全，因此不能使用 admin/password。
-
-    將 `<connection_string>` 替換為您的 `fruit-quality-detector-edge` IoT Edge 裝置的連接字串。
-
-    這將建立一台配置為 `DS1 v2` 類型的虛擬機器。這些類型表示機器的性能以及成本。此虛擬機器具有 1 個 CPU 和 3.5GB 的 RAM。
-
-    > 💰 您可以在 [Azure 虛擬機器定價指南](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn) 上查看這些虛擬機器的最新定價。
-
-    一旦虛擬機器建立完成，IoT Edge 執行環境將自動安裝，並配置為連接到您的 IoT Hub 作為 `fruit-quality-detector-edge` 裝置。
-
-1. 您需要虛擬機器的 IP 地址或 DNS 名稱才能從中調用影像分類器。執行以下命令以獲取此資訊：
-
-    ```sh
-    az vm list --resource-group fruit-quality-detector \
-               --output table \
-               --show-details
-    ```
-
-    複製 `PublicIps` 欄位或 `Fqdns` 欄位的值。
-
-1. 虛擬機器是需要花費費用的。截至撰寫本文時，DS1 類型的虛擬機器每小時約需 $0.06。為了降低成本，您應在不使用虛擬機器時將其關閉，並在完成此專案後刪除它。
-
-    您可以配置虛擬機器每天在特定時間自動關閉。這樣即使您忘記關閉，也不會被收取超過自動關閉時間的費用。使用以下命令進行設置：
-
-    ```sh
-    az vm auto-shutdown --resource-group fruit-quality-detector \
-                        --name <vm_name> \
-                        --time <shutdown_time_utc>
-    ```
-
-    將 `<vm_name>` 替換為您的虛擬機器名稱。
-
-    將 `<shutdown_time_utc>` 替換為您希望虛擬機器關閉的 UTC 時間，使用 4 位數字表示為 HHMM。例如，如果您希望在 UTC 時間午夜關閉，則設置為 `0000`。如果是美國西岸晚上 7:30，則設置為 `0230`（美國西岸晚上 7:30 對應 UTC 時間凌晨 2:30）。
-
-1. 您的影像分類器將在此邊緣裝置上運行，並監聽 80 埠（標準 HTTP 埠）。默認情況下，虛擬機器的入站埠是被阻止的，因此您需要啟用 80 埠。埠是在網路安全群組上啟用的，因此首先需要知道虛擬機器的網路安全群組名稱，可以通過以下命令找到：
-
-    ```sh
-    az network nsg list --resource-group fruit-quality-detector \
-                        --output table
-    ```
-
-    複製 `Name` 欄位的值。
-
-1. 執行以下命令，向網路安全群組添加規則以開啟 80 埠：
-
-    ```sh
-    az network nsg rule create \
-                        --resource-group fruit-quality-detector \
-                        --name Port_80 \
-                        --protocol tcp \
-                        --priority 1010 \
-                        --destination-port-range 80 \
-                        --nsg-name <nsg name>
-    ```
-
-    將 `<nsg name>` 替換為上一步中獲取的網路安全群組名稱。
-
-### 任務 - 管理您的虛擬機器以降低成本
-
-1. 當您不使用虛擬機器時，應將其關閉。使用以下命令關閉虛擬機器：
-
-    ```sh
-    az vm deallocate --resource-group fruit-quality-detector \
-                     --name <vm_name>
-    ```
-
-    將 `<vm_name>` 替換為您的虛擬機器名稱。
-
-    > 💁 還有一個 `az vm stop` 命令可以停止虛擬機器，但它會保留計算資源分配給您，因此費用仍然與運行時相同。
-
-1. 要重新啟動虛擬機器，使用以下命令：
-
-    ```sh
-    az vm start --resource-group fruit-quality-detector \
-                --name <vm_name>
-    ```
-
-    將 `<vm_name>` 替換為您的虛擬機器名稱。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
deleted file mode 100644
index dcbb779fb..000000000
--- a/translations/tw/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
+++ /dev/null
@@ -1,64 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
-  "translation_date": "2025-08-24T21:46:50+00:00",
-  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
-  "language_code": "tw"
-}
--->
-# 使用 IoT Edge 基於影像分類器進行影像分類 - Wio Terminal
-
-在本課程的這部分，您將使用運行在 IoT Edge 裝置上的影像分類器。
-
-## 使用 IoT Edge 影像分類器
-
-IoT 裝置可以重新導向使用 IoT Edge 影像分類器。影像分類器的 URL 是 `http://<IP address or name>/image`，其中 `<IP address or name>` 需要替換為運行 IoT Edge 的電腦的 IP 地址或主機名稱。
-
-### 任務 - 使用 IoT Edge 影像分類器
-
-1. 如果尚未打開 `fruit-quality-detector` 應用程式專案，請打開它。
-
-1. 影像分類器作為 REST API 運行，使用的是 HTTP 而非 HTTPS，因此需要使用僅支援 HTTP 呼叫的 WiFi 客戶端。這意味著不需要憑證。刪除 `config.h` 文件中的 `CERTIFICATE`。
-
-1. `config.h` 文件中的預測 URL 需要更新為新的 URL。您也可以刪除 `PREDICTION_KEY`，因為這不再需要。
-
-    ```cpp
-    const char *PREDICTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為您的分類器的 URL。
-
-1. 在 `main.cpp` 中，將 WiFi Client Secure 的 include 指令改為導入標準的 HTTP 版本：
-
-    ```cpp
-    #include <WiFiClient.h>
-    ```
-
-1. 將 `WiFiClient` 的宣告更改為 HTTP 版本：
-
-    ```cpp
-    WiFiClient client;
-    ```
-
-1. 選擇設置 WiFi 客戶端憑證的那一行。從 `connectWiFi` 函數中移除 `client.setCACert(CERTIFICATE);` 這一行。
-
-1. 在 `classifyImage` 函數中，移除設置預測金鑰的標頭行 `httpClient.addHeader("Prediction-Key", PREDICTION_KEY);`。
-
-1. 上傳並運行您的程式。將相機對準一些水果並按下 C 按鈕。您將在序列監視器中看到輸出：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 8200
-    ripe:   56.84%
-    unripe: 43.16%
-    ```
-
-> 💁 您可以在 [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal) 資料夾中找到這段程式碼。
-
-😀 您的水果品質分類器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
deleted file mode 100644
index d9e1e3362..000000000
--- a/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
+++ /dev/null
@@ -1,231 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
-  "translation_date": "2025-08-24T21:48:56+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
-  "language_code": "tw"
-}
--->
-# 從感測器觸發水果品質檢測
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
-
-## 簡介
-
-物聯網應用並不僅僅是單一設備捕捉數據並將其發送到雲端，更多時候是多個設備共同協作，使用感測器從物理世界捕捉數據，根據這些數據做出決策，並通過執行器或可視化方式與物理世界進行交互。
-
-在本課程中，您將深入了解如何設計複雜的物聯網應用，整合多個感測器、多個雲端服務來分析和存儲數據，並通過執行器顯示響應。您將學習如何設計一個水果品質控制系統的原型，包括使用接近感測器觸發物聯網應用，以及該原型的架構。
-
-本課程將涵蓋以下內容：
-
-* [設計複雜的物聯網應用](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [設計水果品質控制系統](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [從感測器觸發水果品質檢測](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [水果品質檢測器使用的數據](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [使用開發者設備模擬多個物聯網設備](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-* [進入量產階段](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
-
-> 🗑 這是本專案的最後一課，因此在完成本課程和作業後，請記得清理您的雲端服務。您需要這些服務來完成作業，因此請確保先完成作業。
->
-> 如有需要，請參考[清理專案指南](../../../clean-up.md)以獲取相關指示。
-
-## 設計複雜的物聯網應用
-
-物聯網應用由許多元件組成，包括各種設備和網路服務。
-
-物聯網應用可以描述為由*設備*（things）發送數據生成*洞察*（insights），這些*洞察*再生成*行動*（actions），以改善業務或流程。例如，一個引擎（設備）發送溫度數據。這些數據用於評估引擎是否運行正常（洞察）。洞察則用於主動優化引擎的維護計劃（行動）。
-
-* 不同的設備收集不同的數據。
-* 物聯網服務基於這些數據提供洞察，有時還會結合其他來源的數據。
-* 這些洞察驅動行動，包括控制設備中的執行器或可視化數據。
-
-### 物聯網架構參考
-
-![物聯網架構參考](../../../../../translated_images/zh-TW/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png)
-
-上圖展示了一個物聯網架構參考。
-
-> 🎓 *架構參考*是一個示例架構，您可以在設計新系統時用作參考。在這種情況下，如果您正在構建新的物聯網系統，可以遵循此架構參考，並根據需要替換自己的設備和服務。
-
-* **設備**是從感測器收集數據的裝置，可能與邊緣服務交互以解釋數據，例如使用影像分類器解釋影像數據。設備的數據被發送到物聯網服務。
-* **洞察**來自無伺服器應用或存儲數據的分析。
-* **行動**可以是發送命令到設備，或是可視化數據以幫助人類做出決策。
-
-![Azure 物聯網架構參考](../../../../../translated_images/zh-TW/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png)
-
-上圖展示了在這些課程中涵蓋的一些元件和服務，以及它們如何在物聯網架構參考中相互連接。
-
-* **設備** - 您已撰寫設備程式碼以從感測器捕捉數據，並使用 Custom Vision 在雲端和邊緣設備上分析影像。這些數據被發送到 IoT Hub。
-* **洞察** - 您已使用 Azure Functions 回應發送到 IoT Hub 的訊息，並將數據存儲在 Azure Storage 中以供後續分析。
-* **行動** - 您已根據雲端的決策控制執行器並向設備發送命令，並使用 Azure Maps 可視化數據。
-
-✅ 想一想您使用過的其他物聯網設備，例如智能家居設備。該設備及其軟體涉及哪些設備、洞察和行動？
-
-此模式可以根據需要擴展到任意大小，添加更多設備和服務。
-
-### 數據與安全性
-
-在定義系統架構時，您需要不斷考慮數據和安全性。
-
-* 您的設備發送和接收哪些數據？
-* 如何保護和加密這些數據？
-* 如何控制對設備和雲端服務的訪問？
-
-✅ 想一想您擁有的任何物聯網設備的數據安全性。哪些數據是個人數據，應在傳輸和存儲時保持私密？哪些數據不應存儲？
-
-## 設計水果品質控制系統
-
-現在讓我們將設備、洞察和行動的概念應用到水果品質檢測器，設計一個更大的端到端應用。
-
-假設您被要求構建一個水果品質檢測器，用於加工廠。水果通過輸送帶系統運輸，目前員工需要手動檢查水果並移除任何未成熟的水果。為了降低成本，廠主希望有一個自動化系統。
-
-✅ 隨著物聯網（以及技術）的興起，許多手動工作正在被機器取代。進行一些研究：估計有多少工作因物聯網而消失？又有多少新工作因構建物聯網設備而創造？
-
-您需要構建一個系統，檢測水果到達輸送帶時，拍攝照片並使用在邊緣運行的 AI 模型進行檢查。結果被發送到雲端存儲，如果水果未成熟，則發出通知以便移除未成熟的水果。
-
-|   |   |
-| - | - |
-| **設備** | 檢測水果到達輸送帶的感測器<br>拍攝並分類水果的相機<br>運行分類器的邊緣設備<br>通知未成熟水果的設備 |
-| **洞察** | 決定檢查水果的成熟度<br>存儲成熟度分類的結果<br>判斷是否需要警告未成熟水果 |
-| **行動** | 發送命令到設備拍攝水果並使用影像分類器檢查<br>發送命令到設備警告未成熟水果 |
-
-### 應用原型設計
-
-![水果品質檢測的物聯網架構參考](../../../../../translated_images/zh-TW/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png)
-
-上圖展示了此原型應用的架構參考。
-
-* 配備接近感測器的物聯網設備檢測到水果到達。這會向雲端發送訊息，表示檢測到水果。
-* 雲端的無伺服器應用向另一設備發送命令，拍攝照片並進行分類。
-* 配備相機的物聯網設備拍攝照片並將其發送到邊緣運行的影像分類器。結果隨後被發送到雲端。
-* 雲端的無伺服器應用存儲這些信息，以便稍後分析未成熟水果的百分比。如果水果未成熟，則向另一個物聯網設備發送命令，通過 LED 警告工廠工人。
-
-> 💁 整個物聯網應用可以作為單一設備實現，所有啟動影像分類和控制 LED 的邏輯都內建其中。它可以僅使用 IoT Hub 來追蹤檢測到的未成熟水果數量並配置設備。在本課程中，擴展此應用以展示大型物聯網應用的概念。
-
-在原型中，您將在單一設備上實現所有功能。如果您使用的是微控制器，則需要使用單獨的邊緣設備運行影像分類器。您已經學習了構建此應用所需的大部分知識。
-
-## 從感測器觸發水果品質檢測
-
-物聯網設備需要某種觸發器來指示水果何時準備好進行分類。一種觸發方式是通過測量距離感測器到水果的距離，判斷水果是否在輸送帶上的正確位置。
-
-![接近感測器發送雷射光束到物體（如香蕉），並計算光束反射回來的時間](../../../../../translated_images/zh-TW/proximity-sensor.f5cd752c77fb62fe.webp)
-
-接近感測器可用於測量感測器到物體的距離。它們通常發送電磁輻射束，例如雷射光束或紅外線，然後檢測輻射從物體反射回來的信號。從光束發送到信號反射回來的時間可用於計算距離。
-
-> 💁 您可能已經使用過接近感測器而未意識到。例如，大多數智能手機在您將其靠近耳朵時會關閉螢幕，以防止耳垂意外結束通話。這是通過接近感測器實現的，感測器檢測到螢幕附近的物體並在手機距離一定範圍外時重新啟用觸控功能。
-
-### 任務 - 使用距離感測器觸發水果品質檢測
-
-按照相關指南，使用接近感測器檢測物體並與您的物聯網設備交互：
-
-* [Arduino - Wio Terminal](wio-terminal-proximity.md)
-* [單板電腦 - Raspberry Pi](pi-proximity.md)
-* [單板電腦 - 虛擬設備](virtual-device-proximity.md)
-
-## 水果品質檢測器使用的數據
-
-原型水果檢測器有多個元件相互通信。
-
-![元件之間的通信](../../../../../translated_images/zh-TW/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png)
-
-* 接近感測器測量到水果的距離並將其發送到 IoT Hub
-* 控制相機的命令從 IoT Hub 發送到相機設備
-* 影像分類的結果被發送到 IoT Hub
-* 控制 LED 警告未成熟水果的命令從 IoT Hub 發送到配備 LED 的設備
-
-在構建應用之前，最好先定義這些訊息的結構。
-
-> 💁 幾乎每位有經驗的開發者都曾因發送的數據與預期數據不一致而花費數小時、數天甚至數週追蹤錯誤。
-
-例如 - 如果您正在發送溫度信息，如何定義 JSON？您可以使用名為 `temperature` 的欄位，也可以使用常見縮寫 `temp`。
-
-```json
-{
-    "temperature": 20.7
-}
-```
-
-與：
-
-```json
-{
-    "temp": 20.7
-}
-```
-
-您還需要考慮單位 - 溫度是以 °C 還是 °F 表示？如果您使用消費者設備測量溫度並更改顯示單位，您需要確保發送到雲端的單位保持一致。
-
-✅ 進行一些研究：單位問題如何導致價值 1.25 億美元的火星氣候探測器墜毀？
-
-思考水果品質檢測器發送的數據。如何定義每個訊息？在哪裡分析數據並決定發送哪些數據？
-
-例如 - 使用接近感測器觸發影像分類。物聯網設備測量距離，但決策在哪裡做出？設備是否決定水果足夠接近並發送訊息告訴 IoT Hub 觸發分類？或者它是否發送距離測量並讓 IoT Hub 做出決策？
-
-這些問題的答案是 - 視情況而定。每個使用案例都不同，這就是為什麼作為物聯網開發者，您需要了解您正在構建的系統、它的使用方式以及檢測到的數據。
-
-* 如果決策由 IoT Hub 做出，您需要發送多個距離測量。
-* 如果發送過多訊息，會增加 IoT Hub 的成本以及物聯網設備所需的頻寬（尤其是在有數百萬設備的工廠中）。這也可能會減慢設備速度。
-* 如果在設備上做出決策，您需要提供一種方式來配置設備以微調機器。
-
-## 使用開發者設備模擬多個物聯網設備
-
-為了構建您的原型，您需要讓物聯網開發套件模擬多個設備，發送遙測數據並回應命令。
-
-### 在 Raspberry Pi 或虛擬物聯網硬體上模擬多個物聯網設備
-
-使用像 Raspberry Pi 這樣的單板電腦時，您可以同時運行多個應用程式。這意味著您可以通過創建多個應用程式（每個應用程式代表一個“物聯網設備”）來模擬多個物聯網設備。例如，您可以將每個設備實現為單獨的 Python 文件，並在不同的終端會話中運行它們。
-> 💁 請注意，某些硬體在被多個應用程式同時存取時可能無法正常運作。
-### 在微控制器上模擬多個設備
-
-在微控制器上模擬多個設備相對較為複雜。與單板電腦不同，微控制器無法同時運行多個應用程式，必須將所有不同物聯網設備的邏輯整合到單一應用程式中。
-
-以下是一些讓這個過程更簡單的建議：
-
-* 為每個物聯網設備創建一個或多個類別，例如名為 `DistanceSensor`、`ClassifierCamera`、`LEDController` 的類別。每個類別可以有自己的 `setup` 和 `loop` 方法，由主程式的 `setup` 和 `loop` 函數調用。
-* 在單一位置處理命令，並根據需要將命令導向相關的設備類別。
-* 在主程式的 `loop` 函數中，您需要考慮每個不同設備的執行時間。例如，如果有一個設備類別需要每 10 秒處理一次，另一個需要每 1 秒處理一次，那麼在主程式的 `loop` 函數中可以使用 1 秒的延遲。每次 `loop` 調用都觸發需要每秒處理的設備代碼，並使用計數器來計算每次循環，當計數器達到 10 時處理另一個設備（然後重置計數器）。
-
-## 移向生產階段
-
-原型將成為最終生產系統的基礎。在移向生產階段時，可能會有以下差異：
-
-* 耐用的元件 - 使用能夠承受工廠中的噪音、熱量、振動和壓力的硬體。
-* 使用內部通信 - 一些元件會直接通信，避免跳轉到雲端，僅將數據發送到雲端進行存儲。具體實現方式取決於工廠的設置，可以是直接通信，也可以通過使用閘道設備在邊緣運行部分物聯網服務。
-* 配置選項 - 每個工廠和使用案例都不同，因此硬體需要具備可配置性。例如，接近傳感器可能需要在不同距離檢測不同的水果。與其將觸發分類的距離硬編碼，您可能希望通過雲端進行配置，例如使用設備雙胞胎。
-* 自動化水果移除 - 不再使用 LED 提示水果未成熟，而是使用自動化設備將其移除。
-
-✅ 做些研究：生產設備與開發套件還有哪些其他不同之處？
-
----
-
-## 🚀 挑戰
-
-在本課中，您學習了一些設計物聯網系統所需的概念。回想之前的項目，它們如何適應上述的參考架構？
-
-選擇一個之前的項目，思考設計一個更複雜的解決方案，將多種功能結合在一起，超越項目中所涵蓋的內容。繪製架構圖，並思考您需要的所有設備和服務。
-
-例如 - 一個結合 GPS 和傳感器的車輛追蹤設備，用於監控冷藏卡車內的溫度、引擎啟動和關閉時間，以及駕駛員的身份。涉及哪些設備、服務、傳輸的數據，以及安全和隱私的考量？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
-
-## 回顧與自學
-
-* 閱讀更多關於物聯網架構的內容，請參考 [Microsoft Docs 上的 Azure IoT 參考架構文檔](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn)
-* 閱讀更多關於設備雙胞胎的內容，請參考 [Microsoft Docs 上的 IoT Hub 設備雙胞胎文檔](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn)
-* 閱讀關於 OPC-UA 的內容，這是一種用於工業自動化的機器對機器通信協議，請參考 [Wikipedia 上的 OPC-UA 頁面](https://wikipedia.org/wiki/OPC_Unified_Architecture)
-
-## 作業
-
-[構建一個水果品質檢測器](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
deleted file mode 100644
index 6fdae213c..000000000
--- a/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
+++ /dev/null
@@ -1,30 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
-  "translation_date": "2025-08-24T21:52:47+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
-  "language_code": "tw"
-}
--->
-# 建立水果品質檢測器
-
-## 說明
-
-建立水果品質檢測器！
-
-運用你到目前為止所學到的一切，製作一個原型的水果品質檢測器。使用在邊緣運行的 AI 模型，根據距離觸發影像分類，將分類結果存儲到儲存空間中，並根據水果的成熟度控制 LED。
-
-你應該能夠利用之前課程中所寫的程式碼將這些功能組合在一起。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 配置所有服務 | 能夠成功設置 IoT Hub、Azure Functions 應用程式和 Azure 儲存空間 | 能夠設置 IoT Hub，但無法設置 Azure Functions 應用程式或 Azure 儲存空間 | 無法設置任何網際網路 IoT 服務 |
-| 監測距離並在物體接近預定義距離時將數據發送到 IoT Hub，並通過指令觸發相機 | 能夠測量距離，並在物體足夠接近時向 IoT Hub 發送訊息，並通過指令觸發相機 | 能夠測量距離並發送到 IoT Hub，但無法向相機發送指令 | 無法測量距離並向 IoT Hub 發送訊息，或觸發指令 |
-| 捕捉影像、進行分類並將結果發送到 IoT Hub | 能夠捕捉影像，使用邊緣設備進行分類，並將結果發送到 IoT Hub | 能夠進行影像分類，但未使用邊緣設備，或無法將結果發送到 IoT Hub | 無法進行影像分類 |
-| 根據分類結果，通過向設備發送指令控制 LED 的開關 | 能夠通過指令在水果未成熟時打開 LED | 能夠向設備發送指令，但無法控制 LED | 無法發送指令來控制 LED |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
deleted file mode 100644
index 097f2d28b..000000000
--- a/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
+++ /dev/null
@@ -1,116 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
-  "translation_date": "2025-08-24T21:53:38+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
-  "language_code": "tw"
-}
--->
-# 偵測距離 - Raspberry Pi
-
-在本課程中，您將為 Raspberry Pi 添加一個距離感測器，並從中讀取距離數據。
-
-## 硬體
-
-Raspberry Pi 需要一個距離感測器。
-
-您將使用的感測器是 [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)。此感測器使用雷射測距模組來檢測距離。該感測器的測量範圍為 10mm 至 2000mm（1cm - 2m），並能相當準確地報告該範圍內的值，超過 1000mm 的距離將報告為 8109mm。
-
-雷射測距儀位於感測器的背面，也就是與 Grove 插槽相對的一側。
-
-這是一個 I²C 感測器。
-
-### 連接飛行時間感測器
-
-Grove 飛行時間感測器可以連接到 Raspberry Pi。
-
-#### 任務 - 連接飛行時間感測器
-
-連接飛行時間感測器。
-
-![Grove 飛行時間感測器](../../../../../translated_images/zh-TW/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png)
-
-1. 將 Grove 電纜的一端插入飛行時間感測器上的插槽。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Grove Base Hat 上標有 **I²C** 的插槽之一。這些插槽位於底部排，靠近相機電纜插槽，與 GPIO 引腳相對的一端。
-
-![Grove 飛行時間感測器連接到 I²C 插槽](../../../../../translated_images/zh-TW/pi-time-of-flight-sensor.58c8dc04eb3bfb57.webp)
-
-## 編程飛行時間感測器
-
-現在可以為 Raspberry Pi 編寫程式來使用已連接的飛行時間感測器。
-
-### 任務 - 編程飛行時間感測器
-
-為裝置編寫程式。
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 在 VS Code 中打開 `fruit-quality-detector` 程式碼，可以直接在 Raspberry Pi 上操作，或者通過 Remote SSH 擴展連接。
-
-1. 安裝 rpi-vl53l0x Pip 套件，這是一個與 VL53L0X 飛行時間距離感測器互動的 Python 套件。使用以下 pip 命令安裝：
-
-    ```sh
-    pip install rpi-vl53l0x
-    ```
-
-1. 在此專案中創建一個名為 `distance-sensor.py` 的新檔案。
-
-    > 💁 模擬多個 IoT 裝置的一個簡單方法是將每個裝置的程式碼寫在不同的 Python 檔案中，然後同時運行它們。
-
-1. 在此檔案中添加以下程式碼：
-
-    ```python
-    import time
-    
-    from grove.i2c import Bus
-    from rpi_vl53l0x.vl53l0x import VL53L0X
-    ```
-
-    這段程式碼匯入了 Grove I²C 匯流排庫和 Grove 飛行時間感測器內建核心硬體的感測器庫。
-
-1. 在此程式碼下方，添加以下程式碼以訪問感測器：
-
-    ```python
-    distance_sensor = VL53L0X(bus = Bus().bus)
-    distance_sensor.begin()    
-    ```
-
-    這段程式碼使用 Grove I²C 匯流排宣告了一個距離感測器，然後啟動感測器。
-
-1. 最後，添加一個無限迴圈來讀取距離數據：
-
-    ```python
-    while True:
-        distance_sensor.wait_ready()
-        print(f'Distance = {distance_sensor.get_distance()} mm')
-        time.sleep(1)
-    ```
-
-    這段程式碼等待感測器準備好讀取值，然後將其打印到控制台。
-
-1. 運行此程式碼。
-
-    > 💁 別忘了這個檔案名為 `distance-sensor.py`！確保使用 Python 運行它，而不是 `app.py`。
-
-1. 您將在控制台中看到距離測量值。將物體放置在感測器附近，您將看到距離測量值：
-
-    ```output
-    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
-    Distance = 29 mm
-    Distance = 28 mm
-    Distance = 30 mm
-    Distance = 151 mm
-    ```
-
-    測距儀位於感測器的背面，因此在測量距離時請確保使用正確的一側。
-
-    ![飛行時間感測器背面的測距儀對準一根香蕉](../../../../../translated_images/zh-TW/time-of-flight-banana.079921ad8b1496e4.webp)
-
-> 💁 您可以在 [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi) 資料夾中找到此程式碼。
-
-😀 您的距離感測器程式成功運行了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
deleted file mode 100644
index 41788d80f..000000000
--- a/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
+++ /dev/null
@@ -1,119 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
-  "translation_date": "2025-08-24T21:55:51+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
-  "language_code": "tw"
-}
--->
-# 偵測接近 - 虛擬物聯網硬體
-
-在本課程中，您將為虛擬物聯網設備添加一個接近感測器，並從中讀取距離。
-
-## 硬體
-
-虛擬物聯網設備將使用模擬的距離感測器。
-
-在實體物聯網設備中，您會使用帶有雷射測距模組的感測器來偵測距離。
-
-### 將距離感測器添加到 CounterFit
-
-要使用虛擬距離感測器，您需要在 CounterFit 應用程式中添加一個。
-
-#### 任務 - 將距離感測器添加到 CounterFit
-
-將距離感測器添加到 CounterFit 應用程式。
-
-1. 在 VS Code 中打開 `fruit-quality-detector` 程式碼，並確保虛擬環境已啟動。
-
-1. 安裝額外的 Pip 套件，以安裝一個 CounterFit shim，該 shim 可以通過模擬 [rpi-vl53l0x Pip 套件](https://pypi.org/project/rpi-vl53l0x/) 與距離感測器通信。這是一個與 [VL53L0X 飛行時間距離感測器](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/) 互動的 Python 套件。確保您是在啟動虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install counterfit-shims-rpi-vl53l0x
-    ```
-
-1. 確保 CounterFit 網頁應用程式正在運行。
-
-1. 創建一個距離感測器：
-
-    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Distance*。
-
-    1. 將 *Units* 保持為 `Millimeter`。
-
-    1. 此感測器是一個 I2C 感測器，因此將地址設置為 `0x29`。如果您使用的是實體 VL53L0X 感測器，它的地址會被硬編碼為此。
-
-    1. 選擇 **Add** 按鈕以創建距離感測器。
-
-    ![距離感測器設置](../../../../../translated_images/zh-TW/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png)
-
-    距離感測器將被創建並顯示在感測器列表中。
-
-    ![距離感測器已創建](../../../../../translated_images/zh-TW/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png)
-
-## 程式化距離感測器
-
-現在可以程式化虛擬物聯網設備以使用模擬的距離感測器。
-
-### 任務 - 程式化飛行時間感測器
-
-1. 在 `fruit-quality-detector` 專案中創建一個名為 `distance-sensor.py` 的新檔案。
-
-    > 💁 模擬多個物聯網設備的一個簡單方法是將每個設備放在不同的 Python 檔案中，然後同時運行它們。
-
-1. 使用以下程式碼啟動與 CounterFit 的連接：
-
-    ```python
-    from counterfit_connection import CounterFitConnection
-    CounterFitConnection.init('127.0.0.1', 5000)
-    ```
-
-1. 在此程式碼下方添加以下程式碼：
-
-    ```python
-    import time
-    
-    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
-    ```
-
-    這會導入 VL53L0X 飛行時間感測器的感測器庫 shim。
-
-1. 在此程式碼下方添加以下程式碼以訪問感測器：
-
-    ```python
-    distance_sensor = VL53L0X()
-    distance_sensor.begin()
-    ```
-
-    此程式碼宣告了一個距離感測器，然後啟動該感測器。
-
-1. 最後，添加一個無限迴圈以讀取距離：
-
-    ```python
-    while True:
-        distance_sensor.wait_ready()
-        print(f'Distance = {distance_sensor.get_distance()} mm')
-        time.sleep(1)
-    ```
-
-    此程式碼等待感測器準備好讀取值，然後將其打印到控制台。
-
-1. 運行此程式碼。
-
-    > 💁 別忘了此檔案名為 `distance-sensor.py`！請確保通過 Python 運行此檔案，而不是 `app.py`。
-
-1. 您將在控制台中看到距離測量值。更改 CounterFit 中的值以查看此值的變化，或者使用隨機值。
-
-    ```output
-    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
-    Distance = 37 mm
-    Distance = 42 mm
-    Distance = 29 mm
-    ```
-
-> 💁 您可以在 [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 您的接近感測器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
deleted file mode 100644
index 0bd74160d..000000000
--- a/translations/tw/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
+++ /dev/null
@@ -1,111 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
-  "translation_date": "2025-08-24T21:54:43+00:00",
-  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
-  "language_code": "tw"
-}
--->
-# 偵測距離 - Wio Terminal
-
-在本課程中，您將為 Wio Terminal 添加一個距離感測器，並從中讀取距離數據。
-
-## 硬體
-
-Wio Terminal 需要一個距離感測器。
-
-您將使用的感測器是 [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)。此感測器使用雷射測距模組來偵測距離。此感測器的量測範圍為 10mm 至 2000mm（1cm - 2m），並能相當準確地報告該範圍內的距離值，超過 1000mm 的距離將報告為 8109mm。
-
-雷射測距儀位於感測器的背面，也就是 Grove 插座的相對面。
-
-這是一個 I2C 感測器。
-
-### 連接飛行時間感測器
-
-Grove 飛行時間感測器可以連接到 Wio Terminal。
-
-#### 任務 - 連接飛行時間感測器
-
-連接飛行時間感測器。
-
-![Grove 飛行時間感測器](../../../../../translated_images/zh-TW/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png)
-
-1. 將 Grove 電纜的一端插入飛行時間感測器上的插座。電纜只能以一種方向插入。
-
-1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 左側的 Grove 插座（面向螢幕）。這是靠近電源按鈕的插座，該插座是數位和 I2C 的組合插座。
-
-![Grove 飛行時間感測器連接到左側插座](../../../../../translated_images/zh-TW/wio-time-of-flight-sensor.c4c182131d2ea73d.webp)
-
-1. 現在可以將 Wio Terminal 連接到您的電腦。
-
-## 程式設計飛行時間感測器
-
-現在可以為 Wio Terminal 編寫程式以使用已連接的飛行時間感測器。
-
-### 任務 - 程式設計飛行時間感測器
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `distance-sensor`。在 `setup` 函數中添加程式碼以配置序列埠。
-
-1. 在專案的 `platformio.ini` 文件中添加 Seeed Grove 飛行時間距離感測器庫的依賴項：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Grove Ranging sensor - VL53L0X @ ^1.1.1
-    ```
-
-1. 在 `main.cpp` 中，將以下程式碼添加到現有的 include 指令下方，以宣告一個 `Seeed_vl53l0x` 類的實例，用於與飛行時間感測器互動：
-
-    ```cpp
-    #include "Seeed_vl53l0x.h"
-    
-    Seeed_vl53l0x VL53L0X;
-    ```
-
-1. 在 `setup` 函數的底部添加以下程式碼以初始化感測器：
-
-    ```cpp
-    VL53L0X.VL53L0X_common_init();
-    VL53L0X.VL53L0X_high_accuracy_ranging_init();
-    ```
-
-1. 在 `loop` 函數中，從感測器讀取一個值：
-
-    ```cpp
-    VL53L0X_RangingMeasurementData_t RangingMeasurementData;
-    memset(&RangingMeasurementData, 0, sizeof(VL53L0X_RangingMeasurementData_t));
-
-    VL53L0X.PerformSingleRangingMeasurement(&RangingMeasurementData);
-    ```
-
-    此程式碼初始化一個資料結構以讀取數據，然後將其傳遞給 `PerformSingleRangingMeasurement` 方法，該方法會填充距離測量值。
-
-1. 在此程式碼下方，輸出距離測量值，然後延遲 1 秒：
-
-    ```cpp
-    Serial.print("Distance = ");
-    Serial.print(RangingMeasurementData.RangeMilliMeter);
-    Serial.println(" mm");
-
-    delay(1000);
-    ```
-
-1. 建置、上傳並執行此程式碼。您將能夠使用序列監視器查看距離測量值。將物體放置在感測器附近，您將看到距離測量值：
-
-    ```output
-    Distance = 29 mm
-    Distance = 28 mm
-    Distance = 30 mm
-    Distance = 151 mm
-    ```
-
-    測距儀位於感測器的背面，因此在測量距離時請確保使用正確的一側。
-
-    ![飛行時間感測器背面的測距儀指向一根香蕉](../../../../../translated_images/zh-TW/time-of-flight-banana.079921ad8b1496e4.webp)
-
-> 💁 您可以在 [code-proximity/wio-terminal](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的距離感測器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/5-retail/README.md b/translations/tw/5-retail/README.md
deleted file mode 100644
index 3db67c3df..000000000
--- a/translations/tw/5-retail/README.md
+++ /dev/null
@@ -1,32 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
-  "translation_date": "2025-08-24T21:05:54+00:00",
-  "source_file": "5-retail/README.md",
-  "language_code": "tw"
-}
--->
-# 零售 - 使用物聯網管理庫存水平
-
-飼料到達消費者的最後階段是零售——市場、蔬果店、超市和商店，這些地方將產品銷售給消費者。這些商店希望確保貨架上有產品供消費者查看和購買。
-
-在食品商店，尤其是大型超市中，最繁瑣且耗時的任務之一就是確保貨架上有足夠的庫存。需要檢查每個貨架，確保任何空缺都能用庫房中的產品填補。
-
-物聯網可以幫助解決這個問題，通過在物聯網設備上運行的人工智慧模型來計算庫存，使用不僅能分類影像，還能檢測個別物品並進行計數的機器學習模型。
-
-在這兩節課中，您將學習如何訓練基於影像的人工智慧模型來計算庫存，並在物聯網設備上運行這些模型。
-
-> 💁 這些課程將使用一些雲端資源。如果您未完成此專案中的所有課程，請確保[清理您的專案](../clean-up.md)。
-
-## 主題
-
-1. [訓練庫存檢測器](./lessons/1-train-stock-detector/README.md)
-1. [從物聯網設備檢查庫存](./lessons/2-check-stock-device/README.md)
-
-## 致謝
-
-所有課程均由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/5-retail/lessons/1-train-stock-detector/README.md b/translations/tw/5-retail/lessons/1-train-stock-detector/README.md
deleted file mode 100644
index d91d80adb..000000000
--- a/translations/tw/5-retail/lessons/1-train-stock-detector/README.md
+++ /dev/null
@@ -1,204 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8df310a42f902139a01417dacb1ffbef",
-  "translation_date": "2025-08-24T21:15:20+00:00",
-  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
-  "language_code": "tw"
-}
--->
-# 訓練庫存檢測器
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure Custom Vision 服務中的物件檢測功能，這是本課程將涵蓋的內容。
-
-[![Custom Vision 2 - Object Detection Made Easy | The Xamarin Show](https://img.youtube.com/vi/wtTYSyBUpFc/0.jpg)](https://www.youtube.com/watch?v=wtTYSyBUpFc)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
-
-## 簡介
-
-在上一個專案中，你使用了人工智慧來訓練一個影像分類器——一個可以判斷影像中是否包含某些物品（例如成熟水果或未成熟水果）的模型。另一種可以用於影像的人工智慧模型是物件檢測。這些模型不僅僅是通過標籤來分類影像，而是訓練來識別物件，並且可以在影像中找到它們，不僅檢測影像中是否存在物件，還能檢測物件在影像中的位置。這使得你可以計算影像中的物件數量。
-
-在本課程中，你將學習物件檢測，包括它如何在零售中使用。你還將學習如何在雲端中訓練物件檢測器。
-
-本課程將涵蓋：
-
-* [物件檢測](../../../../../5-retail/lessons/1-train-stock-detector)
-* [在零售中使用物件檢測](../../../../../5-retail/lessons/1-train-stock-detector)
-* [訓練物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
-* [測試你的物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
-* [重新訓練你的物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
-
-## 物件檢測
-
-物件檢測是使用人工智慧來檢測影像中的物件。與你在上一個專案中訓練的影像分類器不同，物件檢測不是用來預測整個影像的最佳標籤，而是用來在影像中找到一個或多個物件。
-
-### 物件檢測 vs 影像分類
-
-影像分類是針對整個影像進行分類——判斷整個影像符合每個標籤的概率。你會得到模型訓練中使用的每個標籤的概率。
-
-![腰果和番茄醬的影像分類](../../../../../translated_images/zh-TW/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png)
-
-在上面的例子中，兩張影像使用了一個訓練來分類腰果罐或番茄醬罐的模型進行分類。第一張影像是一罐腰果，影像分類器的結果如下：
-
-| 標籤            | 機率       |
-| -------------- | ----------: |
-| `腰果`         | 98.4%       |
-| `番茄醬`       | 1.6%        |
-
-第二張影像是一罐番茄醬，結果如下：
-
-| 標籤            | 機率       |
-| -------------- | ----------: |
-| `腰果`         | 0.7%        |
-| `番茄醬`       | 99.3%       |
-
-你可以使用這些值和一個閾值百分比來預測影像中包含的物品。但如果影像中包含多罐番茄醬，或者同時包含腰果和番茄醬呢？結果可能不會給你想要的答案。這就是物件檢測的用武之地。
-
-物件檢測涉及訓練模型來識別物件。與其給模型包含物件的影像並告訴它每張影像是某個標籤，不如突出影像中包含特定物件的部分並標記它。你可以在影像中標記單個物件或多個物件。這樣模型就能學習物件本身的樣子，而不僅僅是包含物件的影像的樣子。
-
-當你使用它來預測影像時，與其得到標籤和百分比的列表，你會得到檢測到的物件列表，包括它們的邊界框以及該邊界框符合指定標籤的概率。
-
-> 🎓 *邊界框* 是物件周圍的框。
-
-![腰果和番茄醬的物件檢測](../../../../../translated_images/zh-TW/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png)
-
-上面的影像包含一罐腰果和三罐番茄醬。物件檢測器檢測到了腰果，返回了包含腰果的邊界框以及該邊界框包含物件的概率，在此例中為 97.6%。物件檢測器還檢測到了三罐番茄醬，並提供了三個單獨的邊界框，每個檢測到的罐子都有一個邊界框以及該邊界框包含番茄醬罐的概率。
-
-✅ 想一想你可能想用基於影像的人工智慧模型來完成的不同場景。哪些需要分類，哪些需要物件檢測？
-
-### 物件檢測如何運作
-
-物件檢測使用複雜的機器學習模型。這些模型通過將影像分成多個單元，然後檢查邊界框的中心是否是影像中符合模型訓練影像的中心。你可以將其想像成在影像的不同部分上運行影像分類器以尋找匹配。
-
-> 💁 這是一個非常簡化的描述。物件檢測有許多技術，你可以在 [維基百科的物件檢測頁面](https://wikipedia.org/wiki/Object_detection) 上了解更多。
-
-有許多不同的模型可以進行物件檢測。一個特別著名的模型是 [YOLO (You only look once)](https://pjreddie.com/darknet/yolo/)，它速度非常快，可以檢測 20 種不同類別的物件，例如人、狗、瓶子和車。
-
-✅ 在 [pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/) 上了解 YOLO 模型。
-
-物件檢測模型可以通過遷移學習重新訓練以檢測自定義物件。
-
-## 在零售中使用物件檢測
-
-物件檢測在零售中有多種用途。一些包括：
-
-* **庫存檢查和計數** - 識別貨架上的庫存是否不足。如果庫存過低，可以向員工或機器人發送通知以補充貨架。
-* **口罩檢測** - 在公共衛生事件期間有口罩政策的商店中，物件檢測可以識別戴口罩和未戴口罩的人。
-* **自動結算** - 在自動化商店中檢測從貨架上取下的物品並正確地向顧客收費。
-* **危險檢測** - 識別地板上的破損物品或溢出的液體，通知清潔人員。
-
-✅ 做一些研究：物件檢測在零售中還有哪些其他用途？
-
-## 訓練物件檢測器
-
-你可以使用 Custom Vision 訓練物件檢測器，方式與訓練影像分類器類似。
-
-### 任務 - 創建物件檢測器
-
-1. 為此專案創建一個名為 `stock-detector` 的資源群組。
-
-1. 在 `stock-detector` 資源群組中創建一個免費的 Custom Vision 訓練資源和一個免費的 Custom Vision 預測資源。將它們命名為 `stock-detector-training` 和 `stock-detector-prediction`。
-
-    > 💁 你只能擁有一個免費的訓練和預測資源，因此請確保你已清理之前課程中的專案。
-
-    > ⚠️ 如果需要，可以參考 [專案 4，課程 1 中創建訓練和預測資源的指導](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource)。
-
-1. 啟動 Custom Vision 入口網站 [CustomVision.ai](https://customvision.ai)，並使用你的 Microsoft 帳戶登錄。
-
-1. 按照 Microsoft Docs 上 [建立物件檢測器快速入門的建立新專案部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#create-a-new-project) 的指導來創建一個新的 Custom Vision 專案。UI 可能會改變，這些文檔始終是最新的參考。
-
-    將你的專案命名為 `stock-detector`。
-
-    創建專案時，請確保使用你之前創建的 `stock-detector-training` 資源。使用 *物件檢測* 專案類型和 *貨架上的產品* 領域。
-
-    ![Custom Vision 專案的設置，名稱設為 fruit-quality-detector，無描述，資源設為 fruit-quality-detector-training，專案類型設為分類，分類類型設為多類別，領域設為食品](../../../../../translated_images/zh-TW/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png)
-
-    ✅ 貨架上的產品領域專門用於檢測貨架上的庫存。閱讀更多有關不同領域的資訊，請參考 [Microsoft Docs 上的選擇領域文檔](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection)
-
-✅ 花些時間探索你的物件檢測器的 Custom Vision UI。
-
-### 任務 - 訓練你的物件檢測器
-
-要訓練你的模型，你需要一組包含你想檢測的物件的影像。
-
-1. 收集包含要檢測物件的影像。你需要至少 15 張包含每個物件的影像，這些影像需要來自不同的角度和不同的光線條件，但越多越好。此物件檢測器使用 *貨架上的產品* 領域，因此嘗試將物件設置為像是在商店貨架上的樣子。你還需要一些影像來測試模型。如果你要檢測多個物件，你會希望一些測試影像包含所有物件。
-
-    > 💁 包含多個不同物件的影像計入影像最低要求的 15 張影像中，所有影像中的物件都計入。
-
-    你的影像應該是 png 或 jpeg 格式，大小小於 6MB。如果你使用 iPhone 創建影像，它們可能是高解析度的 HEIC 格式，因此需要進行轉換並可能縮小。影像越多越好，並且應該有相似數量的成熟和未成熟物件。
-
-    該模型是為貨架上的產品設計的，因此嘗試在貨架上拍攝物件的照片。
-
-    你可以在 [images](../../../../../5-retail/lessons/1-train-stock-detector/images) 資料夾中找到一些腰果和番茄醬的示例影像供你使用。
-
-1. 按照 Microsoft Docs 上 [建立物件檢測器快速入門的上傳和標記影像部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) 的指導來上傳你的訓練影像。根據你想檢測的物件類型創建相關標籤。
-
-    ![上傳對話框顯示上傳成熟和未成熟香蕉的圖片](../../../../../translated_images/zh-TW/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png)
-
-    畫物件的邊界框時，請保持框緊貼物件。標記所有影像可能需要一些時間，但工具會檢測它認為是邊界框的部分，這樣可以加快速度。
-
-    ![標記一些番茄醬](../../../../../translated_images/zh-TW/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png)
-
-    > 💁 如果你有超過 15 張影像的每個物件，你可以在 15 張影像後進行訓練，然後使用 **建議標籤** 功能。這將使用訓練的模型檢測未標記影像中的物件。你可以確認檢測到的物件，或者拒絕並重新繪製邊界框。這可以節省大量時間。
-
-1. 按照 Microsoft Docs 上 [建立物件檢測器快速入門的訓練檢測器部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector) 的指導來訓練你的物件檢測器。
-
-    你將被要求選擇訓練類型。選擇 **快速訓練**。
-
-物件檢測器將開始訓練。訓練完成需要幾分鐘。
-
-## 測試你的物件檢測器
-
-一旦你的物件檢測器訓練完成，你可以通過提供新影像來測試它是否能檢測影像中的物件。
-
-### 任務 - 測試你的物件檢測器
-
-1. 使用 **快速測試** 按鈕上傳測試影像並驗證物件是否被檢測到。使用你之前創建的測試影像，而不是任何用於訓練的影像。
-
-    ![檢測到 3 罐番茄醬，概率分別為 38%、35.5% 和 34.6%](../../../../../translated_images/zh-TW/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png)
-
-1. 嘗試所有你擁有的測試影像並觀察概率。
-
-## 重新訓練你的物件檢測器
-
-當你測試你的物件檢測器時，它可能不會給出你期望的結果，與上一個專案中的影像分類器相同。你可以通過使用它錯誤的影像重新訓練來改進你的物件檢測器。
-
-每次使用快速測試選項進行預測時，影像和結果都會被存儲。你可以使用這些影像重新訓練你的模型。
-
-1. 使用 **預測** 標籤找到你用於測試的影像。
-
-1. 確認任何準確的檢測，刪除不正確的檢測並添加任何缺失的物件。
-
-1. 重新訓練並重新測試模型。
-
----
-
-## 🚀 挑戰
-
-如果你使用物件檢測器檢測外觀相似的物品，例如同品牌的番茄醬罐和切碎番茄罐，會發生什麼？
-
-如果你有任何外觀相似的物品，嘗試將它們的影像添加到你的物件檢測器中進行測試。
-
-## 課後測驗
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
-
-## 回顧與自學
-
-* 當你訓練物件偵測器時，應該會看到 *Precision*（精確度）、*Recall*（召回率）和 *mAP*（平均精度）等數值，這些用來評估所建立的模型。請參考 [Microsoft 文件中「建立物件偵測器快速入門」的「評估偵測器」部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector) 來了解這些數值的意義。
-* 在 [維基百科的物件偵測頁面](https://wikipedia.org/wiki/Object_detection) 閱讀更多關於物件偵測的資訊。
-
-## 作業
-
-[比較領域](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/tw/5-retail/lessons/1-train-stock-detector/assignment.md
deleted file mode 100644
index 5f4be6e98..000000000
--- a/translations/tw/5-retail/lessons/1-train-stock-detector/assignment.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
-  "translation_date": "2025-08-24T21:18:22+00:00",
-  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
-  "language_code": "tw"
-}
--->
-# 比較領域
-
-## 指導說明
-
-當您建立物件偵測器時，您可以選擇多個領域。比較它們在您的庫存偵測器中的表現，並描述哪一個能提供更好的結果。
-
-要更改領域，請選擇頂部選單中的 **設定** 按鈕，選擇一個新的領域，然後點擊 **儲存變更** 按鈕，接著重新訓練模型。請確保使用新領域訓練的新版本模型進行測試。
-
-## 評分標準
-
-| 評分標準 | 優秀 | 足夠 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 使用不同領域訓練模型 | 能夠更改領域並重新訓練模型 | 能夠更改領域並重新訓練模型 | 無法更改領域或重新訓練模型 |
-| 測試模型並比較結果 | 能夠使用不同領域測試模型，進行結果比較，並描述哪個更好 | 能夠使用不同領域測試模型，但無法比較結果或描述哪個更好 | 無法使用不同領域測試模型 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/5-retail/lessons/2-check-stock-device/README.md b/translations/tw/5-retail/lessons/2-check-stock-device/README.md
deleted file mode 100644
index 7382af25f..000000000
--- a/translations/tw/5-retail/lessons/2-check-stock-device/README.md
+++ /dev/null
@@ -1,189 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
-  "translation_date": "2025-08-24T21:08:08+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
-  "language_code": "tw"
-}
--->
-# 從物聯網設備檢查庫存
-
-![本課程概述的手繪筆記](../../../../../translated_images/zh-TW/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
-
-## 簡介
-
-在上一課中，你學到了物件偵測在零售中的不同用途，也學會了如何訓練物件偵測器來識別庫存。在本課中，你將學習如何從物聯網設備使用物件偵測器來計算庫存。
-
-本課內容包括：
-
-* [庫存計算](../../../../../5-retail/lessons/2-check-stock-device)
-* [從物聯網設備呼叫物件偵測器](../../../../../5-retail/lessons/2-check-stock-device)
-* [邊界框](../../../../../5-retail/lessons/2-check-stock-device)
-* [重新訓練模型](../../../../../5-retail/lessons/2-check-stock-device)
-* [計算庫存](../../../../../5-retail/lessons/2-check-stock-device)
-
-> 🗑 這是本專案的最後一課，因此在完成本課和作業後，別忘了清理你的雲端服務。你需要這些服務來完成作業，所以請確保先完成作業。
->
-> 如有需要，請參考[清理專案指南](../../../clean-up.md)以獲取相關指示。
-
-## 庫存計算
-
-物件偵測器可以用於庫存檢查，無論是計算庫存數量還是確保庫存位於正確位置。配備攝影機的物聯網設備可以部署在商店各處以監控庫存，首先從需要頻繁補貨的重要區域開始，例如存放少量高價商品的區域。
-
-例如，如果攝影機對準一組可以容納8罐番茄醬的貨架，而物件偵測器只偵測到7罐，那麼就缺少一罐，需要補貨。
-
-![貨架上的7罐番茄醬，頂層4罐，下層3罐](../../../../../translated_images/zh-TW/stock-7-cans-tomato-paste.f86059cc573d7bec.webp)
-
-在上圖中，物件偵測器偵測到貨架上有7罐番茄醬，而該貨架可以容納8罐。不僅物聯網設備可以發送需要補貨的通知，它甚至可以提供缺少物品的具體位置，這對於使用機器人補貨的情況來說是重要的數據。
-
-> 💁 根據商店和商品的受歡迎程度，如果只缺少1罐，可能不會立即補貨。你需要建立一個算法，根據商品、顧客和其他標準來決定何時補貨。
-
-✅ 在哪些其他情境中，你可以結合物件偵測和機器人？
-
-有時候，貨架上可能會出現錯誤的庫存。這可能是補貨時的人為錯誤，或者是顧客改變購買決定並將商品放回最方便的位置。如果是非易腐商品，例如罐頭食品，這只是個麻煩。但如果是易腐商品，例如冷凍或冷藏食品，這可能意味著商品無法再出售，因為可能無法確定商品離開冷凍區的時間。
-
-物件偵測可以用來偵測意外的物品，並通知人類或機器人盡快將物品歸位。
-
-![番茄醬貨架上的一罐錯放的嬰兒玉米罐頭](../../../../../translated_images/zh-TW/stock-rogue-corn.be1f3ada8c457854.webp)
-
-在上圖中，一罐嬰兒玉米罐頭被放在番茄醬旁邊。物件偵測器偵測到這一情況，使物聯網設備能夠通知人類或機器人將罐頭歸位。
-
-## 從物聯網設備呼叫物件偵測器
-
-你在上一課中訓練的物件偵測器可以從你的物聯網設備呼叫。
-
-### 任務 - 發佈物件偵測器的迭代版本
-
-迭代版本可以從 Custom Vision 平台發佈。
-
-1. 打開 [CustomVision.ai](https://customvision.ai) 並登入，如果尚未開啟，請打開你的 `stock-detector` 專案。
-
-1. 從頂部選項中選擇 **Performance** 標籤。
-
-1. 從側邊的 *Iterations* 列表中選擇最新的迭代版本。
-
-1. 為該迭代版本選擇 **Publish** 按鈕。
-
-    ![發佈按鈕](../../../../../translated_images/zh-TW/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png)
-
-1. 在 *Publish Model* 對話框中，將 *Prediction resource* 設置為你在上一課中創建的 `stock-detector-prediction` 資源。名稱保持為 `Iteration2`，然後選擇 **Publish** 按鈕。
-
-1. 發佈後，選擇 **Prediction URL** 按鈕。這將顯示預測 API 的詳細信息，你需要這些信息來從物聯網設備呼叫模型。下方標記為 *If you have an image file* 的部分是你需要的詳細信息。複製顯示的 URL，該 URL 可能類似於：
-
-    ```output
-    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
-    ```
-
-    其中 `<location>` 是你創建 Custom Vision 資源時使用的位置，`<id>` 是由字母和數字組成的長 ID。
-
-    同時複製 *Prediction-Key* 值。這是一個安全密鑰，當你呼叫模型時需要傳遞此密鑰。只有傳遞此密鑰的應用程式才能使用模型，其他應用程式將被拒絕。
-
-    ![預測 API 對話框顯示 URL 和密鑰](../../../../../translated_images/zh-TW/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png)
-
-✅ 當新的迭代版本被發佈時，它會有不同的名稱。你認為如何更改物聯網設備使用的迭代版本？
-
-### 任務 - 從物聯網設備呼叫物件偵測器
-
-按照以下相關指南，從你的物聯網設備使用物件偵測器：
-
-* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
-* [單板電腦 - Raspberry Pi/虛擬設備](single-board-computer-object-detector.md)
-
-## 邊界框
-
-使用物件偵測器時，你不僅可以獲得偵測到的物件及其標籤和概率，還可以獲得物件的邊界框。邊界框定義了物件偵測器以給定概率偵測到物件的位置。
-
-> 💁 邊界框是一個框，用於定義包含偵測到物件的區域，框的邊界即物件的邊界。
-
-在 Custom Vision 的 **Predictions** 標籤中，預測結果會在發送進行預測的圖像上繪製邊界框。
-
-![貨架上的4罐番茄醬，預測結果顯示4個偵測分別為35.8%、33.5%、25.7%和16.6%](../../../../../translated_images/zh-TW/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png)
-
-在上圖中，偵測到4罐番茄醬。結果中，每個偵測到的物件都在圖像上疊加了一個紅色方框，表示該物件的邊界框。
-
-✅ 打開 Custom Vision 中的預測，查看邊界框。
-
-邊界框由4個值定義：上、左、高度和寬度。這些值的範圍是0-1，表示位置是圖像大小的百分比。原點（0,0位置）是圖像的左上角，因此上值是距離頂部的距離，而邊界框的底部是上值加上高度。
-
-![番茄醬罐頭的邊界框](../../../../../translated_images/zh-TW/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png)
-
-上圖的寬度為600像素，高度為800像素。邊界框從320像素開始，給出上座標為0.4（800 x 0.4 = 320）。從左側開始，邊界框從240像素開始，給出左座標為0.4（600 x 0.4 = 240）。邊界框的高度為240像素，給出高度值為0.3（800 x 0.3 = 240）。邊界框的寬度為120像素，給出寬度值為0.2（600 x 0.2 = 120）。
-
-| 座標      | 值    |
-| --------- | ----: |
-| 上        | 0.4   |
-| 左        | 0.4   |
-| 高度      | 0.3   |
-| 寬度      | 0.2   |
-
-使用0-1的百分比值意味著無論圖像被縮放到什麼大小，邊界框都會從0.4的位置開始，並且高度為0.3，寬度為0.2。
-
-你可以結合邊界框和概率來評估偵測的準確性。例如，物件偵測器可能會偵測到多個重疊的物件，例如偵測到一個罐頭在另一個罐頭內。你的程式碼可以檢查邊界框，判斷這是不可能的，並忽略任何與其他物件有顯著重疊的物件。
-
-![兩個邊界框重疊在一罐番茄醬上](../../../../../translated_images/zh-TW/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png)
-
-在上例中，一個邊界框表示預測的番茄醬罐頭概率為78.3%。第二個邊界框稍小，位於第一個邊界框內，概率為64.3%。你的程式碼可以檢查邊界框，發現它們完全重疊，並忽略較低的概率，因為不可能一個罐頭在另一個罐頭內。
-
-✅ 你能想到哪些情境下偵測一個物件在另一個物件內是合理的？
-
-## 重新訓練模型
-
-與影像分類器類似，你可以使用物聯網設備捕獲的數據重新訓練你的模型。使用這些真實世界的數據可以確保你的模型在物聯網設備上使用時效果良好。
-
-與影像分類器不同，你不能僅僅標記一張影像。相反，你需要檢查模型偵測到的每個邊界框。如果框圍繞錯誤的物件，則需要刪除；如果位置不正確，則需要調整。
-
-### 任務 - 重新訓練模型
-
-1. 確保你已使用物聯網設備捕獲了一系列影像。
-
-1. 從 **Predictions** 標籤中選擇一張影像。你會看到紅色框表示偵測到的物件的邊界框。
-
-1. 檢查每個邊界框。首先選擇它，你會看到一個彈出窗口顯示標籤。使用邊界框角上的控制點調整大小（如有必要）。如果標籤錯誤，使用 **X** 按鈕刪除並添加正確的標籤。如果邊界框不包含物件，使用垃圾桶按鈕刪除。
-
-1. 完成後關閉編輯器，影像將從 **Predictions** 標籤移至 **Training Images** 標籤。對所有預測重複此過程。
-
-1. 使用 **Train** 按鈕重新訓練你的模型。訓練完成後，發佈迭代版本並更新你的物聯網設備以使用新迭代版本的 URL。
-
-1. 重新部署你的程式碼並測試你的物聯網設備。
-
-## 計算庫存
-
-結合偵測到的物件數量和邊界框，你可以計算貨架上的庫存。
-
-### 任務 - 計算庫存
-
-按照以下相關指南，使用物件偵測器的結果從你的物聯網設備計算庫存：
-
-* [Arduino - Wio Terminal](wio-terminal-count-stock.md)
-* [單板電腦 - Raspberry Pi/虛擬設備](single-board-computer-count-stock.md)
-
----
-
-## 🚀 挑戰
-
-你能偵測到錯誤的庫存嗎？訓練你的模型以識別多種物件，然後更新你的應用程式以在偵測到錯誤的庫存時發出警報。
-
-甚至可以進一步嘗試偵測同一貨架上的並排庫存，並通過定義邊界框的限制來檢查是否有物品放錯位置。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/40)
-
-## 回顧與自學
-
-* 從 [Microsoft Docs 的邊緣模式指南](https://docs.microsoft.com/hybrid/app-solutions/pattern-out-of-stock-at-edge?WT.mc_id=academic-17441-jabenn) 學習如何架構端到端的庫存偵測系統。
-* 觀看 [零售解決方案幕後揭秘 - Hands On!](https://www.youtube.com/watch?v=m3Pc300x2Mw) 的 YouTube 影片，了解如何結合多種物聯網和雲端服務構建端到端的零售解決方案。
-
-## 作業
-
-[在邊緣使用你的物件偵測器](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/5-retail/lessons/2-check-stock-device/assignment.md b/translations/tw/5-retail/lessons/2-check-stock-device/assignment.md
deleted file mode 100644
index bcb35fd56..000000000
--- a/translations/tw/5-retail/lessons/2-check-stock-device/assignment.md
+++ /dev/null
@@ -1,23 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
-  "translation_date": "2025-08-24T21:10:34+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
-  "language_code": "tw"
-}
--->
-# 在邊緣設備上使用您的物件檢測器
-
-## 指導說明
-
-在上一個專案中，您已將影像分類器部署到邊緣設備。現在，對您的物件檢測器執行相同的操作，將其匯出為精簡模型並在邊緣設備上運行，從您的 IoT 設備訪問邊緣版本。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 將物件檢測器部署到邊緣設備 | 能夠使用正確的精簡域，匯出物件檢測器並在邊緣設備上運行 | 能夠使用正確的精簡域並匯出物件檢測器，但無法在邊緣設備上運行 | 無法使用正確的精簡域，匯出物件檢測器，並在邊緣設備上運行 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/tw/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
deleted file mode 100644
index 1c3386bd1..000000000
--- a/translations/tw/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
+++ /dev/null
@@ -1,175 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9c4320311c0f2c1884a6a21265d98a51",
-  "translation_date": "2025-08-24T21:12:34+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
-  "language_code": "tw"
-}
--->
-# 從您的 IoT 裝置計算庫存 - 虛擬 IoT 硬體與 Raspberry Pi
-
-結合預測結果及其邊界框可以用來計算影像中的庫存數量。
-
-## 顯示邊界框
-
-作為一個有用的除錯步驟，您不僅可以將邊界框列印出來，還可以將它們繪製在捕捉影像時寫入磁碟的影像上。
-
-### 任務 - 列印邊界框
-
-1. 確保 `stock-counter` 專案已在 VS Code 中開啟，並且如果您使用的是虛擬 IoT 裝置，虛擬環境已啟動。
-
-1. 將 `for` 迴圈中的 `print` 語句更改為以下內容，以便在主控台中列印邊界框：
-
-    ```python
-    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
-    ```
-
-1. 將相機對準架子上的一些庫存並運行應用程式。邊界框將列印到主控台，並顯示左、上、寬度和高度的值，範圍為 0-1。
-
-    ```output
-    pi@raspberrypi:~/stock-counter $ python3 app.py 
-    tomato paste:   33.42%  {'additional_properties': {}, 'left': 0.3455171, 'top': 0.09916268, 'width': 0.14175442, 'height': 0.29405564}
-    tomato paste:   34.41%  {'additional_properties': {}, 'left': 0.48283678, 'top': 0.10242918, 'width': 0.11782813, 'height': 0.27467814}
-    tomato paste:   31.25%  {'additional_properties': {}, 'left': 0.4923783, 'top': 0.35007596, 'width': 0.13668466, 'height': 0.28304994}
-    tomato paste:   31.05%  {'additional_properties': {}, 'left': 0.36416405, 'top': 0.37494493, 'width': 0.14024884, 'height': 0.26880276}
-    ```
-
-### 任務 - 在影像上繪製邊界框
-
-1. Pip 套件 [Pillow](https://pypi.org/project/Pillow/) 可用於在影像上繪製。使用以下命令安裝：
-
-    ```sh
-    pip3 install pillow
-    ```
-
-    如果您使用的是虛擬 IoT 裝置，請確保在啟動的虛擬環境中執行此命令。
-
-1. 在 `app.py` 文件的頂部添加以下導入語句：
-
-    ```python
-    from PIL import Image, ImageDraw, ImageColor
-    ```
-
-    這將導入編輯影像所需的程式碼。
-
-1. 在 `app.py` 文件的末尾添加以下程式碼：
-
-    ```python
-    with Image.open('image.jpg') as im:
-        draw = ImageDraw.Draw(im)
-    
-        for prediction in predictions:
-            scale_left = prediction.bounding_box.left
-            scale_top = prediction.bounding_box.top
-            scale_right = prediction.bounding_box.left + prediction.bounding_box.width
-            scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
-            
-            left = scale_left * im.width
-            top = scale_top * im.height
-            right = scale_right * im.width
-            bottom = scale_bottom * im.height
-    
-            draw.rectangle([left, top, right, bottom], outline=ImageColor.getrgb('red'), width=2)
-    
-        im.save('image.jpg')
-    ```
-
-    此程式碼打開之前保存的影像進行編輯。然後迴圈遍歷預測結果，獲取邊界框，並使用 0-1 的邊界框值計算右下角座標。這些值通過乘以影像的相關維度轉換為影像座標。例如，如果左值為 0.5，影像寬度為 600 像素，則轉換為 300 (0.5 x 600 = 300)。
-
-    每個邊界框都使用紅線繪製在影像上。最後，編輯後的影像被保存，覆蓋原始影像。
-
-1. 將相機對準架子上的一些庫存並運行應用程式。您將在 VS Code 的檔案瀏覽器中看到 `image.jpg` 文件，並可以選擇它來查看邊界框。
-
-    ![4 罐番茄醬，每罐周圍都有邊界框](../../../../../translated_images/zh-TW/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f.webp)
-
-## 計算庫存
-
-在上圖中，邊界框有些許重疊。如果這種重疊更大，邊界框可能表示同一個物件。為了正確計算物件數量，您需要忽略具有顯著重疊的框。
-
-### 任務 - 忽略重疊計算庫存
-
-1. Pip 套件 [Shapely](https://pypi.org/project/Shapely/) 可用於計算交集。如果您使用的是 Raspberry Pi，您需要先安裝一個庫依賴：
-
-    ```sh
-    sudo apt install libgeos-dev
-    ```
-
-1. 安裝 Shapely Pip 套件：
-
-    ```sh
-    pip3 install shapely
-    ```
-
-    如果您使用的是虛擬 IoT 裝置，請確保在啟動的虛擬環境中執行此命令。
-
-1. 在 `app.py` 文件的頂部添加以下導入語句：
-
-    ```python
-    from shapely.geometry import Polygon
-    ```
-
-    這將導入創建多邊形以計算重疊所需的程式碼。
-
-1. 在繪製邊界框的程式碼上方添加以下程式碼：
-
-    ```python
-    overlap_threshold = 0.20
-    ```
-
-    這定義了邊界框被視為同一物件之前允許的重疊百分比。0.20 定義了 20% 的重疊。
-
-1. 為了使用 Shapely 計算重疊，邊界框需要轉換為 Shapely 多邊形。添加以下函數來完成此操作：
-
-    ```python
-    def create_polygon(prediction):
-        scale_left = prediction.bounding_box.left
-        scale_top = prediction.bounding_box.top
-        scale_right = prediction.bounding_box.left + prediction.bounding_box.width
-        scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
-    
-        return Polygon([(scale_left, scale_top), (scale_right, scale_top), (scale_right, scale_bottom), (scale_left, scale_bottom)])
-    ```
-
-    此函數使用預測的邊界框創建一個多邊形。
-
-1. 移除重疊物件的邏輯涉及比較所有邊界框，如果任何一對預測的邊界框重疊超過閾值，則刪除其中一個預測。為了比較所有預測，您需要將預測 1 與 2、3、4 等進行比較，然後將 2 與 3、4 等進行比較。以下程式碼完成此操作：
-
-    ```python
-    to_delete = []
-
-    for i in range(0, len(predictions)):
-        polygon_1 = create_polygon(predictions[i])
-    
-        for j in range(i+1, len(predictions)):
-            polygon_2 = create_polygon(predictions[j])
-            overlap = polygon_1.intersection(polygon_2).area
-
-            smallest_area = min(polygon_1.area, polygon_2.area)
-    
-            if overlap > (overlap_threshold * smallest_area):
-                to_delete.append(predictions[i])
-                break
-    
-    for d in to_delete:
-        predictions.remove(d)
-
-    print(f'Counted {len(predictions)} stock items')
-    ```
-
-    使用 Shapely 的 `Polygon.intersection` 方法計算重疊，該方法返回具有重疊的多邊形。然後從該多邊形計算面積。此重疊閾值不是絕對值，而是需要作為邊界框的百分比，因此找到最小的邊界框，並使用重疊閾值計算重疊面積不能超過最小邊界框的百分比重疊閾值。如果重疊超過此值，則該預測被標記為刪除。
-
-    一旦預測被標記為刪除，就不需要再次檢查，因此內部迴圈跳出以檢查下一個預測。您不能在迴圈中刪除列表中的項目，因此重疊超過閾值的邊界框被添加到 `to_delete` 列表中，然後在最後刪除。
-
-    最後，庫存數量被列印到主控台。這可以發送到 IoT 服務以在庫存水平低時發出警報。所有這些程式碼都在繪製邊界框之前，因此您將在生成的影像上看到沒有重疊的庫存預測。
-
-    > 💁 這是一種非常簡單的移除重疊方式，只移除重疊對中的第一個。在生產程式碼中，您可能需要在此處添加更多邏輯，例如考慮多個物件之間的重疊，或者如果一個邊界框被另一個邊界框包含。
-
-1. 將相機對準架子上的一些庫存並運行應用程式。輸出將顯示超過閾值的無重疊邊界框的數量。嘗試調整 `overlap_threshold` 值以查看被忽略的預測。
-
-> 💁 您可以在 [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) 或 [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device) 文件夾中找到此程式碼。
-
-😀 您的庫存計數程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/tw/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
deleted file mode 100644
index 5ca73deeb..000000000
--- a/translations/tw/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
+++ /dev/null
@@ -1,86 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "a3fdfec1d1e2cb645ea11c2930b51299",
-  "translation_date": "2025-08-24T21:06:41+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
-  "language_code": "tw"
-}
--->
-# 從物聯網設備呼叫物件檢測器 - 虛擬物聯網硬體與樹莓派
-
-當你的物件檢測器已發布後，就可以從你的物聯網設備使用它。
-
-## 複製影像分類器專案
-
-你的庫存檢測器大部分內容與你在之前課程中建立的影像分類器相同。
-
-### 任務 - 複製影像分類器專案
-
-1. 建立一個名為 `stock-counter` 的資料夾，若你使用虛擬物聯網設備，則在你的電腦上建立；若使用樹莓派，則在樹莓派上建立。如果使用虛擬物聯網設備，請確保已設置虛擬環境。
-
-1. 設置相機硬體。
-
-    * 如果你使用樹莓派，則需要安裝 PiCamera。你可能還需要將相機固定在一個位置，例如，將相機線纜掛在盒子或罐子上，或者用雙面膠將相機固定在盒子上。
-    * 如果你使用虛擬物聯網設備，則需要安裝 CounterFit 和 CounterFit PyCamera shim。如果你打算使用靜態影像，請捕捉一些你的物件檢測器尚未見過的影像；如果你打算使用網路攝影機，請確保它的位置能看到你要檢測的庫存。
-
-1. 複製 [製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) 中的步驟，從相機捕捉影像。
-
-1. 複製 [製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) 中的步驟，呼叫影像分類器。大部分的程式碼將被重複使用來檢測物件。
-
-## 將程式碼從分類器改為影像檢測器
-
-你用來分類影像的程式碼與用來檢測物件的程式碼非常相似。主要的差異在於 Custom Vision SDK 中所呼叫的方法，以及呼叫的結果。
-
-### 任務 - 將程式碼從分類器改為影像檢測器
-
-1. 刪除三行用來分類影像並處理預測結果的程式碼：
-
-    ```python
-    results = predictor.classify_image(project_id, iteration_name, image)
-    
-    for prediction in results.predictions:
-        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
-    ```
-
-    移除這三行程式碼。
-
-1. 添加以下程式碼來檢測影像中的物件：
-
-    ```python
-    results = predictor.detect_image(project_id, iteration_name, image)
-
-    threshold = 0.3
-    
-    predictions = list(prediction for prediction in results.predictions if prediction.probability > threshold)
-    
-    for prediction in predictions:
-        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
-    ```
-
-    此程式碼呼叫 `detect_image` 方法，使用預測器執行物件檢測器。接著，它會收集所有超過閾值的預測結果，並將它們打印到控制台。
-
-    與影像分類器只返回每個標籤的一個結果不同，物件檢測器會返回多個結果，因此需要過濾掉任何低概率的結果。
-
-1. 執行此程式碼，它將捕捉一張影像，發送至物件檢測器，並打印出檢測到的物件。如果你使用虛擬物聯網設備，請確保在 CounterFit 中設置了適當的影像，或選擇了網路攝影機。如果你使用樹莓派，請確保你的相機指向架子上的物件。
-
-    ```output
-    pi@raspberrypi:~/stock-counter $ python3 app.py 
-    tomato paste:   34.13%
-    tomato paste:   33.95%
-    tomato paste:   35.05%
-    tomato paste:   32.80%
-    ```
-
-    > 💁 你可能需要調整 `threshold` 的值，使其適合你的影像。
-
-    你將能看到拍攝的影像，以及這些值在 Custom Vision 的 **Predictions** 標籤中。
-
-    ![架子上有 4 罐番茄醬，預測結果分別為 35.8%、33.5%、25.7% 和 16.6%](../../../../../translated_images/zh-TW/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png)
-
-> 💁 你可以在 [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) 或 [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 你的庫存計數程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/tw/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
deleted file mode 100644
index 4dabd33e3..000000000
--- a/translations/tw/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
+++ /dev/null
@@ -1,179 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
-  "translation_date": "2025-08-24T21:11:18+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
-  "language_code": "tw"
-}
--->
-# 從您的 IoT 裝置計算庫存 - Wio Terminal
-
-結合預測結果及其邊界框可以用來計算影像中的庫存。
-
-## 計算庫存
-
-![4罐番茄醬，每罐周圍都有邊界框](../../../../../translated_images/zh-TW/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f.webp)
-
-在上圖中，邊界框有些許重疊。如果這種重疊更大，則邊界框可能表示同一個物件。為了正確計算物件數量，您需要忽略具有顯著重疊的框。
-
-### 任務 - 忽略重疊計算庫存
-
-1. 如果尚未開啟您的 `stock-counter` 專案，請將其打開。
-
-1. 在 `processPredictions` 函數上方，新增以下程式碼：
-
-    ```cpp
-    const float overlap_threshold = 0.20f;
-    ```
-
-    此程式碼定義了邊界框被視為同一物件之前允許的重疊百分比。0.20 表示 20% 的重疊。
-
-1. 在此程式碼下方，並在 `processPredictions` 函數上方，新增以下程式碼以計算兩個矩形之間的重疊：
-
-    ```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;
-    }
-    ```
-
-    此程式碼定義了一個 `Point` 結構來儲存影像上的點，以及一個 `Rect` 結構來使用左上角和右下角座標定義矩形。接著定義了一個 `area` 函數，該函數使用左上角和右下角座標計算矩形的面積。
-
-    接著定義了一個 `overlappingArea` 函數，該函數計算兩個矩形的重疊面積。如果它們不重疊，則返回 0。
-
-1. 在 `overlappingArea` 函數下方，宣告一個函數以將邊界框轉換為 `Rect`：
-
-    ```cpp
-    Rect rectFromBoundingBox(JsonVariant prediction)
-    {
-        JsonObject bounding_box = prediction["boundingBox"].as<JsonObject>();
-    
-        float left = bounding_box["left"].as<float>();
-        float top = bounding_box["top"].as<float>();
-        float width = bounding_box["width"].as<float>();
-        float height = bounding_box["height"].as<float>();
-    
-        Point topLeft = {left, top};
-        Point bottomRight = {left + width, top + height};
-    
-        return {topLeft, bottomRight};
-    }
-    ```
-
-    此函數從物件檢測器的預測中提取邊界框，並使用邊界框上的值定義矩形。右側是由左側加上寬度計算得出。底部是由頂部加上高度計算得出。
-
-1. 需要將預測結果彼此比較，如果兩個預測結果的重疊超過閾值，則需要刪除其中一個。重疊閾值是一個百分比，因此需要乘以最小邊界框的大小，以檢查重疊是否超過邊界框的給定百分比，而不是整個影像的百分比。首先，刪除 `processPredictions` 函數的內容。
-
-1. 在空的 `processPredictions` 函數中新增以下程式碼：
-
-    ```cpp
-    std::vector<JsonVariant> passed_predictions;
-
-    for (int i = 0; i < predictions.size(); ++i)
-    {
-        Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
-        float prediction_1_area = area(prediction_1_rect);
-        bool passed = true;
-
-        for (int j = i + 1; j < predictions.size(); ++j)
-        {
-            Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
-            float prediction_2_area = area(prediction_2_rect);
-
-            float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
-            float smallest_area = min(prediction_1_area, prediction_2_area);
-
-            if (overlap > (overlap_threshold * smallest_area))
-            {
-                passed = false;
-                break;
-            }
-        }
-
-        if (passed)
-        {
-            passed_predictions.push_back(predictions[i]);
-        }
-    }
-    ```
-
-    此程式碼宣告了一個向量，用於儲存不重疊的預測結果。接著迴圈遍歷所有預測結果，從邊界框建立一個 `Rect`。
-
-    接著此程式碼迴圈遍歷剩餘的預測結果，從當前預測結果之後的那一個開始。這樣可以避免重複比較預測結果——一旦 1 和 2 已經比較過，就不需要再比較 2 和 1，只需比較 2 和 3、4 等。
-
-    對於每一對預測結果，計算重疊面積。接著將其與最小邊界框的面積進行比較——如果重疊超過最小邊界框的閾值百分比，則該預測結果被標記為未通過。如果在比較所有重疊後，該預測結果通過檢查，則將其新增到 `passed_predictions` 集合中。
-
-    > 💁 這是一種非常簡單的方式來移除重疊，只移除重疊對中的第一個。在生產環境的程式碼中，您可能需要加入更多邏輯，例如考慮多個物件之間的重疊，或者一個邊界框是否被另一個邊界框包含。
-
-1. 在此之後，新增以下程式碼以將通過的預測結果的詳細資訊發送到序列監視器：
-
-    ```cpp
-    for(JsonVariant prediction : passed_predictions)
-    {
-        String boundingBox = prediction["boundingBox"].as<String>();
-        String tag = prediction["tagName"].as<String>();
-        float probability = prediction["probability"].as<float>();
-
-        char buff[32];
-        sprintf(buff, "%s:\t%.2f%%\t%s", tag.c_str(), probability * 100.0, boundingBox.c_str());
-        Serial.println(buff);
-    }
-    ```
-
-    此程式碼迴圈遍歷通過的預測結果，並將其詳細資訊列印到序列監視器。
-
-1. 在此下方，新增程式碼以將計算出的物件數量列印到序列監視器：
-
-    ```cpp
-    Serial.print("Counted ");
-    Serial.print(passed_predictions.size());
-    Serial.println(" stock items.");
-    ```
-
-    然後可以將此資訊發送到 IoT 服務，以在庫存水平低時發出警報。
-
-1. 上傳並執行您的程式碼。將相機對準架子上的物件，並按下 C 按鈕。嘗試調整 `overlap_threshold` 值，查看預測結果被忽略的情況。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 17416
-    tomato paste:   35.84%  {"left":0.395631,"top":0.215897,"width":0.180768,"height":0.359364}
-    tomato paste:   35.87%  {"left":0.378554,"top":0.583012,"width":0.14824,"height":0.359382}
-    tomato paste:   34.11%  {"left":0.699024,"top":0.592617,"width":0.124411,"height":0.350456}
-    tomato paste:   35.16%  {"left":0.513006,"top":0.647853,"width":0.187472,"height":0.325817}
-    Counted 4 stock items.
-    ```
-
-> 💁 您可以在 [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的庫存計數程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/tw/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
deleted file mode 100644
index 42e2c9a8f..000000000
--- a/translations/tw/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
+++ /dev/null
@@ -1,114 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4cf1421420a6fab9ab4f2c391bd523b7",
-  "translation_date": "2025-08-24T21:13:53+00:00",
-  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
-  "language_code": "tw"
-}
--->
-# 從物聯網設備呼叫物件檢測器 - Wio Terminal
-
-當你的物件檢測器已發布後，就可以從你的物聯網設備使用它。
-
-## 複製影像分類器專案
-
-你的庫存檢測器大部分內容與你在之前課程中建立的影像分類器相同。
-
-### 任務 - 複製影像分類器專案
-
-1. 按照[製造專案第2課](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera)中的步驟，將你的 ArduCam 連接到 Wio Terminal。
-
-    你可能還需要將相機固定在一個位置，例如，將電纜懸掛在盒子或罐子上，或者用雙面膠將相機固定在盒子上。
-
-1. 使用 PlatformIO 建立一個全新的 Wio Terminal 專案。將此專案命名為 `stock-counter`。
-
-1. 按照[製造專案第2課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device)中的步驟，從相機捕捉影像。
-
-1. 按照[製造專案第2課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device)中的步驟，呼叫影像分類器。大部分的程式碼將被重複使用來檢測物件。
-
-## 將程式碼從分類器改為影像檢測器
-
-你用來分類影像的程式碼與用來檢測物件的程式碼非常相似。主要的差異在於你從 Custom Vision 獲得的 URL，以及呼叫的結果。
-
-### 任務 - 將程式碼從分類器改為影像檢測器
-
-1. 在 `main.cpp` 文件的頂部添加以下 include 指令：
-
-    ```cpp
-    #include <vector>
-    ```
-
-1. 將 `classifyImage` 函數重新命名為 `detectStock`，包括函數名稱以及在 `buttonPressed` 函數中的呼叫。
-
-1. 在 `detectStock` 函數上方，宣告一個閾值，用於過濾掉任何低概率的檢測：
-
-    ```cpp
-    const float threshold = 0.3f;
-    ```
-
-    與影像分類器只為每個標籤返回一個結果不同，物件檢測器會返回多個結果，因此需要過濾掉任何低概率的結果。
-
-1. 在 `detectStock` 函數上方，宣告一個函數來處理預測結果：
-
-    ```cpp
-    void processPredictions(std::vector<JsonVariant> &predictions)
-    {
-        for(JsonVariant prediction : predictions)
-        {
-            String tag = prediction["tagName"].as<String>();
-            float probability = prediction["probability"].as<float>();
-    
-            char buff[32];
-            sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
-            Serial.println(buff);
-        }
-    }
-    ```
-
-    此函數接收一個預測列表並將其打印到序列監視器。
-
-1. 在 `detectStock` 函數中，替換掉迴圈中處理預測的內容，使用以下程式碼：
-
-    ```cpp
-    std::vector<JsonVariant> passed_predictions;
-
-    for(JsonVariant prediction : predictions) 
-    {
-        float probability = prediction["probability"].as<float>();
-        if (probability > threshold)
-        {
-            passed_predictions.push_back(prediction);
-        }
-    }
-
-    processPredictions(passed_predictions);
-    ```
-
-    此程式碼迴圈遍歷預測結果，將概率與閾值進行比較。所有概率高於閾值的預測都會被添加到 `list` 中，並傳遞給 `processPredictions` 函數。
-
-1. 上傳並運行你的程式碼。將相機對準架子上的物件並按下 C 按鈕。你會在序列監視器中看到輸出：
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Image captured
-    Image read to buffer with length 17416
-    tomato paste:   35.84%
-    tomato paste:   35.87%
-    tomato paste:   34.11%
-    tomato paste:   35.16%
-    ```
-
-    > 💁 你可能需要根據你的影像調整 `threshold` 到適當的值。
-
-    你將能看到拍攝的影像，以及這些值在 Custom Vision 的 **Predictions** 標籤中。
-
-    ![架子上的4罐番茄醬，檢測結果分別為35.8%、33.5%、25.7%和16.6%](../../../../../translated_images/zh-TW/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png)
-
-> 💁 你可以在 [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) 資料夾中找到此程式碼。
-
-😀 你的庫存計數程式大功告成！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/README.md b/translations/tw/6-consumer/README.md
deleted file mode 100644
index 5b99f4fcc..000000000
--- a/translations/tw/6-consumer/README.md
+++ /dev/null
@@ -1,34 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
-  "translation_date": "2025-08-24T23:48:09+00:00",
-  "source_file": "6-consumer/README.md",
-  "language_code": "tw"
-}
--->
-# 消費者物聯網 - 打造智慧語音助理
-
-食物已經種植完成，運送到加工廠，經過品質篩選，並在商店中售出，現在是時候開始烹飪了！廚房中最核心的工具之一就是計時器。最初的計時器是沙漏——當所有的沙子流到底部時，食物就煮好了。後來出現了發條式計時器，接著是電子計時器。
-
-最新的版本現在已經成為我們智慧設備的一部分。在世界各地的廚房裡，你會聽到廚師們喊著「嘿 Siri，設置一個 10 分鐘的計時器」，或者「Alexa，取消我的麵包計時器」。你不再需要走回廚房檢查計時器，現在可以通過手機完成，或者直接在房間裡喊一聲。
-
-在這四節課中，你將學習如何打造一個智慧計時器，使用 AI 來辨識你的聲音，理解你的需求，並回應有關計時器的資訊。你還將添加對多語言的支持。
-
-> ⚠️ 使用語音和麥克風數據需要大量記憶體，這意味著在微控制器上很容易達到限制。本專案採取了一些方法來解決這些問題，但請注意，Wio Terminal 的實驗較為複雜，可能需要比本課程中的其他實驗更多的時間。
-
-> 💁 這些課程將使用一些雲端資源。如果你未完成本專案中的所有課程，請務必[清理你的專案](../clean-up.md)。
-
-## 主題
-
-1. [使用物聯網設備辨識語音](./lessons/1-speech-recognition/README.md)
-1. [理解語言](./lessons/2-language-understanding/README.md)
-1. [設置計時器並提供語音回饋](./lessons/3-spoken-feedback/README.md)
-1. [支持多語言](./lessons/4-multiple-language-support/README.md)
-
-## 致謝
-
-所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/README.md b/translations/tw/6-consumer/lessons/1-speech-recognition/README.md
deleted file mode 100644
index c0f59880d..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/README.md
+++ /dev/null
@@ -1,233 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
-  "translation_date": "2025-08-25T00:19:09+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
-  "language_code": "tw"
-}
--->
-# 使用物聯網設備進行語音識別
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-這段影片概述了 Azure 語音服務，這是本課程將涵蓋的主題：
-
-[![如何開始使用 Microsoft Azure YouTube 頻道上的 Cognitive Services Speech 資源](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
-
-## 簡介
-
-「Alexa，設置一個12分鐘的計時器」
-
-「Alexa，計時器狀態」
-
-「Alexa，設置一個8分鐘的計時器，命名為蒸西蘭花」
-
-智慧設備越來越普及。不僅僅是像 HomePods、Echos 和 Google Homes 這樣的智慧音箱，還嵌入到我們的手機、手錶，甚至燈具和恆溫器中。
-
-> 💁 我家裡至少有19個具有語音助手功能的設備，這還只是我知道的！
-
-語音控制提高了可及性，讓行動受限的人能夠與設備互動。無論是天生缺乏手臂的永久性障礙，還是像手臂骨折這樣的暫時性障礙，或者手上拿著購物袋或照顧小孩，能夠用語音而非雙手控制家居設備，開啟了一個全新的便利世界。比如在處理嬰兒換尿布和調皮的幼兒時，喊一聲「嘿 Siri，關閉我的車庫門」可能是一個小但有效的生活改善。
-
-語音助手的一個流行用途是設置計時器，尤其是廚房計時器。能夠用語音設置多個計時器在廚房中非常有幫助——不需要停下揉麵團、攪拌湯或清理手上的餃子餡料來使用實體計時器。
-
-在本課程中，您將學習如何在物聯網設備中構建語音識別功能。您將了解麥克風作為感測器的工作原理，如何從連接到物聯網設備的麥克風捕捉音頻，以及如何使用人工智慧將聽到的內容轉換為文字。在整個專案中，您將構建一個智慧廚房計時器，能夠使用多種語言通過語音設置計時器。
-
-在本課程中，我們將涵蓋：
-
-* [麥克風](../../../../../6-consumer/lessons/1-speech-recognition)
-* [從物聯網設備捕捉音頻](../../../../../6-consumer/lessons/1-speech-recognition)
-* [語音轉文字](../../../../../6-consumer/lessons/1-speech-recognition)
-* [將語音轉換為文字](../../../../../6-consumer/lessons/1-speech-recognition)
-
-## 麥克風
-
-麥克風是一種類比感測器，將聲波轉換為電信號。空氣中的振動使麥克風內部的元件微小移動，從而引起電信號的微小變化。這些變化隨後被放大以生成電輸出。
-
-### 麥克風類型
-
-麥克風有多種類型：
-
-* 動圈式 - 動圈式麥克風具有一個附著在移動振膜上的磁鐵，該磁鐵在線圈中移動時會產生電流。這與大多數揚聲器相反，揚聲器使用電流移動線圈中的磁鐵，從而移動振膜以產生聲音。這意味著揚聲器可以用作動圈式麥克風，而動圈式麥克風也可以用作揚聲器。在像對講機這樣的設備中，使用者要麼在聽，要麼在說，但不會同時進行，一個設備可以同時充當揚聲器和麥克風。
-
-    動圈式麥克風不需要電源即可工作，電信號完全由麥克風生成。
-
-    ![Patti Smith 使用 Shure SM58（動圈心型）麥克風演唱](../../../../../translated_images/zh-TW/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg)
-
-* 緞帶式 - 緞帶式麥克風類似於動圈式麥克風，但它使用金屬緞帶代替振膜。該緞帶在磁場中移動時會產生電流。與動圈式麥克風一樣，緞帶式麥克風不需要電源即可工作。
-
-    ![美國演員 Edmund Lowe 站在標有 (NBC) Blue Network 的廣播麥克風前，手持劇本，1942年](../../../../../translated_images/zh-TW/ribbon-mic.eacc8e092c7441ca.webp)
-
-* 電容式 - 電容式麥克風具有一個薄金屬振膜和一個固定的金屬背板。電流被施加到這兩者上，當振膜振動時，板之間的靜電荷發生變化，從而產生信號。電容式麥克風需要電源才能工作，稱為 *幻象電源*。
-
-    ![AKG Acoustics 的 C451B 小振膜電容式麥克風](../../../../../translated_images/zh-TW/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg)
-
-* MEMS - 微機電系統麥克風，或 MEMS，是芯片上的麥克風。它們在矽芯片上刻有壓力敏感振膜，工作原理類似於電容式麥克風。這些麥克風可以非常小，並集成到電路中。
-
-    ![電路板上的 MEMS 麥克風](../../../../../translated_images/zh-TW/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png)
-
-    在上圖中，標記為 **LEFT** 的芯片是一個 MEMS 麥克風，其振膜寬度不到一毫米。
-
-✅ 做些研究：您周圍有哪些麥克風——無論是在您的電腦、手機、耳機還是其他設備中。它們屬於哪種類型的麥克風？
-
-### 數位音頻
-
-音頻是一種類比信號，攜帶非常細緻的信息。要將此信號轉換為數位信號，需要每秒對音頻進行數千次取樣。
-
-> 🎓 取樣是將音頻信號轉換為數位值，該值表示該時刻的信號。
-
-![顯示信號的折線圖，具有固定間隔的離散點](../../../../../translated_images/zh-TW/sampling.6f4fadb3f2d9dfe7.webp)
-
-數位音頻使用脈衝編碼調變（Pulse Code Modulation，PCM）進行取樣。PCM 涉及讀取信號的電壓，並使用定義的大小選擇最接近該電壓的離散值。
-
-> 💁 您可以將 PCM 視為脈衝寬度調變（Pulse Width Modulation，PWM）的感測器版本（PWM 在[入門專案的第3課](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation)中已介紹）。PCM 涉及將類比信號轉換為數位信號，而 PWM 涉及將數位信號轉換為類比信號。
-
-例如，大多數串流音樂服務提供16位或24位音頻。這意味著它們將電壓轉換為適合16位整數或24位整數的值。16位音頻的值範圍為 -32,768 到 32,767，24位音頻的範圍為 −8,388,608 到 8,388,607。位數越多，取樣越接近我們耳朵實際聽到的聲音。
-
-> 💁 您可能聽說過8位音頻，通常稱為 LoFi。這是使用僅8位進行取樣的音頻，因此範圍為 -128 到 127。由於硬體限制，第一代電腦音頻僅限於8位，因此這通常出現在復古遊戲中。
-
-這些取樣每秒進行數千次，使用以 KHz（每秒數千次讀取）為單位的定義取樣率。串流音樂服務大多使用48KHz，但某些「無損」音頻使用高達96KHz甚至192KHz。取樣率越高，音頻越接近原始聲音，但有一定的限制。人類是否能分辨出超過48KHz的差異仍有爭議。
-
-✅ 做些研究：如果您使用串流音樂服務，它使用的取樣率和大小是多少？如果您使用 CD，CD 音頻的取樣率和大小是多少？
-
-音頻數據有多種格式。您可能聽說過 mp3 文件——壓縮的音頻數據，能在不損失任何質量的情況下減小文件大小。未壓縮的音頻通常存儲為 WAV 文件——這是一個包含44字節標頭信息的文件，後面是原始音頻數據。標頭包含取樣率（例如16KHz的16000）和取樣大小（例如16位），以及通道數量。在標頭之後，WAV 文件包含原始音頻數據。
-
-> 🎓 通道指的是音頻由多少個不同的音頻流組成。例如，立體聲音頻有左右兩個通道，因此有2個通道。家庭影院系統的7.1環繞聲音頻則有8個通道。
-
-### 音頻數據大小
-
-音頻數據相對較大。例如，捕捉未壓縮的16位音頻，取樣率為16KHz（對語音轉文字模型來說足夠），每秒需要32KB的數據：
-
-* 16位表示每個取樣需要2字節（1字節為8位）。
-* 16KHz表示每秒16,000次取樣。
-* 16,000 x 2字節 = 32,000字節每秒。
-
-這看起來數據量不大，但如果您使用的是內存有限的微控制器，這可能會佔用大量空間。例如，Wio Terminal 只有192KB的內存，這需要存儲程式碼和變數。即使您的程式碼非常小，也無法捕捉超過5秒的音頻。
-
-微控制器可以訪問額外的存儲，例如 SD 卡或快閃記憶體。在構建捕捉音頻的物聯網設備時，您需要確保不僅有額外的存儲，還需要讓程式碼將從麥克風捕捉的音頻直接寫入存儲，並在將其發送到雲端時，從存儲流式傳輸到網路請求。這樣可以避免試圖一次性在內存中保存整塊音頻數據而導致內存不足。
-
-## 從物聯網設備捕捉音頻
-
-您的物聯網設備可以連接到麥克風以捕捉音頻，準備轉換為文字。它也可以連接到揚聲器以輸出音頻。在後續課程中，這將用於提供音頻反饋，但現在設置揚聲器以測試麥克風是有用的。
-
-### 任務 - 配置您的麥克風和揚聲器
-
-按照相關指南配置物聯網設備的麥克風和揚聲器：
-
-* [Arduino - Wio Terminal](wio-terminal-microphone.md)
-* [單板電腦 - Raspberry Pi](pi-microphone.md)
-* [單板電腦 - 虛擬設備](virtual-device-microphone.md)
-
-### 任務 - 捕捉音頻
-
-按照相關指南在您的物聯網設備上捕捉音頻：
-
-* [Arduino - Wio Terminal](wio-terminal-audio.md)
-* [單板電腦 - Raspberry Pi](pi-audio.md)
-* [單板電腦 - 虛擬設備](virtual-device-audio.md)
-
-## 語音轉文字
-
-語音轉文字或語音識別，涉及使用人工智慧將音頻信號中的單詞轉換為文字。
-
-### 語音識別模型
-
-要將語音轉換為文字，音頻信號中的取樣會被分組並輸入到基於循環神經網路（RNN）的機器學習模型中。這是一種機器學習模型，可以使用先前的數據來對接收到的數據進行決策。例如，RNN 可以將一塊音頻取樣識別為「Hel」的聲音，當它接收到另一塊音頻取樣並認為是「lo」的聲音時，可以將其與之前的聲音結合，發現「Hello」是一個有效的單詞並選擇它作為結果。
-
-機器學習模型始終接受固定大小的數據進行處理。您在之前課程中構建的圖像分類器會將圖像調整為固定大小並進行處理。語音模型也是如此，它們必須處理固定大小的音頻塊。語音模型需要能夠結合多次預測的輸出以獲得答案，從而能夠區分「Hi」和「Highway」，或「flock」和「floccinaucinihilipilification」。
-
-語音模型也足夠先進，可以理解上下文，並在處理更多聲音時修正它們檢測到的單詞。例如，如果您說「我去商店買了兩根香蕉和一個蘋果」，您會使用三個發音相同但拼寫不同的單詞——to、two 和 too。語音模型能夠理解上下文並使用正確的單詞拼寫。
-💁 某些語音服務允許進行自訂，以便在像工廠這樣嘈雜的環境中更好地運作，或者處理像化學名稱這樣的行業專用詞彙。這些自訂是透過提供樣本音頻和文字轉錄來訓練的，並使用遷移學習的方式運作，就像您在之前的課程中僅使用少量圖片訓練影像分類器的方式一樣。
-### 隱私
-
-在使用消費型物聯網設備進行語音轉文字時，隱私至關重要。這些設備會持續聆聽音頻，因此作為消費者，你不希望自己說的每一句話都被傳送到雲端並轉換成文字。這不僅會消耗大量的網絡頻寬，還會帶來巨大的隱私問題，尤其是某些智能設備製造商可能隨機選擇音頻供[人工驗證生成的文字以改進模型](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings)。
-
-你只希望智能設備在你使用它時才將音頻傳送到雲端進行處理，而不是在它聽到家中的音頻時，這些音頻可能包括私人會議或親密互動。大多數智能設備的工作方式是通過*喚醒詞*，例如「Alexa」、「Hey Siri」或「OK Google」等關鍵短語，使設備「喚醒」並聆聽你說的話，直到它檢測到你的語音中斷，表示你已完成與設備的對話。
-
-> 🎓 喚醒詞檢測也被稱為*關鍵詞檢測*或*關鍵詞識別*。
-
-這些喚醒詞是在設備上檢測的，而不是在雲端。這些智能設備內置了小型的 AI 模型，這些模型在設備上運行，用於聆聽喚醒詞，當檢測到喚醒詞時，開始將音頻流傳送到雲端進行識別。這些模型非常專業化，只負責聆聽喚醒詞。
-
-> 💁 一些科技公司正在為其設備增加更多的隱私功能，並在設備上進行部分語音轉文字的轉換。蘋果公司宣布，作為其 2021 年 iOS 和 macOS 更新的一部分，他們將支持在設備上進行語音轉文字轉換，並能夠處理許多請求而無需使用雲端。這得益於其設備中強大的處理器，可以運行機器學習模型。
-
-✅ 你認為將音頻傳送到雲端存儲會帶來哪些隱私和倫理問題？這些音頻應該被存儲嗎？如果存儲，應該如何存儲？你認為將錄音用於執法是否是一個值得的隱私交換？
-
-喚醒詞檢測通常使用一種稱為 TinyML 的技術，即將機器學習模型轉換為能夠在微控制器上運行的形式。這些模型體積小，運行時消耗的功率非常低。
-
-為了避免訓練和使用喚醒詞模型的複雜性，你在本課程中構建的智能計時器將使用按鈕來啟動語音識別。
-
-> 💁 如果你想嘗試創建一個喚醒詞檢測模型以在 Wio Terminal 或 Raspberry Pi 上運行，可以查看這篇 [Edge Impulse 的語音響應教程](https://docs.edgeimpulse.com/docs/responding-to-your-voice)。如果你想使用電腦來完成此操作，可以試試 [Microsoft Docs 上的自定義關鍵詞快速入門](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn)。
-
-## 語音轉文字
-
-![語音服務標誌](../../../../../translated_images/zh-TW/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png)
-
-就像之前的影像分類項目一樣，有一些預建的 AI 服務可以將音頻文件轉換為文字。其中一項服務是語音服務，它是認知服務的一部分，這些預建的 AI 服務可以在你的應用中使用。
-
-### 任務 - 配置語音 AI 資源
-
-1. 為此項目創建一個名為 `smart-timer` 的資源群組。
-
-1. 使用以下命令創建一個免費的語音資源：
-
-    ```sh
-    az cognitiveservices account create --name smart-timer \
-                                        --resource-group smart-timer \
-                                        --kind SpeechServices \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為創建資源群組時使用的位置。
-
-1. 你需要一個 API 金鑰來從代碼中訪問語音資源。運行以下命令以獲取金鑰：
-
-    ```sh
-    az cognitiveservices account keys list --name smart-timer \
-                                           --resource-group smart-timer \
-                                           --output table
-    ```
-
-    複製其中一個金鑰。
-
-### 任務 - 語音轉文字
-
-按照相關指南在你的物聯網設備上進行語音轉文字：
-
-* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
-* [單板電腦 - Raspberry Pi](pi-speech-to-text.md)
-* [單板電腦 - 虛擬設備](virtual-device-speech-to-text.md)
-
----
-
-## 🚀 挑戰
-
-語音識別技術已存在很長時間，並且在不斷改進。研究目前的技術能力，並比較其隨時間的演變，包括機器轉錄的準確性與人工相比如何。
-
-你認為語音識別的未來會是什麼樣子？
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
-
-## 回顧與自學
-
-* 閱讀不同類型的麥克風及其工作原理，參考 [Musician's HQ 上的動圈麥克風與電容麥克風的區別文章](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/)。
-* 閱讀更多關於 Microsoft Docs 上的認知服務語音服務的[語音服務文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn)。
-* 閱讀 Microsoft Docs 上的[關鍵詞檢測文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn)。
-
-## 作業
-
-[](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/tw/6-consumer/lessons/1-speech-recognition/assignment.md
deleted file mode 100644
index ac2ba5a89..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/assignment.md
+++ /dev/null
@@ -1,19 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5ae7654f519ae831179409dc8e528055",
-  "translation_date": "2025-08-25T00:22:58+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
-  "language_code": "tw"
-}
--->
-## 說明
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- | 
-| |  |  |  |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/tw/6-consumer/lessons/1-speech-recognition/pi-audio.md
deleted file mode 100644
index 609412056..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/pi-audio.md
+++ /dev/null
@@ -1,225 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
-  "translation_date": "2025-08-25T00:16:59+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
-  "language_code": "tw"
-}
--->
-# 捕捉音訊 - Raspberry Pi
-
-在本課程中，您將撰寫程式碼以在 Raspberry Pi 上捕捉音訊。音訊捕捉將由按鈕控制。
-
-## 硬體
-
-Raspberry Pi 需要一個按鈕來控制音訊捕捉。
-
-您將使用的是 Grove 按鈕。這是一種數位感測器，可將訊號開啟或關閉。這些按鈕可以配置為在按下時發送高訊號，未按下時發送低訊號，或者在按下時發送低訊號，未按下時發送高訊號。
-
-如果您使用的是 ReSpeaker 2-Mics Pi HAT 作為麥克風，那麼不需要額外連接按鈕，因為此 HAT 已經內建了一個按鈕。直接跳到下一部分。
-
-### 連接按鈕
-
-按鈕可以連接到 Grove 基座 HAT。
-
-#### 任務 - 連接按鈕
-
-![Grove 按鈕](../../../../../translated_images/zh-TW/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png)
-
-1. 將 Grove 電纜的一端插入按鈕模組上的插座。它只能以一種方式插入。
-
-1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove 基座 HAT 的數位插座 **D5**。此插座位於 GPIO 引腳旁邊的一排插座中，從左數第二個。
-
-![Grove 按鈕連接到插座 D5](../../../../../translated_images/zh-TW/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png)
-
-## 捕捉音訊
-
-您可以使用 Python 程式碼從麥克風捕捉音訊。
-
-### 任務 - 捕捉音訊
-
-1. 啟動 Raspberry Pi，並等待其完成啟動。
-
-1. 啟動 VS Code，可以直接在 Pi 上啟動，或者通過 Remote SSH 擴展連接。
-
-1. PyAudio Pip 套件提供了錄製和播放音訊的功能。此套件依賴於一些音訊庫，需先安裝這些庫。在終端中執行以下命令以安裝：
-
-    ```sh
-    sudo apt update
-    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
-    ```
-
-1. 安裝 PyAudio Pip 套件。
-
-    ```sh
-    pip3 install pyaudio
-    ```
-
-1. 建立一個名為 `smart-timer` 的新資料夾，並在此資料夾中新增一個名為 `app.py` 的檔案。
-
-1. 在檔案的頂部新增以下匯入：
-
-    ```python
-    import io
-    import pyaudio
-    import time
-    import wave
-    
-    from grove.factory import Factory
-    ```
-
-    這匯入了 `pyaudio` 模組、一些處理 WAV 檔案的標準 Python 模組，以及 `grove.factory` 模組以匯入用於建立按鈕類別的 `Factory`。
-
-1. 在此之下，新增程式碼以建立 Grove 按鈕。
-
-    如果您使用的是 ReSpeaker 2-Mics Pi HAT，請使用以下程式碼：
-
-    ```python
-    # The button on the ReSpeaker 2-Mics Pi HAT
-    button = Factory.getButton("GPIO-LOW", 17)
-    ```
-
-    這會在 **D17** 埠上建立一個按鈕，該埠是 ReSpeaker 2-Mics Pi HAT 上按鈕所連接的埠。此按鈕設定為在按下時發送低訊號。
-
-    如果您未使用 ReSpeaker 2-Mics Pi HAT，而是使用連接到基座 HAT 的 Grove 按鈕，請使用以下程式碼：
-
-    ```python
-    button = Factory.getButton("GPIO-HIGH", 5)
-    ```
-
-    這會在 **D5** 埠上建立一個按鈕，該按鈕設定為在按下時發送高訊號。
-
-1. 在此之下，建立一個 PyAudio 類別的實例以處理音訊：
-
-    ```python
-    audio = pyaudio.PyAudio()
-    ```
-
-1. 宣告麥克風和揚聲器的硬體卡號。這將是您在本課程中早些時候執行 `arecord -l` 和 `aplay -l` 時找到的卡號。
-
-    ```python
-    microphone_card_number = <microphone card number>
-    speaker_card_number = <speaker card number>
-    ```
-
-    將 `<microphone card number>` 替換為您的麥克風卡號。
-
-    將 `<speaker card number>` 替換為您的揚聲器卡號，與您在 `alsa.conf` 檔案中設定的卡號相同。
-
-1. 在此之下，宣告用於音訊捕捉和播放的採樣率。根據您使用的硬體，可能需要更改此值。
-
-    ```python
-    rate = 48000 #48KHz
-    ```
-
-    如果稍後執行此程式碼時出現採樣率錯誤，請將此值更改為 `44100` 或 `16000`。值越高，音質越好。
-
-1. 在此之下，建立一個名為 `capture_audio` 的新函數。此函數將用於從麥克風捕捉音訊：
-
-    ```python
-    def capture_audio():
-    ```
-
-1. 在此函數內，新增以下程式碼以捕捉音訊：
-
-    ```python
-    stream = audio.open(format = pyaudio.paInt16,
-                        rate = rate,
-                        channels = 1, 
-                        input_device_index = microphone_card_number,
-                        input = True,
-                        frames_per_buffer = 4096)
-
-    frames = []
-
-    while button.is_pressed():
-        frames.append(stream.read(4096))
-
-    stream.stop_stream()
-    stream.close()
-    ```
-
-    此程式碼使用 PyAudio 物件開啟音訊輸入流。此流將以 16KHz 的速率從麥克風捕捉音訊，並以 4096 字節大小的緩衝區捕捉。
-
-    程式碼會在 Grove 按鈕被按下時進行迴圈，每次將這些 4096 字節的緩衝區讀入陣列。
-
-    > 💁 您可以在 [PyAudio 文件](https://people.csail.mit.edu/hubert/pyaudio/docs/) 中了解更多關於傳遞給 `open` 方法的選項。
-
-    一旦按鈕被釋放，流將停止並關閉。
-
-1. 在此函數的結尾新增以下程式碼：
-
-    ```python
-    wav_buffer = io.BytesIO()
-    with wave.open(wav_buffer, 'wb') as wavefile:
-        wavefile.setnchannels(1)
-        wavefile.setsampwidth(audio.get_sample_size(pyaudio.paInt16))
-        wavefile.setframerate(rate)
-        wavefile.writeframes(b''.join(frames))
-        wav_buffer.seek(0)
-
-    return wav_buffer
-    ```
-
-    此程式碼建立一個二進位緩衝區，並將所有捕捉的音訊以 [WAV 檔案](https://wikipedia.org/wiki/WAV) 的形式寫入其中。這是一種將未壓縮音訊寫入檔案的標準方式。然後返回此緩衝區。
-
-1. 新增以下 `play_audio` 函數以播放音訊緩衝區：
-
-    ```python
-    def play_audio(buffer):
-        stream = audio.open(format = pyaudio.paInt16,
-                            rate = rate,
-                            channels = 1,
-                            output_device_index = speaker_card_number,
-                            output = True)
-    
-        with wave.open(buffer, 'rb') as wf:
-            data = wf.readframes(4096)
-    
-            while len(data) > 0:
-                stream.write(data)
-                data = wf.readframes(4096)
-    
-            stream.close()
-    ```
-
-    此函數開啟另一個音訊流，這次是用於輸出 - 播放音訊。它使用與輸入流相同的設定。緩衝區被作為 WAV 檔案開啟，並以 4096 字節的塊寫入輸出流，播放音訊。然後流被關閉。
-
-1. 在 `capture_audio` 函數下方新增以下程式碼以進行迴圈，直到按鈕被按下。一旦按鈕被按下，音訊將被捕捉並播放。
-
-    ```python
-    while True:
-        while not button.is_pressed():
-            time.sleep(.1)
-        
-        buffer = capture_audio()
-        play_audio(buffer)
-    ```
-
-1. 執行程式碼。按下按鈕並對著麥克風說話。完成後釋放按鈕，您將聽到錄音。
-
-    在建立 PyAudio 實例時，您可能會遇到一些 ALSA 錯誤。這是由於 Pi 上音訊設備的配置問題，您可以忽略這些錯誤。
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py 
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.front
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.rear
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.center_lfe
-    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.side
-    ```
-
-    如果您遇到以下錯誤：
-
-    ```output
-    OSError: [Errno -9997] Invalid sample rate
-    ```
-
-    請將 `rate` 更改為 44100 或 16000。
-
-> 💁 您可以在 [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi) 資料夾中找到此程式碼。
-
-😀 您的音訊錄製程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/tw/6-consumer/lessons/1-speech-recognition/pi-microphone.md
deleted file mode 100644
index fc0c0390d..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/pi-microphone.md
+++ /dev/null
@@ -1,155 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
-  "translation_date": "2025-08-25T00:30:25+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
-  "language_code": "tw"
-}
--->
-# 配置您的麥克風和揚聲器 - Raspberry Pi
-
-在本課程的這部分，您將為 Raspberry Pi 添加麥克風和揚聲器。
-
-## 硬體
-
-Raspberry Pi 需要一個麥克風。
-
-Pi 本身並未內建麥克風，您需要添加外接麥克風。有多種方式可以實現：
-
-* USB 麥克風
-* USB 耳機
-* USB 一體式會議麥克風
-* USB 音頻轉接器和帶 3.5mm 插孔的麥克風
-* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
-
-> 💁 並非所有藍牙麥克風都支援 Raspberry Pi，因此如果您使用藍牙麥克風或耳機，可能會遇到配對或音頻捕捉的問題。
-
-Raspberry Pi 配備了一個 3.5mm 耳機插孔。您可以使用它來連接耳機、耳麥或揚聲器。您也可以通過以下方式添加揚聲器：
-
-* 通過顯示器或電視的 HDMI 音頻
-* USB 揚聲器
-* USB 耳機
-* USB 一體式會議麥克風
-* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)，並通過 3.5mm 插孔或 JST 接口連接揚聲器
-
-## 連接並配置麥克風和揚聲器
-
-麥克風和揚聲器需要連接並進行配置。
-
-### 任務 - 連接並配置麥克風
-
-1. 使用適當的方法連接麥克風。例如，通過 USB 端口連接。
-
-1. 如果您使用的是 ReSpeaker 2-Mics Pi HAT，可以移除 Grove 基座帽，然後將 ReSpeaker 帽安裝到其位置。
-
-    ![帶有 ReSpeaker 帽的 Raspberry Pi](../../../../../translated_images/zh-TW/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png)
-
-    在本課程的後續部分，您將需要一個 Grove 按鈕，但此帽子內建了一個按鈕，因此不需要 Grove 基座帽。
-
-    安裝帽子後，您需要安裝一些驅動程式。請參考 [Seeed 的入門指南](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) 了解驅動程式的安裝說明。
-
-    > ⚠️ 說明中使用了 `git` 來克隆一個倉庫。如果您的 Pi 上未安裝 `git`，可以通過以下命令進行安裝：
-    >
-    > ```sh
-    > sudo apt install git --yes
-    > ```
-
-1. 在 Pi 的終端中運行以下命令，或者通過 VS Code 和遠端 SSH 會話連接，查看已連接的麥克風信息：
-
-    ```sh
-    arecord -l
-    ```
-
-    您將看到已連接的麥克風列表，類似如下：
-
-    ```output
-    pi@raspberrypi:~ $ arecord -l
-    **** List of CAPTURE Hardware Devices ****
-    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
-      Subdevices: 1/1
-      Subdevice #0: subdevice #0
-    ```
-
-    假設您只有一個麥克風，則應該只看到一個條目。在 Linux 上配置麥克風可能會比較棘手，因此最好只使用一個麥克風並拔掉其他的。
-
-    記下卡號，稍後您將需要使用它。在上述輸出中，卡號為 1。
-
-### 任務 - 連接並配置揚聲器
-
-1. 使用適當的方法連接揚聲器。
-
-1. 在 Pi 的終端中運行以下命令，或者通過 VS Code 和遠端 SSH 會話連接，查看已連接的揚聲器信息：
-
-    ```sh
-    aplay -l
-    ```
-
-    您將看到已連接的揚聲器列表，類似如下：
-
-    ```output
-    pi@raspberrypi:~ $ aplay -l
-    **** List of PLAYBACK Hardware Devices ****
-    card 0: Headphones [bcm2835 Headphones], device 0: bcm2835 Headphones [bcm2835 Headphones]
-      Subdevices: 8/8
-      Subdevice #0: subdevice #0
-      Subdevice #1: subdevice #1
-      Subdevice #2: subdevice #2
-      Subdevice #3: subdevice #3
-      Subdevice #4: subdevice #4
-      Subdevice #5: subdevice #5
-      Subdevice #6: subdevice #6
-      Subdevice #7: subdevice #7
-    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
-      Subdevices: 1/1
-      Subdevice #0: subdevice #0
-    ```
-
-    您將始終看到 `card 0: Headphones`，因為這是內建的耳機插孔。如果您添加了額外的揚聲器，例如 USB 揚聲器，您也會看到它列出。
-
-1. 如果您使用的是額外的揚聲器，而不是連接到內建耳機插孔的揚聲器或耳機，則需要將其配置為預設設備。為此，運行以下命令：
-
-    ```sh
-    sudo nano /usr/share/alsa/alsa.conf
-    ```
-
-    這將在 `nano` 中打開一個配置文件，`nano` 是基於終端的文字編輯器。使用鍵盤上的箭頭鍵向下滾動，直到找到以下行：
-
-    ```output
-    defaults.pcm.card 0
-    ```
-
-    將值從 `0` 更改為您希望使用的卡號，該卡號來自 `aplay -l` 命令的返回列表。例如，在上述輸出中，有一個名為 `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]` 的第二個聲卡，使用卡號 1。要使用此卡，我會將該行更新為：
-
-    ```output
-    defaults.pcm.card 1
-    ```
-
-    將此值設置為適當的卡號。您可以使用鍵盤上的箭頭鍵導航到該數字，然後像編輯普通文字文件一樣刪除並輸入新數字。
-
-1. 按 `Ctrl+x` 保存更改並關閉文件。按 `y` 保存文件，然後按 `return` 確認文件名。
-
-### 任務 - 測試麥克風和揚聲器
-
-1. 運行以下命令，通過麥克風錄製 5 秒的音頻：
-
-    ```sh
-    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
-    ```
-
-    在此命令運行期間，對著麥克風發出聲音，例如說話、唱歌、打節奏、演奏樂器或其他您喜歡的方式。
-
-1. 5 秒後，錄音將停止。運行以下命令播放音頻：
-
-    ```sh
-    aplay --format=S16_LE --rate=16000 out.wav
-    ```
-
-    您將聽到音頻通過揚聲器播放。根據需要調整揚聲器的輸出音量。
-
-1. 如果需要調整內建麥克風端口的音量或麥克風的增益，可以使用 `alsamixer` 工具。您可以在 [Linux alsamixer 手冊頁](https://linux.die.net/man/1/alsamixer) 上了解更多關於此工具的信息。
-
-1. 如果播放音頻時出現錯誤，請檢查您在 `alsa.conf` 文件中設置的 `defaults.pcm.card` 是否正確。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/tw/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
deleted file mode 100644
index 57b5743dd..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
+++ /dev/null
@@ -1,124 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
-  "translation_date": "2025-08-25T00:33:21+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
-  "language_code": "tw"
-}
--->
-# 語音轉文字 - Raspberry Pi
-
-在本課程的這部分，你將撰寫程式碼，使用語音服務將捕捉到的音頻轉換為文字。
-
-## 將音頻發送至語音服務
-
-音頻可以透過 REST API 發送至語音服務。要使用語音服務，首先需要請求一個存取權杖，然後使用該權杖存取 REST API。這些存取權杖每 10 分鐘會過期，因此你的程式碼應定期請求權杖以確保其始終保持最新。
-
-### 任務 - 獲取存取權杖
-
-1. 在你的 Raspberry Pi 上打開 `smart-timer` 專案。
-
-1. 移除 `play_audio` 函數。這已不再需要，因為你不希望智能計時器重複你所說的內容。
-
-1. 在 `app.py` 文件的頂部添加以下匯入：
-
-    ```python
-    import requests
-    ```
-
-1. 在 `while True` 迴圈上方添加以下程式碼，以宣告語音服務的一些設定：
-
-    ```python
-    speech_api_key = '<key>'
-    location = '<location>'
-    language = '<language>'
-    ```
-
-    將 `<key>` 替換為你的語音服務資源的 API 金鑰。將 `<location>` 替換為你創建語音服務資源時使用的位置。
-
-    將 `<language>` 替換為你將使用的語言的地區名稱，例如英語的 `en-GB` 或粵語的 `zn-HK`。你可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援語言及其地區名稱的列表。
-
-1. 在此之下，添加以下函數以獲取存取權杖：
-
-    ```python
-    def get_access_token():
-        headers = {
-            'Ocp-Apim-Subscription-Key': speech_api_key
-        }
-    
-        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
-        response = requests.post(token_endpoint, headers=headers)
-        return str(response.text)
-    ```
-
-    此函數呼叫一個權杖發行端點，並將 API 金鑰作為標頭傳遞。此呼叫返回一個存取權杖，可用於呼叫語音服務。
-
-1. 在此之下，宣告一個函數，使用 REST API 將捕捉到的音頻中的語音轉換為文字：
-
-    ```python
-    def convert_speech_to_text(buffer):
-    ```
-
-1. 在此函數內，設置 REST API 的 URL 和標頭：
-
-    ```python
-    url = f'https://{location}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1'
-
-    headers = {
-        'Authorization': 'Bearer ' + get_access_token(),
-        'Content-Type': f'audio/wav; codecs=audio/pcm; samplerate={rate}',
-        'Accept': 'application/json;text/xml'
-    }
-
-    params = {
-        'language': language
-    }
-    ```
-
-    此程式碼使用語音服務資源的位置構建 URL。然後使用 `get_access_token` 函數獲取的存取權杖填充標頭，以及用於捕捉音頻的採樣率。最後，它定義了一些參數，這些參數將與 URL 一起傳遞，包含音頻中的語言。
-
-1. 在此之下，添加以下程式碼以呼叫 REST API 並獲取返回的文字：
-
-    ```python
-    response = requests.post(url, headers=headers, params=params, data=buffer)
-    response_json = response.json()
-
-    if response_json['RecognitionStatus'] == 'Success':
-        return response_json['DisplayText']
-    else:
-        return ''
-    ```
-
-    此程式碼呼叫 URL 並解碼響應中的 JSON 值。響應中的 `RecognitionStatus` 值指示是否成功將語音提取為文字。如果該值為 `Success`，則函數返回文字，否則返回空字串。
-
-1. 在 `while True:` 迴圈上方，定義一個函數以處理語音轉文字服務返回的文字。此函數目前只會將文字打印到控制台。
-
-    ```python
-    def process_text(text):
-        print(text)
-    ```
-
-1. 最後，在 `while True` 迴圈中將 `play_audio` 的呼叫替換為 `convert_speech_to_text` 函數的呼叫，並將文字傳遞給 `process_text` 函數：
-
-    ```python
-    text = convert_speech_to_text(buffer)
-    process_text(text)
-    ```
-
-1. 執行程式碼。按下按鈕並對著麥克風說話。完成後鬆開按鈕，音頻將被轉換為文字並打印到控制台。
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py 
-    Hello world.
-    Welcome to IoT for beginners.
-    ```
-
-    嘗試不同類型的句子，以及那些詞語聽起來相同但含義不同的句子。例如，如果你使用英語，說「I want to buy two bananas and an apple too」，並注意它如何根據詞語的上下文使用正確的 to、two 和 too，而不僅僅是根據它的發音。
-
-> 💁 你可以在 [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi) 資料夾中找到此程式碼。
-
-😀 你的語音轉文字程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/tw/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
deleted file mode 100644
index 5ab38f4f5..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
+++ /dev/null
@@ -1,15 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
-  "translation_date": "2025-08-25T00:34:31+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
-  "language_code": "tw"
-}
--->
-# 捕捉音訊 - 虛擬物聯網設備
-
-在本課程稍後將使用的 Python 函式庫，用於將語音轉換為文字，這些函式庫在 Windows、macOS 和 Linux 上內建了音訊捕捉功能。你在這裡不需要做任何額外操作。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/tw/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
deleted file mode 100644
index e510416d3..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
+++ /dev/null
@@ -1,24 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
-  "translation_date": "2025-08-25T00:34:59+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
-  "language_code": "tw"
-}
--->
-# 配置您的麥克風和揚聲器 - 虛擬 IoT 硬體
-
-虛擬 IoT 硬體將使用連接到您電腦的麥克風和揚聲器。
-
-如果您的電腦沒有內建麥克風和揚聲器，您需要使用您選擇的硬體來連接，例如：
-
-* USB 麥克風
-* USB 揚聲器
-* 內建於顯示器並通過 HDMI 連接的揚聲器
-* 藍牙耳機
-
-請參考您的硬體製造商提供的說明來安裝和配置這些硬體。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/tw/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
deleted file mode 100644
index 327846648..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
+++ /dev/null
@@ -1,111 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c0550b254b9ba2539baf1e6bb5fc05f8",
-  "translation_date": "2025-08-25T00:23:32+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
-  "language_code": "tw"
-}
--->
-# 語音轉文字 - 虛擬物聯網設備
-
-在本課程的這部分，你將撰寫程式碼，使用語音服務將從麥克風捕捉到的語音轉換為文字。
-
-## 將語音轉換為文字
-
-在 Windows、Linux 和 macOS 上，可以使用語音服務的 Python SDK 來監聽你的麥克風，並將檢測到的語音轉換為文字。它會持續監聽，檢測音量水平，並在音量下降（例如在一段語音結束時）時將語音發送進行文字轉換。
-
-### 任務 - 將語音轉換為文字
-
-1. 在你的電腦上建立一個名為 `smart-timer` 的資料夾，並在其中建立一個名為 `app.py` 的單一檔案以及一個 Python 虛擬環境。
-
-1. 安裝語音服務的 Pip 套件。確保你是在啟動虛擬環境的終端中進行安裝。
-
-    ```sh
-    pip install azure-cognitiveservices-speech
-    ```
-
-    > ⚠️ 如果你遇到以下錯誤：
-    >
-    > ```output
-    > ERROR: Could not find a version that satisfies the requirement azure-cognitiveservices-speech (from versions: none)
-    > ERROR: No matching distribution found for azure-cognitiveservices-speech
-    > ```
-    >
-    > 你需要更新 Pip。使用以下指令更新，然後再次嘗試安裝套件：
-    >
-    > ```sh
-    > pip install --upgrade pip
-    > ```
-
-1. 在 `app.py` 檔案中加入以下匯入：
-
-    ```python
-    import requests
-    import time
-    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
-    ```
-
-    這些匯入了一些用於語音識別的類別。
-
-1. 加入以下程式碼來宣告一些配置：
-
-    ```python
-    speech_api_key = '<key>'
-    location = '<location>'
-    language = '<language>'
-
-    recognizer_config = SpeechConfig(subscription=speech_api_key,
-                                     region=location,
-                                     speech_recognition_language=language)
-    ```
-
-    將 `<key>` 替換為你的語音服務的 API 金鑰。將 `<location>` 替換為你建立語音服務資源時使用的位置。
-
-    將 `<language>` 替換為你將使用的語言的地區名稱，例如 `en-GB` 表示英語，或 `zn-HK` 表示粵語。你可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其地區名稱列表。
-
-    此配置將用於建立一個 `SpeechConfig` 物件，該物件將用於配置語音服務。
-
-1. 加入以下程式碼來建立語音識別器：
-
-    ```python
-    recognizer = SpeechRecognizer(speech_config=recognizer_config)
-    ```
-
-1. 語音識別器在背景執行緒上運行，監聽音頻並將其中的語音轉換為文字。你可以使用回調函數來獲取文字——定義一個函數並傳遞給識別器。每次檢測到語音時，回調函數都會被調用。加入以下程式碼來定義回調函數，並將此回調函數傳遞給識別器，同時定義一個函數來處理文字並將其輸出到控制台：
-
-    ```python
-    def process_text(text):
-        print(text)
-
-    def recognized(args):
-        process_text(args.result.text)
-    
-    recognizer.recognized.connect(recognized)
-    ```
-
-1. 識別器只有在你明確啟動時才會開始監聽。加入以下程式碼來啟動識別。這會在背景執行，因此你的應用程式還需要一個無限迴圈來保持應用程式運行。
-
-    ```python
-    recognizer.start_continuous_recognition()
-
-    while True:
-        time.sleep(1)
-    ```
-
-1. 執行此應用程式。對著你的麥克風說話，轉換為文字的音頻將輸出到控制台。
-
-    ```output
-    (.venv) ➜  smart-timer python3 app.py
-    Hello world.
-    Welcome to IoT for beginners.
-    ```
-
-    嘗試不同類型的句子，以及一些詞語發音相同但含義不同的句子。例如，如果你使用英語，說 "I want to buy two bananas and an apple too"，並注意它如何根據詞語的上下文使用正確的 to、two 和 too，而不僅僅是根據它的發音。
-
-> 💁 你可以在 [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device) 資料夾中找到這段程式碼。
-
-😀 你的語音轉文字程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/tw/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
deleted file mode 100644
index 83d1f5b57..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
+++ /dev/null
@@ -1,546 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
-  "translation_date": "2025-08-25T00:24:53+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
-  "language_code": "tw"
-}
--->
-# 捕捉音頻 - Wio Terminal
-
-在本課程的這部分，您將撰寫程式碼以在 Wio Terminal 上捕捉音頻。音頻捕捉將由 Wio Terminal 頂部的一個按鈕控制。
-
-## 將設備程式化以捕捉音頻
-
-您可以使用 C++ 程式碼從麥克風捕捉音頻。Wio Terminal 只有 192KB 的 RAM，這不足以捕捉超過幾秒鐘的音頻。它還有 4MB 的快閃記憶體，因此可以改用快閃記憶體，將捕捉到的音頻保存到快閃記憶體中。
-
-內建的麥克風捕捉的是類比信號，該信號會被轉換為 Wio Terminal 可用的數位信號。在捕捉音頻時，數據需要在正確的時間捕捉——例如，要以 16KHz 捕捉音頻，音頻需要每秒精確地捕捉 16,000 次，且每次樣本之間的間隔相等。與其使用您的程式碼來完成此操作，您可以使用直接記憶體存取控制器 (DMAC)。這是一種電路，可以從某處捕捉信號並寫入記憶體，而不會中斷處理器上正在執行的程式碼。
-
-✅ 在 [Wikipedia 的直接記憶體存取頁面](https://wikipedia.org/wiki/Direct_memory_access)上了解更多關於 DMA 的資訊。
-
-![音頻從麥克風進入 ADC，然後進入 DMAC。這會寫入一個緩衝區。當此緩衝區已滿時，會進行處理，DMAC 會寫入第二個緩衝區](../../../../../translated_images/zh-TW/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png)
-
-DMAC 可以以固定的間隔從 ADC 捕捉音頻，例如以每秒 16,000 次的速率捕捉 16KHz 的音頻。它可以將捕捉到的數據寫入預分配的記憶體緩衝區，當此緩衝區已滿時，將其提供給您的程式碼進行處理。使用此記憶體可能會延遲捕捉音頻，但您可以設置多個緩衝區。DMAC 先寫入緩衝區 1，然後當它已滿時，通知您的程式碼處理緩衝區 1，同時 DMAC 寫入緩衝區 2。當緩衝區 2 已滿時，它通知您的程式碼，然後回到寫入緩衝區 1。這樣，只要您處理每個緩衝區的時間少於填滿一個緩衝區所需的時間，就不會丟失任何數據。
-
-每個緩衝區捕捉完成後，可以將其寫入快閃記憶體。快閃記憶體需要使用定義的地址進行寫入，指定寫入的位置和大小，類似於更新記憶體中的字節陣列。快閃記憶體具有粒度，這意味著擦除和寫入操作不僅需要固定大小，還需要對齊到該大小。例如，如果粒度是 4096 字節，而您請求在地址 4200 進行擦除，它可能會擦除地址 4096 到 8192 的所有數據。這意味著當您將音頻數據寫入快閃記憶體時，必須以正確大小的塊進行寫入。
-
-### 任務 - 配置快閃記憶體
-
-1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `smart-timer`。在 `setup` 函數中添加程式碼以配置序列埠。
-
-1. 在 `platformio.ini` 文件中添加以下庫依賴項，以提供對快閃記憶體的訪問：
-
-    ```ini
-    lib_deps =
-        seeed-studio/Seeed Arduino FS @ 2.1.1
-        seeed-studio/Seeed Arduino SFUD @ 2.0.2
-    ```
-
-1. 打開 `main.cpp` 文件，並在文件頂部添加以下快閃記憶體庫的 include 指令：
-
-    ```cpp
-    #include <sfud.h>
-    #include <SPI.h>
-    ```
-
-    > 🎓 SFUD 代表 Serial Flash Universal Driver，是一個設計用於所有快閃記憶體晶片的庫。
-
-1. 在 `setup` 函數中，添加以下程式碼以設置快閃存儲庫：
-
-    ```cpp
-    while (!(sfud_init() == SFUD_SUCCESS))
-        ;
-
-    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
-    ```
-
-    此程式碼會循環直到 SFUD 庫初始化完成，然後啟用快速讀取。內建的快閃記憶體可以使用排隊序列周邊介面 (QSPI) 訪問，這是一種 SPI 控制器，允許通過隊列進行連續訪問，並且對處理器的使用最少。這使得讀取和寫入快閃記憶體的速度更快。
-
-1. 在 `src` 資料夾中創建一個名為 `flash_writer.h` 的新文件。
-
-1. 在此文件的頂部添加以下內容：
-
-    ```cpp
-    #pragma once
-
-    #include <Arduino.h>
-    #include <sfud.h>
-    ```
-
-    此程式碼包含一些所需的標頭文件，包括與快閃記憶體交互的 SFUD 庫的標頭文件。
-
-1. 在此新標頭文件中定義一個名為 `FlashWriter` 的類：
-
-    ```cpp
-    class FlashWriter
-    {
-    public:
-    
-    private:
-    };
-    ```
-
-1. 在 `private` 部分中，添加以下程式碼：
-
-    ```cpp
-    byte *_sfudBuffer;
-    size_t _sfudBufferSize;
-    size_t _sfudBufferPos;
-    size_t _sfudBufferWritePos;
-
-    const sfud_flash *_flash;
-    ```
-
-    此程式碼定義了一些字段，用於在將數據寫入快閃記憶體之前使用的緩衝區。有一個字節陣列 `_sfudBuffer` 用於寫入數據，當此緩衝區已滿時，數據會被寫入快閃記憶體。字段 `_sfudBufferPos` 用於存儲此緩衝區中的當前寫入位置，`_sfudBufferWritePos` 用於存儲快閃記憶體中的寫入位置。`_flash` 是指向要寫入的快閃記憶體的指標——某些微控制器有多個快閃記憶體晶片。
-
-1. 在 `public` 部分添加以下方法以初始化此類：
-
-    ```cpp
-    void init()
-    {
-        _flash = sfud_get_device_table() + 0;
-        _sfudBufferSize = _flash->chip.erase_gran;
-        _sfudBuffer = new byte[_sfudBufferSize];
-        _sfudBufferPos = 0;
-        _sfudBufferWritePos = 0;
-    }
-    ```
-
-    此程式碼配置 Wio Terminal 上的快閃記憶體以進行寫入，並根據快閃記憶體的粒度設置緩衝區。這是在 `init` 方法中完成的，而不是在構造函數中，因為這需要在 `setup` 函數中設置快閃記憶體後調用。
-
-1. 在 `public` 部分添加以下程式碼：
-
-    ```cpp
-    void writeSfudBuffer(byte b)
-    {
-        _sfudBuffer[_sfudBufferPos++] = b;
-        if (_sfudBufferPos == _sfudBufferSize)
-        {
-            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
-            _sfudBufferWritePos += _sfudBufferSize;
-            _sfudBufferPos = 0;
-        }
-    }
-
-    void writeSfudBuffer(byte *b, size_t len)
-    {
-        for (size_t i = 0; i < len; ++i)
-        {
-            writeSfudBuffer(b[i]);
-        }
-    }
-
-    void flushSfudBuffer()
-    {
-        if (_sfudBufferPos > 0)
-        {
-            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
-            _sfudBufferWritePos += _sfudBufferSize;
-            _sfudBufferPos = 0;
-        }
-    }
-    ```
-
-    此程式碼定義了將字節寫入快閃存儲系統的方法。它通過寫入與快閃記憶體大小相符的記憶體緩衝區來工作，當此緩衝區已滿時，會將其寫入快閃記憶體，並擦除該位置的任何現有數據。還有一個 `flushSfudBuffer` 方法，用於寫入不完整的緩衝區，因為捕捉的數據不會是粒度大小的精確倍數，因此需要寫入數據的尾部部分。
-
-    > 💁 數據的尾部部分會寫入額外的無用數據，但這沒關係，因為只會讀取所需的數據。
-
-### 任務 - 設置音頻捕捉
-
-1. 在 `src` 資料夾中創建一個名為 `config.h` 的新文件。
-
-1. 在此文件的頂部添加以下內容：
-
-    ```cpp
-    #pragma once
-
-    #define RATE 16000
-    #define SAMPLE_LENGTH_SECONDS 4
-    #define SAMPLES RATE * SAMPLE_LENGTH_SECONDS
-    #define BUFFER_SIZE (SAMPLES * 2) + 44
-    #define ADC_BUF_LEN 1600
-    ```
-
-    此程式碼設置了一些音頻捕捉的常數。
-
-    | 常數                  | 值     | 描述 |
-    | --------------------- | -----: | - |
-    | RATE                  | 16000  | 音頻的採樣率。16,000 即 16KHz |
-    | SAMPLE_LENGTH_SECONDS | 4      | 捕捉音頻的時長。此值設置為 4 秒。若要錄製更長的音頻，請增加此值。 |
-    | SAMPLES               | 64000  | 將捕捉的音頻樣本總數。設置為採樣率 * 秒數 |
-    | BUFFER_SIZE           | 128044 | 捕捉音頻的緩衝區大小。音頻將以 WAV 文件格式捕捉，其中 44 字節為標頭，128,000 字節為音頻數據（每個樣本為 2 字節） |
-    | ADC_BUF_LEN           | 1600   | 用於從 DMAC 捕捉音頻的緩衝區大小 |
-
-    > 💁 如果您發現 4 秒太短以請求計時器，您可以增加 `SAMPLE_LENGTH_SECONDS` 值，所有其他值將重新計算。
-
-1. 在 `src` 資料夾中創建一個名為 `mic.h` 的新文件。
-
-1. 在此文件的頂部添加以下內容：
-
-    ```cpp
-    #pragma once
-
-    #include <Arduino.h>
-
-    #include "config.h"
-    #include "flash_writer.h"
-    ```
-
-    此程式碼包含一些所需的標頭文件，包括 `config.h` 和 `FlashWriter` 標頭文件。
-
-1. 添加以下程式碼以定義一個可以從麥克風捕捉音頻的 `Mic` 類：
-
-    ```cpp
-    class Mic
-    {
-    public:
-        Mic()
-        {
-            _isRecording = false;
-            _isRecordingReady = false;
-        }
-    
-        void startRecording()
-        {
-            _isRecording = true;
-            _isRecordingReady = false;
-        }
-    
-        bool isRecording()
-        {
-            return _isRecording;
-        }
-    
-        bool isRecordingReady()
-        {
-            return _isRecordingReady;
-        }
-    
-    private:
-        volatile bool _isRecording;
-        volatile bool _isRecordingReady;
-        FlashWriter _writer;
-    };
-    
-    Mic mic;
-    ```
-
-    此類目前只有幾個字段，用於跟蹤錄音是否已開始，以及錄音是否準備好使用。當 DMAC 被設置時，它會持續寫入記憶體緩衝區，因此 `_isRecording` 標誌決定是否應處理這些緩衝區或忽略它們。當需要的 4 秒音頻已被捕捉時，`_isRecordingReady` 標誌將被設置。`_writer` 字段用於將音頻數據保存到快閃記憶體。
-
-    然後宣告一個全域變數作為 `Mic` 類的實例。
-
-1. 在 `Mic` 類的 `private` 部分添加以下程式碼：
-
-    ```cpp
-    typedef struct
-    {
-        uint16_t btctrl;
-        uint16_t btcnt;
-        uint32_t srcaddr;
-        uint32_t dstaddr;
-        uint32_t descaddr;
-    } dmacdescriptor;
-
-    // Globals - DMA and ADC
-    volatile dmacdescriptor _wrb[DMAC_CH_NUM] __attribute__((aligned(16)));
-    dmacdescriptor _descriptor_section[DMAC_CH_NUM] __attribute__((aligned(16)));
-    dmacdescriptor _descriptor __attribute__((aligned(16)));
-
-    void configureDmaAdc()
-    {
-        // Configure DMA to sample from ADC at a regular interval (triggered by timer/counter)
-        DMAC->BASEADDR.reg = (uint32_t)_descriptor_section;                    // Specify the location of the descriptors
-        DMAC->WRBADDR.reg = (uint32_t)_wrb;                                    // Specify the location of the write back descriptors
-        DMAC->CTRL.reg = DMAC_CTRL_DMAENABLE | DMAC_CTRL_LVLEN(0xf);           // Enable the DMAC peripheral
-        DMAC->Channel[1].CHCTRLA.reg = DMAC_CHCTRLA_TRIGSRC(TC5_DMAC_ID_OVF) | // Set DMAC to trigger on TC5 timer overflow
-                                        DMAC_CHCTRLA_TRIGACT_BURST;             // DMAC burst transfer
-
-        _descriptor.descaddr = (uint32_t)&_descriptor_section[1];                    // Set up a circular descriptor
-        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
-        _descriptor.dstaddr = (uint32_t)_adc_buf_0 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_0 array
-        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
-        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
-                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
-                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
-                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
-        memcpy(&_descriptor_section[0], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
-
-        _descriptor.descaddr = (uint32_t)&_descriptor_section[0];                    // Set up a circular descriptor
-        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
-        _descriptor.dstaddr = (uint32_t)_adc_buf_1 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_1 array
-        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
-        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
-                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
-                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
-                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
-        memcpy(&_descriptor_section[1], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
-
-        // Configure NVIC
-        NVIC_SetPriority(DMAC_1_IRQn, 0); // Set the Nested Vector Interrupt Controller (NVIC) priority for DMAC1 to 0 (highest)
-        NVIC_EnableIRQ(DMAC_1_IRQn);      // Connect DMAC1 to Nested Vector Interrupt Controller (NVIC)
-
-        // Activate the suspend (SUSP) interrupt on DMAC channel 1
-        DMAC->Channel[1].CHINTENSET.reg = DMAC_CHINTENSET_SUSP;
-
-        // Configure ADC
-        ADC1->INPUTCTRL.bit.MUXPOS = ADC_INPUTCTRL_MUXPOS_AIN12_Val; // Set the analog input to ADC0/AIN2 (PB08 - A4 on Metro M4)
-        while (ADC1->SYNCBUSY.bit.INPUTCTRL)
-            ;                              // Wait for synchronization
-        ADC1->SAMPCTRL.bit.SAMPLEN = 0x00; // Set max Sampling Time Length to half divided ADC clock pulse (2.66us)
-        while (ADC1->SYNCBUSY.bit.SAMPCTRL)
-            ;                                         // Wait for synchronization
-        ADC1->CTRLA.reg = ADC_CTRLA_PRESCALER_DIV128; // Divide Clock ADC GCLK by 128 (48MHz/128 = 375kHz)
-        ADC1->CTRLB.reg = ADC_CTRLB_RESSEL_12BIT |    // Set ADC resolution to 12 bits
-                            ADC_CTRLB_FREERUN;          // Set ADC to free run mode
-        while (ADC1->SYNCBUSY.bit.CTRLB)
-            ;                       // Wait for synchronization
-        ADC1->CTRLA.bit.ENABLE = 1; // Enable the ADC
-        while (ADC1->SYNCBUSY.bit.ENABLE)
-            ;                       // Wait for synchronization
-        ADC1->SWTRIG.bit.START = 1; // Initiate a software trigger to start an ADC conversion
-        while (ADC1->SYNCBUSY.bit.SWTRIG)
-            ; // Wait for synchronization
-
-        // Enable DMA channel 1
-        DMAC->Channel[1].CHCTRLA.bit.ENABLE = 1;
-
-        // Configure Timer/Counter 5
-        GCLK->PCHCTRL[TC5_GCLK_ID].reg = GCLK_PCHCTRL_CHEN |     // Enable peripheral channel for TC5
-                                            GCLK_PCHCTRL_GEN_GCLK1; // Connect generic clock 0 at 48MHz
-
-        TC5->COUNT16.WAVE.reg = TC_WAVE_WAVEGEN_MFRQ; // Set TC5 to Match Frequency (MFRQ) mode
-        TC5->COUNT16.CC[0].reg = 3000 - 1;            // Set the trigger to 16 kHz: (4Mhz / 16000) - 1
-        while (TC5->COUNT16.SYNCBUSY.bit.CC0)
-            ; // Wait for synchronization
-
-        // Start Timer/Counter 5
-        TC5->COUNT16.CTRLA.bit.ENABLE = 1; // Enable the TC5 timer
-        while (TC5->COUNT16.SYNCBUSY.bit.ENABLE)
-            ; // Wait for synchronization
-    }
-
-    uint16_t _adc_buf_0[ADC_BUF_LEN];
-    uint16_t _adc_buf_1[ADC_BUF_LEN];
-    ```
-
-    此程式碼定義了一個 `configureDmaAdc` 方法，用於配置 DMAC，將其連接到 ADC 並設置為填充兩個不同的交替緩衝區，`_adc_buf_0` 和 `_adc_buf_1`。
-
-    > 💁 微控制器開發的一個缺點是與硬體交互所需的程式碼的複雜性，因為您的程式碼在非常低的層級上直接與硬體交互。此程式碼比您為單板電腦或桌上型電腦撰寫的程式碼更複雜，因為沒有作業系統提供幫助。雖然有一些庫可以簡化此過程，但仍然存在許多複雜性。
-
-1. 在此程式碼下方添加以下程式碼：
-
-    ```cpp
-    // WAV files have a header. This struct defines that header
-    struct wavFileHeader
-    {
-        char riff[4];         /* "RIFF"                                  */
-        long flength;         /* file length in bytes                    */
-        char wave[4];         /* "WAVE"                                  */
-        char fmt[4];          /* "fmt "                                  */
-        long chunk_size;      /* size of FMT chunk in bytes (usually 16) */
-        short format_tag;     /* 1=PCM, 257=Mu-Law, 258=A-Law, 259=ADPCM */
-        short num_chans;      /* 1=mono, 2=stereo                        */
-        long srate;           /* Sampling rate in samples per second     */
-        long bytes_per_sec;   /* bytes per second = srate*bytes_per_samp */
-        short bytes_per_samp; /* 2=16-bit mono, 4=16-bit stereo          */
-        short bits_per_samp;  /* Number of bits per sample               */
-        char data[4];         /* "data"                                  */
-        long dlength;         /* data length in bytes (filelength - 44)  */
-    };
-
-    void initBufferHeader()
-    {
-        wavFileHeader wavh;
-
-        strncpy(wavh.riff, "RIFF", 4);
-        strncpy(wavh.wave, "WAVE", 4);
-        strncpy(wavh.fmt, "fmt ", 4);
-        strncpy(wavh.data, "data", 4);
-
-        wavh.chunk_size = 16;
-        wavh.format_tag = 1; // PCM
-        wavh.num_chans = 1;  // mono
-        wavh.srate = RATE;
-        wavh.bytes_per_sec = (RATE * 1 * 16 * 1) / 8;
-        wavh.bytes_per_samp = 2;
-        wavh.bits_per_samp = 16;
-        wavh.dlength = RATE * 2 * 1 * 16 / 2;
-        wavh.flength = wavh.dlength + 44;
-
-        _writer.writeSfudBuffer((byte *)&wavh, 44);
-    }
-    ```
-
-    此程式碼將 WAV 標頭定義為一個佔用 44 字節記憶體的結構。它向其中寫入有關音頻文件速率、大小和通道數的詳細資訊。然後將此標頭寫入快閃記憶體。
-
-1. 在此程式碼下方添加以下程式碼以宣告一個方法，當音頻緩衝區準備好處理時將被調用：
-
-    ```cpp
-    void audioCallback(uint16_t *buf, uint32_t buf_len)
-    {
-        static uint32_t idx = 44;
-
-        if (_isRecording)
-        {
-            for (uint32_t i = 0; i < buf_len; i++)
-            {
-                int16_t audio_value = ((int16_t)buf[i] - 2048) * 16;
-
-                _writer.writeSfudBuffer(audio_value & 0xFF);
-                _writer.writeSfudBuffer((audio_value >> 8) & 0xFF);
-            }
-
-            idx += buf_len;
-                
-            if (idx >= BUFFER_SIZE)
-            {
-                _writer.flushSfudBuffer();
-                idx = 44;
-                _isRecording = false;
-                _isRecordingReady = true;
-            }
-        }
-    }
-    ```
-
-    音頻緩衝區是包含來自 ADC 的音頻的 16 位整數陣列。ADC 返回的是 12 位無符號值（0-1023），因此需要將其轉換為 16 位有符號值，然後轉換為 2 字節以作為原始二進制數據存儲。
-
-    這些字節被寫入快閃記憶體緩衝區。寫入從索引 44 開始——這是 WAV 文件標頭的 44 字節偏移量。一旦捕捉到所需音頻長度的所有字節，剩餘的數據將被寫入快閃記憶體。
-
-1. 在 `Mic` 類的 `public` 部分添加以下程式碼：
-
-    ```cpp
-    void dmaHandler()
-    {
-        static uint8_t count = 0;
-
-        if (DMAC->Channel[1].CHINTFLAG.bit.SUSP)
-        {
-            DMAC->Channel[1].CHCTRLB.reg = DMAC_CHCTRLB_CMD_RESUME;
-            DMAC->Channel[1].CHINTFLAG.bit.SUSP = 1;
-
-            if (count)
-            {
-                audioCallback(_adc_buf_0, ADC_BUF_LEN);
-            }
-            else
-            {
-                audioCallback(_adc_buf_1, ADC_BUF_LEN);
-            }
-
-            count = (count + 1) % 2;
-        }
-    }
-    ```
-
-    此程式碼將由 DMAC 調用，以告訴您的程式碼處理緩衝區。它檢查是否有數據需要處理，並調用 `audioCallback` 方法處理相關緩衝區。
-
-1. 在類外部，在 `Mic mic;` 宣告之後添加以下程式碼：
-
-    ```cpp
-    void DMAC_1_Handler()
-    {
-        mic.dmaHandler();
-    }
-    ```
-
-    `DMAC_1_Handler` 將由 DMAC 調用，當緩衝區準備好處理時。此函數通過名稱找到，因此只需存在即可被調用。
-
-1. 在 `Mic` 類的 `public` 部分添加以下兩個方法：
-
-    ```cpp
-    void init()
-    {
-        analogReference(AR_INTERNAL2V23);
-
-        _writer.init();
-
-        initBufferHeader();
-        configureDmaAdc();
-    }
-
-    void reset()
-    {
-        _isRecordingReady = false;
-        _isRecording = false;
-
-        _writer.reset();
-
-        initBufferHeader();
-    }
-    ```
-
-    `init` 方法包含初始化 `Mic` 類的程式碼。此方法設置麥克風引腳的正確電壓，設置快閃記憶體寫入器，寫入 WAV 文件標頭，並配置 DMAC。`reset` 方法在音頻被捕捉並使用後重置快閃記憶體並重新寫入標頭。
-
-### 任務 - 捕捉音頻
-
-1. 在 `main.cpp` 文件中，添加一個 `mic.h` 標頭文件的 include 指令：
-
-    ```cpp
-    #include "mic.h"
-    ```
-
-1. 在 `setup` 函數中初始化 C 按鈕。當按下此按鈕時，音頻捕捉將開始，並持續 4 秒：
-
-    ```cpp
-    pinMode(WIO_KEY_C, INPUT_PULLUP);
-    ```
-
-1. 在此程式碼下方初始化麥克風，然後在控制台上打印音頻準備好捕捉的訊息：
-
-    ```cpp
-    mic.init();
-
-    Serial.println("Ready.");
-    ```
-
-1. 在 `loop` 函數上方定義一個函數以處理捕捉到的音頻。目前此函數不執行任何操作，但稍後在本課程中它將用於將語音轉換為文字：
-
-    ```cpp
-    void processAudio()
-    {
-    
-    }
-    ```
-
-1. 在 `loop` 函數中添加以下程式碼：
-
-    ```cpp
-    void loop()
-    {
-        if (digitalRead(WIO_KEY_C) == LOW && !mic.isRecording())
-        {
-            Serial.println("Starting recording...");
-            mic.startRecording();
-        }
-    
-        if (!mic.isRecording() && mic.isRecordingReady())
-        {
-            Serial.println("Finished recording");
-    
-            processAudio();
-    
-            mic.reset();
-        }
-    }
-    ```
-
-    此程式碼檢查 C 按鈕，如果按下此按鈕且錄音尚未開始，則將 `Mic` 類的 `_isRecording` 字段設置為 true。這將導致 `Mic` 類的 `audioCallback` 方法存儲音頻，直到捕捉到 4 秒的音頻。捕捉到 4 秒音頻後，`_isRecording` 字段設置為 false，`_isRecordingReady` 字段設置為 true。然後在 `loop` 函數中檢查此字段，當為 true 時，調用 `processAudio` 函數，然後重置 `mic` 類。
-
-1. 編譯此程式碼，將其上傳到您的 Wio Terminal，並通過序列監視器進行測試。按下 C 按鈕（左側最靠近電源開關的按鈕），然後說話。將捕捉 4 秒的音頻。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Ready.
-    Starting recording...
-    Finished recording
-    ```
-💁 你可以在 [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal) 資料夾中找到此程式碼。
-😀 你的音頻錄製程式大功告成！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/tw/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
deleted file mode 100644
index 37bbb958d..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
+++ /dev/null
@@ -1,87 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "93d352de36526b8990e41dd538100324",
-  "translation_date": "2025-08-25T00:31:56+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
-  "language_code": "tw"
-}
--->
-# 配置您的麥克風和揚聲器 - Wio Terminal
-
-在本課程的這部分，您將為您的 Wio Terminal 添加揚聲器。Wio Terminal 已內建麥克風，可用於捕捉語音。
-
-## 硬體
-
-Wio Terminal 已內建麥克風，可用於捕捉音頻進行語音識別。
-
-![Wio Terminal 上的麥克風](../../../../../translated_images/zh-TW/wio-mic.3f8c843dbe8ad917.webp)
-
-若要添加揚聲器，您可以使用 [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)。這是一塊外部擴展板，包含兩個 MEMS 麥克風，以及一個揚聲器連接器和耳機插孔。
-
-![ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/zh-TW/respeaker.f5d19d1c6b14ab16.webp)
-
-您需要添加耳機、一個帶有 3.5mm 插頭的揚聲器，或者一個帶有 JST 接頭的揚聲器，例如 [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)。
-
-要連接 ReSpeaker 2-Mics Pi Hat，您需要 40 根針對針（也稱為公對公）的跳線。
-
-> 💁 如果您熟悉焊接，可以使用 [40 Pin Raspberry Pi Hat Adapter Board For Wio Terminal](https://www.seeedstudio.com/40-Pin-Raspberry-Pi-Hat-Adapter-Board-For-Wio-Terminal-p-4730.html) 來連接 ReSpeaker。
-
-您還需要一張 SD 卡來下載和播放音頻。Wio Terminal 只支持最大 16GB 的 SD 卡，並且需要格式化為 FAT32 或 exFAT。
-
-### 任務 - 連接 ReSpeaker Pi Hat
-
-1. 在 Wio Terminal 關機的情況下，使用跳線和 Wio Terminal 背面的 GPIO 插座將 ReSpeaker 2-Mics Pi Hat 連接到 Wio Terminal：
-
-    需要按照以下方式連接引腳：
-
-    ![引腳示意圖](../../../../../translated_images/zh-TW/wio-respeaker-wiring-0.767f80aa65081038.webp)
-
-1. 將 ReSpeaker 和 Wio Terminal 擺放好，讓 GPIO 插座面向上，並位於左側。
-
-1. 從 ReSpeaker GPIO 插座左上角的插孔開始，使用針對針跳線將 ReSpeaker 左上角的插孔連接到 Wio Terminal 左上角的插孔。
-
-1. 按此方式依次連接左側 GPIO 插座的所有插孔。確保引腳牢固插入。
-
-    ![ReSpeaker 左側引腳連接到 Wio Terminal 左側引腳](../../../../../translated_images/zh-TW/wio-respeaker-wiring-1.8d894727f2ba2400.webp)
-
-    ![ReSpeaker 左側引腳連接到 Wio Terminal 左側引腳](../../../../../translated_images/zh-TW/wio-respeaker-wiring-2.329e1cbd306e754f.webp)
-
-    > 💁 如果您的跳線是連成一條帶狀的，保持它們在一起——這樣可以更容易確保所有線都按順序連接。
-
-1. 使用 ReSpeaker 和 Wio Terminal 的右側 GPIO 插座重複上述過程。這些跳線需要繞過已連接的線。
-
-    ![ReSpeaker 右側引腳連接到 Wio Terminal 右側引腳](../../../../../translated_images/zh-TW/wio-respeaker-wiring-3.75b0be447e2fa930.webp)
-
-    ![ReSpeaker 右側引腳連接到 Wio Terminal 右側引腳](../../../../../translated_images/zh-TW/wio-respeaker-wiring-4.aa9cd434d8779437.webp)
-
-    > 💁 如果您的跳線是連成一條帶狀的，將它們分成兩條帶狀。分別從已連接的線的兩側穿過。
-
-    > 💁 您可以使用膠帶將引腳固定成一個塊，以防止在連接過程中有引腳脫落。
-    >
-    > ![用膠帶固定的引腳](../../../../../translated_images/zh-TW/wio-respeaker-wiring-5.af117c20acf622f3.webp)
-
-1. 您需要添加一個揚聲器。
-
-    * 如果您使用的是帶有 JST 線的揚聲器，將其連接到 ReSpeaker 的 JST 插口。
-
-      ![使用 JST 線連接到 ReSpeaker 的揚聲器](../../../../../translated_images/zh-TW/respeaker-jst-speaker.a441d177809df945.webp)
-
-    * 如果您使用的是帶有 3.5mm 插頭的揚聲器或耳機，將其插入 3.5mm 插孔。
-
-      ![使用 3.5mm 插頭連接到 ReSpeaker 的揚聲器](../../../../../translated_images/zh-TW/respeaker-35mm-speaker.ad79ef4f128c7751.webp)
-
-### 任務 - 設置 SD 卡
-
-1. 將 SD 卡連接到您的電腦，如果您的電腦沒有 SD 卡插槽，請使用外部讀卡器。
-
-1. 使用電腦上的適當工具格式化 SD 卡，確保使用 FAT32 或 exFAT 文件系統。
-
-1. 將 SD 卡插入 Wio Terminal 左側的 SD 卡插槽，該插槽位於電源按鈕下方。確保卡完全插入並卡住——您可能需要使用細小工具或另一張 SD 卡幫助將其完全推入。
-
-    ![將 SD 卡插入電源開關下方的 SD 卡插槽](../../../../../translated_images/zh-TW/wio-sd-card.acdcbe322fa4ee7f.webp)
-
-    > 💁 若要取出 SD 卡，您需要稍微推入卡片，它會彈出。您需要使用細小工具，例如平頭螺絲刀或另一張 SD 卡來完成此操作。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/tw/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
deleted file mode 100644
index f40fcac46..000000000
--- a/translations/tw/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
+++ /dev/null
@@ -1,542 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3f92edf2975175577174910caca4a389",
-  "translation_date": "2025-08-25T00:27:55+00:00",
-  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
-  "language_code": "tw"
-}
--->
-# 語音轉文字 - Wio Terminal
-
-在本課程的這部分，您將撰寫程式碼，使用語音服務將捕獲的音訊轉換為文字。
-
-## 將音訊發送到語音服務
-
-可以使用 REST API 將音訊發送到語音服務。要使用語音服務，首先需要請求一個存取權杖，然後使用該權杖訪問 REST API。這些存取權杖在 10 分鐘後會過期，因此您的程式碼應定期請求它們，以確保它們始終是最新的。
-
-### 任務 - 獲取存取權杖
-
-1. 如果尚未打開，請打開 `smart-timer` 專案。
-
-1. 在 `platformio.ini` 文件中新增以下庫依賴項，以訪問 WiFi 並處理 JSON：
-
-    ```ini
-    seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
-    seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
-    seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
-    seeed-studio/Seeed Arduino RTC @ 2.0.0
-    bblanchon/ArduinoJson @ 6.17.3
-    ```
-
-1. 將以下程式碼新增到 `config.h` 標頭文件中：
-
-    ```cpp
-    const char *SSID = "<SSID>";
-    const char *PASSWORD = "<PASSWORD>";
-    
-    const char *SPEECH_API_KEY = "<API_KEY>";
-    const char *SPEECH_LOCATION = "<LOCATION>";
-    const char *LANGUAGE = "<LANGUAGE>";
-
-    const char *TOKEN_URL = "https://%s.api.cognitive.microsoft.com/sts/v1.0/issuetoken";
-    ```
-
-    將 `<SSID>` 和 `<PASSWORD>` 替換為您的 WiFi 的相關值。
-
-    將 `<API_KEY>` 替換為您的語音服務資源的 API 金鑰。將 `<LOCATION>` 替換為您創建語音服務資源時使用的位置。
-
-    將 `<LANGUAGE>` 替換為您將使用的語言的區域名稱，例如英語的 `en-GB` 或粵語的 `zn-HK`。您可以在 [Microsoft Docs 的語言和語音支持文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支持的語言及其區域名稱的列表。
-
-    `TOKEN_URL` 常數是權杖發行者的 URL，不包含位置。稍後將與位置結合以獲取完整的 URL。
-
-1. 與連接 Custom Vision 一樣，您需要使用 HTTPS 連接來連接到權杖發行服務。在 `config.h` 的末尾新增以下程式碼：
-
-    ```cpp
-    const char *TOKEN_CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
-        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
-        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
-        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
-        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
-        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
-        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
-        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
-        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
-        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
-        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
-        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
-        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
-        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
-        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
-        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
-        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
-        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
-        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
-        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
-        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
-        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
-        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
-        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
-        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
-        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
-        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
-        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
-        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
-        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
-        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
-        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-    這與您連接 Custom Vision 時使用的證書相同。
-
-1. 在 `main.cpp` 文件的頂部新增 WiFi 標頭文件和配置標頭文件的 include：
-
-    ```cpp
-    #include <rpcWiFi.h>
-
-    #include "config.h"
-    ```
-
-1. 在 `main.cpp` 中的 `setup` 函數上方新增程式碼以連接 WiFi：
-
-    ```cpp
-    void connectWiFi()
-    {
-        while (WiFi.status() != WL_CONNECTED)
-        {
-            Serial.println("Connecting to WiFi..");
-            WiFi.begin(SSID, PASSWORD);
-            delay(500);
-        }
-    
-        Serial.println("Connected!");
-    }
-    ```
-
-1. 在 `setup` 函數中建立序列連接後，調用此函數：
-
-    ```cpp
-    connectWiFi();
-    ```
-
-1. 在 `src` 資料夾中創建一個名為 `speech_to_text.h` 的新標頭文件。在此標頭文件中新增以下程式碼：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <WiFiClientSecure.h>
-    
-    #include "config.h"
-    #include "mic.h"
-    
-    class SpeechToText
-    {
-    public:
-
-    private:
-
-    };
-
-    SpeechToText speechToText;
-    ```
-
-    這包括一些 HTTP 連接、配置和 `mic.h` 標頭文件所需的標頭文件，並定義了一個名為 `SpeechToText` 的類，然後聲明了一個稍後可以使用的該類的實例。
-
-1. 在此類的 `private` 部分新增以下兩個欄位：
-
-    ```cpp
-    WiFiClientSecure _token_client;
-    String _access_token;
-    ```
-
-    `_token_client` 是一個使用 HTTPS 的 WiFi 客戶端，將用於獲取存取權杖。該權杖隨後將存儲在 `_access_token` 中。
-
-1. 在 `private` 部分新增以下方法：
-
-    ```cpp
-    String getAccessToken()
-    {
-        char url[128];
-        sprintf(url, TOKEN_URL, SPEECH_LOCATION);
-    
-        HTTPClient httpClient;
-        httpClient.begin(_token_client, url);
-    
-        httpClient.addHeader("Ocp-Apim-Subscription-Key", SPEECH_API_KEY);
-        int httpResultCode = httpClient.POST("{}");
-    
-        if (httpResultCode != 200)
-        {
-            Serial.println("Error getting access token, trying again...");
-            delay(10000);
-            return getAccessToken();
-        }
-    
-        Serial.println("Got access token.");
-        String result = httpClient.getString();
-    
-        httpClient.end();
-    
-        return result;
-    }
-    ```
-
-    此程式碼使用語音資源的位置構建權杖發行者 API 的 URL。然後，它創建一個 `HTTPClient` 來進行網絡請求，並將其設置為使用配置了權杖端點證書的 WiFi 客戶端。它將 API 金鑰設置為調用的標頭。然後，它進行 POST 請求以獲取證書，如果出現任何錯誤，則重試。最後返回存取權杖。
-
-1. 在 `public` 部分新增一個方法以獲取存取權杖。在後續課程中，這將用於將文字轉換為語音。
-
-    ```cpp
-    String AccessToken()
-    {
-        return _access_token;
-    }
-    ```
-
-1. 在 `public` 部分新增一個 `init` 方法來設置權杖客戶端：
-
-    ```cpp
-    void init()
-    {
-        _token_client.setCACert(TOKEN_CERTIFICATE);
-        _access_token = getAccessToken();
-    }
-    ```
-
-    這將證書設置在 WiFi 客戶端上，然後獲取存取權杖。
-
-1. 在 `main.cpp` 中，將此新標頭文件新增到 include 指令中：
-
-    ```cpp
-    #include "speech_to_text.h"
-    ```
-
-1. 在 `setup` 函數的末尾初始化 `SpeechToText` 類，在 `mic.init` 調用之後但在將 `Ready` 寫入序列監視器之前：
-
-    ```cpp
-    speechToText.init();
-    ```
-
-### 任務 - 從閃存中讀取音訊
-
-1. 在本課程的早期部分，音訊已錄製到閃存中。這些音訊需要發送到語音服務的 REST API，因此需要從閃存中讀取。由於音訊太大，無法加載到內存緩衝區中，因此可以使用 Arduino Stream（可以以小塊的形式加載數據並一次發送一塊的類）來流式傳輸數據。每次調用 `read` 時，流會返回下一塊數據。可以創建一個 Arduino 流來從閃存中讀取數據。在 `src` 資料夾中創建一個名為 `flash_stream.h` 的新文件，並新增以下程式碼：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <HTTPClient.h>
-    #include <sfud.h>
-
-    #include "config.h"
-    
-    class FlashStream : public Stream
-    {
-    public:
-        virtual size_t write(uint8_t val)
-        {    
-        }
-    
-        virtual int available()
-        {
-        }
-    
-        virtual int read()
-        {
-        }
-    
-        virtual int peek()
-        {
-        }
-    private:
-    
-    };
-    ```
-
-    這聲明了 `FlashStream` 類，繼承自 Arduino 的 `Stream` 類。這是一個抽象類 - 派生類必須實現一些方法才能實例化該類，這些方法在此類中定義。
-
-    ✅ 在 [Arduino Stream 文檔](https://www.arduino.cc/reference/en/language/functions/communication/stream/) 中了解更多有關 Arduino Streams 的資訊。
-
-1. 在 `private` 部分新增以下欄位：
-
-    ```cpp
-    size_t _pos;
-    size_t _flash_address;
-    const sfud_flash *_flash;
-
-    byte _buffer[HTTP_TCP_BUFFER_SIZE];
-    ```
-
-    這定義了一個臨時緩衝區來存儲從閃存中讀取的數據，以及用於存儲當前讀取位置、當前讀取閃存地址和閃存設備的欄位。
-
-1. 在 `private` 部分新增以下方法：
-
-    ```cpp
-    void populateBuffer()
-    {
-        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
-        _flash_address += HTTP_TCP_BUFFER_SIZE;
-        _pos = 0;
-    }
-    ```
-
-    此程式碼從當前地址的閃存中讀取數據並將其存儲在緩衝區中。然後遞增地址，因此下一次調用會讀取下一塊內存。緩衝區的大小基於 `HTTPClient` 一次發送到 REST API 的最大塊大小。
-
-    > 💁 擦除閃存必須使用粒度大小，但讀取則不需要。
-
-1. 在此類的 `public` 部分新增一個構造函數：
-
-    ```cpp
-    FlashStream()
-    {
-        _pos = 0;
-        _flash_address = 0;
-        _flash = sfud_get_device_table() + 0;
-        
-        populateBuffer();
-    }
-    ```
-
-    此構造函數設置所有欄位以從閃存塊的起始位置開始讀取，並將第一塊數據加載到緩衝區中。
-
-1. 實現 `write` 方法。此流僅讀取數據，因此可以不執行任何操作並返回 0：
-
-    ```cpp
-    virtual size_t write(uint8_t val)
-    {
-        return 0;
-    }
-    ```
-
-1. 實現 `peek` 方法。此方法返回當前位置的數據而不移動流。多次調用 `peek` 將始終返回相同的數據，只要未從流中讀取數據。
-
-    ```cpp
-    virtual int peek()
-    {
-        return _buffer[_pos];
-    }
-    ```
-
-1. 實現 `available` 函數。此函數返回可以從流中讀取的字節數，或者如果流已完成則返回 -1。對於此類，最大可用數量不會超過 HTTPClient 的塊大小。當此流用於 HTTP 客戶端時，它會調用此函數以查看有多少數據可用，然後請求該數量的數據以發送到 REST API。我們不希望每個塊超過 HTTP 客戶端的塊大小，因此如果可用數據超過該大小，則返回塊大小。如果少於該大小，則返回可用數據量。一旦所有數據都已流式傳輸，則返回 -1。
-
-    ```cpp
-    virtual int available()
-    {
-        int remaining = BUFFER_SIZE - ((_flash_address - HTTP_TCP_BUFFER_SIZE) + _pos);
-        int bytes_available = min(HTTP_TCP_BUFFER_SIZE, remaining);
-
-        if (bytes_available == 0)
-        {
-            bytes_available = -1;
-        }
-
-        return bytes_available;
-    }
-    ```
-
-1. 實現 `read` 方法以返回緩衝區中的下一個字節，並遞增位置。如果位置超過緩衝區的大小，則用閃存中的下一塊數據填充緩衝區並重置位置。
-
-    ```cpp
-    virtual int read()
-    {
-        int retVal = _buffer[_pos++];
-
-        if (_pos == HTTP_TCP_BUFFER_SIZE)
-        {
-            populateBuffer();
-        }
-
-        return retVal;
-    }
-    ```
-
-1. 在 `speech_to_text.h` 標頭文件中，新增此新標頭文件的 include 指令：
-
-    ```cpp
-    #include "flash_stream.h"
-    ```
-
-### 任務 - 將語音轉換為文字
-
-1. 可以通過將音訊發送到語音服務的 REST API 來將語音轉換為文字。此 REST API 與權杖發行者使用不同的證書，因此在 `config.h` 標頭文件中新增以下程式碼以定義此證書：
-
-    ```cpp
-    const char *SPEECH_CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIF8zCCBNugAwIBAgIQCq+mxcpjxFFB6jvh98dTFzANBgkqhkiG9w0BAQwFADBh\r\n"
-        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
-        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
-        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
-        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
-        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwMTCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
-        "ggIPADCCAgoCggIBAMedcDrkXufP7pxVm1FHLDNA9IjwHaMoaY8arqqZ4Gff4xyr\r\n"
-        "RygnavXL7g12MPAx8Q6Dd9hfBzrfWxkF0Br2wIvlvkzW01naNVSkHp+OS3hL3W6n\r\n"
-        "l/jYvZnVeJXjtsKYcXIf/6WtspcF5awlQ9LZJcjwaH7KoZuK+THpXCMtzD8XNVdm\r\n"
-        "GW/JI0C/7U/E7evXn9XDio8SYkGSM63aLO5BtLCv092+1d4GGBSQYolRq+7Pd1kR\r\n"
-        "EkWBPm0ywZ2Vb8GIS5DLrjelEkBnKCyy3B0yQud9dpVsiUeE7F5sY8Me96WVxQcb\r\n"
-        "OyYdEY/j/9UpDlOG+vA+YgOvBhkKEjiqygVpP8EZoMMijephzg43b5Qi9r5UrvYo\r\n"
-        "o19oR/8pf4HJNDPF0/FJwFVMW8PmCBLGstin3NE1+NeWTkGt0TzpHjgKyfaDP2tO\r\n"
-        "4bCk1G7pP2kDFT7SYfc8xbgCkFQ2UCEXsaH/f5YmpLn4YPiNFCeeIida7xnfTvc4\r\n"
-        "7IxyVccHHq1FzGygOqemrxEETKh8hvDR6eBdrBwmCHVgZrnAqnn93JtGyPLi6+cj\r\n"
-        "WGVGtMZHwzVvX1HvSFG771sskcEjJxiQNQDQRWHEh3NxvNb7kFlAXnVdRkkvhjpR\r\n"
-        "GchFhTAzqmwltdWhWDEyCMKC2x/mSZvZtlZGY+g37Y72qHzidwtyW7rBetZJAgMB\r\n"
-        "AAGjggGtMIIBqTAdBgNVHQ4EFgQUDyBd16FXlduSzyvQx8J3BM5ygHYwHwYDVR0j\r\n"
-        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
-        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
-        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
-        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
-        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
-        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
-        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
-        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
-        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQAlFvNh7QgXVLAZSsNR2XRmIn9iS8OHFCBA\r\n"
-        "WxKJoi8YYQafpMTkMqeuzoL3HWb1pYEipsDkhiMnrpfeYZEA7Lz7yqEEtfgHcEBs\r\n"
-        "K9KcStQGGZRfmWU07hPXHnFz+5gTXqzCE2PBMlRgVUYJiA25mJPXfB00gDvGhtYa\r\n"
-        "+mENwM9Bq1B9YYLyLjRtUz8cyGsdyTIG/bBM/Q9jcV8JGqMU/UjAdh1pFyTnnHEl\r\n"
-        "Y59Npi7F87ZqYYJEHJM2LGD+le8VsHjgeWX2CJQko7klXvcizuZvUEDTjHaQcs2J\r\n"
-        "+kPgfyMIOY1DMJ21NxOJ2xPRC/wAh/hzSBRVtoAnyuxtkZ4VjIOh\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-1. 在此文件中新增一個常數，用於不帶位置的語音 URL。稍後將與位置和語言結合以獲取完整的 URL。
-
-    ```cpp
-    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
-    ```
-
-1. 在 `speech_to_text.h` 標頭文件中，在 `SpeechToText` 類的 `private` 部分，定義一個使用語音證書的 WiFi 客戶端欄位：
-
-    ```cpp
-    WiFiClientSecure _speech_client;
-    ```
-
-1. 在 `init` 方法中，將此證書設置在 WiFi 客戶端上：
-
-    ```cpp
-    _speech_client.setCACert(SPEECH_CERTIFICATE);
-    ```
-
-1. 在 `SpeechToText` 類的 `public` 部分新增以下程式碼以定義一個將語音轉換為文字的方法：
-
-    ```cpp
-    String convertSpeechToText()
-    {
-        
-    }
-    ```
-
-1. 在此方法中新增以下程式碼，以使用配置了語音證書的 WiFi 客戶端創建一個 HTTP 客戶端，並使用設置了位置和語言的語音 URL：
-
-    ```cpp
-    char url[128];
-    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
-
-    HTTPClient httpClient;
-    httpClient.begin(_speech_client, url);
-    ```
-
-1. 在連接上設置一些標頭：
-
-    ```cpp
-    httpClient.addHeader("Authorization", String("Bearer ") + _access_token);
-    httpClient.addHeader("Content-Type", String("audio/wav; codecs=audio/pcm; samplerate=") + String(RATE));
-    httpClient.addHeader("Accept", "application/json;text/xml");
-    ```
-
-    這設置了授權標頭（使用存取權杖）、音訊格式（使用採樣率），並設置客戶端期望結果為 JSON。
-
-1. 在此之後新增以下程式碼以進行 REST API 調用：
-
-    ```cpp
-    Serial.println("Sending speech...");
-
-    FlashStream stream;
-    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
-
-    Serial.println("Speech sent!");
-    ```
-
-    這創建了一個 `FlashStream` 並使用它將數據流式傳輸到 REST API。
-
-1. 在此之下新增以下程式碼：
-
-    ```cpp
-    String text = "";
-
-    if (httpResponseCode == 200)
-    {
-        String result = httpClient.getString();
-        Serial.println(result);
-
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, result.c_str());
-
-        JsonObject obj = doc.as<JsonObject>();
-        text = obj["DisplayText"].as<String>();
-    }
-    else if (httpResponseCode == 401)
-    {
-        Serial.println("Access token expired, trying again with a new token");
-        _access_token = getAccessToken();
-        return convertSpeechToText();
-    }
-    else
-    {
-        Serial.print("Failed to convert text to speech - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-    此程式碼檢查響應代碼。
-
-    如果是 200（成功代碼），則檢索結果，從 JSON 解碼，並將 `DisplayText` 屬性設置到 `text` 變數中。這是返回語音文字版本的屬性。
-
-    如果響應代碼是 401，則存取權杖已過期（這些權杖僅持續 10 分鐘）。請求一個新的存取權杖，然後再次進行調用。
-
-    否則，將錯誤發送到序列監視器，並將 `text` 保留為空白。
-
-1. 在此方法的末尾新增以下程式碼以關閉 HTTP 客戶端並返回文字：
-
-    ```cpp
-    httpClient.end();
-
-    return text;
-    ```
-
-1. 在 `main.cpp` 中，在 `processAudio` 函數中調用此新的 `convertSpeechToText` 方法，然後將語音文字記錄到序列監視器中：
-
-    ```cpp
-    String text = speechToText.convertSpeechToText();
-    Serial.println(text);
-    ```
-
-1. 編譯此程式碼，將其上傳到您的 Wio Terminal，並通過序列監視器進行測試。一旦您在序列監視器中看到 `Ready`，按下 C 按鈕（左側最靠近電源開關的按鈕），然後說話。將捕獲 4 秒的音訊，然後轉換為文字。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    Ready.
-    Starting recording...
-    Finished recording
-    Sending speech...
-    Speech sent!
-    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
-    Set a 2 minute and 27 second timer.
-    ```
-
-> 💁 您可以在 [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的語音轉文字程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/2-language-understanding/README.md b/translations/tw/6-consumer/lessons/2-language-understanding/README.md
deleted file mode 100644
index 734d0b155..000000000
--- a/translations/tw/6-consumer/lessons/2-language-understanding/README.md
+++ /dev/null
@@ -1,572 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
-  "translation_date": "2025-08-24T23:58:31+00:00",
-  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
-  "language_code": "tw"
-}
--->
-# 理解語言
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大的版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
-
-## 簡介
-
-在上一課中，你已經將語音轉換為文字。若要將其用於編程智能計時器，你的程式碼需要理解所說的內容。你可以假設使用者會說固定的短語，例如「設置一個3分鐘的計時器」，並解析該表達式以獲取計時器的時間，但這樣的方式對使用者來說並不友好。如果使用者說「設置一個計時器，時間為3分鐘」，你或我能理解他們的意思，但你的程式碼無法理解，因為它只會期待固定的短語。
-
-這就是語言理解的作用所在，利用人工智慧模型來解釋文字並返回所需的細節。例如，它能夠理解「設置一個3分鐘的計時器」和「設置一個計時器，時間為3分鐘」都表示需要一個3分鐘的計時器。
-
-在本課中，你將學習語言理解模型，如何創建、訓練並在程式碼中使用它們。
-
-本課將涵蓋：
-
-* [語言理解](../../../../../6-consumer/lessons/2-language-understanding)
-* [創建語言理解模型](../../../../../6-consumer/lessons/2-language-understanding)
-* [意圖和實體](../../../../../6-consumer/lessons/2-language-understanding)
-* [使用語言理解模型](../../../../../6-consumer/lessons/2-language-understanding)
-
-## 語言理解
-
-人類已經使用語言進行溝通數十萬年。我們通過文字、聲音或行動進行交流並理解所說的內容，不僅理解文字、聲音或行動的含義，還理解它們的上下文。我們能理解真誠和諷刺，讓相同的文字因語氣不同而表達不同的意思。
-
-✅ 想想你最近的一些對話。有多少對話因需要上下文而難以讓電腦理解？
-
-語言理解，也稱為自然語言理解，是人工智慧的一個領域，屬於自然語言處理（NLP），主要研究閱讀理解，試圖理解文字或句子的細節。如果你使用過像 Alexa 或 Siri 這樣的語音助手，那麼你已經使用過語言理解服務。這些服務是幕後的人工智慧技術，能將「Alexa，播放 Taylor Swift 的最新專輯」轉化為我女兒在客廳裡隨著她最喜歡的音樂跳舞。
-
-> 💁 儘管電腦技術已經取得了巨大進步，但在真正理解文字方面仍有很長的路要走。當我們提到電腦的語言理解時，並不是指像人類交流那樣高級，而是指從一些文字中提取關鍵細節。
-
-作為人類，我們幾乎不需要思考就能理解語言。如果我請另一個人「播放 Taylor Swift 的最新專輯」，他們會本能地知道我的意思。對於電腦來說，這就困難得多。它需要將語音轉換為文字，並解析以下信息：
-
-* 需要播放音樂
-* 音樂是由歌手 Taylor Swift 演唱的
-* 具體的音樂是一整張專輯，包含多首按順序排列的曲目
-* Taylor Swift 有很多專輯，因此需要按時間順序排列，最新發行的專輯是所需的
-
-✅ 想想你在提出請求時說過的一些句子，例如點咖啡或請家人幫忙遞東西。試著將這些句子分解成電腦需要提取的信息。
-
-語言理解模型是人工智慧模型，訓練用於從語言中提取特定細節，並通過遷移學習針對特定任務進行訓練，就像你使用少量圖片訓練自定義視覺模型一樣。你可以使用模型，然後用你希望理解的文字進行訓練。
-
-## 創建語言理解模型
-
-![LUIS 標誌](../../../../../translated_images/zh-TW/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png)
-
-你可以使用 LUIS（Language Understanding Intelligent Service），這是 Microsoft 的一項語言理解服務，屬於 Cognitive Services。
-
-### 任務 - 創建編輯資源
-
-要使用 LUIS，你需要創建一個編輯資源。
-
-1. 使用以下命令在你的 `smart-timer` 資源組中創建一個編輯資源：
-
-    ```python
-    az cognitiveservices account create --name smart-timer-luis-authoring \
-                                        --resource-group smart-timer \
-                                        --kind LUIS.Authoring \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為創建資源組時使用的位置。
-
-    > ⚠️ LUIS 並非在所有地區都可用，如果你收到以下錯誤：
-    >
-    > ```output
-    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
-    > ```
-    >
-    > 請選擇其他地區。
-
-    這將創建一個免費層的 LUIS 編輯資源。
-
-### 任務 - 創建語言理解應用
-
-1. 在瀏覽器中打開 LUIS 入口網站 [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn)，並使用你在 Azure 上使用的相同帳戶登錄。
-
-1. 按照對話框中的指示選擇你的 Azure 訂閱，然後選擇剛剛創建的 `smart-timer-luis-authoring` 資源。
-
-1. 從 *Conversation apps* 列表中，選擇 **New app** 按鈕以創建新應用。將新應用命名為 `smart-timer`，並將 *Culture* 設置為你的語言。
-
-    > 💁 預測資源字段可以創建一個單獨的資源用於預測，但免費的編輯資源每月允許 1,000 次預測，足夠用於開發，因此可以留空。
-
-1. 閱讀創建應用後出現的指南，了解訓練語言理解模型所需的步驟。完成後關閉該指南。
-
-## 意圖和實體
-
-語言理解基於 *意圖* 和 *實體*。意圖是文字的目的，例如播放音樂、設置計時器或訂購食物。實體是意圖所指的內容，例如專輯、計時器的時間或食物的種類。模型解釋的每個句子應至少有一個意圖，並且可以選擇性地包含一個或多個實體。
-
-一些例子：
-
-| 句子                                                | 意圖             | 實體                                       |
-| --------------------------------------------------- | ---------------- | ------------------------------------------ |
-| 「播放 Taylor Swift 的最新專輯」                   | *播放音樂*       | *Taylor Swift 的最新專輯*                  |
-| 「設置一個3分鐘的計時器」                          | *設置計時器*     | *3分鐘*                                    |
-| 「取消我的計時器」                                 | *取消計時器*     | 無                                         |
-| 「訂購3個大號菠蘿披薩和一份凱撒沙拉」              | *訂購食物*       | *3個大號菠蘿披薩*，*凱撒沙拉*              |
-
-✅ 回想你之前想到的句子，這些句子的意圖和實體會是什麼？
-
-要訓練 LUIS，首先需要設置實體。這些可以是固定的術語列表，也可以從文字中學習。例如，你可以提供菜單上的固定食物列表，並為每個詞提供變體（或同義詞），例如 *egg plant* 和 *aubergine* 作為 *aubergine* 的變體。LUIS 也有一些預設的實體可以使用，例如數字和地點。
-
-對於設置計時器，你可以使用預設的數字實體來表示時間，並創建另一個實體來表示單位，例如分鐘和秒。每個單位可以有多個變體以涵蓋單數和複數形式，例如 minute 和 minutes。
-
-設置好實體後，你需要創建意圖。意圖是根據你提供的示例句子（稱為語句）由模型學習的。例如，對於 *設置計時器* 意圖，你可以提供以下句子：
-
-* `設置一個1秒的計時器`
-* `設置一個計時器，時間為1分12秒`
-* `設置一個3分鐘的計時器`
-* `設置一個9分30秒的計時器`
-
-然後告訴 LUIS 這些句子的哪些部分對應於實體：
-
-![句子「設置一個計時器，時間為1分12秒」分解為實體](../../../../../translated_images/zh-TW/sentence-as-intent-entities.301401696f992259.webp)
-
-句子 `設置一個計時器，時間為1分12秒` 的意圖是 `設置計時器`。它還有兩個實體，每個實體有兩個值：
-
-|            | 時間 | 單位   |
-| ---------- | ---: | ------ |
-| 1 分鐘     | 1    | 分鐘   |
-| 12 秒      | 12   | 秒     |
-
-要訓練一個好的模型，你需要提供多種不同的示例句子，以涵蓋人們可能用來表達相同意思的多種方式。
-
-> 💁 與任何人工智慧模型一樣，訓練時使用的數據越多且越準確，模型效果越好。
-
-✅ 想想你可能用來表達相同意思的不同方式，並期望人類能理解。
-
-### 任務 - 向語言理解模型添加實體
-
-對於計時器，你需要添加兩個實體——一個表示時間單位（分鐘或秒），另一個表示分鐘或秒的數量。
-
-你可以在 Microsoft Docs 的 [快速入門：在 LUIS 入口網站中構建應用](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn) 文檔中找到使用 LUIS 入口網站的指導。
-
-1. 在 LUIS 入口網站中，選擇 *Entities* 標籤，並通過選擇 **Add prebuilt entity** 按鈕添加 *number* 預設實體，然後從列表中選擇 *number*。
-
-1. 使用 **Create** 按鈕創建一個新的實體來表示時間單位。將實體命名為 `time unit`，並將類型設置為 *List*。在 *Normalized values* 列表中添加 `minute` 和 `second` 的值，並在 *synonyms* 列表中添加單數和複數形式的變體。每添加一個同義詞後按 `return` 鍵將其添加到列表中。
-
-    | 標準化值       | 同義詞            |
-    | -------------- | ----------------- |
-    | minute         | minute, minutes   |
-    | second         | second, seconds   |
-
-### 任務 - 向語言理解模型添加意圖
-
-1. 在 *Intents* 標籤中，選擇 **Create** 按鈕以創建新意圖。將此意圖命名為 `set timer`。
-
-1. 在示例中，輸入使用分鐘、秒以及分鐘和秒組合設置計時器的不同方式。示例可以包括：
-
-    * `設置一個1秒的計時器`
-    * `設置一個4分鐘的計時器`
-    * `設置一個四分鐘六秒的計時器`
-    * `設置一個9分30秒的計時器`
-    * `設置一個計時器，時間為1分12秒`
-    * `設置一個計時器，時間為3分鐘`
-    * `設置一個計時器，時間為3分1秒`
-    * `設置一個計時器，時間為三分一秒`
-    * `設置一個計時器，時間為1分1秒`
-    * `設置一個計時器，時間為30秒`
-    * `設置一個計時器，時間為1秒`
-
-    混合使用數字的文字形式和數字形式，讓模型學會處理兩者。
-
-1. 當你輸入每個示例時，LUIS 會開始檢測實體，並將找到的實體用下劃線標記並標籤。
-
-    ![示例中數字和時間單位被 LUIS 用下劃線標記](../../../../../translated_images/zh-TW/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png)
-
-### 任務 - 訓練和測試模型
-
-1. 配置好實體和意圖後，可以使用頂部菜單中的 **Train** 按鈕訓練模型。選擇此按鈕，模型應在幾秒鐘內完成訓練。訓練期間按鈕會變灰，完成後會重新啟用。
-
-1. 從頂部菜單中選擇 **Test** 按鈕以測試語言理解模型。輸入文字，例如 `設置一個計時器，時間為5分4秒`，然後按回車鍵。句子會出現在你輸入文字的文本框下方，下面會顯示 *top intent*，即以最高概率檢測到的意圖。這應該是 `set timer`。意圖名稱後面會顯示檢測到的意圖正確的概率。
-
-1. 選擇 **Inspect** 選項以查看結果的詳細信息。你會看到最高分的意圖及其百分比概率，以及檢測到的實體列表。
-
-1. 完成測試後，關閉 *Test* 面板。
-
-### 任務 - 發佈模型
-
-要從程式碼中使用此模型，你需要發佈它。從 LUIS 發佈時，可以選擇發佈到測試環境或正式環境。本課中，測試環境即可。
-
-1. 在 LUIS 入口網站中，選擇頂部菜單中的 **Publish** 按鈕。
-
-1. 確保選擇了 *Staging slot*，然後選擇 **Done**。發佈應用後會顯示通知。
-
-1. 你可以使用 curl 測試此模型。要構建 curl 命令，你需要三個值——端點、應用程式 ID（App ID）和 API 密鑰。這些可以從頂部菜單中選擇 **MANAGE** 標籤後的 *Settings* 部分中獲取。
-
-    1. 從 *Settings* 部分中複製 App ID
-1. 從 *Azure 資源* 區域中選擇 *Authoring Resource*，並複製 *Primary Key* 和 *Endpoint URL*
-
-1. 在命令提示符或終端中執行以下 curl 命令：
-
-    ```sh
-    curl "<endpoint url>/luis/prediction/v3.0/apps/<app id>/slots/staging/predict" \
-          --request GET \
-          --get \
-          --data "subscription-key=<primary key>" \
-          --data "verbose=false" \
-          --data "show-all-intents=true" \
-          --data-urlencode "query=<sentence>"
-    ```
-
-    將 `<endpoint url>` 替換為 *Azure 資源* 區域中的 Endpoint URL。
-
-    將 `<app id>` 替換為 *設定* 區域中的 App ID。
-
-    將 `<primary key>` 替換為 *Azure 資源* 區域中的 Primary Key。
-
-    將 `<sentence>` 替換為您想測試的句子。
-
-1. 此呼叫的輸出將是一個 JSON 文件，詳細說明查詢、最高意圖以及按類型劃分的實體列表。
-
-    ```JSON
-    {
-        "query": "set a timer for 45 minutes and 12 seconds",
-        "prediction": {
-            "topIntent": "set timer",
-            "intents": {
-                "set timer": {
-                    "score": 0.97031575
-                },
-                "None": {
-                    "score": 0.02205793
-                }
-            },
-            "entities": {
-                "number": [
-                    45,
-                    12
-                ],
-                "time-unit": [
-                    [
-                        "minute"
-                    ],
-                    [
-                        "second"
-                    ]
-                ]
-            }
-        }
-    }
-    ```
-
-    上述 JSON 是使用 `set a timer for 45 minutes and 12 seconds` 查詢的結果：
-
-    * `set timer` 是最高意圖，機率為 97%。
-    * 偵測到兩個 *number* 實體，分別是 `45` 和 `12`。
-    * 偵測到兩個 *time-unit* 實體，分別是 `minute` 和 `second`。
-
-## 使用語言理解模型
-
-一旦發佈後，LUIS 模型可以從程式碼中呼叫。在之前的課程中，您已使用 IoT Hub 處理與雲端服務的通訊，發送遙測數據並接收指令。這種方式非常非同步——一旦遙測數據發送出去，您的程式碼不會等待回應，如果雲端服務無法使用，您也不會知道。
-
-對於智慧計時器，我們希望能立即獲得回應，這樣我們可以告訴使用者計時器已設置，或者提醒他們雲端服務無法使用。為此，我們的 IoT 裝置將直接呼叫一個網路端點，而不是依賴 IoT Hub。
-
-與其從 IoT 裝置直接呼叫 LUIS，您可以使用無伺服器程式碼搭配不同類型的觸發器——例如 HTTP 觸發器。這允許您的函數應用程式監聽 REST 請求並回應它們。此函數將成為您的裝置可以呼叫的 REST 端點。
-
-> 💁 雖然您可以直接從 IoT 裝置呼叫 LUIS，但使用無伺服器程式碼會更好。這樣當您想更改呼叫的 LUIS 應用程式時，例如訓練了一個更好的模型或用不同語言訓練模型時，您只需更新雲端程式碼，而不需要重新部署到可能成千上萬甚至數百萬的 IoT 裝置。
-
-### 任務 - 建立無伺服器函數應用程式
-
-1. 建立一個名為 `smart-timer-trigger` 的 Azure Functions 應用程式，並在 VS Code 中開啟它。
-
-1. 使用以下命令在 VS Code 終端中為此應用程式新增一個名為 `speech-trigger` 的 HTTP 觸發器：
-
-    ```sh
-    func new --name text-to-timer --template "HTTP trigger"
-    ```
-
-    這將建立一個名為 `text-to-timer` 的 HTTP 觸發器。
-
-1. 執行函數應用程式以測試 HTTP 觸發器。執行後，您將在輸出中看到列出的端點：
-
-    ```output
-    Functions:
-    
-            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
-    ```
-
-    在瀏覽器中載入 [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) URL 進行測試。
-
-    ```output
-    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
-    ```
-
-### 任務 - 使用語言理解模型
-
-1. LUIS 的 SDK 可透過 Pip 套件獲得。將以下行新增到 `requirements.txt` 文件中以新增對此套件的依賴：
-
-    ```sh
-    azure-cognitiveservices-language-luis
-    ```
-
-1. 確保 VS Code 終端已啟用虛擬環境，並執行以下命令以安裝 Pip 套件：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-    > 💁 如果出現錯誤，您可能需要使用以下命令升級 pip：
-    >
-    > ```sh
-    > pip install --upgrade pip
-    > ```
-
-1. 在 **MANAGE** 標籤的 LUIS 入口網站中，為您的 LUIS API Key、Endpoint URL 和 App ID 新增新條目到 `local.settings.json` 文件中：
-
-    ```JSON
-    "LUIS_KEY": "<primary key>",
-    "LUIS_ENDPOINT_URL": "<endpoint url>",
-    "LUIS_APP_ID": "<app id>"
-    ```
-
-    將 `<endpoint url>` 替換為 **MANAGE** 標籤中 *Azure 資源* 區域的 Endpoint URL。這將是 `https://<location>.api.cognitive.microsoft.com/`。
-
-    將 `<app id>` 替換為 **MANAGE** 標籤中 *設定* 區域的 App ID。
-
-    將 `<primary key>` 替換為 **MANAGE** 標籤中 *Azure 資源* 區域的 Primary Key。
-
-1. 將以下匯入新增到 `__init__.py` 文件中：
-
-    ```python
-    import json
-    import os
-    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
-    from msrest.authentication import CognitiveServicesCredentials
-    ```
-
-    這將匯入一些系統庫以及與 LUIS 互動的庫。
-
-1. 刪除 `main` 方法的內容，並新增以下程式碼：
-
-    ```python
-    luis_key = os.environ['LUIS_KEY']
-    endpoint_url = os.environ['LUIS_ENDPOINT_URL']
-    app_id = os.environ['LUIS_APP_ID']
-    
-    credentials = CognitiveServicesCredentials(luis_key)
-    client = LUISRuntimeClient(endpoint=endpoint_url, credentials=credentials)
-    ```
-
-    這將載入您在 `local.settings.json` 文件中為 LUIS 應用程式新增的值，使用您的 API 金鑰建立憑證物件，然後建立一個 LUIS 客戶端物件以與您的 LUIS 應用程式互動。
-
-1. 此 HTTP 觸發器將以 JSON 格式傳遞要理解的文字，文字位於名為 `text` 的屬性中。以下程式碼從 HTTP 請求的主體中提取該值，並將其記錄到控制台。將此程式碼新增到 `main` 函數中：
-
-    ```python
-    req_body = req.get_json()
-    text = req_body['text']
-    logging.info(f'Request - {text}')
-    ```
-
-1. 可以透過發送預測請求來向 LUIS 請求預測——一個包含要預測文字的 JSON 文件。使用以下程式碼建立此請求：
-
-    ```python
-    prediction_request = { 'query' : text }
-    ```
-
-1. 然後可以使用應用程式發佈到的 staging 插槽將此請求發送到 LUIS：
-
-    ```python
-    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
-    ```
-
-1. 預測回應包含最高意圖——具有最高預測分數的意圖，以及實體。如果最高意圖是 `set timer`，則可以讀取實體以獲取計時器所需的時間：
-
-    ```python
-    if prediction_response.prediction.top_intent == 'set timer':
-        numbers = prediction_response.prediction.entities['number']
-        time_units = prediction_response.prediction.entities['time unit']
-        total_seconds = 0
-    ```
-
-    `number` 實體將是一個數字陣列。例如，如果您說 *"Set a four minute 17 second timer."*，則 `number` 陣列將包含兩個整數——4 和 17。
-
-    `time unit` 實體將是一個字串陣列的陣列，每個時間單位作為陣列中的一個字串。例如，如果您說 *"Set a four minute 17 second timer."*，則 `time unit` 陣列將包含兩個單值陣列——`['minute']` 和 `['second']`。
-
-    *"Set a four minute 17 second timer."* 的這些實體的 JSON 版本為：
-
-    ```json
-    {
-        "number": [4, 17],
-        "time unit": [
-            ["minute"],
-            ["second"]
-        ]
-    }
-    ```
-
-    此程式碼還定義了一個計時器總時間（以秒為單位）的計數。這將由實體的值填充。
-
-1. 實體之間沒有連結，但我們可以對它們做一些假設。它們將按照說出的順序排列，因此可以使用陣列中的位置來確定哪個數字對應於哪個時間單位。例如：
-
-    * *"Set a 30 second timer"* - 這將有一個數字 `30` 和一個時間單位 `second`，因此單個數字將匹配單個時間單位。
-    * *"Set a 2 minute and 30 second timer"* - 這將有兩個數字 `2` 和 `30`，以及兩個時間單位 `minute` 和 `second`，因此第一個數字將對應於第一個時間單位（2 分鐘），第二個數字對應於第二個時間單位（30 秒）。
-
-    以下程式碼獲取 `number` 實體中的項目數，並使用該數量從每個陣列中提取第一個項目，然後是第二個，依此類推。將此程式碼新增到 `if` 區塊內。
-
-    ```python
-    for i in range(0, len(numbers)):
-        number = numbers[i]
-        time_unit = time_units[i][0]
-    ```
-
-    對於 *"Set a four minute 17 second timer."*，此程式碼將迴圈兩次，給出以下值：
-
-    | 迴圈次數 | `number` | `time_unit` |
-    | ---------: | -------: | ----------- |
-    | 0          | 4        | minute      |
-    | 1          | 17       | second      |
-
-1. 在此迴圈內，使用數字和時間單位計算計時器的總時間，為每分鐘新增 60 秒，並為每秒新增相應的秒數。
-
-    ```python
-    if time_unit == 'minute':
-        total_seconds += number * 60
-    else:
-        total_seconds += number
-    ```
-
-1. 在此實體迴圈之外，記錄計時器的總時間：
-
-    ```python
-    logging.info(f'Timer required for {total_seconds} seconds')
-    ```
-
-1. 計時器的秒數需要作為 HTTP 回應從函數返回。在 `if` 區塊的末尾新增以下程式碼：
-
-    ```python
-    payload = {
-        'seconds': total_seconds
-    }
-    return func.HttpResponse(json.dumps(payload), status_code=200)
-    ```
-
-    此程式碼建立一個包含計時器總秒數的有效負載，將其轉換為 JSON 字串，並以狀態碼 200（表示呼叫成功）作為 HTTP 結果返回。
-
-1. 最後，在 `if` 區塊之外，處理未識別意圖的情況，返回錯誤碼：
-
-    ```python
-    return func.HttpResponse(status_code=404)
-    ```
-
-    404 是 *未找到* 的狀態碼。
-
-1. 執行函數應用程式並使用 curl 測試。
-
-    ```sh
-    curl --request POST 'http://localhost:7071/api/text-to-timer' \
-         --header 'Content-Type: application/json' \
-         --include \
-         --data '{"text":"<text>"}'
-    ```
-
-    將 `<text>` 替換為您的請求文字，例如 `set a 2 minutes 27 second timer`。
-
-    您將在函數應用程式的輸出中看到以下內容：
-
-    ```output
-    Functions:
-
-            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
-    
-    For detailed output, run func with --verbose flag.
-    [2021-06-26T19:45:14.502Z] Worker process started and initialized.
-    [2021-06-26T19:45:19.338Z] Host lock lease acquired by instance ID '000000000000000000000000951CAE4E'.
-    [2021-06-26T19:45:52.059Z] Executing 'Functions.text-to-timer' (Reason='This function was programmatically called via the host APIs.', Id=f68bfb90-30e4-47a5-99da-126b66218e81)
-    [2021-06-26T19:45:53.577Z] Timer required for 147 seconds
-    [2021-06-26T19:45:53.746Z] Executed 'Functions.text-to-timer' (Succeeded, Id=f68bfb90-30e4-47a5-99da-126b66218e81, Duration=1750ms)
-    ```
-
-    curl 的呼叫將返回以下內容：
-
-    ```output
-    HTTP/1.1 200 OK
-    Date: Tue, 29 Jun 2021 01:14:11 GMT
-    Content-Type: text/plain; charset=utf-8
-    Server: Kestrel
-    Transfer-Encoding: chunked
-    
-    {"seconds": 147}
-    ```
-
-    計時器的秒數位於 `"seconds"` 值中。
-
-> 💁 您可以在 [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions) 資料夾中找到此程式碼。
-
-### 任務 - 讓您的函數可供 IoT 裝置使用
-
-1. 為了讓您的 IoT 裝置呼叫您的 REST 端點，它需要知道 URL。當您之前訪問它時，您使用了 `localhost`，這是訪問本地機器上 REST 端點的快捷方式。要讓您的 IoT 裝置能夠訪問，您需要將其發佈到雲端，或者獲取您的 IP 地址以在本地訪問。
-
-    > ⚠️ 如果您使用的是 Wio Terminal，建議在本地執行函數應用程式，因為可能存在依賴庫的問題，導致您無法像之前那樣部署函數應用程式。如果您希望部署到雲端，稍後的課程將提供相關資訊。
-
-    * 發佈函數應用程式 - 按照之前課程中的指示將函數應用程式發佈到雲端。發佈後，URL 將是 `https://<APP_NAME>.azurewebsites.net/api/text-to-timer`，其中 `<APP_NAME>` 是您的函數應用程式名稱。確保也發佈您的本地設定。
-
-      使用 HTTP 觸發器時，預設情況下它們會使用函數應用程式金鑰進行保護。要獲取此金鑰，執行以下命令：
-
-      ```sh
-      az functionapp keys list --resource-group smart-timer \
-                               --name <APP_NAME>                               
-      ```
-
-      從 `functionKeys` 區段中複製 `default` 條目的值。
-
-      ```output
-      {
-        "functionKeys": {
-          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
-        },
-        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
-        "systemKeys": {}
-      }
-      ```
-
-      此金鑰需要作為查詢參數新增到 URL 中，因此最終的 URL 將是 `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>`，其中 `<APP_NAME>` 是您的函數應用程式名稱，`<FUNCTION_KEY>` 是您的預設函數金鑰。
-
-      > 💁 您可以使用 `function.json` 文件中的 `authlevel` 設定更改 HTTP 觸發器的授權類型。您可以在 [Microsoft Docs 上的 Azure Functions HTTP 觸發器文件的配置部分](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python#configuration) 中閱讀更多相關資訊。
-
-    * 在本地執行函數應用程式，並使用 IP 地址訪問 - 您可以獲取電腦在本地網路上的 IP 地址，並使用該地址構建 URL。
-
-      找到您的 IP 地址：
-
-      * 在 Windows 10 上，請參考 [查找您的 IP 地址指南](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn)。
-      * 在 macOS 上，請參考 [如何在 Mac 上查找 IP 地址指南](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac)。
-      * 在 Linux 上，請參考 [如何在 Linux 中查找 IP 地址指南](https://opensource.com/article/18/5/how-find-ip-address-linux) 中的查找私人 IP 地址部分。
-
-      一旦獲取到您的 IP 地址，您將能夠通過 `http://`
-
-:7071/api/text-to-timer`，其中 `<IP_ADDRESS>` 是您的 IP 位址，例如 `http://192.168.1.10:7071/api/text-to-timer`。
-
-      > 💁 請注意這裡使用的是 7071 埠，因此在 IP 位址後需要加上 `:7071`。
-
-      > 💁 這僅在您的 IoT 裝置與電腦位於同一網路時才會有效。
-
-1. 使用 curl 測試該端點。
-
----
-
-## 🚀 挑戰
-
-有許多方式可以請求相同的事情，例如設定一個計時器。試著想出不同的方式來完成這件事，並將它們作為範例加入您的 LUIS 應用程式中。測試這些範例，看看您的模型能多好地處理多種請求計時器的方式。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
-
-## 回顧與自學
-
-* 在 [Microsoft Docs 的 Language Understanding (LUIS) 文件頁面](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn) 閱讀更多關於 LUIS 及其功能的資訊  
-* 在 [維基百科的自然語言理解頁面](https://wikipedia.org/wiki/Natural-language_understanding) 閱讀更多關於語言理解的資訊  
-* 在 [Microsoft Docs 的 Azure Functions HTTP 觸發器文件頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python) 閱讀更多關於 HTTP 觸發器的資訊  
-
-## 作業
-
-[取消計時器](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/2-language-understanding/assignment.md b/translations/tw/6-consumer/lessons/2-language-understanding/assignment.md
deleted file mode 100644
index a716335a6..000000000
--- a/translations/tw/6-consumer/lessons/2-language-understanding/assignment.md
+++ /dev/null
@@ -1,26 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
-  "translation_date": "2025-08-25T00:03:53+00:00",
-  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
-  "language_code": "tw"
-}
--->
-# 取消計時器
-
-## 說明
-
-在本課程中，你已經訓練了一個模型來理解如何設置計時器。另一個實用的功能是取消計時器——例如，當你的麵包已經烤好，可以在計時器結束前取出時。
-
-在你的 LUIS 應用中新增一個用於取消計時器的意圖。這個意圖不需要任何實體，但需要一些範例句子。如果這是最高意圖，請在你的無伺服器代碼中處理它，記錄該意圖已被識別，並返回適當的回應。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 在 LUIS 應用中新增取消計時器意圖 | 能夠新增意圖並訓練模型 | 能夠新增意圖但未訓練模型 | 無法新增意圖並訓練模型 |
-| 在無伺服器應用中處理該意圖 | 能夠將該意圖識別為最高意圖並記錄下來 | 能夠將該意圖識別為最高意圖 | 無法將該意圖識別為最高意圖 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/3-spoken-feedback/README.md b/translations/tw/6-consumer/lessons/3-spoken-feedback/README.md
deleted file mode 100644
index ed1361b9e..000000000
--- a/translations/tw/6-consumer/lessons/3-spoken-feedback/README.md
+++ /dev/null
@@ -1,140 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
-  "translation_date": "2025-08-25T00:05:58+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
-  "language_code": "tw"
-}
--->
-# 設定計時器並提供語音回饋
-
-![本課程的手繪筆記概覽](../../../../../translated_images/zh-TW/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
-
-## 簡介
-
-智慧助理並非單向的溝通設備。你對它說話，它會回應你：
-
-「Alexa，設定一個3分鐘的計時器」
-
-「好的，您的計時器已設定為3分鐘」
-
-在前兩節課中，你學會了如何將語音轉換為文字，然後從文字中提取設定計時器的請求。在本課中，你將學習如何在物聯網設備上設定計時器，並以語音回應用戶確認計時器已設定，並在計時器結束時提醒用戶。
-
-本課將涵蓋以下內容：
-
-* [文字轉語音](../../../../../6-consumer/lessons/3-spoken-feedback)
-* [設定計時器](../../../../../6-consumer/lessons/3-spoken-feedback)
-* [將文字轉換為語音](../../../../../6-consumer/lessons/3-spoken-feedback)
-
-## 文字轉語音
-
-顧名思義，文字轉語音是將文字轉換為包含語音的音頻的過程。其基本原理是將文字中的單詞分解為其組成的聲音（稱為音素），然後將這些聲音的音頻拼接在一起，這些音頻可以是預錄的，也可以是由人工智慧模型生成的。
-
-![典型文字轉語音系統的三個階段](../../../../../translated_images/zh-TW/tts-overview.193843cf3f5ee09f.webp)
-
-文字轉語音系統通常有三個階段：
-
-* 文字分析
-* 語言學分析
-* 波形生成
-
-### 文字分析
-
-文字分析是指將提供的文字轉換為可以用於生成語音的單詞。例如，如果你轉換「Hello world」，則不需要進行文字分析，這兩個單詞可以直接轉換為語音。但如果是「1234」，則可能需要根據上下文將其轉換為「一千二百三十四」或「一、二、三、四」。例如，「我有1234個蘋果」應該是「一千二百三十四」，而「孩子數到1234」則應該是「一、二、三、四」。
-
-單詞的生成不僅取決於語言，還取決於該語言的地區。例如，在美式英語中，120是「One hundred twenty」，而在英式英語中則是「One hundred and twenty」，多了一個「and」。
-
-✅ 其他需要文字分析的例子包括「in」作為英寸的縮寫，以及「st」作為聖徒或街道的縮寫。你能想到在你的語言中有哪些單詞在沒有上下文時會產生歧義嗎？
-
-一旦單詞被定義，它們就會被送去進行語言學分析。
-
-### 語言學分析
-
-語言學分析將單詞分解為音素。音素不僅基於使用的字母，還基於單詞中的其他字母。例如，在英語中，「car」和「care」中的「a」發音是不同的。英語中有44個不同的音素，而字母表只有26個字母，有些音素由不同的字母共享，例如「circle」和「serpent」的開頭使用相同的音素。
-
-✅ 做些研究：你的語言有哪些音素？
-
-當單詞被轉換為音素後，這些音素需要額外的數據來支持語調，根據上下文調整音調或持續時間。例如，在英語中，音調的升高可以將一個句子轉換為疑問句，最後一個單詞的音調升高意味著這是一個問題。
-
-例如，句子「You have an apple」是一個陳述句，表示你有一個蘋果。如果最後一個單詞的音調升高，變成「You have an apple?」，則成為一個詢問句，問你是否有一個蘋果。語言學分析需要使用句末的問號來決定是否提高音調。
-
-一旦音素生成完成，它們就可以被送去波形生成以產生音頻輸出。
-
-### 波形生成
-
-最早的電子文字轉語音系統使用每個音素的單一音頻錄音，導致語音聽起來非常單調、機械化。語言學分析生成音素後，這些音素會從音頻數據庫中加載並拼接在一起生成音頻。
-
-✅ 做些研究：找一些早期語音合成系統的音頻錄音。將其與現代語音合成（如智慧助理中使用的語音）進行比較。
-
-更現代的波形生成使用基於深度學習的機器學習模型（非常大的神經網絡，類似於大腦中的神經元）來生成更自然的語音，這些語音甚至可以與人類無法區分。
-
-> 💁 其中一些機器學習模型可以通過遷移學習重新訓練，模仿真實人物的聲音。這意味著使用聲音作為安全系統（例如銀行越來越多地嘗試這樣做）已不再是一個好主意，因為任何人只需幾分鐘的聲音錄音就可以模仿你。
-
-這些大型機器學習模型正在被訓練以將所有三個步驟結合成端到端的語音合成器。
-
-## 設定計時器
-
-要設定計時器，你的物聯網設備需要調用你使用無伺服器代碼創建的REST端點，然後使用返回的秒數來設定計時器。
-
-### 任務 - 調用無伺服器函數以獲取計時器時間
-
-按照相關指南從你的物聯網設備調用REST端點，並為所需時間設定計時器：
-
-* [Arduino - Wio Terminal](wio-terminal-set-timer.md)
-* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-set-timer.md)
-
-## 將文字轉換為語音
-
-你用於將語音轉換為文字的語音服務也可以用於將文字轉換回語音，並通過物聯網設備上的揚聲器播放。要轉換的文字會被發送到語音服務，並附上所需的音頻類型（例如採樣率），然後返回包含音頻的二進制數據。
-
-當你發送此請求時，你會使用*語音合成標記語言*（SSML），這是一種基於XML的語音合成應用標記語言。它不僅定義了要轉換的文字，還定義了文字的語言、使用的語音，甚至可以用於定義某些或所有文字的速度、音量和音調。
-
-例如，以下SSML定義了一個請求，將文字「您的3分鐘5秒計時器已設定」轉換為語音，使用名為`en-GB-MiaNeural`的英式英語語音：
-
-```xml
-<speak version='1.0' xml:lang='en-GB'>
-    <voice xml:lang='en-GB' name='en-GB-MiaNeural'>
-        Your 3 minute 5 second time has been set
-    </voice>
-</speak>
-```
-
-> 💁 大多數文字轉語音系統為不同語言提供多種語音，並帶有相關的口音，例如帶有英國口音的英式英語語音和帶有紐西蘭口音的紐西蘭英語語音。
-
-### 任務 - 將文字轉換為語音
-
-按照相關指南使用你的物聯網設備將文字轉換為語音：
-
-* [Arduino - Wio Terminal](wio-terminal-text-to-speech.md)
-* [單板電腦 - Raspberry Pi](pi-text-to-speech.md)
-* [單板電腦 - 虛擬設備](virtual-device-text-to-speech.md)
-
----
-
-## 🚀 挑戰
-
-SSML提供了改變單詞發音方式的方法，例如對某些單詞添加重音、添加停頓或改變音調。嘗試使用不同的SSML從你的物聯網設備發送請求，並比較輸出效果。你可以在[世界萬維網聯盟的語音合成標記語言（SSML）1.1版規範](https://www.w3.org/TR/speech-synthesis11/)中閱讀更多關於SSML的內容，包括如何改變單詞的發音方式。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
-
-## 回顧與自學
-
-* 在[維基百科的語音合成頁面](https://wikipedia.org/wiki/Speech_synthesis)上閱讀更多關於語音合成的內容
-* 在[BBC新聞的「假聲音幫助網絡罪犯偷錢」報導](https://www.bbc.com/news/technology-48908736)中閱讀更多關於罪犯如何利用語音合成進行盜竊的內容
-* 在[Vice的文章「這起TikTok訴訟突顯了AI如何損害配音演員」](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)中了解更多關於語音演員因其聲音的合成版本而面臨的風險
-
-## 作業
-
-[取消計時器](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/tw/6-consumer/lessons/3-spoken-feedback/assignment.md
deleted file mode 100644
index 9b05538bd..000000000
--- a/translations/tw/6-consumer/lessons/3-spoken-feedback/assignment.md
+++ /dev/null
@@ -1,24 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
-  "translation_date": "2025-08-25T00:08:06+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
-  "language_code": "tw"
-}
--->
-# 取消計時器
-
-## 說明
-
-在上一課的作業中，你已經在 LUIS 中新增了一個取消計時器的意圖。在這次的作業中，你需要在無伺服器代碼中處理這個意圖，向 IoT 裝置發送一個指令，然後取消計時器。
-
-## 評分標準
-
-| 評分項目 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- |
-| 在無伺服器代碼中處理意圖並發送指令 | 能夠處理意圖並成功向裝置發送指令 | 能夠處理意圖但無法向裝置發送指令 | 無法處理意圖 |
-| 取消裝置上的計時器 | 能夠接收到指令並成功取消計時器 | 能夠接收到指令但無法取消計時器 | 無法接收到指令 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/tw/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
deleted file mode 100644
index bf23a74c9..000000000
--- a/translations/tw/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
+++ /dev/null
@@ -1,154 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
-  "translation_date": "2025-08-25T00:10:44+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
-  "language_code": "tw"
-}
--->
-# 文字轉語音 - Raspberry Pi
-
-在本課程的這部分，你將撰寫程式碼，使用語音服務將文字轉換為語音。
-
-## 使用語音服務將文字轉換為語音
-
-可以使用 REST API 將文字發送到語音服務，獲取可在你的 IoT 裝置上播放的音訊檔案。在請求語音時，你需要提供要使用的語音，因為語音可以由多種不同的聲音生成。
-
-每種語言都支援多種不同的聲音，你可以對語音服務發送 REST 請求，以獲取每種語言支援的聲音列表。
-
-### 任務 - 獲取聲音
-
-1. 在 VS Code 中打開 `smart-timer` 專案。
-
-1. 在 `say` 函數上方新增以下程式碼，以請求某語言的聲音列表：
-
-    ```python
-    def get_voice():
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
-    
-        headers = {
-            'Authorization': 'Bearer ' + get_access_token()
-        }
-    
-        response = requests.get(url, headers=headers)
-        voices_json = json.loads(response.text)
-    
-        first_voice = next(x for x in voices_json if x['Locale'].lower() == language.lower() and x['VoiceType'] == 'Neural')
-        return first_voice['ShortName']
-    
-    voice = get_voice()
-    print(f'Using voice {voice}')
-    ```
-
-    此程式碼定義了一個名為 `get_voice` 的函數，該函數使用語音服務來獲取聲音列表。然後，它會找到與正在使用的語言匹配的第一個聲音。
-
-    接著會呼叫此函數來儲存第一個聲音，並將聲音名稱列印到主控台。此聲音可以請求一次，並在每次將文字轉換為語音時使用該值。
-
-    > 💁 你可以從 [Microsoft Docs 的語言和聲音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) 獲取支援的聲音完整列表。如果你想使用特定的聲音，可以移除此函數，並將聲音名稱硬編碼為該文件中的聲音名稱。例如：
-    >
-    > ```python
-    > voice = 'hi-IN-SwaraNeural'
-    > ```
-
-### 任務 - 將文字轉換為語音
-
-1. 在此程式碼下方，定義一個常數，用於指定從語音服務檢索的音訊格式。當你請求音訊時，可以選擇多種不同的格式。
-
-    ```python
-    playback_format = 'riff-48khz-16bit-mono-pcm'
-    ```
-
-    你可以使用的格式取決於你的硬體。如果在播放音訊時出現 `Invalid sample rate` 錯誤，請將其更改為其他值。你可以在 [Microsoft Docs 的文字轉語音 REST API 文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs) 中找到支援的值列表。你需要使用 `riff` 格式的音訊，可嘗試的值包括 `riff-16khz-16bit-mono-pcm`、`riff-24khz-16bit-mono-pcm` 和 `riff-48khz-16bit-mono-pcm`。
-
-1. 在此程式碼下方，宣告一個名為 `get_speech` 的函數，該函數將使用語音服務的 REST API 將文字轉換為語音：
-
-    ```python
-    def get_speech(text):
-    ```
-
-1. 在 `get_speech` 函數中，定義要呼叫的 URL 和要傳遞的標頭：
-
-    ```python
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
-    
-        headers = {
-            'Authorization': 'Bearer ' + get_access_token(),
-            'Content-Type': 'application/ssml+xml',
-            'X-Microsoft-OutputFormat': playback_format
-        }
-    ```
-
-    這會設定標頭以使用生成的存取權杖，將內容設為 SSML，並定義所需的音訊格式。
-
-1. 在此程式碼下方，定義要發送到 REST API 的 SSML：
-
-    ```python
-    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
-    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
-    ssml += text
-    ssml += '</voice>'
-    ssml += '</speak>'
-    ```
-
-    此 SSML 設定了要使用的語言和聲音，以及要轉換的文字。
-
-1. 最後，在此函數中新增程式碼以發送 REST 請求並返回二進位音訊資料：
-
-    ```python
-    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
-    return io.BytesIO(response.content)
-    ```
-
-### 任務 - 播放音訊
-
-1. 在 `get_speech` 函數下方，定義一個新函數，用於播放 REST API 呼叫返回的音訊：
-
-    ```python
-    def play_speech(speech):
-    ```
-
-1. 傳遞給此函數的 `speech` 是 REST API 返回的二進位音訊資料。使用以下程式碼將其作為 wave 檔案打開，並傳遞給 PyAudio 播放音訊：
-
-    ```python
-    def play_speech(speech):
-        with wave.open(speech, 'rb') as wave_file:
-            stream = audio.open(format=audio.get_format_from_width(wave_file.getsampwidth()),
-                                channels=wave_file.getnchannels(),
-                                rate=wave_file.getframerate(),
-                                output_device_index=speaker_card_number,
-                                output=True)
-
-            data = wave_file.readframes(4096)
-
-            while len(data) > 0:
-                stream.write(data)
-                data = wave_file.readframes(4096)
-
-            stream.stop_stream()
-            stream.close()
-    ```
-
-    此程式碼使用 PyAudio 流，與捕捉音訊相同。不同之處在於，這裡的流被設定為輸出流，並從音訊資料中讀取數據，然後推送到流中。
-
-    流的詳細資訊（如取樣率）不是硬編碼的，而是從音訊資料中讀取的。
-
-1. 將 `say` 函數的內容替換為以下內容：
-
-    ```python
-    speech = get_speech(text)
-    play_speech(speech)
-    ```
-
-    此程式碼將文字轉換為二進位音訊資料，並播放音訊。
-
-1. 執行應用程式，並確保函數應用程式也在運行。設定一些計時器，你將聽到語音回應，告訴你計時器已設定，然後在計時器完成時聽到另一個語音回應。
-
-    如果出現 `Invalid sample rate` 錯誤，請按照上述說明更改 `playback_format`。
-
-> 💁 你可以在 [code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi) 資料夾中找到此程式碼。
-
-😀 你的計時器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/tw/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
deleted file mode 100644
index d26212a5d..000000000
--- a/translations/tw/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
+++ /dev/null
@@ -1,138 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "64ad4ddb4de81a18b7252e968f10b404",
-  "translation_date": "2025-08-25T00:04:39+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
-  "language_code": "tw"
-}
--->
-# 設置計時器 - 虛擬 IoT 硬體與 Raspberry Pi
-
-在本課程的這部分，你將調用無伺服器代碼來理解語音，並根據結果在虛擬 IoT 設備或 Raspberry Pi 上設置計時器。
-
-## 設置計時器
-
-從語音轉文字調用返回的文本需要發送到無伺服器代碼，通過 LUIS 處理，獲取計時器的秒數。這個秒數可以用來設置計時器。
-
-計時器可以使用 Python 的 `threading.Timer` 類來設置。這個類接受一個延遲時間和一個函數，延遲時間結束後，該函數會被執行。
-
-### 任務 - 將文本發送到無伺服器函數
-
-1. 在 VS Code 中打開 `smart-timer` 專案，並確保如果你使用的是虛擬 IoT 設備，終端中已加載虛擬環境。
-
-1. 在 `process_text` 函數上方，聲明一個名為 `get_timer_time` 的函數，用於調用你創建的 REST 端點：
-
-    ```python
-    def get_timer_time(text):
-    ```
-
-1. 在該函數中添加以下代碼來定義要調用的 URL：
-
-    ```python
-    url = '<URL>'
-    ```
-
-    將 `<URL>` 替換為你在上一課中構建的 REST 端點的 URL，可以是你的電腦上的 URL 或雲端的 URL。
-
-1. 添加以下代碼，將文本作為 JSON 屬性傳遞給調用：
-
-    ```python
-    body = {
-        'text': text
-    }
-    
-    response = requests.post(url, json=body)
-    ```
-
-1. 在這段代碼下方，從響應的有效負載中檢索 `seconds`，如果調用失敗則返回 0：
-
-    ```python
-    if response.status_code != 200:
-        return 0
-    
-    payload = response.json()
-    return payload['seconds']
-    ```
-
-    成功的 HTTP 調用會返回 200 範圍內的狀態碼，而你的無伺服器代碼會在文本被處理並識別為設置計時器意圖時返回 200。
-
-### 任務 - 在後台執行緒上設置計時器
-
-1. 在文件頂部添加以下導入語句以導入 Python 的 threading 庫：
-
-    ```python
-    import threading
-    ```
-
-1. 在 `process_text` 函數上方，添加一個函數來播報回應。目前這個函數只會將文本輸出到控制台，但在本課程稍後會用於語音播報。
-
-    ```python
-    def say(text):
-        print(text)
-    ```
-
-1. 在這段代碼下方，添加一個函數，該函數將由計時器調用以宣布計時器完成：
-
-    ```python
-    def announce_timer(minutes, seconds):
-        announcement = 'Times up on your '
-        if minutes > 0:
-            announcement += f'{minutes} minute '
-        if seconds > 0:
-            announcement += f'{seconds} second '
-        announcement += 'timer.'
-        say(announcement)
-    ```
-
-    該函數接受計時器的分鐘數和秒數，並構建一個句子來宣布計時器完成。它會檢查分鐘數和秒數，僅在有數值時才包含相應的時間單位。例如，如果分鐘數為 0，則僅包含秒數。這個句子隨後會被發送到 `say` 函數。
-
-1. 在這段代碼下方，添加以下 `create_timer` 函數來創建計時器：
-
-    ```python
-    def create_timer(total_seconds):
-        minutes, seconds = divmod(total_seconds, 60)
-        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
-    ```
-
-    該函數接受將在命令中發送的計時器總秒數，並將其轉換為分鐘和秒數。然後，它使用總秒數創建並啟動一個計時器對象，傳遞 `announce_timer` 函數和包含分鐘數與秒數的列表。當計時器到期時，它會調用 `announce_timer` 函數，並將該列表的內容作為參數傳遞——列表中的第一項作為 `minutes` 參數，第二項作為 `seconds` 參數。
-
-1. 在 `create_timer` 函數的末尾，添加一些代碼來構建一條消息，告訴用戶計時器正在啟動：
-
-    ```python
-    announcement = ''
-    if minutes > 0:
-        announcement += f'{minutes} minute '
-    if seconds > 0:
-        announcement += f'{seconds} second '    
-    announcement += 'timer started.'
-    say(announcement)
-    ```
-
-    同樣，這條消息僅包含有值的時間單位。這個句子隨後會被發送到 `say` 函數。
-
-1. 在 `process_text` 函數的末尾添加以下內容，從文本中獲取計時器的時間，然後創建計時器：
-
-    ```python
-    seconds = get_timer_time(text)
-    if seconds > 0:
-        create_timer(seconds)
-    ```
-
-    只有當秒數大於 0 時，計時器才會被創建。
-
-1. 運行應用程序，並確保函數應用程序也在運行。設置一些計時器，輸出將顯示計時器被設置，並在計時器到期時顯示：
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py 
-    Set a two minute 27 second timer.
-    2 minute 27 second timer started.
-    Times up on your 2 minute 27 second timer.
-    ```
-
-> 💁 你可以在 [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) 或 [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device) 文件夾中找到這段代碼。
-
-😀 你的計時器程序成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/tw/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
deleted file mode 100644
index a2f2190dd..000000000
--- a/translations/tw/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
+++ /dev/null
@@ -1,86 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "7966848a1f870e4c42edb4db67b13c57",
-  "translation_date": "2025-08-25T00:15:49+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
-  "language_code": "tw"
-}
--->
-# 文字轉語音 - 虛擬物聯網設備
-
-在本課程的這部分，你將撰寫程式碼，使用語音服務將文字轉換為語音。
-
-## 將文字轉換為語音
-
-在上一課中你使用的語音服務 SDK 可以用來將語音轉換為文字，同樣也可以用來將文字轉換回語音。在請求語音時，你需要提供要使用的語音，因為語音可以使用多種不同的聲音來生成。
-
-每種語言都支持多種不同的聲音，你可以從語音服務 SDK 獲取每種語言支持的聲音列表。
-
-### 任務 - 將文字轉換為語音
-
-1. 在 VS Code 中打開 `smart-timer` 專案，並確保虛擬環境已在終端中載入。
-
-1. 從 `azure.cognitiveservices.speech` 套件中匯入 `SpeechSynthesizer`，將其添加到現有的匯入中：
-
-    ```python
-    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
-    ```
-
-1. 在 `say` 函數上方，建立一個語音配置，用於語音合成器：
-
-    ```python
-    speech_config = SpeechConfig(subscription=speech_api_key,
-                                 region=location)
-    speech_config.speech_synthesis_language = language
-    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
-    ```
-
-    這使用了與辨識器相同的 API 金鑰、位置和語言。
-
-1. 在此之下，添加以下程式碼以獲取語音並將其設置到語音配置中：
-
-    ```python
-    voices = speech_synthesizer.get_voices_async().get().voices
-    first_voice = next(x for x in voices if x.locale.lower() == language.lower())
-    speech_config.speech_synthesis_voice_name = first_voice.short_name
-    ```
-
-    這會檢索所有可用聲音的列表，然後找到第一個與正在使用的語言匹配的聲音。
-
-    > 💁 你可以從 [Microsoft Docs 的語言和聲音支持文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) 獲取支持的聲音的完整列表。如果你想使用特定的聲音，可以移除此函數並直接硬編碼聲音名稱。例如：
-    >
-    > ```python
-    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
-    > ```
-
-1. 更新 `say` 函數的內容以生成回應的 SSML：
-
-    ```python
-    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
-    ssml += f'<voice xml:lang=\'{language}\' name=\'{first_voice.short_name}\'>'
-    ssml += text
-    ssml += '</voice>'
-    ssml += '</speak>'
-    ```
-
-1. 在此之下，停止語音辨識，播放 SSML，然後重新啟動辨識：
-
-    ```python
-    recognizer.stop_continuous_recognition()
-    speech_synthesizer.speak_ssml(ssml)
-    recognizer.start_continuous_recognition()
-    ```
-
-    在播放文字時停止辨識，以避免計時器啟動的公告被檢測到，發送到 LUIS 並可能被解釋為設置新計時器的請求。
-
-    > 💁 你可以通過註解掉停止和重新啟動辨識的程式碼來測試這一點。設置一個計時器，你可能會發現公告設置了一個新計時器，這導致新的公告，進而設置新的計時器，如此循環不斷！
-
-1. 運行應用程式，並確保函數應用程式也在運行。設置一些計時器，你會聽到語音回應，告訴你計時器已設置，然後在計時器完成時聽到另一個語音回應。
-
-> 💁 你可以在 [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device) 資料夾中找到這段程式碼。
-
-😀 你的計時器程式大功告成！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/tw/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
deleted file mode 100644
index 0ee98761a..000000000
--- a/translations/tw/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
+++ /dev/null
@@ -1,299 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "012b69d57d898d670adf61304f42a137",
-  "translation_date": "2025-08-25T00:08:59+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
-  "language_code": "tw"
-}
--->
-# 設定計時器 - Wio Terminal
-
-在本課程中，您將呼叫無伺服器代碼來理解語音，並根據結果在 Wio Terminal 上設定計時器。
-
-## 設定計時器
-
-從語音轉文字呼叫返回的文字需要傳送到您的無伺服器代碼，並由 LUIS 處理，返回計時器的秒數。這個秒數可以用來設定計時器。
-
-微控制器在 Arduino 中本身不支援多執行緒，因此不像在 Python 或其他高階語言中那樣有標準的計時器類別。相反，您可以使用計時器庫，這些庫透過在 `loop` 函數中測量經過的時間並在時間到時呼叫函數來運作。
-
-### 任務 - 傳送文字到無伺服器函數
-
-1. 如果尚未開啟，請在 VS Code 中開啟 `smart-timer` 專案。
-
-1. 開啟 `config.h` 標頭檔案，並新增您的函數應用程式的 URL：
-
-    ```cpp
-    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為您在上一課程的最後一步中獲得的函數應用程式的 URL，指向執行函數應用程式的本地機器的 IP 位址。
-
-1. 在 `src` 資料夾中建立一個名為 `language_understanding.h` 的新檔案。這將用來定義一個類別，將辨識的語音傳送到您的函數應用程式，並使用 LUIS 轉換為秒數。
-
-1. 在檔案的頂部新增以下內容：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <WiFiClient.h>
-    
-    #include "config.h"
-    ```
-
-    這包含了一些必要的標頭檔案。
-
-1. 定義一個名為 `LanguageUnderstanding` 的類別，並宣告此類別的一個實例：
-
-    ```cpp
-    class LanguageUnderstanding
-    {
-    public:
-    private:
-    };
-
-    LanguageUnderstanding languageUnderstanding;
-    ```
-
-1. 為了呼叫您的函數應用程式，您需要宣告一個 WiFi 客戶端。在類別的 `private` 區域中新增以下內容：
-
-    ```cpp
-    WiFiClient _client;
-    ```
-
-1. 在 `public` 區域中，宣告一個名為 `GetTimerDuration` 的方法，用來呼叫函數應用程式：
-
-    ```cpp
-    int GetTimerDuration(String text)
-    {
-    }
-    ```
-
-1. 在 `GetTimerDuration` 方法中，新增以下代碼以建立要傳送到函數應用程式的 JSON：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["text"] = text;
-
-    String body;
-    serializeJson(doc, body);
-    ```
-
-    這將傳遞給 `GetTimerDuration` 方法的文字轉換為以下 JSON：
-
-    ```json
-    {
-        "text" : "<text>"
-    }
-    ```
-
-    其中 `<text>` 是傳遞給函數的文字。
-
-1. 在此之下，新增以下代碼以進行函數應用程式呼叫：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-    這會向函數應用程式發送 POST 請求，傳遞 JSON 主體並獲取響應代碼。
-
-1. 在此之下新增以下代碼：
-
-    ```cpp
-    int seconds = 0;
-    if (httpResponseCode == 200)
-    {
-        String result = httpClient.getString();
-        Serial.println(result);
-
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, result.c_str());
-
-        JsonObject obj = doc.as<JsonObject>();
-        seconds = obj["seconds"].as<int>();
-    }
-    else
-    {
-        Serial.print("Failed to understand text - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-    此代碼檢查響應代碼。如果是 200（成功），則從響應主體中檢索計時器的秒數。否則，錯誤將被發送到序列監視器，並將秒數設為 0。
-
-1. 在此方法的末尾新增以下代碼以關閉 HTTP 連接並返回秒數：
-
-    ```cpp
-    httpClient.end();
-
-    return seconds;
-    ```
-
-1. 在 `main.cpp` 檔案中，包含這個新的標頭檔案：
-
-    ```cpp
-    #include "speech_to_text.h"
-    ```
-
-1. 在 `processAudio` 函數的末尾，呼叫 `GetTimerDuration` 方法以獲取計時器的持續時間：
-
-    ```cpp
-    int total_seconds = languageUnderstanding.GetTimerDuration(text);
-    ```
-
-    這將語音轉文字類別的呼叫結果轉換為計時器的秒數。
-
-### 任務 - 設定計時器
-
-這個秒數可以用來設定計時器。
-
-1. 在 `platformio.ini` 檔案中新增以下庫依賴項，以新增一個用來設定計時器的庫：
-
-    ```ini
-    contrem/arduino-timer @ 2.3.0
-    ```
-
-1. 在 `main.cpp` 檔案中新增此庫的 include 指令：
-
-    ```cpp
-    #include <arduino-timer.h>
-    ```
-
-1. 在 `processAudio` 函數的上方新增以下代碼：
-
-    ```cpp
-    auto timer = timer_create_default();
-    ```
-
-    此代碼宣告了一個名為 `timer` 的計時器。
-
-1. 在此之下新增以下代碼：
-
-    ```cpp
-    void say(String text)
-    {
-        Serial.print("Saying ");
-        Serial.println(text);
-    }
-    ```
-
-    此 `say` 函數最終將文字轉換為語音，但目前它只會將傳遞的文字寫入序列監視器。
-
-1. 在 `say` 函數之下新增以下代碼：
-
-    ```cpp
-    bool timerExpired(void *announcement)
-    {
-        say((char *)announcement);
-        return false;
-    }
-    ```
-
-    這是一個回調函數，當計時器到期時會被呼叫。它會傳遞一個訊息，當計時器到期時說出。計時器可以重複執行，這可以透過回調的返回值來控制——此處返回 `false`，表示計時器不再重複執行。
-
-1. 在 `processAudio` 函數的末尾新增以下代碼：
-
-    ```cpp
-    if (total_seconds == 0)
-    {
-        return;
-    }
-
-    int minutes = total_seconds / 60;
-    int seconds = total_seconds % 60;
-    ```
-
-    此代碼檢查總秒數，如果是 0，則返回函數呼叫，並且不設定計時器。然後將總秒數轉換為分鐘和秒。
-
-1. 在此代碼之下新增以下代碼以建立計時器啟動時的訊息：
-
-    ```cpp
-    String begin_message;
-    if (minutes > 0)
-    {
-        begin_message += minutes;
-        begin_message += " minute ";
-    }
-    if (seconds > 0)
-    {
-        begin_message += seconds;
-        begin_message += " second ";
-    }
-
-    begin_message += "timer started.";
-    ```
-
-1. 在此之下新增類似的代碼以建立計時器到期時的訊息：
-
-    ```cpp
-    String end_message("Times up on your ");
-    if (minutes > 0)
-    {
-        end_message += minutes;
-        end_message += " minute ";
-    }
-    if (seconds > 0)
-    {
-        end_message += seconds;
-        end_message += " second ";
-    }
-
-    end_message += "timer.";
-    ```
-
-1. 在此之後，說出計時器啟動的訊息：
-
-    ```cpp
-    say(begin_message);
-    ```
-
-1. 在此函數的末尾啟動計時器：
-
-    ```cpp
-    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
-    ```
-
-    這會觸發計時器。計時器是以毫秒為單位設定的，因此總秒數乘以 1,000 以轉換為毫秒。`timerExpired` 函數被作為回調傳遞，`end_message` 被作為參數傳遞給回調。此回調僅接受 `void *` 參數，因此字串被適當地轉換。
-
-1. 最後，計時器需要在 `loop` 函數中 *tick*。在 `loop` 函數的末尾新增以下代碼：
-
-    ```cpp
-    timer.tick();
-    ```
-
-1. 建置此代碼，將其上傳到您的 Wio Terminal，並透過序列監視器進行測試。一旦您在序列監視器中看到 `Ready`，按下 C 按鈕（左側靠近電源開關的按鈕），然後說話。4 秒的音頻將被捕捉，轉換為文字，然後傳送到您的函數應用程式，並設定計時器。確保您的函數應用程式正在本地執行。
-
-    您將看到計時器啟動的時間以及結束的時間。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    Ready.
-    Starting recording...
-    Finished recording
-    Sending speech...
-    Speech sent!
-    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
-    Set a 2 minute and 27 second timer.
-    {"seconds": 147}
-    2 minute 27 second timer started.
-    Times up on your 2 minute 27 second timer.
-    ```
-
-> 💁 您可以在 [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal) 資料夾中找到此代碼。
-
-😀 您的計時器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/tw/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
deleted file mode 100644
index 43d600efb..000000000
--- a/translations/tw/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
+++ /dev/null
@@ -1,533 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "a202fa5889790a3777bfc33dd9f4b459",
-  "translation_date": "2025-08-25T00:12:30+00:00",
-  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
-  "language_code": "tw"
-}
--->
-# 文字轉語音 - Wio Terminal
-
-在本課程中，您將把文字轉換為語音，以提供語音回饋。
-
-## 文字轉語音
-
-您在上一課中使用的語音服務 SDK，可以用來將語音轉換為文字，同樣也可以用來將文字轉換回語音。
-
-## 獲取語音列表
-
-在請求語音時，您需要提供要使用的語音，因為語音可以使用多種不同的聲音生成。每種語言都支持一系列不同的聲音，您可以從語音服務 SDK 獲取每種語言支持的語音列表。微控制器的限制在此處顯現——獲取文字轉語音服務支持的語音列表的調用是一個超過 77KB 的 JSON 文件，遠遠超出 Wio Terminal 的處理能力。在撰寫本文時，完整列表包含 215 種語音，每種語音由如下的 JSON 文件定義：
-
-```json
-{
-    "Name": "Microsoft Server Speech Text to Speech Voice (en-US, AriaNeural)",
-    "DisplayName": "Aria",
-    "LocalName": "Aria",
-    "ShortName": "en-US-AriaNeural",
-    "Gender": "Female",
-    "Locale": "en-US",
-    "StyleList": [
-        "chat",
-        "customerservice",
-        "narration-professional",
-        "newscast-casual",
-        "newscast-formal",
-        "cheerful",
-        "empathetic"
-    ],
-    "SampleRateHertz": "24000",
-    "VoiceType": "Neural",
-    "Status": "GA"
-}
-```
-
-此 JSON 是 **Aria** 語音的定義，該語音具有多種語音風格。在進行文字轉語音時，只需要短名稱，例如 `en-US-AriaNeural`。
-
-與其在微控制器上下載並解碼整個列表，您需要編寫一些無伺服器代碼來檢索您使用的語言的語音列表，並從 Wio Terminal 調用此代碼。您的代碼可以從列表中選擇合適的語音，例如找到的第一個語音。
-
-### 任務 - 創建一個無伺服器函數以獲取語音列表
-
-1. 在 VS Code 中打開您的 `smart-timer-trigger` 專案，並打開終端，確保虛擬環境已啟動。如果未啟動，請終止並重新創建終端。
-
-1. 打開 `local.settings.json` 文件，並添加語音 API 金鑰和位置的設置：
-
-    ```json
-    "SPEECH_KEY": "<key>",
-    "SPEECH_LOCATION": "<location>"
-    ```
-
-    將 `<key>` 替換為您的語音服務資源的 API 金鑰。將 `<location>` 替換為您創建語音服務資源時使用的位置。
-
-1. 使用以下命令在 VS Code 終端中函數應用專案的根文件夾內添加一個名為 `get-voices` 的 HTTP 觸發器：
-
-    ```sh
-    func new --name get-voices --template "HTTP trigger"
-    ```
-
-    這將創建一個名為 `get-voices` 的 HTTP 觸發器。
-
-1. 將 `get-voices` 文件夾中的 `__init__.py` 文件內容替換為以下內容：
-
-    ```python
-    import json
-    import os
-    import requests
-    
-    import azure.functions as func
-    
-    def main(req: func.HttpRequest) -> func.HttpResponse:
-        location = os.environ['SPEECH_LOCATION']
-        speech_key = os.environ['SPEECH_KEY']
-    
-        req_body = req.get_json()
-        language = req_body['language']
-    
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
-    
-        headers = {
-            'Ocp-Apim-Subscription-Key': speech_key
-        }
-    
-        response = requests.get(url, headers=headers)
-        voices_json = json.loads(response.text)
-    
-        voices = filter(lambda x: x['Locale'].lower() == language.lower(), voices_json)
-        voices = map(lambda x: x['ShortName'], voices)
-    
-        return func.HttpResponse(json.dumps(list(voices)), status_code=200)
-    ```
-
-    此代碼向端點發送 HTTP 請求以獲取語音列表。語音列表是一個包含所有語言語音的大型 JSON 文件，因此會篩選出請求正文中指定語言的語音，然後提取短名稱並以 JSON 列表形式返回。短名稱是進行文字轉語音所需的值，因此僅返回此值。
-
-    > 💁 您可以根據需要更改篩選條件，以選擇您想要的語音。
-
-    這將數據大小從 77KB（撰寫本文時）減少到更小的 JSON 文件。例如，對於美國語音，大小為 408 字節。
-
-1. 在本地運行您的函數應用。然後，您可以使用 curl 等工具調用此函數，就像測試 `text-to-timer` HTTP 觸發器一樣。確保以 JSON 正文的形式傳遞您的語言：
-
-    ```json
-    {
-        "language":"<language>"
-    }
-    ```
-
-    將 `<language>` 替換為您的語言，例如 `en-GB` 或 `zh-CN`。
-
-> 💁 您可以在 [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) 文件夾中找到此代碼。
-
-### 任務 - 從 Wio Terminal 獲取語音
-
-1. 如果尚未打開，請在 VS Code 中打開 `smart-timer` 專案。
-
-1. 打開 `config.h` 標頭文件，並添加您的函數應用的 URL：
-
-    ```cpp
-    const char *GET_VOICES_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為函數應用中 `get-voices` HTTP 觸發器的 URL。此 URL 與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，只是函數名稱從 `text-to-timer` 改為 `get-voices`。
-
-1. 在 `src` 文件夾中創建一個名為 `text_to_speech.h` 的新文件。此文件將用於定義一個將文字轉換為語音的類。
-
-1. 在新的 `text_to_speech.h` 文件頂部添加以下 include 指令：
-
-    ```cpp
-    #pragma once
-
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <Seeed_FS.h>
-    #include <SD/Seeed_SD.h>
-    #include <WiFiClient.h>
-    #include <WiFiClientSecure.h>
-    
-    #include "config.h"
-    #include "speech_to_text.h"
-    ```
-
-1. 在此之下添加以下代碼，聲明 `TextToSpeech` 類以及可以在應用程序的其他部分使用的實例：
-
-    ```cpp
-    class TextToSpeech
-    {
-    public:
-    private:
-    };
-    
-    TextToSpeech textToSpeech;
-    ```
-
-1. 為了調用函數應用，您需要聲明一個 WiFi 客戶端。在類的 `private` 部分添加以下內容：
-
-    ```cpp
-    WiFiClient _client;
-    ```
-
-1. 在 `private` 部分添加一個字段，用於存儲選擇的語音：
-
-    ```cpp
-    String _voice;
-    ```
-
-1. 在 `public` 部分添加一個 `init` 函數，用於獲取第一個語音：
-
-    ```cpp
-    void init()
-    {
-    }
-    ```
-
-1. 為了獲取語音，需要向函數應用發送一個包含語言的 JSON 文件。向 `init` 函數添加以下代碼以創建此 JSON 文件：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["language"] = LANGUAGE;
-
-    String body;
-    serializeJson(doc, body);
-    ```
-
-1. 接下來創建一個 `HTTPClient`，然後使用它調用函數應用以獲取語音，並發送 JSON 文件：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-1. 在此之下添加代碼以檢查響應代碼，如果是 200（成功），則提取語音列表，並從列表中檢索第一個語音：
-
-    ```cpp
-    if (httpResponseCode == 200)
-    {
-        String result = httpClient.getString();
-        Serial.println(result);
-
-        DynamicJsonDocument doc(1024);
-        deserializeJson(doc, result.c_str());
-
-        JsonArray obj = doc.as<JsonArray>();
-        _voice = obj[0].as<String>();
-
-        Serial.print("Using voice ");
-        Serial.println(_voice);
-    }
-    else
-    {
-        Serial.print("Failed to get voices - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-1. 在此之後，結束 HTTP 客戶端連接：
-
-    ```cpp
-    httpClient.end();
-    ```
-
-1. 打開 `main.cpp` 文件，並在頂部添加以下 include 指令以包含此新標頭文件：
-
-    ```cpp
-    #include "text_to_speech.h"
-    ```
-
-1. 在 `setup` 函數中，`speechToText.init();` 調用之下添加以下內容以初始化 `TextToSpeech` 類：
-
-    ```cpp
-    textToSpeech.init();
-    ```
-
-1. 編譯此代碼，將其上傳到您的 Wio Terminal，並通過串行監視器進行測試。確保您的函數應用正在運行。
-
-    您將看到函數應用返回的可用語音列表以及選擇的語音。
-
-    ```output
-    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
-    --- More details at http://bit.ly/pio-monitor-filters
-    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
-    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    ["en-US-JennyNeural", "en-US-JennyMultilingualNeural", "en-US-GuyNeural", "en-US-AriaNeural", "en-US-AmberNeural", "en-US-AnaNeural", "en-US-AshleyNeural", "en-US-BrandonNeural", "en-US-ChristopherNeural", "en-US-CoraNeural", "en-US-ElizabethNeural", "en-US-EricNeural", "en-US-JacobNeural", "en-US-MichelleNeural", "en-US-MonicaNeural", "en-US-AriaRUS", "en-US-BenjaminRUS", "en-US-GuyRUS", "en-US-ZiraRUS"]
-    Using voice en-US-JennyNeural
-    Ready.
-    ```
-
-## 將文字轉換為語音
-
-一旦有了要使用的語音，就可以用它將文字轉換為語音。與語音列表相同的內存限制也適用於將文字轉換為語音，因此您需要將語音寫入 SD 卡，以便通過 ReSpeaker 播放。
-
-> 💁 在本專案的早期課程中，您使用了閃存來存儲從麥克風捕獲的語音。本課程使用 SD 卡，因為使用 Seeed 音頻庫從 SD 卡播放音頻更為簡單。
-
-還有另一個需要考慮的限制，即語音服務提供的音頻數據以及 Wio Terminal 支持的格式。與完整的計算機不同，微控制器的音頻庫對支持的音頻格式可能非常有限。例如，Seeed Arduino Audio 庫僅支持 44.1KHz 的音頻。Azure 語音服務可以提供多種格式的音頻，但它們都不使用此採樣率，只提供 8KHz、16KHz、24KHz 和 48KHz。這意味著音頻需要重新採樣為 44.1KHz，而這需要比 Wio Terminal 擁有的資源更多，尤其是內存。
-
-當需要操作此類數據時，通常使用無伺服器代碼更好，尤其是當數據通過網絡調用獲取時。Wio Terminal 可以調用無伺服器函數，傳遞要轉換的文字，無伺服器函數可以調用語音服務將文字轉換為語音，並將音頻重新採樣為所需的採樣率。然後它可以以 Wio Terminal 需要的形式返回音頻，存儲在 SD 卡上並通過 ReSpeaker 播放。
-
-### 任務 - 創建一個無伺服器函數以將文字轉換為語音
-
-1. 在 VS Code 中打開您的 `smart-timer-trigger` 專案，並打開終端，確保虛擬環境已啟動。如果未啟動，請終止並重新創建終端。
-
-1. 使用以下命令在 VS Code 終端中函數應用專案的根文件夾內添加一個名為 `text-to-speech` 的 HTTP 觸發器：
-
-    ```sh
-    func new --name text-to-speech --template "HTTP trigger"
-    ```
-
-    這將創建一個名為 `text-to-speech` 的 HTTP 觸發器。
-
-1. [librosa](https://librosa.org) Pip 套件具有重新採樣音頻的功能，因此將其添加到 `requirements.txt` 文件：
-
-    ```sh
-    librosa
-    ```
-
-    添加後，使用以下命令從 VS Code 終端安裝 Pip 套件：
-
-    ```sh
-    pip install -r requirements.txt
-    ```
-
-    > ⚠️ 如果您使用的是 Linux，包括 Raspberry Pi OS，可能需要使用以下命令安裝 `libsndfile`：
-    >
-    > ```sh
-    > sudo apt update
-    > sudo apt install libsndfile1-dev
-    > ```
-
-1. 為了將文字轉換為語音，您不能直接使用語音 API 金鑰，而需要請求訪問令牌，使用 API 金鑰來驗證訪問令牌請求。打開 `text-to-speech` 文件夾中的 `__init__.py` 文件，並將其中的所有代碼替換為以下內容：
-
-    ```python
-    import io
-    import os
-    import requests
-    
-    import librosa
-    import soundfile as sf
-    import azure.functions as func
-    
-    location = os.environ['SPEECH_LOCATION']
-    speech_key = os.environ['SPEECH_KEY']
-    
-    def get_access_token():
-        headers = {
-            'Ocp-Apim-Subscription-Key': speech_key
-        }
-    
-        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
-        response = requests.post(token_endpoint, headers=headers)
-        return str(response.text)
-    ```
-
-    此代碼定義了從設置中讀取的位置和語音金鑰常量。然後定義了 `get_access_token` 函數，用於檢索語音服務的訪問令牌。
-
-1. 在此代碼下方添加以下內容：
-
-    ```python
-    playback_format = 'riff-48khz-16bit-mono-pcm'
-
-    def main(req: func.HttpRequest) -> func.HttpResponse:
-        req_body = req.get_json()
-        language = req_body['language']
-        voice = req_body['voice']
-        text = req_body['text']
-    
-        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
-    
-        headers = {
-            'Authorization': 'Bearer ' + get_access_token(),
-            'Content-Type': 'application/ssml+xml',
-            'X-Microsoft-OutputFormat': playback_format
-        }
-    
-        ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
-        ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
-        ssml += text
-        ssml += '</voice>'
-        ssml += '</speak>'
-    
-        response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
-    
-        raw_audio, sample_rate = librosa.load(io.BytesIO(response.content), sr=48000)
-        resampled = librosa.resample(raw_audio, sample_rate, 44100)
-        
-        output_buffer = io.BytesIO()
-        sf.write(output_buffer, resampled, 44100, 'PCM_16', format='wav')
-        output_buffer.seek(0)
-    
-        return func.HttpResponse(output_buffer.read(), status_code=200)
-    ```
-
-    此代碼定義了將文字轉換為語音的 HTTP 觸發器。它從發送到請求的 JSON 正文中提取要轉換的文字、語言和語音，構建一些 SSML 以請求語音，然後調用相關的 REST API，使用訪問令牌進行身份驗證。此 REST API 調用返回音頻，編碼為 16 位、48KHz 單聲道 WAV 文件，由 `playback_format` 的值定義，該值發送到 REST API 調用。
-
-    然後使用 `librosa` 將音頻從 48KHz 的採樣率重新採樣為 44.1KHz，然後將此音頻保存到二進制緩衝區，最後返回。
-
-1. 在本地運行您的函數應用，或將其部署到雲端。然後，您可以使用 curl 等工具調用此函數，就像測試 `text-to-timer` HTTP 觸發器一樣。確保以 JSON 正文的形式傳遞語言、語音和文字：
-
-    ```json
-    {
-        "language": "<language>",
-        "voice": "<voice>",
-        "text": "<text>"
-    }
-    ```
-
-    將 `<language>` 替換為您的語言，例如 `en-GB` 或 `zh-CN`。將 `<voice>` 替換為您想要使用的語音。將 `<text>` 替換為您想要轉換為語音的文字。您可以將輸出保存到文件，並使用任何可以播放 WAV 文件的音頻播放器播放。
-
-    例如，要使用美式英語的 Jenny Neural 語音將 "Hello" 轉換為語音，並且函數應用在本地運行，您可以使用以下 curl 命令：
-
-    ```sh
-    curl -X GET 'http://localhost:7071/api/text-to-speech' \
-         -H 'Content-Type: application/json' \
-         -o hello.wav \
-         -d '{
-           "language":"en-US",
-           "voice": "en-US-JennyNeural",
-           "text": "Hello"
-         }'
-    ```
-
-    這將音頻保存到當前目錄中的 `hello.wav` 文件。
-
-> 💁 您可以在 [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) 文件夾中找到此代碼。
-
-### 任務 - 從 Wio Terminal 獲取語音
-
-1. 如果尚未打開，請在 VS Code 中打開 `smart-timer` 專案。
-
-1. 打開 `config.h` 標頭文件，並添加您的函數應用的 URL：
-
-    ```cpp
-    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為函數應用中 `text-to-speech` HTTP 觸發器的 URL。此 URL 與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，只是函數名稱從 `text-to-timer` 改為 `text-to-speech`。
-
-1. 打開 `text_to_speech.h` 標頭文件，並在 `TextToSpeech` 類的 `public` 部分添加以下方法：
-
-    ```cpp
-    void convertTextToSpeech(String text)
-    {
-    }
-    ```
-
-1. 在 `convertTextToSpeech` 方法中，添加以下代碼以創建要發送到函數應用的 JSON：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["language"] = LANGUAGE;
-    doc["voice"] = _voice;
-    doc["text"] = text;
-
-    String body;
-    serializeJson(doc, body);
-    ```
-
-    此代碼將語言、語音和文字寫入 JSON 文件，然後將其序列化為字符串。
-
-1. 在此之下，添加以下代碼以調用函數應用：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-    此代碼創建一個 HTTPClient，然後使用 JSON 文件向文字轉語音 HTTP 觸發器發送 POST 請求。
-
-1. 如果調用成功，函數應用返回的原始二進制數據可以流式傳輸到 SD 卡上的文件。添加以下代碼以完成此操作：
-
-    ```cpp
-    if (httpResponseCode == 200)
-    {            
-        File wav_file = SD.open("SPEECH.WAV", FILE_WRITE);
-        httpClient.writeToStream(&wav_file);
-        wav_file.close();
-    }
-    else
-    {
-        Serial.print("Failed to get speech - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-    此代碼檢查響應，如果是 200（成功），則將二進制數據流式傳輸到 SD 卡根目錄中的 `SPEECH.WAV` 文件。
-
-1. 在此方法的末尾，關閉 HTTP 連接：
-
-    ```cpp
-    httpClient.end();
-    ```
-
-1. 現在可以將要說的文字轉換為音頻。在 `main.cpp` 文件中，將以下行添加到 `say` 函數的末尾，以將要說的文字轉換為音頻：
-```cpp
-    textToSpeech.convertTextToSpeech(text);
-    ```
-
-### 任務 - 從你的 Wio Terminal 播放音頻
-
-**即將推出**
-
-## 將你的 Functions App 部署到雲端
-
-在本地運行 Functions App 的原因是因為 Linux 上的 `librosa` Pip 套件依賴於一個預設未安裝的庫，必須先安裝該庫才能讓 Functions App 正常運行。Functions App 是無伺服器的——你無法自行管理伺服器，因此無法事先安裝該庫。
-
-解決方法是使用 Docker 容器來部署你的 Functions App。每當需要啟動新的 Functions App 實例時（例如需求超過可用資源，或者 Functions App 長時間未使用而被關閉），雲端會部署該容器。
-
-你可以在 [Microsoft Docs 上的使用自定義容器在 Linux 上創建 Function 的文檔](https://docs.microsoft.com/azure/azure-functions/functions-create-function-linux-custom-image?WT.mc_id=academic-17441-jabenn&tabs=bash%2Cazurecli&pivots=programming-language-python) 中找到設置 Functions App 並通過 Docker 部署的指導。
-
-部署完成後，你可以移植你的 Wio Terminal 代碼以訪問該功能：
-
-1. 將 Azure Functions 證書添加到 `config.h`：
-
-    ```cpp
-    const char *FUNCTIONS_CERTIFICATE =
-        "-----BEGIN CERTIFICATE-----\r\n"
-        "MIIFWjCCBEKgAwIBAgIQDxSWXyAgaZlP1ceseIlB4jANBgkqhkiG9w0BAQsFADBa\r\n"
-        "MQswCQYDVQQGEwJJRTESMBAGA1UEChMJQmFsdGltb3JlMRMwEQYDVQQLEwpDeWJl\r\n"
-        "clRydXN0MSIwIAYDVQQDExlCYWx0aW1vcmUgQ3liZXJUcnVzdCBSb290MB4XDTIw\r\n"
-        "MDcyMTIzMDAwMFoXDTI0MTAwODA3MDAwMFowTzELMAkGA1UEBhMCVVMxHjAcBgNV\r\n"
-        "BAoTFU1pY3Jvc29mdCBDb3Jwb3JhdGlvbjEgMB4GA1UEAxMXTWljcm9zb2Z0IFJT\r\n"
-        "QSBUTFMgQ0EgMDEwggIiMA0GCSqGSIb3DQEBAQUAA4ICDwAwggIKAoICAQCqYnfP\r\n"
-        "mmOyBoTzkDb0mfMUUavqlQo7Rgb9EUEf/lsGWMk4bgj8T0RIzTqk970eouKVuL5R\r\n"
-        "IMW/snBjXXgMQ8ApzWRJCZbar879BV8rKpHoAW4uGJssnNABf2n17j9TiFy6BWy+\r\n"
-        "IhVnFILyLNK+W2M3zK9gheiWa2uACKhuvgCca5Vw/OQYErEdG7LBEzFnMzTmJcli\r\n"
-        "W1iCdXby/vI/OxbfqkKD4zJtm45DJvC9Dh+hpzqvLMiK5uo/+aXSJY+SqhoIEpz+\r\n"
-        "rErHw+uAlKuHFtEjSeeku8eR3+Z5ND9BSqc6JtLqb0bjOHPm5dSRrgt4nnil75bj\r\n"
-        "c9j3lWXpBb9PXP9Sp/nPCK+nTQmZwHGjUnqlO9ebAVQD47ZisFonnDAmjrZNVqEX\r\n"
-        "F3p7laEHrFMxttYuD81BdOzxAbL9Rb/8MeFGQjE2Qx65qgVfhH+RsYuuD9dUw/3w\r\n"
-        "ZAhq05yO6nk07AM9c+AbNtRoEcdZcLCHfMDcbkXKNs5DJncCqXAN6LhXVERCw/us\r\n"
-        "G2MmCMLSIx9/kwt8bwhUmitOXc6fpT7SmFvRAtvxg84wUkg4Y/Gx++0j0z6StSeN\r\n"
-        "0EJz150jaHG6WV4HUqaWTb98Tm90IgXAU4AW2GBOlzFPiU5IY9jt+eXC2Q6yC/Zp\r\n"
-        "TL1LAcnL3Qa/OgLrHN0wiw1KFGD51WRPQ0Sh7QIDAQABo4IBJTCCASEwHQYDVR0O\r\n"
-        "BBYEFLV2DDARzseSQk1Mx1wsyKkM6AtkMB8GA1UdIwQYMBaAFOWdWTCCR1jMrPoI\r\n"
-        "VDaGezq1BE3wMA4GA1UdDwEB/wQEAwIBhjAdBgNVHSUEFjAUBggrBgEFBQcDAQYI\r\n"
-        "KwYBBQUHAwIwEgYDVR0TAQH/BAgwBgEB/wIBADA0BggrBgEFBQcBAQQoMCYwJAYI\r\n"
-        "KwYBBQUHMAGGGGh0dHA6Ly9vY3NwLmRpZ2ljZXJ0LmNvbTA6BgNVHR8EMzAxMC+g\r\n"
-        "LaArhilodHRwOi8vY3JsMy5kaWdpY2VydC5jb20vT21uaXJvb3QyMDI1LmNybDAq\r\n"
-        "BgNVHSAEIzAhMAgGBmeBDAECATAIBgZngQwBAgIwCwYJKwYBBAGCNyoBMA0GCSqG\r\n"
-        "SIb3DQEBCwUAA4IBAQCfK76SZ1vae4qt6P+dTQUO7bYNFUHR5hXcA2D59CJWnEj5\r\n"
-        "na7aKzyowKvQupW4yMH9fGNxtsh6iJswRqOOfZYC4/giBO/gNsBvwr8uDW7t1nYo\r\n"
-        "DYGHPpvnpxCM2mYfQFHq576/TmeYu1RZY29C4w8xYBlkAA8mDJfRhMCmehk7cN5F\r\n"
-        "JtyWRj2cZj/hOoI45TYDBChXpOlLZKIYiG1giY16vhCRi6zmPzEwv+tk156N6cGS\r\n"
-        "Vm44jTQ/rs1sa0JSYjzUaYngoFdZC4OfxnIkQvUIA4TOFmPzNPEFdjcZsgbeEz4T\r\n"
-        "cGHTBPK4R28F44qIMCtHRV55VMX53ev6P3hRddJb\r\n"
-        "-----END CERTIFICATE-----\r\n";
-    ```
-
-1. 將所有包含 `<WiFiClient.h>` 的地方更改為 `<WiFiClientSecure.h>`。
-
-1. 將所有 `WiFiClient` 字段更改為 `WiFiClientSecure`。
-
-1. 在每個包含 `WiFiClientSecure` 字段的類中，添加一個構造函數，並在該構造函數中設置證書：
-
-    ```cpp
-    _client.setCACert(FUNCTIONS_CERTIFICATE);
-    ```
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/4-multiple-language-support/README.md b/translations/tw/6-consumer/lessons/4-multiple-language-support/README.md
deleted file mode 100644
index 34629fdac..000000000
--- a/translations/tw/6-consumer/lessons/4-multiple-language-support/README.md
+++ /dev/null
@@ -1,186 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
-  "translation_date": "2025-08-24T23:51:19+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
-  "language_code": "tw"
-}
--->
-# 支援多語言
-
-![本課程的手繪筆記概述](../../../../../translated_images/zh-TW/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg)
-
-> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大的版本。
-
-這段影片概述了 Azure 語音服務，涵蓋了之前課程中的語音轉文字和文字轉語音功能，以及本課程中討論的語音翻譯：
-
-[![使用少量 Python 程式碼進行語音識別（Microsoft Build 2020）](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
-
-> 🎥 點擊上方圖片觀看影片
-
-## 課前測驗
-
-[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
-
-## 簡介
-
-在過去的三節課中，你學習了如何將語音轉換為文字、語言理解以及將文字轉換為語音，這些功能都由 AI 驅動。AI 還可以幫助人類溝通的另一個領域——語言翻譯，將一種語言轉換為另一種語言，例如從英語翻譯成法語。
-
-在本課程中，你將學習如何使用 AI 進行文字翻譯，使你的智慧計時器能夠與多語言使用者互動。
-
-本課程將涵蓋以下內容：
-
-* [翻譯文字](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [翻譯服務](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [建立翻譯資源](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [透過翻譯在應用程式中支援多語言](../../../../../6-consumer/lessons/4-multiple-language-support)
-* [使用 AI 服務翻譯文字](../../../../../6-consumer/lessons/4-multiple-language-support)
-
-> 🗑 這是本專案的最後一課，因此在完成本課程和作業後，別忘了清理你的雲端服務。你需要這些服務來完成作業，因此請確保先完成作業。
->
-> 如有需要，請參考[清理專案指南](../../../clean-up.md)以獲取相關指示。
-
-## 翻譯文字
-
-文字翻譯是一個已經研究了超過 70 年的計算機科學問題，直到最近，由於 AI 和計算能力的進步，才接近解決，並達到幾乎與人類翻譯員相媲美的水平。
-
-> 💁 其起源可以追溯到更早的時期，例如 9 世紀的阿拉伯密碼學家 [Al-Kindi](https://wikipedia.org/wiki/Al-Kindi)，他開發了語言翻譯的技術。
-
-### 機器翻譯
-
-文字翻譯最初是一種被稱為機器翻譯（Machine Translation, MT）的技術，可以在不同語言對之間進行翻譯。MT 的工作原理是用一種語言的單詞替換另一種語言的單詞，並添加技術來選擇正確的翻譯方式，當簡單的逐字翻譯不合理時，翻譯短語或句子的一部分。
-
-> 🎓 當翻譯工具支援在一種語言和另一種語言之間進行翻譯時，這些被稱為*語言對*。不同的工具支援不同的語言對，這些可能並不完整。例如，一個翻譯工具可能支援英語到西班牙語的語言對，以及西班牙語到義大利語的語言對，但不支援英語到義大利語。
-
-例如，將 "Hello world" 從英語翻譯成法語可以通過替換完成——"Bonjour" 替換 "Hello"，"le monde" 替換 "world"，最終得到正確的翻譯 "Bonjour le monde"。
-
-當不同語言使用不同的方式表達相同的意思時，替換方法就不起作用了。例如，英語句子 "My name is Jim" 翻譯成法語是 "Je m'appelle Jim"，字面意思是 "我叫自己 Jim"。"Je" 是法語中的 "我"，"moi" 是 "我自己"，但由於動詞以元音開頭，會與動詞結合成 "m'"，"appelle" 是 "叫"，而 "Jim" 不翻譯，因為它是名字，而不是可以翻譯的單詞。單詞順序也成為問題——簡單替換 "Je m'appelle Jim" 會變成 "I myself call Jim"，與英語的單詞順序不同。
-
-> 💁 有些單詞永遠不會被翻譯——我的名字是 Jim，無論使用哪種語言介紹我。當翻譯到使用不同字母或不同聲音的語言時，單詞可以被*音譯*，即選擇適當的字母或字符，使其聽起來與原單詞相同。
-
-成語也是翻譯的一個難題。這些是具有特定理解意義的短語，其含義與單詞的直接解釋不同。例如，在英語中，成語 "I've got ants in my pants" 並不是真的指衣服裡有螞蟻，而是指坐立不安。如果你將其翻譯成德語，可能會讓聽者感到困惑，因為德語版本是 "I have bumble bees in the bottom"。
-
-> 💁 不同的地區會增加不同的複雜性。以成語 "ants in your pants" 為例，在美式英語中 "pants" 指外衣，而在英式英語中，"pants" 指內衣。
-
-✅ 如果你會多種語言，想想一些無法直接翻譯的短語。
-
-機器翻譯系統依賴於大型規則數據庫，描述如何翻譯特定短語和成語，並使用統計方法從可能的選項中選擇適當的翻譯。這些統計方法使用由人類翻譯成多種語言的大型數據庫，來選擇最可能的翻譯，這種技術被稱為*統計機器翻譯*。其中一些使用語言的中間表示，允許一種語言翻譯成中間表示，再從中間表示翻譯成另一種語言。這樣，添加更多語言只需翻譯到和從中間表示，而不是翻譯到和從所有其他語言。
-
-### 神經翻譯
-
-神經翻譯利用 AI 的力量進行翻譯，通常使用一個模型翻譯整個句子。這些模型基於由人類翻譯的大型數據集進行訓練，例如網頁、書籍和聯合國文件。
-
-神經翻譯模型通常比機器翻譯模型更小，因為不需要大型短語和成語數據庫。現代 AI 翻譯服務通常混合多種技術，結合統計機器翻譯和神經翻譯。
-
-任何語言對之間都沒有 1:1 的翻譯。不同的翻譯模型會根據訓練模型的數據產生略有不同的結果。翻譯並不總是對稱的——即如果你將一個句子從一種語言翻譯成另一種語言，再翻譯回原語言，可能會得到略有不同的句子。
-
-✅ 試試不同的線上翻譯工具，例如 [Bing 翻譯](https://www.bing.com/translator)、[Google 翻譯](https://translate.google.com) 或 Apple 翻譯應用程式。比較幾個句子的翻譯版本。也可以嘗試在一個工具中翻譯，再在另一個工具中翻譯回來。
-
-## 翻譯服務
-
-有許多 AI 服務可以從你的應用程式中用來翻譯語音和文字。
-
-### 認知服務語音服務
-
-![語音服務標誌](../../../../../translated_images/zh-TW/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png)
-
-你在過去幾節課中使用的語音服務具有語音識別的翻譯功能。當你識別語音時，可以要求不僅提供相同語言的文字，還可以提供其他語言的文字。
-
-> 💁 這僅適用於語音 SDK，REST API 不內建翻譯功能。
-
-### 認知服務翻譯服務
-
-![翻譯服務標誌](../../../../../translated_images/zh-TW/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png)
-
-翻譯服務是一個專門的翻譯服務，可以將文字從一種語言翻譯成一種或多種目標語言。除了翻譯，它還支援許多額外功能，包括屏蔽不雅詞語。它還允許你為特定單詞或句子提供特定翻譯，以處理你不希望翻譯的術語或具有特定知名翻譯的術語。
-
-例如，當翻譯句子 "I have a Raspberry Pi"（指的是單板電腦）到另一種語言如法語時，你可能希望保留 "Raspberry Pi" 的名稱不變，而不是翻譯它，得到 "J’ai un Raspberry Pi" 而不是 "J’ai une pi aux framboises"。
-
-## 建立翻譯資源
-
-在本課程中，你需要一個翻譯資源。你將使用 REST API 來翻譯文字。
-
-### 任務 - 建立翻譯資源
-
-1. 從你的終端或命令提示符執行以下命令，在你的 `smart-timer` 資源群組中建立翻譯資源。
-
-    ```sh
-    az cognitiveservices account create --name smart-timer-translator \
-                                        --resource-group smart-timer \
-                                        --kind TextTranslation \
-                                        --sku F0 \
-                                        --yes \
-                                        --location <location>
-    ```
-
-    將 `<location>` 替換為你建立資源群組時使用的位置。
-
-1. 獲取翻譯服務的金鑰：
-
-    ```sh
-    az cognitiveservices account keys list --name smart-timer-translator \
-                                           --resource-group smart-timer \
-                                           --output table
-    ```
-
-    複製其中一個金鑰。
-
-## 透過翻譯在應用程式中支援多語言
-
-在理想情況下，你的整個應用程式應該能夠理解盡可能多的不同語言，從語音識別到語言理解，再到語音回應。這需要大量工作，因此翻譯服務可以加速應用程式的交付時間。
-
-![智慧計時器架構：將日語翻譯成英語，使用英語處理，再翻譯回日語](../../../../../translated_images/zh-TW/translated-smart-timer.08ac20057fdc5c37.webp)
-
-假設你正在建立一個智慧計時器，使用英語端到端處理，包括理解英語語音並將其轉換為文字、使用英語進行語言理解、用英語構建回應並以英語語音回應。如果你想添加日語支援，可以先將日語語音翻譯成英語文字，然後保持應用程式的核心部分不變，最後將回應文字翻譯成日語，再用日語語音回應。這樣可以快速添加日語支援，並且你可以稍後擴展到提供完整的端到端日語支援。
-
-> 💁 依賴機器翻譯的缺點是不同語言和文化有不同的表達方式，因此翻譯可能與你期望的表達不符。
-
-機器翻譯還為應用程式和設備提供了翻譯使用者創建內容的可能性。科幻作品中經常出現 "通用翻譯器"，這些設備可以將外星語言翻譯成（通常是）美式英語。如果忽略外星部分，這些設備已經不再是科幻，而是科學事實。已經有應用程式和設備可以實現語音和文字的即時翻譯，結合語音和翻譯服務。
-
-其中一個例子是 [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn) 手機應用程式，以下影片展示了其功能：
-
-[![Microsoft Translator 即時功能展示](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
-
-> 🎥 點擊上方圖片觀看影片
-
-想像一下擁有這樣的設備，尤其是在旅行或與不懂其語言的人互動時。在機場或醫院中使用自動翻譯設備將提供急需的無障礙改進。
-
-✅ 做些研究：是否有任何商業化的翻譯物聯網設備？智慧設備中是否內建翻譯功能？
-
-> 👽 雖然目前沒有真正的通用翻譯器可以讓我們與外星人交流，但 [Microsoft Translator 支援克林貢語](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn)。Qapla’！
-
-## 使用 AI 服務翻譯文字
-
-你可以使用 AI 服務為你的智慧計時器添加翻譯功能。
-
-### 任務 - 使用 AI 服務翻譯文字
-
-按照相關指南，將文字翻譯功能添加到你的物聯網設備：
-
-* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
-* [單板電腦 - Raspberry Pi](pi-translate-speech.md)
-* [單板電腦 - 虛擬設備](virtual-device-translate-speech.md)
-
----
-
-## 🚀 挑戰
-
-機器翻譯如何在智慧設備以外的其他物聯網應用程式中受益？思考翻譯如何幫助，不僅是語音，還包括文字。
-
-## 課後測驗
-
-[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
-
-## 回顧與自學
-
-* 閱讀更多關於機器翻譯的內容：[機器翻譯 Wikipedia 頁面](https://wikipedia.org/wiki/Machine_translation)
-* 閱讀更多關於神經機器翻譯的內容：[神經機器翻譯 Wikipedia 頁面](https://wikipedia.org/wiki/Neural_machine_translation)
-* 查看 Microsoft 語音服務支援的語言列表：[語音服務文件中的語言和語音支援](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn)
-
-## 作業
-
-[建立一個通用翻譯器](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/tw/6-consumer/lessons/4-multiple-language-support/assignment.md
deleted file mode 100644
index 42ae4eb88..000000000
--- a/translations/tw/6-consumer/lessons/4-multiple-language-support/assignment.md
+++ /dev/null
@@ -1,29 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
-  "translation_date": "2025-08-24T23:53:55+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
-  "language_code": "tw"
-}
--->
-# 建立一個通用翻譯器
-
-## 說明
-
-通用翻譯器是一種設備，可以在多種語言之間進行翻譯，讓說不同語言的人能夠相互溝通。利用過去幾節課所學的內容，使用兩個 IoT 設備來建立一個通用翻譯器。
-
-> 如果您沒有兩個設備，請按照前幾節課的步驟設置一個虛擬 IoT 設備作為其中一個 IoT 設備。
-
-您應該為每個設備配置一種語言。一個設備接受語音，將其轉換為文字，通過 IoT Hub 和 Functions 應用程序發送到另一個設備，然後進行翻譯並播放翻譯後的語音。
-
-> 💁 提示：在將語音從一個設備發送到另一個設備時，請同時發送語言信息，這樣翻譯會更容易。您甚至可以讓每個設備先通過 IoT Hub 和 Functions 應用程序註冊，傳遞它們支持的語言並存儲在 Azure Storage 中。然後可以使用 Functions 應用程序進行翻譯，將翻譯後的文字發送到 IoT 設備。
-
-## 評分標準
-
-| 評分標準 | 卓越 | 合格 | 需要改進 |
-| -------- | ----- | ----- | -------- |
-| 建立通用翻譯器 | 能夠成功建立通用翻譯器，將一個設備檢測到的語音轉換為另一個設備播放的不同語言的語音 | 能夠使部分組件正常運作，例如捕捉語音或翻譯，但無法建立端到端的解決方案 | 無法建立任何部分可運作的通用翻譯器 |
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/tw/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
deleted file mode 100644
index c384331fd..000000000
--- a/translations/tw/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
+++ /dev/null
@@ -1,162 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
-  "translation_date": "2025-08-24T23:54:41+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
-  "language_code": "tw"
-}
--->
-# 翻譯語音 - Raspberry Pi
-
-在本課程的這部分，你將撰寫程式碼，使用翻譯服務來翻譯文字。
-
-## 使用翻譯服務將文字轉換為語音
-
-語音服務的 REST API 不支援直接翻譯，但你可以使用翻譯服務來翻譯由語音轉文字服務生成的文字，以及語音回應的文字。此服務提供 REST API，可用於翻譯文字。
-
-### 任務 - 使用翻譯資源翻譯文字
-
-1. 你的智慧計時器將設定兩種語言——用於訓練 LUIS 的伺服器語言（同時用於生成與使用者溝通的訊息），以及使用者所說的語言。更新 `language` 變數為使用者將使用的語言，並新增一個名為 `server_language` 的變數，用於設定訓練 LUIS 的語言：
-
-    ```python
-    language = '<user language>'
-    server_language = '<server language>'
-    ```
-
-    將 `<user language>` 替換為你將使用的語言的地區名稱，例如法語的 `fr-FR` 或粵語的 `zn-HK`。
-
-    將 `<server language>` 替換為用於訓練 LUIS 的語言的地區名稱。
-
-    你可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其地區名稱列表。
-
-    > 💁 如果你不會多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 的服務，將你的首選語言翻譯成其他語言。這些服務還可以播放翻譯後的文字音頻。
-    >
-    > 例如，如果你用英文訓練 LUIS，但希望使用法語作為使用者語言，你可以使用 Bing 翻譯將像 "set a 2 minute and 27 second timer" 這樣的句子從英文翻譯成法語，然後使用 **聆聽翻譯** 按鈕將翻譯語音說入麥克風。
-    >
-    > ![Bing 翻譯中的聆聽翻譯按鈕](../../../../../translated_images/zh-TW/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png)
-
-1. 在 `speech_api_key` 下新增翻譯 API 金鑰：
-
-    ```python
-    translator_api_key = '<key>'
-    ```
-
-    將 `<key>` 替換為你的翻譯服務資源的 API 金鑰。
-
-1. 在 `say` 函數上方，定義一個 `translate_text` 函數，用於將文字從伺服器語言翻譯成使用者語言：
-
-    ```python
-    def translate_text(text, from_language, to_language):
-    ```
-
-    此函數接收來源語言和目標語言——你的應用程式需要在辨識語音時將使用者語言轉換為伺服器語言，並在提供語音回饋時將伺服器語言轉換為使用者語言。
-
-1. 在此函數內，定義 REST API 呼叫的 URL 和標頭：
-
-    ```python
-    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
-
-    headers = {
-        'Ocp-Apim-Subscription-Key': translator_api_key,
-        'Ocp-Apim-Subscription-Region': location,
-        'Content-type': 'application/json'
-    }
-    ```
-
-    此 API 的 URL 不依賴地理位置，而是將地理位置作為標頭傳遞。API 金鑰直接使用，因此不像語音服務那樣需要從令牌發行 API 獲取存取令牌。
-
-1. 在下方定義呼叫的參數和主體：
-
-    ```python
-    params = {
-        'from': from_language,
-        'to': to_language
-    }
-
-    body = [{
-        'text' : text
-    }]
-    ```
-
-    `params` 定義了 API 呼叫的參數，傳遞來源語言和目標語言。此呼叫將把 `from` 語言的文字翻譯成 `to` 語言。
-
-    `body` 包含要翻譯的文字。這是一個陣列，因為同一次呼叫可以翻譯多段文字。
-
-1. 呼叫 REST API 並獲取回應：
-
-    ```python
-    response = requests.post(url, headers=headers, params=params, json=body)
-    ```
-
-    回應是一個 JSON 陣列，其中包含一個項目，該項目包含翻譯結果。此項目有一個陣列，包含所有在主體中傳遞的文字的翻譯。
-
-    ```json
-    [
-        {
-            "translations": [
-                {
-                    "text": "Set a 2 minute 27 second timer.",
-                    "to": "en"
-                }
-            ]
-        }
-    ]
-    ```
-
-1. 從陣列中的第一個項目中返回第一個翻譯的 `text` 屬性：
-
-    ```python
-    return response.json()[0]['translations'][0]['text']
-    ```
-
-1. 更新 `while True` 迴圈，將從 `convert_speech_to_text` 呼叫中獲得的文字從使用者語言翻譯成伺服器語言：
-
-    ```python
-    if len(text) > 0:
-        print('Original:', text)
-        text = translate_text(text, language, server_language)
-        print('Translated:', text)
-
-        message = Message(json.dumps({ 'speech': text }))
-        device_client.send_message(message)
-    ```
-
-    此程式碼還會將原始文字和翻譯後的文字打印到控制台。
-
-1. 更新 `say` 函數，將要說的文字從伺服器語言翻譯成使用者語言：
-
-    ```python
-    def say(text):
-        print('Original:', text)
-        text = translate_text(text, server_language, language)
-        print('Translated:', text)
-        speech = get_speech(text)
-        play_speech(speech)
-    ```
-
-    此程式碼還會將原始文字和翻譯後的文字打印到控制台。
-
-1. 執行你的程式碼。確保你的函數應用程式正在運行，並以使用者語言請求計時器，可以自己說該語言，或者使用翻譯應用程式。
-
-    ```output
-    pi@raspberrypi:~/smart-timer $ python3 app.py
-    Connecting
-    Connected
-    Using voice fr-FR-DeniseNeural
-    Original: Définir une minuterie de 2 minutes et 27 secondes.
-    Translated: Set a timer of 2 minutes and 27 seconds.
-    Original: 2 minute 27 second timer started.
-    Translated: 2 minute 27 seconde minute a commencé.
-    Original: Times up on your 2 minute 27 second timer.
-    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
-    ```
-
-    > 💁 由於不同語言表達方式的差異，你可能會得到與提供給 LUIS 的範例稍有不同的翻譯。如果是這種情況，請向 LUIS 添加更多範例，重新訓練並重新發布模型。
-
-> 💁 你可以在 [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi) 資料夾中找到此程式碼。
-
-😀 你的多語言計時器程式大功告成！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/tw/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
deleted file mode 100644
index 688772f7a..000000000
--- a/translations/tw/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
+++ /dev/null
@@ -1,202 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d620a470d9dd8614d99824832978360a",
-  "translation_date": "2025-08-24T23:56:03+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
-  "language_code": "tw"
-}
--->
-# 翻譯語音 - 虛擬物聯網設備
-
-在本課程的這部分，你將撰寫程式碼來翻譯語音，將語音轉換為文字，使用語音服務，然後使用翻譯服務翻譯文字，最後生成語音回應。
-
-## 使用語音服務翻譯語音
-
-語音服務不僅可以將語音轉換為同語言的文字，還可以將輸出翻譯成其他語言。
-
-### 任務 - 使用語音服務翻譯語音
-
-1. 在 VS Code 中打開 `smart-timer` 專案，並確保虛擬環境已在終端中載入。
-
-1. 在現有的匯入語句下方新增以下匯入語句：
-
-    ```python
-    from azure.cognitiveservices import speech
-    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
-    import requests
-    ```
-
-    這些匯入語句包含用於翻譯語音的類別，以及稍後在本課程中用於呼叫翻譯服務的 `requests` 庫。
-
-1. 你的智能計時器將設置兩種語言——用於訓練 LUIS 的伺服器語言（同時用於構建與使用者交流的訊息），以及使用者所說的語言。更新 `language` 變數為使用者所說的語言，並新增一個名為 `server_language` 的變數，用於訓練 LUIS 的語言：
-
-    ```python
-    language = '<user language>'
-    server_language = '<server language>'
-    ```
-
-    將 `<user language>` 替換為你將使用的語言的地區名稱，例如法語的 `fr-FR` 或粵語的 `zn-HK`。
-
-    將 `<server language>` 替換為用於訓練 LUIS 的語言的地區名稱。
-
-    你可以在 [Microsoft Docs 的語言和語音支持文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支持的語言及其地區名稱的列表。
-
-    > 💁 如果你不會多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 這樣的服務，將你的首選語言翻譯成其他語言。這些服務還可以播放翻譯後的文字音頻。請注意，語音識別器可能會忽略設備的一些音頻輸出，因此你可能需要使用額外的設備來播放翻譯後的文字。
-    >
-    > 例如，如果你用英語訓練 LUIS，但希望使用法語作為使用者語言，你可以使用 Bing 翻譯將像 "set a 2 minute and 27 second timer" 這樣的句子從英語翻譯成法語，然後使用 **聆聽翻譯** 按鈕將翻譯語音說入麥克風。
-    >
-    > ![Bing 翻譯中的聆聽翻譯按鈕](../../../../../translated_images/zh-TW/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png)
-
-1. 替換 `recognizer_config` 和 `recognizer` 的聲明為以下內容：
-
-    ```python
-    translation_config = SpeechTranslationConfig(subscription=speech_api_key,
-                                                 region=location,
-                                                 speech_recognition_language=language,
-                                                 target_languages=(language, server_language))
-    
-    recognizer = TranslationRecognizer(translation_config=translation_config)
-    ```
-
-    這段程式碼創建了一個翻譯配置，用於識別使用者語言中的語音，並生成使用者語言和伺服器語言的翻譯。然後使用此配置創建一個翻譯識別器——一個可以將語音識別的輸出翻譯成多種語言的語音識別器。
-
-    > 💁 必須在 `target_languages` 中指定原始語言，否則你將無法獲得任何翻譯。
-
-1. 更新 `recognized` 函數，將函數的全部內容替換為以下內容：
-
-    ```python
-    if args.result.reason == speech.ResultReason.TranslatedSpeech:
-        language_match = next(l for l in args.result.translations if server_language.lower().startswith(l.lower()))
-        text = args.result.translations[language_match]
-        if (len(text) > 0):
-            print(f'Translated text: {text}')
-    
-            message = Message(json.dumps({ 'speech': text }))
-            device_client.send_message(message)
-    ```
-
-    此程式碼檢查是否因語音被翻譯而觸發了識別事件（此事件可能在其他情況下觸發，例如語音被識別但未翻譯）。如果語音被翻譯，它會在 `args.result.translations` 字典中找到與伺服器語言匹配的翻譯。
-
-    `args.result.translations` 字典的鍵是地區設置的語言部分，而不是整個設置。例如，如果你請求翻譯成法語的 `fr-FR`，字典中將包含 `fr` 的條目，而不是 `fr-FR`。
-
-    翻譯後的文字將被發送到 IoT Hub。
-
-1. 運行此程式碼以測試翻譯功能。確保你的函數應用正在運行，並以使用者語言請求計時器，可以自己說該語言，或者使用翻譯應用。
-
-    ```output
-    (.venv) ➜  smart-timer python app.py
-    Connecting
-    Connected
-    Translated text: Set a timer of 2 minutes and 27 seconds.
-    ```
-
-## 使用翻譯服務翻譯文字
-
-語音服務不支持將文字翻譯回語音，取而代之的是可以使用翻譯服務來翻譯文字。此服務提供 REST API，可用於翻譯文字。
-
-### 任務 - 使用翻譯資源翻譯文字
-
-1. 在 `speech_api_key` 下方新增翻譯 API 金鑰：
-
-    ```python
-    translator_api_key = '<key>'
-    ```
-
-    將 `<key>` 替換為你的翻譯服務資源的 API 金鑰。
-
-1. 在 `say` 函數上方定義一個 `translate_text` 函數，用於將文字從伺服器語言翻譯成使用者語言：
-
-    ```python
-    def translate_text(text):
-    ```
-
-1. 在此函數內定義 REST API 呼叫的 URL 和標頭：
-
-    ```python
-    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
-
-    headers = {
-        'Ocp-Apim-Subscription-Key': translator_api_key,
-        'Ocp-Apim-Subscription-Region': location,
-        'Content-type': 'application/json'
-    }
-    ```
-
-    此 API 的 URL 不特定於位置，位置是作為標頭傳遞的。API 金鑰直接使用，因此不像語音服務那樣需要從令牌發行 API 獲取訪問令牌。
-
-1. 在此函數下方定義呼叫的參數和主體：
-
-    ```python
-    params = {
-        'from': server_language,
-        'to': language
-    }
-
-    body = [{
-        'text' : text
-    }]
-    ```
-
-    `params` 定義了傳遞給 API 呼叫的參數，指定翻譯的來源語言和目標語言。此呼叫將把 `from` 語言的文字翻譯成 `to` 語言。
-
-    `body` 包含要翻譯的文字。這是一個陣列，因為可以在同一呼叫中翻譯多個文字塊。
-
-1. 呼叫 REST API 並獲取回應：
-
-    ```python
-    response = requests.post(url, headers=headers, params=params, json=body)
-    ```
-
-    回應是一個 JSON 陣列，其中包含一個項目，該項目包含翻譯。此項目有一個陣列，包含所有在主體中傳遞的項目的翻譯。
-
-    ```json
-    [
-        {
-            "translations": [
-                {
-                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
-                    "to": "fr"
-                }
-            ]
-        }
-    ]
-    ```
-
-1. 從陣列的第一個項目中返回第一個翻譯的 `text` 屬性：
-
-    ```python
-    return response.json()[0]['translations'][0]['text']
-    ```
-
-1. 更新 `say` 函數，在生成 SSML 之前翻譯要說的文字：
-
-    ```python
-    print('Original:', text)
-    text = translate_text(text)
-    print('Translated:', text)
-    ```
-
-    此程式碼還將原始文字和翻譯後的文字打印到控制台。
-
-1. 運行你的程式碼。確保你的函數應用正在運行，並以使用者語言請求計時器，可以自己說該語言，或者使用翻譯應用。
-
-    ```output
-    (.venv) ➜  smart-timer python app.py
-    Connecting
-    Connected
-    Translated text: Set a timer of 2 minutes and 27 seconds.
-    Original: 2 minute 27 second timer started.
-    Translated: 2 minute 27 seconde minute a commencé.
-    Original: Times up on your 2 minute 27 second timer.
-    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
-    ```
-
-    > 💁 由於不同語言表達方式的差異，你可能會得到與你提供給 LUIS 的範例略有不同的翻譯。如果是這種情況，請向 LUIS 添加更多範例，重新訓練並重新發布模型。
-
-> 💁 你可以在 [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device) 資料夾中找到此程式碼。
-
-😀 你的多語言計時器程式成功了！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/tw/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
deleted file mode 100644
index 393b36dd9..000000000
--- a/translations/tw/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
+++ /dev/null
@@ -1,282 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5f6c164e349f8989959e02a90f37908d",
-  "translation_date": "2025-08-24T23:49:06+00:00",
-  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
-  "language_code": "tw"
-}
--->
-# 翻譯語音 - Wio Terminal
-
-在本課程的這部分，您將撰寫程式碼，使用翻譯服務來翻譯文字。
-
-## 使用翻譯服務將文字轉換為語音
-
-語音服務的 REST API 不支援直接翻譯，但您可以使用翻譯服務將語音轉文字服務生成的文字以及語音回應的文字進行翻譯。此服務提供 REST API，您可以用來翻譯文字，但為了更方便使用，您可以在函數應用程式中包裝成另一個 HTTP 觸發器。
-
-### 任務 - 建立無伺服器函數來翻譯文字
-
-1. 在 VS Code 中開啟您的 `smart-timer-trigger` 專案，並確保終端機已啟動虛擬環境。如果未啟動，請終止並重新建立終端機。
-
-1. 開啟 `local.settings.json` 檔案，並新增翻譯 API 金鑰和位置的設定：
-
-    ```json
-    "TRANSLATOR_KEY": "<key>",
-    "TRANSLATOR_LOCATION": "<location>"
-    ```
-
-    將 `<key>` 替換為您的翻譯服務資源的 API 金鑰。將 `<location>` 替換為您建立翻譯服務資源時使用的位置。
-
-1. 在函數應用程式專案的根目錄中，使用以下指令新增一個名為 `translate-text` 的 HTTP 觸發器：
-
-    ```sh
-    func new --name translate-text --template "HTTP trigger"
-    ```
-
-    這將建立一個名為 `translate-text` 的 HTTP 觸發器。
-
-1. 將 `translate-text` 資料夾中的 `__init__.py` 檔案內容替換為以下內容：
-
-    ```python
-    import logging
-    import os
-    import requests
-    
-    import azure.functions as func
-    
-    location = os.environ['TRANSLATOR_LOCATION']
-    translator_key = os.environ['TRANSLATOR_KEY']
-    
-    def main(req: func.HttpRequest) -> func.HttpResponse:
-        req_body = req.get_json()
-        from_language = req_body['from_language']
-        to_language = req_body['to_language']
-        text = req_body['text']
-        
-        logging.info(f'Translating {text} from {from_language} to {to_language}')
-    
-        url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
-    
-        headers = {
-            'Ocp-Apim-Subscription-Key': translator_key,
-            'Ocp-Apim-Subscription-Region': location,
-            'Content-type': 'application/json'
-        }
-    
-        params = {
-            'from': from_language,
-            'to': to_language
-        }
-    
-        body = [{
-            'text' : text
-        }]
-        
-        response = requests.post(url, headers=headers, params=params, json=body)
-        return func.HttpResponse(response.json()[0]['translations'][0]['text'])
-    ```
-
-    此程式碼從 HTTP 請求中提取文字和語言，然後向翻譯 REST API 發出請求，將語言作為 URL 的參數，並將要翻譯的文字作為主體傳遞。最後返回翻譯結果。
-
-1. 在本地執行您的函數應用程式。您可以使用類似 curl 的工具來呼叫它，就像測試 `text-to-timer` HTTP 觸發器一樣。確保以 JSON 主體的形式傳遞要翻譯的文字和語言：
-
-    ```json
-    {
-        "text": "Définir une minuterie de 30 secondes",
-        "from_language": "fr-FR",
-        "to_language": "en-US"
-    }
-    ```
-
-    此範例將 *Définir une minuterie de 30 secondes* 從法語翻譯為美式英語。它將返回 *Set a 30-second timer*。
-
-> 💁 您可以在 [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions) 資料夾中找到此程式碼。
-
-### 任務 - 使用翻譯函數來翻譯文字
-
-1. 如果尚未開啟，請在 VS Code 中開啟 `smart-timer` 專案。
-
-1. 您的智慧計時器將設定兩種語言 - 用於訓練 LUIS 的伺服器語言（此語言也用於構建與使用者對話的訊息）以及使用者說的語言。更新 `config.h` 標頭檔案中的 `LANGUAGE` 常數為使用者將使用的語言，並新增一個名為 `SERVER_LANGUAGE` 的常數，用於訓練 LUIS 的語言：
-
-    ```cpp
-    const char *LANGUAGE = "<user language>";
-    const char *SERVER_LANGUAGE = "<server language>";
-    ```
-
-    將 `<user language>` 替換為您將使用的語言的區域名稱，例如法語為 `fr-FR`，或粵語為 `zn-HK`。
-
-    將 `<server language>` 替換為用於訓練 LUIS 的語言的區域名稱。
-
-    您可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其區域名稱的清單。
-
-    > 💁 如果您不會多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 這樣的服務，將您的首選語言翻譯成其他語言。這些服務還可以播放翻譯後的文字音頻。
-    >
-    > 例如，如果您用英語訓練 LUIS，但希望使用法語作為使用者語言，您可以使用 Bing 翻譯將 "set a 2 minute and 27 second timer" 從英語翻譯成法語，然後使用 **聆聽翻譯** 按鈕將翻譯內容說入您的麥克風。
-    >
-    > ![Bing 翻譯上的聆聽翻譯按鈕](../../../../../translated_images/zh-TW/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png)
-
-1. 在 `SPEECH_LOCATION` 下方新增翻譯 API 金鑰和位置：
-
-    ```cpp
-    const char *TRANSLATOR_API_KEY = "<KEY>";
-    const char *TRANSLATOR_LOCATION = "<LOCATION>";
-    ```
-
-    將 `<KEY>` 替換為您的翻譯服務資源的 API 金鑰。將 `<LOCATION>` 替換為您建立翻譯服務資源時使用的位置。
-
-1. 在 `VOICE_URL` 下方新增翻譯觸發器的 URL：
-
-    ```cpp
-    const char *TRANSLATE_FUNCTION_URL = "<URL>";
-    ```
-
-    將 `<URL>` 替換為函數應用程式中 `translate-text` HTTP 觸發器的 URL。這將與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，但函數名稱為 `translate-text` 而非 `text-to-timer`。
-
-1. 在 `src` 資料夾中新增一個名為 `text_translator.h` 的檔案。
-
-1. 此新的 `text_translator.h` 標頭檔案將包含一個用於翻譯文字的類別。在此檔案中新增以下內容以宣告此類別：
-
-    ```cpp
-    #pragma once
-    
-    #include <Arduino.h>
-    #include <ArduinoJson.h>
-    #include <HTTPClient.h>
-    #include <WiFiClient.h>
-    
-    #include "config.h"
-    
-    class TextTranslator
-    {
-    public:   
-    private:
-        WiFiClient _client;
-    };
-    
-    TextTranslator textTranslator;
-    ```
-
-    這宣告了 `TextTranslator` 類別，以及此類別的一個實例。該類別有一個用於 WiFi 客戶端的欄位。
-
-1. 在此類別的 `public` 區域中，新增一個用於翻譯文字的方法：
-
-    ```cpp
-    String translateText(String text, String from_language, String to_language)
-    {
-    }
-    ```
-
-    此方法接收要翻譯的來源語言和目標語言。在處理語音時，語音將從使用者語言翻譯為 LUIS 伺服器語言，而在提供回應時，則會從 LUIS 伺服器語言翻譯為使用者語言。
-
-1. 在此方法中，新增程式碼以構建包含要翻譯文字和語言的 JSON 主體：
-
-    ```cpp
-    DynamicJsonDocument doc(1024);
-    doc["text"] = text;
-    doc["from_language"] = from_language;
-    doc["to_language"] = to_language;
-
-    String body;
-    serializeJson(doc, body);
-
-    Serial.print("Translating ");
-    Serial.print(text);
-    Serial.print(" from ");
-    Serial.print(from_language);
-    Serial.print(" to ");
-    Serial.print(to_language);
-    ```
-
-1. 在此下方，新增以下程式碼以將主體發送到無伺服器函數應用程式：
-
-    ```cpp
-    HTTPClient httpClient;
-    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
-
-    int httpResponseCode = httpClient.POST(body);
-    ```
-
-1. 接下來，新增程式碼以獲取回應：
-
-    ```cpp
-    String translated_text = "";
-
-    if (httpResponseCode == 200)
-    {
-        translated_text = httpClient.getString();
-        Serial.print("Translated: ");
-        Serial.println(translated_text);
-    }
-    else
-    {
-        Serial.print("Failed to translate text - error ");
-        Serial.println(httpResponseCode);
-    }
-    ```
-
-1. 最後，新增程式碼以關閉連線並返回翻譯後的文字：
-
-    ```cpp
-    httpClient.end();
-
-    return translated_text;
-    ```
-
-### 任務 - 翻譯識別的語音和回應
-
-1. 開啟 `main.cpp` 檔案。
-
-1. 在檔案頂部新增一個包含 `TextTranslator` 類別標頭檔案的指令：
-
-    ```cpp
-    #include "text_translator.h"
-    ```
-
-1. 設定計時器或計時器到期時說出的文字需要被翻譯。為此，在 `say` 函數的第一行新增以下內容：
-
-    ```cpp
-    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
-    ```
-
-    這將把文字翻譯成使用者的語言。
-
-1. 在 `processAudio` 函數中，透過 `String text = speechToText.convertSpeechToText();` 呼叫從捕獲的音頻中檢索文字。在此呼叫之後，翻譯文字：
-
-    ```cpp
-    String text = speechToText.convertSpeechToText();
-    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
-    ```
-
-    這將把文字從使用者語言翻譯成伺服器使用的語言。
-
-1. 編譯此程式碼，將其上傳到您的 Wio Terminal，並透過序列監視器進行測試。一旦您在序列監視器中看到 `Ready`，按下 C 按鈕（左側靠近電源開關的按鈕），然後說話。確保您的函數應用程式正在執行，並以使用者語言請求計時器，無論是自己說該語言，還是使用翻譯應用程式。
-
-    ```output
-    Connecting to WiFi..
-    Connected!
-    Got access token.
-    Ready.
-    Starting recording...
-    Finished recording
-    Sending speech...
-    Speech sent!
-    {"RecognitionStatus":"Success","DisplayText":"Définir une minuterie de 2 minutes 27 secondes.","Offset":9600000,"Duration":40400000}
-    Translating Définir une minuterie de 2 minutes 27 secondes. from fr-FR to en-US
-    Translated: Set a timer of 2 minutes 27 seconds.
-    Set a timer of 2 minutes 27 seconds.
-    {"seconds": 147}
-    Translating 2 minute 27 second timer started. from en-US to fr-FR
-    Translated: 2 minute 27 seconde minute a commencé.
-    2 minute 27 seconde minute a commencé.
-    Translating Times up on your 2 minute 27 second timer. from en-US to fr-FR
-    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
-    Chronométrant votre minuterie de 2 minutes 27 secondes.
-    ```
-
-> 💁 您可以在 [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal) 資料夾中找到此程式碼。
-
-😀 您的多語言計時器程式大功告成！
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/CODE_OF_CONDUCT.md b/translations/tw/CODE_OF_CONDUCT.md
deleted file mode 100644
index e85577dd1..000000000
--- a/translations/tw/CODE_OF_CONDUCT.md
+++ /dev/null
@@ -1,21 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
-  "translation_date": "2025-08-24T21:01:15+00:00",
-  "source_file": "CODE_OF_CONDUCT.md",
-  "language_code": "tw"
-}
--->
-# Microsoft 開源行為準則
-
-此專案已採用 [Microsoft 開源行為準則](https://opensource.microsoft.com/codeofconduct/)。
-
-資源：
-
-- [Microsoft 開源行為準則](https://opensource.microsoft.com/codeofconduct/)
-- [Microsoft 行為準則常見問題](https://opensource.microsoft.com/codeofconduct/faq/)
-- 如有疑問或擔憂，請聯繫 [opencode@microsoft.com](mailto:opencode@microsoft.com)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/CONTRIBUTING.md b/translations/tw/CONTRIBUTING.md
deleted file mode 100644
index c0769699f..000000000
--- a/translations/tw/CONTRIBUTING.md
+++ /dev/null
@@ -1,23 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "d6f80293fa9c213283eac7e79b078671",
-  "translation_date": "2025-08-24T21:04:48+00:00",
-  "source_file": "CONTRIBUTING.md",
-  "language_code": "tw"
-}
--->
-# 貢獻
-
-此專案歡迎各種貢獻與建議。大多數的貢獻需要您同意一份貢獻者授權協議 (CLA)，聲明您擁有權利並實際授予我們使用您貢獻的權利。詳細資訊請參訪 https://cla.microsoft.com。
-
-> 重要提示：在翻譯此存儲庫中的文字時，請確保不要使用機器翻譯。我們將通過社群驗證翻譯，因此請僅在您精通的語言中自願進行翻譯。
-
-當您提交拉取請求 (pull request) 時，CLA 機器人會自動判斷您是否需要提供 CLA，並適當地標記 PR（例如，標籤、評論）。只需按照機器人提供的指示操作即可。您只需在所有使用我們 CLA 的存儲庫中完成一次此操作。
-
-此專案已採用 [Microsoft 開源行為準則](https://opensource.microsoft.com/codeofconduct/)。  
-欲了解更多資訊，請閱讀 [行為準則常見問題](https://opensource.microsoft.com/codeofconduct/faq/)  
-或聯絡 [opencode@microsoft.com](mailto:opencode@microsoft.com) 提出其他問題或意見。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/README.md b/translations/tw/README.md
deleted file mode 100644
index 08c1ea021..000000000
--- a/translations/tw/README.md
+++ /dev/null
@@ -1,222 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "6c354ec3487e4f6cfafbe44557996cd9",
-  "translation_date": "2026-01-05T17:28:04+00:00",
-  "source_file": "README.md",
-  "language_code": "tw"
-}
--->
-[![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/)
-
-### 加入 Azure AI Foundry 社群
-
-如果您在建立 AI 應用程式時遇到困難或有任何問題，歡迎加入學習者與經驗豐富開發者們的 MCP 討論社群。這是一個支持性的社群，歡迎提問並自由分享知識。
-
-[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
-
-如果您在建置過程中有產品回饋或錯誤，請造訪：
-
-[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
-
-請依照以下步驟開始使用這些資源：
-1. **Fork 倉庫**：點擊 [![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork)
-2. **Clone 倉庫**：   `git clone https://github.com/microsoft/IoT-For-Beginners.git`
-3. [**加入 Microsoft Foundry Discord，與專家和其他開發者交流**](https://discord.com/invite/ByRwuEEgH4)
-
-
-### 🌐 多語系支援
-
-#### 透過 GitHub Action 支援（自動且永遠保持最新）
-
-<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
-[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](./README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
-
-> **偏好本機 Clone？**
-
-> 本倉庫包含 50 多種語言翻譯，會大幅增加下載大小。若想不下載翻譯檔，可以使用 sparse checkout：
-> ```bash
-> git clone --filter=blob:none --sparse https://github.com/microsoft/IoT-For-Beginners.git
-> cd IoT-For-Beginners
-> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
-> ```
-> 這樣可以更快完成下載，並擁有完成課程所需的所有內容。
-<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
-
-# 初學者的物聯網課程大綱
-
-Microsoft 的 Azure Cloud Advocates 很高興提供一套為期 12 週、共 24 課的物聯網基礎課程。每堂課包含課前與課後小測驗、完整的書面教學步驟、解答、作業等。我們以專案導向教學，讓你邊學邊做，這是讓新技能穩固內化的有效方式。
-
-這些專案涵蓋從農場到餐桌的完整過程。包含農業、生產製造、物流、零售和消費等領域——均為物聯網裝置應用的熱門產業。
-
-![課程路線圖，顯示涵蓋入門、農業、運輸、加工、零售及烹飪共24堂課程](../../translated_images/zh-TW/Roadmap.bb1dec285dda0eda.webp)
-
-> 筆記由 [Nitya Narasimhan](https://github.com/nitya) 繪製。點擊圖片可看大圖版本。
-
-**特別感謝作者 [Jen Fox](https://github.com/jenfoxbot)、[Jen Looper](https://github.com/jlooper)、[Jim Bennett](https://github.com/jimbobbennett) 與我們的手繪藝術家 [Nitya Narasimhan](https://github.com/nitya) 的努力付出。**
-
-**同時感謝 [Microsoft Learn 學生大使團隊](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn)，他們審閱與翻譯了這份課程，包括：[Aditya Garg](https://github.com/AdityaGarg00)、[Anurag Sharma](https://github.com/Anurag-0-1-A)、[Arpita Das](https://github.com/Arpiiitaaa)、[Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/)、[Bhavesh Suneja](https://github.com/EliteWarrior315)、[Faith Hunja](https://faithhunja.github.io/)、[Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/)、[Manvi Jha](https://github.com/Severus-Matthew)、[Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/)、[Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119)、[Mohammad Zulfikar](https://github.com/mohzulfikar)、[Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba)、[Thanmai Gowducheruvu](https://github.com/innovation-platform)、和 [Zina Kamel](https://www.linkedin.com/in/zina-kamel/)。**
-
-認識團隊！
-
-[![宣傳影片](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)
-
-**動圖由** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) 製作
-
-> 🎥 點擊上方圖片觀看專案介紹影片！
-
-> **教師們**，我們[提供了一些建議](for-teachers.md)教你如何使用這份課程。如果你想自行建立課程，也有[課程模板](lesson-template/README.md)可供使用。
-
-> **[學生](https://aka.ms/student-page)**，如果想自行使用這份課程，請 fork 整個倉庫並自行完成練習，先從課前小測驗開始，然後閱讀講義並完成後續活動。盡量透過理解課程來自行創作專案，而非直接複製解答程式碼；不過解答程式碼可在每個專案導向課程的 /solutions 資料夾找到。另一個選項是與朋友組成讀書會，一起學習內容。想更深入學習，我們推薦 [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn)。
-
-想看本課程影片總覽：
-
-[![宣傳影片](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video")
-
-> 🎥 點擊上方圖片觀看專案介紹影片！
-
-## 教學理念
-
-本課程設計遵循兩項教學原則：專案導向及頻繁的小測驗。完成系列課程後，學生將建立一套植物監控及灌溉系統、車輛追蹤系統、一個智慧工廠用於監測與檢查食品，還有一個語音控制的烹飪定時器，並學會物聯網基礎知識，包括撰寫裝置程式、連接雲端、分析遙測資料及在邊緣執行 AI。
-
-藉由將內容與專案對齊，能提高學生的參與度並加深對概念的記憶。
-
-此外，課前低壓的小測幫助學生建立學習目標，課後的測驗則促進知識鞏固。本課程靈活、有趣，可全程參與或就部分學習。專案從簡單開始，並在 12 週結束時逐步變得更有挑戰性。
-
-每個專案均以學生與興趣者可取得的實體硬體為基礎。每個專案會介紹特定領域背景知識。若要成為成功的開發者，了解問題所在的領域非常重要，提供這些背景知識讓學生能從物聯網開發者視角思考方案與學習點。學生會學習到所建方案的「原因」，並認識終端使用者需求。
-
-## 硬體設備
-
-專案使用的物聯網硬體有兩種選擇，取決於個人喜好、程式語言背景、學習目標和硬體取得情況。我們也提供一個“虛擬硬體”版本，供無法取得實體硬體、或想先學習後再決定購買的人使用。您可以在[硬體頁面](./hardware.md)看到更多資訊，以及由我們的合作夥伴 Seeed Studio 提供的完整套件購買連結。
-> 💁 找到我們的[行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)和[翻譯指南](TRANSLATIONS.md)。歡迎您提供建設性的回饋！
->
-> 🔧 遇到問題？查看我們的[故障排除指南](TROUBLESHOOTING.md)以獲得常見問題的解決方案。
-
-## 每堂課包含：
-
-- 手繪筆記
-- 可選的補充影片
-- 課前熱身測驗
-- 書面課程內容
-- 對於專案導向課程，逐步建置專案的指南
-- 知識檢測
-- 挑戰任務
-- 補充閱讀
-- 作業
-- [課後測驗](https://ff-quizzes.netlify.app/en/)
-
-> **關於測驗的說明**：所有測驗都包含在 quiz-app 資料夾中，共有 48 個測驗，每個測驗包含三題問題。測驗從課程內容中連結，但 quiz 應用程式可在本機執行或部署到 Azure；請遵循 `quiz-app` 資料夾中的指示。目前測驗逐步進行在地化。
-
-## 課程
-
-|       |              專案名稱               |                         教授概念                          | 學習目標                                                                                                                                                         |                                                        相關課程                                                         |
-| :---: | :------------------------------: | :-----------------------------------------------------: | -------------------------------------------------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------: |
-|  01   | [入門指南](./1-getting-started/README.md) |                      物聯網簡介                      | 學習物聯網的基本原理及物聯網解決方案的基本組成，如感測器與雲端服務，同時設置第一個物聯網設備                                                                                            |                        [物聯網簡介](./1-getting-started/lessons/1-introduction-to-iot/README.md)                        |
-|  02   | [入門指南](./1-getting-started/README.md) |                  更深入的物聯網介紹                  | 更了解物聯網系統的組件，以及微控制器與單板電腦                                                                                                                           |                      [更深入的物聯網介紹](./1-getting-started/lessons/2-deeper-dive/README.md)                       |
-|  03   | [入門指南](./1-getting-started/README.md) | 使用感測器與執行器與物理世界互動 | 了解感測器收集物理世界資料與執行器回饋訊息，並建立一盞夜燈                                                                                                                    | [使用感測器與執行器與物理世界互動](./1-getting-started/lessons/3-sensors-and-actuators/README.md) |
-|  04   | [入門指南](./1-getting-started/README.md) |             將你的裝置連接到網際網路              | 學習如何將物聯網裝置連接到網際網路，發送和接收訊息，將你的夜燈連接到 MQTT 仲介軟體                                                                                                  |               [將你的裝置連接到網際網路](./1-getting-started/lessons/4-connect-internet/README.md)                |
-|  05   |           [農場](./2-farm/README.md)           |                   預測植物生長                    | 學習如何利用物聯網裝置擷取的溫度資料來預測植物生長                                                                                                          |                        [預測植物生長](./2-farm/lessons/1-predict-plant-growth/README.md)                          |
-|  06   |           [農場](./2-farm/README.md)           |                   偵測土壤濕度                    | 學習如何偵測土壤濕度及校正土壤濕度感測器                                                                                                                        |                        [偵測土壤濕度](./2-farm/lessons/2-detect-soil-moisture/README.md)                          |
-|  07   |           [農場](./2-farm/README.md)           |                  自動化植物澆水                     | 學習使用繼電器和 MQTT 來自動化與定時澆水                                                                                                                       |                    [自動化植物澆水](./2-farm/lessons/3-automated-plant-watering/README.md)                         |
-|  08   |           [農場](./2-farm/README.md)           |               將植物遷移至雲端                     | 了解雲端及雲端主機物聯網服務，如何將植物連接至其一，替代公共 MQTT 仲介軟體                                                                                                         |                [將植物遷移至雲端](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                     |
-|  09   |           [農場](./2-farm/README.md)           |              將應用程式邏輯遷移至雲端               | 學習如何在雲端撰寫回應物聯網訊息的應用程式邏輯                                                                                                               |           [將應用程式邏輯遷移至雲端](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)              |
-|  10   |           [農場](./2-farm/README.md)           |                     保護植物安全                   | 了解物聯網安全，如何使用金鑰與憑證保護你的植物                                                                                                             |                    [保護植物安全](./2-farm/lessons/6-keep-your-plant-secure/README.md)                            |
-|  11   |       [運輸](./3-transport/README.md)       |                    位置追蹤                       | 了解物聯網裝置的 GPS 位置追蹤                                                                                                                                |                       [位置追蹤](./3-transport/lessons/1-location-tracking/README.md)                             |
-|  12   |       [運輸](./3-transport/README.md)       |                    儲存位置資料                    | 學習如何儲存物聯網資料以便後續視覺化或分析                                                                                                                  |                      [儲存位置資料](./3-transport/lessons/2-store-location-data/README.md)                         |
-|  13   |       [運輸](./3-transport/README.md)       |                   視覺化位置資料                   | 了解如何在地圖上視覺化位置資料，及地圖如何將真實三維世界展現為二维                                                                                                   |                    [視覺化位置資料](./3-transport/lessons/3-visualize-location-data/README.md)                      |
-|  14   |       [運輸](./3-transport/README.md)       |                      地理圍籬                      | 了解地理圍欄及其如何用於當供應鏈內車輛接近目的地時發出警示                                                                                                     |                               [地理圍籬](./3-transport/lessons/4-geofences/README.md)                              |
-|  15   |  [製造](./4-manufacturing/README.md)  |                 訓練水果品質檢測器                 | 了解如何在雲端訓練影像分類器以偵測水果品質                                                                                                                    |               [訓練水果品質檢測器](./4-manufacturing/lessons/1-train-fruit-detector/README.md)                    |
-|  16   |  [製造](./4-manufacturing/README.md)  |                 從物聯網裝置檢測水果品質            | 了解如何從物聯網裝置使用水果品質檢測器                                                                                                                      |             [從物聯網裝置檢測水果品質](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)              |
-|  17   |  [製造](./4-manufacturing/README.md)  |               在邊緣設備運行水果檢測器              | 了解如何在邊緣的物聯網裝置上運行水果檢測器                                                                                                                  |               [在邊緣設備運行水果檢測器](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)            |
-|  18   |  [製造](./4-manufacturing/README.md)  |             從感測器觸發水果品質檢測                | 了解如何從感測器觸發水果品質檢測                                                                                                                            |            [從感測器觸發水果品質檢測](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)                |
-|  19   |         [零售](./5-retail/README.md)         |                   訓練庫存檢測器                   | 學習如何使用物件檢測訓練庫存檢測器，以統計商店中的庫存數量                                                                                                   |                      [訓練庫存檢測器](./5-retail/lessons/1-train-stock-detector/README.md)                        |
-|  20   |         [零售](./5-retail/README.md)         |               從物聯網裝置檢查庫存                 | 了解如何透過物聯網裝置使用物件偵測模型檢查庫存                                                                                                             |                   [從物聯網裝置檢查庫存](./5-retail/lessons/2-check-stock-device/README.md)                       |
-|  21   |       [消費者](./6-consumer/README.md)       |              從物聯網裝置識別語音                   | 學習如何從物聯網裝置識別語音來建立智慧計時器                                                                                                               |                [從物聯網裝置識別語音](./6-consumer/lessons/1-speech-recognition/README.md)                        |
-|  22   |       [消費者](./6-consumer/README.md)       |                  理解語言                           | 學習如何理解對物聯網裝置講述的句子                                                                                                                        |                        [理解語言](./6-consumer/lessons/2-language-understanding/README.md)                          |
-|  23   |       [消費者](./6-consumer/README.md)       |           設定計時器並提供語音反饋                  | 學習如何在物聯網裝置設定計時器，並在計時開始與結束時給予語音反饋                                                                                            |                  [設定計時器並提供語音反饋](./6-consumer/lessons/3-spoken-feedback/README.md)                      |
-|  24   |       [消費者](./6-consumer/README.md)       |                 支援多種語言                        | 學習如何支援多語言，包含使用者講話以及智慧計時器的回應                                                                                                     |                    [支援多種語言](./6-consumer/less-consumer/lessons/4-multiple-language-support/README.md)          |
-
-## 離線存取
-
-您可以使用 [Docsify](https://docsify.js.org/#/) 離線執行本文件。複製此倉庫、在您的本機端[安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此倉庫根目錄輸入 `docsify serve`。網站會在本機端 3000 埠執行：`localhost:3000`。
-
-## 測驗
-
-感謝社群提供這個互動測驗，測驗您在每個章節的知識程度。您可以在[這裡](https://ff-quizzes.netlify.app/en/)測試您的知識。
-
-### PDF
-
-如有需要，您可以生成本文內容的 PDF 用於離線存取。為此，請確保您已[安裝 npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm)，並在此倉庫根目錄執行以下命令：
-
-```sh
-npm i
-npm run convert
-```
-
-### 投影片
-
-部分課程擁有投影片檔案，位於 [slides](../../slides) 資料夾中。
-
-
-## 其他課程
-
-我們團隊也製作其他課程！歡迎參考：
-
-<!-- CO-OP TRANSLATOR OTHER COURSES START -->
-### LangChain
-[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
-[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
-
----
-
-### Azure / Edge / MCP / Agents
-[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的 AI 代理](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
-
----
- 
-### 生成式 AI 系列
-[![初學者的生成式 AI](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![生成式 AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
-[![生成式 AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
-[![生成式 AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
-
----
- 
-### 核心學習
-[![初學者的機器學習](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的資料科學](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的 AI](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的資安](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
-[![初學者的網頁開發](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的物聯網](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
-[![初學者的擴增實境與虛擬實境開發](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
-
----
- 
-### Copilot 系列
-[![AI 配對程式設計的 Copilot](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
-[![C#/.NET 的 Copilot](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
-[![Copilot 冒險](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
-<!-- CO-OP TRANSLATOR OTHER COURSES END -->
-
-## 圖像歸屬
-
-您可以在本課程所需處找到所有使用圖像的歸屬說明，請參考[歸屬說明](./attributions.md)。
-
----
-
-<!-- CO-OP TRANSLATOR DISCLAIMER START -->
-**免責聲明**：  
-本文件係使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能仍包含錯誤或不精確之處。原始文件的母語版本應視為權威來源。對於重要資訊，建議聘請專業人工翻譯。我們不對因使用本翻譯所導致的任何誤解或誤譯負責。
-<!-- CO-OP TRANSLATOR DISCLAIMER END -->
\ No newline at end of file
diff --git a/translations/tw/SECURITY.md b/translations/tw/SECURITY.md
deleted file mode 100644
index 521f5315c..000000000
--- a/translations/tw/SECURITY.md
+++ /dev/null
@@ -1,49 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
-  "translation_date": "2025-08-24T21:04:00+00:00",
-  "source_file": "SECURITY.md",
-  "language_code": "tw"
-}
--->
-# 安全性
-
-Microsoft 非常重視我們軟體產品和服務的安全性，包括透過我們的 GitHub 組織管理的所有原始碼庫，這些組織包括 [Microsoft](https://github.com/Microsoft)、[Azure](https://github.com/Azure)、[DotNet](https://github.com/dotnet)、[AspNet](https://github.com/aspnet)、[Xamarin](https://github.com/xamarin) 和 [我們的 GitHub 組織](https://opensource.microsoft.com/)。
-
-如果您認為在任何 Microsoft 擁有的原始碼庫中發現了符合 [Microsoft 對安全性漏洞的定義](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10)) 的安全性漏洞，請按照以下說明向我們報告。
-
-## 報告安全性問題
-
-**請勿透過公開的 GitHub 問題報告安全性漏洞。**
-
-相反，請透過 Microsoft Security Response Center (MSRC) 報告，網址為 [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report)。
-
-如果您希望在不登入的情況下提交報告，請發送電子郵件至 [secure@microsoft.com](mailto:secure@microsoft.com)。如果可能，請使用我們的 PGP 密鑰加密您的訊息；您可以從 [Microsoft Security Response Center PGP Key 頁面](https://www.microsoft.com/en-us/msrc/pgp-key-msrc) 下載。
-
-您應該在 24 小時內收到回覆。如果因某些原因未收到回覆，請透過電子郵件跟進，以確保我們收到您的原始訊息。更多資訊請參閱 [microsoft.com/msrc](https://www.microsoft.com/msrc)。
-
-請提供以下所需資訊（盡可能提供完整），以幫助我們更好地了解問題的性質和範圍：
-
-  * 問題類型（例如，緩衝區溢位、SQL 注入、跨站腳本攻擊等）
-  * 與問題表現相關的原始檔案的完整路徑
-  * 受影響原始碼的位置（標籤/分支/提交或直接 URL）
-  * 重現問題所需的任何特殊配置
-  * 重現問題的逐步指導
-  * 概念驗證或漏洞利用程式碼（如果可能）
-  * 問題的影響，包括攻擊者可能如何利用該問題
-
-這些資訊將幫助我們更快速地處理您的報告。
-
-如果您是為了漏洞賞金而報告，提供更完整的報告可能有助於獲得更高的賞金獎勵。請訪問我們的 [Microsoft Bug Bounty Program](https://microsoft.com/msrc/bounty) 頁面，了解更多有關我們現行計劃的詳細資訊。
-
-## 偏好語言
-
-我們偏好所有的溝通使用英文。
-
-## 政策
-
-Microsoft 遵循 [協調式漏洞披露](https://www.microsoft.com/en-us/msrc/cvd) 的原則。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/SUPPORT.md b/translations/tw/SUPPORT.md
deleted file mode 100644
index 2f60cdf50..000000000
--- a/translations/tw/SUPPORT.md
+++ /dev/null
@@ -1,23 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "cd89329575372232e59605f7a08ae0df",
-  "translation_date": "2025-08-24T20:59:19+00:00",
-  "source_file": "SUPPORT.md",
-  "language_code": "tw"
-}
--->
-# 支援
-
-## 如何提交問題並獲得幫助  
-
-此專案使用 GitHub Issues 來追蹤錯誤和功能需求。在提交新問題之前，請先搜尋現有問題以避免重複。若有新問題，請將您的錯誤或功能需求提交為一個新 Issue。
-
-如需使用此專案的幫助或有任何疑問，請透過在此存放庫中提出 Issue 與我們聯繫。
-
-## Microsoft 支援政策  
-
-對於此 **專案或產品** 的支援僅限於上述列出的資源。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/TROUBLESHOOTING.md b/translations/tw/TROUBLESHOOTING.md
deleted file mode 100644
index e71275c34..000000000
--- a/translations/tw/TROUBLESHOOTING.md
+++ /dev/null
@@ -1,762 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9713e21a309662f6fcb271b573d47848",
-  "translation_date": "2026-01-05T17:44:02+00:00",
-  "source_file": "TROUBLESHOOTING.md",
-  "language_code": "tw"
-}
--->
-# 疑難排解指南
-
-本指南幫助您解決使用 IoT for Beginners 課程時常見的問題。問題依類別組織，方便快速瀏覽。
-
-## 目錄
-
-- [安裝問題](../..)
-  - [Python 安裝](../..)
-  - [VS Code 與擴充套件](../..)
-  - [PlatformIO（Wio Terminal）](../..)
-  - [Grove 程式庫](../..)
-- [硬體問題](../..)
-  - [Raspberry Pi](../..)
-  - [Wio Terminal](../..)
-  - [虛擬裝置（CounterFit）](../..)
-- [連線問題](../..)
-  - [WiFi 連線](../..)
-  - [雲端服務](../..)
-  - [MQTT](../..)
-- [感測器與致動器問題](../..)
-  - [Grove 感測器](../..)
-  - [相機](../..)
-  - [麥克風與喇叭](../..)
-- [開發環境問題](../..)
-  - [VS Code](../..)
-  - [Python 虛擬環境](../..)
-  - [相依套件](../..)
-- [效能問題](../..)
-- [常見錯誤訊息](../..)
-- [尋求幫助](../..)
-
----
-
-## 安裝問題
-
-### Python 安裝
-
-#### 問題：Python 版本過舊
-**錯誤：** `Python 3.6 或以上版本為必須`
-
-**解決方案：**
-1. 從 [python.org](https://www.python.org/downloads/) 下載最新的 Python 3
-2. Windows 安裝時，勾選「Add Python to PATH」
-3. 驗證安裝：
-   ```bash
-   python3 --version
-   ```
-
-#### 問題：多個 Python 版本造成衝突
-**症狀：** 執行錯誤的 Python 版本，套件安裝到錯誤位置
-
-**解決方案：**
-- **Windows：** 使用 `py -3` 取代 `python` 明確呼叫 Python 3
-- **macOS/Linux：** 使用 `python3` 代替 `python`
-- 專案務必建立並使用虛擬環境
-
-#### 問題：找不到 pip 指令
-**錯誤：** `'pip' 不是內部或外部命令，也不是可執行的程式或批次檔`
-
-**解決方案：**
-1. 嘗試使用 `pip3` 代替 `pip`
-2. 或使用 `python -m pip` 或 `python3 -m pip`
-3. 確認 Python 已加入 PATH（重新安裝 Python 並勾選此選項）
-
-### VS Code 與擴充套件
-
-#### 問題：Pylance 擴充套件不工作
-**症狀：** 沒有 Python 的 IntelliSense、程式碼完成或型別檢查
-
-**解決方案：**
-1. 開啟 VS Code 指令面板（`Ctrl+Shift+P` 或 `Cmd+Shift+P`）
-2. 執行 "Python: Select Interpreter"
-3. 選擇正確的 Python 直譯器（若使用虛擬環境，選擇該環境）
-4. 重新載入 VS Code 視窗
-
-#### 問題：VS Code 無法偵測虛擬環境
-**症狀：** 選擇錯誤的 Python 直譯器
-
-**解決方案：**
-1. 確認已在終端機啟用虛擬環境
-2. 開啟指令面板並執行 "Python: Select Interpreter"
-3. 選擇 `.venv` 資料夾內的直譯器
-4. 檢查狀態列（左下角）顯示正確的 Python 版本
-
-### PlatformIO（Wio Terminal）
-
-#### 問題：PlatformIO 安裝失敗
-**錯誤：** PlatformIO 安裝時出現多種錯誤
-
-**解決方案：**
-1. 確認 VS Code 已更新至最新版
-2. 先安裝 C/C++ 擴充套件
-3. 安裝 PlatformIO 後重新啟動 VS Code
-4. 確認網路連線（PlatformIO 需下載大型檔案）
-
-#### 問題：PlatformIO 找不到開發板
-**症狀：** 無法將程式上傳至 Wio Terminal
-
-**解決方案：**
-1. 嘗試更換 USB 線（有些線僅支援充電）
-2. 檢查裝置管理員（Windows）或用 `ls /dev/tty*`（macOS/Linux）
-3. 安裝或更新 USB 驅動程式
-4. 嘗試不同的 USB 連接埠
-5. 將 Wio Terminal 電源開關滑動兩次快速進入 bootloader 模式
-
-#### 問題：PlatformIO 編譯錯誤
-**錯誤：** `fatal error: Arduino.h: No such file or directory`
-
-**解決方案：**
-1. 刪除專案中的 `.pio` 資料夾
-2. 從指令面板執行 "PlatformIO: Rebuild"
-3. 確認 `platformio.ini` 中板子設定正確：
-   ```ini
-   [env:seeed_wio_terminal]
-   platform = atmelsam
-   board = seeed_wio_terminal
-   framework = arduino
-   ```
-
-### Grove 程式庫
-
-#### 問題：Raspberry Pi 上 Grove 程式庫匯入失敗
-**錯誤：** `ModuleNotFoundError: No module named 'grove'`
-
-**解決方案：**
-1. 重新安裝 Grove 程式庫：
-   ```bash
-   cd ~
-   git clone https://github.com/Seeed-Studio/grove.py
-   cd grove.py
-   sudo pip3 install .
-   ```
-2. 若使用虛擬環境，可能需要全球安裝或複製程式庫
-3. 確認已啟用 I2C：`sudo raspi-config nonint do_i2c 0`
-
-#### 問題：Grove 感測器無法偵測
-**錯誤：** `IOError: [Errno 121] Remote I/O error`
-
-**解決方案：**
-1. 檢查實體連接（確認 Grove 線纜完全插入）
-2. 確認感測器連接到正確的連接埠（類比、數位、I2C、UART）
-3. 執行 `i2cdetect -y 1` 看是否能在 I2C 匯流排上看到裝置
-4. 嘗試更換 Grove 線纜
-5. 確保 Grove Base Hat 正確插在 Raspberry Pi GPIO 頂針上
-
----
-
-## 硬體問題
-
-### Raspberry Pi
-
-#### 問題：Raspberry Pi 無法開機
-**症狀：** 沒有顯示、LED 不亮或出現彩虹畫面
-
-**解決方案：**
-1. **檢查電源供應器：** Pi 4 建議使用官方 5V 3A USB-C 電源
-2. **SD 卡問題：** 
-   - 重新格式化 SD 卡並重新安裝 Raspberry Pi OS
-   - 嘗試其他 SD 卡（建議使用知名品牌）
-   - 確保 SD 卡正確插入
-3. **檢查 HDMI 連接：** 嘗試 Pi 4 上的兩個 HDMI 埠，用接近電源的 HDMI 埠
-
-#### 問題：無法 SSH 連線至 Raspberry Pi
-**症狀：** 連線被拒或逾時
-
-**解決方案：**
-1. 啟用 SSH：
-   - 使用 Raspberry Pi Imager 寫入 SD 卡時，在進階選項開啟 SSH
-   - 或在啟動磁區建立一個名為 `ssh`（無副檔名）的空檔案
-2. 找到 Pi 的 IP 位址：
-   - 檢查路由器的連線裝置列表
-   - 使用 `ping raspberrypi.local`（若 mDNS 有效）
-   - 使用網路掃描工具如 `nmap` 或 Angry IP Scanner
-3. 檢查網路：
-   - 確認 Pi 與電腦同網段
-   - 改用乙太網路連線取代 WiFi
-4. 確認帳號密碼（預設使用者為 `pi`，密碼為 `raspberry`）
-
-#### 問題：Grove Base Hat 無法被辨識
-**症狀：** 感測器不正常、I2C 發生錯誤
-
-**解決方案：**
-1. 確保 Base Hat 完全接合所有 GPIO 頂針
-2. 檢查 Pi 和 Base Hat 是否有彎曲的頂針
-3. 啟用 I2C 介面：
-   ```bash
-   sudo raspi-config nonint do_i2c 0
-   sudo reboot
-   ```
-4. 確認 I2C 是否正常運作：`i2cdetect -y 1`
-
-#### 問題：Raspberry Pi 執行緩慢
-**症狀：** 介面卡頓、反應遲鈍
-
-**解決方案：**
-1. 檢查 SD 卡速度（建議使用 Class 10 或以上，或 USB 外接 SSD）
-2. 釋放磁碟空間：用 `df -h` 檢查，刪除不必要的檔案
-3. 在 `raspi-config` 減少 GPU 記憶體配置（若不大量使用相機或顯示器）
-4. 關閉不必要的程式
-5. 若使用 Pi 3 或更舊版本，可考慮升級至擁有更多 RAM 的 Pi 4
-
-### Wio Terminal
-
-#### 問題：Wio Terminal 螢幕一直黑屏
-**症狀：** 上傳程式後沒有顯示輸出
-
-**解決方案：**
-1. 確認程式有初始化顯示器（使用 TFT_eSPI 程式庫）
-2. 從 [Seeed Wiki](https://wiki.seeedstudio.com/Wio-Terminal-Getting-Started/) 更新 Wio Terminal 韌體
-3. 加入顯示初始化程式碼：
-   ```cpp
-   #include <TFT_eSPI.h>
-   TFT_eSPI tft;
-   tft.begin();
-   tft.fillScreen(TFT_BLACK);
-   ```
-4. 嘗試由 PlatformIO 上傳範例程式測試硬體
-
-#### 問題：Wio Terminal 無法連接 WiFi
-**症狀：** 無法連接 WiFi，發生網路錯誤
-
-**解決方案：**
-1. **更新 WiFi 韌體：** 參考 [Wio Terminal WiFi 韌體更新指南](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/)
-2. **檢查 WiFi 帳密：** 確認 SSID 與密碼正確
-3. **WiFi 頻段：** Wio Terminal 只支援 2.4GHz WiFi（不支援 5GHz）
-4. **訊號強度：** 靠近路由器
-5. **路由器設定：** 部分企業/ WPA-Enterprise 網路可能不相容
-
-#### 問題：電腦無法辨識 Wio Terminal
-**症狀：** USB 裝置未被偵測
-
-**解決方案：**
-1. **嘗試不同 USB 線：** 使用具備資料傳輸功能的線材，非充電線
-2. **進入 bootloader 模式：** 快速滑動電源開關兩次
-   - 藍色 LED 應該會閃爍，裝置在裝置管理員顯示為「Arduino」
-3. **安裝驅動程式（Windows）：**
-   - 下載並安裝 [Seeed USB 驅動程式](https://wiki.seeedstudio.com/Driver_for_Seeeduino/)
-4. **嘗試不同 USB 埠：** 避免使用集線器，改用主機板直連
-5. **更新系統 USB 驅動程式**
-
-#### 問題：Wio Terminal 上感測器無法運作
-**症狀：** Grove 感測器無法讀取資料
-
-**解決方案：**
-1. 檢查 Grove 線纜連接
-2. 確認使用正確的 Grove 連接埠（左側或右側）
-3. 引入正確的感測器程式庫
-4. 檢查感測器電源需求
-5. 用程式庫中的範例程式測試感測器
-
-### 虛擬裝置（CounterFit）
-
-#### 問題：CounterFit 應用程式無法啟動
-**錯誤：** 啟動 CounterFit 時出現各種 Python 錯誤
-
-**解決方案：**
-1. 確認虛擬環境已啟用
-2. 安裝或重新安裝 CounterFit：
-   ```bash
-   pip install CounterFit
-   ```
-3. 檢查埠號 5000 是否已被使用：
-   - Windows: `netstat -ano | findstr :5000`
-   - macOS/Linux: `lsof -i :5000`
-4. 終止佔用埠號 5000 的進程或使用其他埠號：
-   ```bash
-   counterfit --port 5001
-   ```
-
-#### 問題：程式無法連接 CounterFit
-**錯誤：** 連線被拒或逾時
-
-**解決方案：**
-1. 確認 CounterFit 正在執行：於瀏覽器開啟 `http://127.0.0.1:5000`
-2. 檢查程式中連線 URL 是否與 CounterFit 地址相符
-3. 確認防火牆沒有封鎖連線
-4. 重啟 CounterFit 應用程式與您的程式碼
-
-#### 問題：感測器沒有顯示在 CounterFit
-**症狀：** 建立的感測器未在 CounterFit UI 出現
-
-**解決方案：**
-1. 先在 CounterFit UI 創建感測器，再執行程式
-2. 重新整理瀏覽器頁面
-3. 確認感測器類型與程式預期相符
-4. 清除瀏覽器快取
-
----
-
-## 連線問題
-
-### WiFi 連線
-
-#### 問題：裝置無法連接 WiFi
-**症狀：** 連線逾時，認證失敗
-
-**解決方案：**
-1. **檢查 SSID 與密碼：** 確認憑證正確無誤
-2. **WiFi 頻段：** 多數 IoT 裝置僅支援 2.4GHz（不支援 5GHz）
-3. **路由器設定：**
-   - 若有啟用 AP 隔離請關閉
-   - 使用 WPA2-PSK 安全性（避免 WPA3、WEP 或開放網路）
-   - 確認 DHCP 啟用中
-4. **隱藏網路：** 若 SSID 被隱藏，可能需在設定中明確輸入
-5. **訊號強度：** 將裝置靠近路由器
-6. **訊號干擾：** 其他裝置、微波爐或牆壁可能干擾訊號
-
-#### 問題：WiFi 連線頻繁中斷
-**症狀：** 斷斷續續連線
-
-**解決方案：**
-1. 檢查路由器穩定度，考慮重啟
-2. 更新裝置韌體
-3. 改用靜態 IP 代替 DHCP
-4. 減少裝置與路由器距離或加裝 WiFi 延伸器
-5. 檢查附近的干擾來源
-6. 確認電源供應充足（尤其 Raspberry Pi）
-
-### 雲端服務
-
-#### 問題：無法連接 Azure IoT Hub
-**錯誤：** 認證失敗、連線被拒
-
-**解決方案：**
-1. **驗證憑證：**
-   - 確認連線字串正確無誤
-   - 確保連線字串沒有額外空白或換行
-2. **檢查裝置註冊：** 裝置必須已註冊於 IoT Hub
-3. **防火牆/代理：** 確認允許出站 MQTT（埠號 8883）或 HTTPS（埠號 443）
-4. **IoT Hub 地區：** 確認 IoT Hub 運作正常，且非不同地區造成延遲
-5. **配額限制：** 檢查免費層數量是否已超過
-6. **測試連線：**
-   ```bash
-   az iot hub device-identity show-connection-string --hub-name YourIoTHub --device-id YourDevice
-   ```
-
-#### 問題：Azure Functions 未觸發
-**症狀：** 訊息已傳送但函式未執行
-
-**解決方案：**
-1. 確認 Function App 正在運行（非停止狀態）
-2. 驗證 Function App 設定中的連線字串
-3. 檢查 Azure 入口網站上的函式日誌
-4. 確認 Event Hub 相容端點設定正確
-5. 驗證訊息格式符合函式期望
-6. 檢查 Function App 的服務方案（消耗模式或專用）
-
-### MQTT
-#### 問題：MQTT 連線失敗  
-**錯誤：** 連線被拒絕，驗證失敗  
-
-**解決方案：**  
-1. **Broker 地址：** 驗證 Broker 的 URL/IP 是否正確  
-2. **連接埠：** 檢查連接埠號（非加密為 1883，TLS 為 8883）  
-3. **驗證：** 若需要，確認使用者名稱/密碼  
-4. **TLS/SSL：** 確保憑證有效且被信任  
-5. **防火牆：** 確認連接埠未被封鎖  
-6. **使用 MQTT 客戶端測試：** 使用 MQTT Explorer 或 mosquitto_pub/sub 進行測試  
-
-#### 問題：未收到 MQTT 訊息  
-**症狀：** 已發佈訊息但訂閱者未收到  
-
-**解決方案：**  
-1. **主題名稱：** 確認訂閱主題與發佈主題完全相符  
-2. **QoS 等級：** 嘗試使用 QoS 1 或 2 代替 0  
-3. **萬用字元：** 檢查主題萬用字元使用是否正確（`+` 表示單一層級，`#` 表示多層級）  
-4. **保留訊息：** 發佈者可設置保留旗標以保留最後訊息  
-5. **連線時機：** 確保訂閱者在訊息發佈前已連線  
-
----
-
-## 感測器與執行元件問題  
-
-### Grove 感測器  
-
-#### 問題：感測器回傳錯誤值  
-**症狀：** 讀值為 0、-1 或不合理值  
-
-**解決方案：**  
-1. **檢查接線：** 確保感測器連接正確  
-2. **正確插槽：** 確認感測器接在正確的插槽類型：  
-   - 類比感測器 → 類比插槽（A0、A2、A4）  
-   - 數位感測器 → 數位插槽（D5、D16、D18 等）  
-   - I2C 感測器 → I2C 插槽  
-3. **校正：** 某些感測器需要校正（土壤濕度、光線等）  
-4. **重新上電：** 斷開再重新連接感測器  
-5. **感測器規格書：** 查閱感測器規格和需求  
-
-#### 問題：電容式土壤濕度感測器總是顯示潮濕  
-**症狀：** 感測器即使乾燥也顯示高濕度  
-
-**解決方案：**  
-1. **需要校正：** 土壤感測器需要校正：  
-   - 在空氣（乾燥基線）測量數值  
-   - 在水中（潮濕基線）測量數值  
-   - 將讀數映射於該區間  
-2. **檢查感測器塗層：** 若塗層破損，濕度感測器易劣化  
-3. **安放位置：** 確保感測器完全插入土壤中  
-
-#### 問題：溫濕度感測器讀值錯誤  
-**症狀：** DHT11/DHT22 顯示錯誤溫度或濕度  
-
-**解決方案：**  
-1. **感測器放置：** 避免直射陽光、熱源或氣流  
-2. **暖機時間：** 上電後等待約 2 秒再讀取  
-3. **讀取頻率：** DHT 感測器間隔讀取時間需至少 2 秒  
-4. **注意結露：** 可能影響讀取值  
-5. **感測器品質：** DHT11 精度較 DHT22 低  
-
-### 攝影機  
-
-#### 問題：Raspberry Pi 無法偵測攝影機  
-**錯誤：** `mmal: mmal_vc_component_create: failed to create component 'vc.ril.camera'`  
-
-**解決方案：**  
-1. **啟用攝影機介面：**  
-   ```bash
-   sudo raspi-config
-   ```
-   前往介面選項 → 攝影機 → 啟用  
-2. **檢查排線：** 確保攝影機排線正確插入  
-   - Pi Zero 藍色面朝 USB 插槽  
-   - Pi 4 藍色面背離 USB 插槽  
-3. **更新韌體：**  
-   ```bash
-   sudo apt update
-   sudo apt full-upgrade
-   sudo reboot
-   ```
-4. **測試攝影機：**  
-   ```bash
-   raspistill -o test.jpg
-   ```
-  
-#### 問題：攝影機拍攝畫質差  
-**症狀：** 影像模糊、過暗或過曝  
-
-**解決方案：**  
-1. **對焦：** 移除鏡頭保護膜，若可調焦則調整對焦  
-2. **光線：** 確保光線充足  
-3. **攝影機設定：** 在程式中調整曝光、ISO、白平衡  
-4. **穩定性：** 保持攝影機穩定，必要時使用腳架  
-5. **解析度：** 不要超過攝影機最大解析度  
-
-### 麥克風與喇叭  
-
-#### 問題：無音訊輸入/輸出  
-**症狀：** 麥克風無法錄音，喇叭無聲音  
-
-**解決方案：**  
-1. **檢查接線：** 確認音訊設備連接正常  
-2. **測試硬體：**  
-   - 喇叭：`speaker-test -t wav -c 2`  
-   - 麥克風：使用 `arecord -l` 列出裝置，`arecord test.wav` 錄音  
-3. **音量設定：** 檢查並調整音量：  
-   ```bash
-   alsamixer
-   ```
-4. **選擇音訊裝置：** 程式中指定正確音訊裝置  
-5. **驅動問題：** 更新 ALSA 或重新安裝音訊驅動  
-
-#### 問題：ReSpeaker 擴充板無法運作  
-**症狀：** 沒有偵測到音訊設備  
-
-**解決方案：**  
-1. **安裝驅動：**  
-   ```bash
-   git clone https://github.com/HinTak/seeed-voicecard
-   cd seeed-voicecard
-   sudo ./install.sh
-   sudo reboot
-   ```
-2. **確認安裝狀況：** `arecord -l` 應列出 ReSpeaker  
-3. **更新韌體：** 部分 Pi OS 版本需更新驅動  
-4. **檢查安裝：** 確保擴充板正確插在 GPIO 腳位上  
-
----
-
-## 開發環境問題  
-
-### VS Code  
-
-#### 問題：終端機未自動啟動虛擬環境  
-**症狀：** 終端機開啟但未啟用 venv  
-
-**解決方案：**  
-1. **設置 Python 直譯器：** 命令面板 → "Python: Select Interpreter" → 選擇 venv  
-2. 選擇後重新啟動 VS Code  
-3. 檢查 `settings.json`，新增：  
-   ```json
-   "python.terminal.activateEnvironment": true
-   ```
-  
-#### 問題：程式碼在裝置上無執行反應  
-**症狀：** 程式執行，但裝置無任何反應  
-
-**解決方案：**  
-1. **確認程式碼已儲存**（檔案標籤是否有點示意未儲存）  
-2. **檢查執行的 Python 版本：** `which python` 或 `where python`  
-3. **針對 Wio Terminal:** 確保透過 PlatformIO 上傳程式（點擊上傳按鈕）  
-4. **針對 Raspberry Pi:** SSH 連線 Pi 後執行程式  
-5. 查看輸出視窗是否有錯誤訊息  
-
-#### 問題：IntelliSense 不顯示函式自動完成  
-**症狀：** 匯入模組後無自動補全  
-
-**解決方案：**  
-1. 確認函式庫已安裝於當前環境  
-2. 重新載入 VS Code 視窗  
-3. 檢查 Python 直譯器是否正確  
-4. 若有，安裝型別定義：`pip install types-<library-name>`  
-
-### Python 虛擬環境  
-
-#### 問題：無法建立虛擬環境  
-**錯誤：** `The virtual environment was not created successfully`  
-
-**解決方案：**  
-1. **安裝 venv 模組：**  
-   - Ubuntu/Debian: `sudo apt install python3-venv`  
-   - macOS: Python 通常已包含  
-   - Windows: 重新安裝 Python 並包含所有元件  
-2. **檢查 Python 安裝：** 確認 Python 安裝正確  
-3. **使用完整路徑執行：** 嘗試 `python3 -m venv .venv`  
-
-#### 問題：套件安裝到錯誤位置  
-**症狀：** 安裝套件後匯入出錯  
-
-**解決方案：**  
-1. **確認 venv 已啟用：** 命令提示字元應顯示 `(.venv)`  
-2. **檢查 pip 位置：** `which pip` 指向 `.venv/bin/pip`  
-3. **在 venv 中重新安裝：** 啟用 venv 後 `pip install <package>`  
-4. **勿在虛擬環境中用 sudo 執行 pip**  
-
-#### 問題：虛擬環境不可攜帶移動  
-**症狀：** 移動或在不同電腦使用後 venv 無法運作  
-
-**解決方案：**  
-1. **勿移動 venv：** 刪除後在新位置重新建立  
-2. **使用 requirements.txt：**  
-   ```bash
-   pip freeze > requirements.txt
-   pip install -r requirements.txt
-   ```
-3. **重新建立 venv：**  
-   ```bash
-   python3 -m venv .venv
-   source .venv/bin/activate  # 或在 Windows 上執行 activate.bat
-   pip install -r requirements.txt
-   ```
-  
-
-### 相依性問題  
-
-#### 問題：套件安裝失敗  
-**錯誤：** 安裝時出現各種 pip 錯誤  
-
-**解決方案：**  
-1. **更新 pip：**  
-   ```bash
-   pip install --upgrade pip
-   ```
-2. **安裝編譯工具：**  
-   - Ubuntu/Debian: `sudo apt install build-essential python3-dev`  
-   - macOS: `xcode-select --install`  
-   - Windows: 安裝 Visual Studio Build Tools  
-3. **檢查網路連線**  
-4. **嘗試不同套件索引：** `pip install --index-url https://pypi.org/simple/ <package>`  
-5. **指定版本安裝：** `pip install <package>==<version>`  
-
-#### 問題：相依衝突  
-**錯誤：** `ERROR: pip's dependency resolver does not currently take into account all the packages that are installed`  
-
-**解決方案：**  
-1. **為每個專案使用全新虛擬環境**  
-2. **更新套件：** `pip install --upgrade <package>`  
-3. **檢查套件相依：** 使用 `pip check` 找出衝突  
-4. **安裝相容版本：** 在 requirements.txt 指定版本範圍  
-
----
-
-## 效能問題  
-
-### 問題：程式碼執行緩慢  
-**症狀：** 延遲、逾時、無回應  
-
-**解決方案：**  
-1. **減少感測器讀取頻率：** 不要過度頻繁讀取  
-2. **優化迴圈：** 避免忙等待，使用 sleep() 或延遲  
-3. **記憶體問題：**  
-   - 關閉不必要的應用程式  
-   - 釋放儲存空間  
-   - 在 Pi 用 `top` 或 `htop` 監控  
-4. **SD 卡速度：** 使用更快的 SD 卡或 SSD 作為儲存  
-5. **網路延遲：** 網路呼叫使用非同步作業  
-
-### 問題：記憶體不足錯誤  
-**錯誤：** `MemoryError` 或系統當機  
-
-**解決方案：**  
-1. **針對 Raspberry Pi：**  
-   - 關閉不需要的應用程式  
-   - 增加交換區  
-   - 使用精簡版作業系統（Lite 版）  
-   - 升級 RAM（Pi 4 有 2/4/8GB 選項）  
-2. **針對 Wio Terminal：**  
-   - 減小緩衝區大小  
-   - 使用較小的影像  
-   - 優化字串使用  
-   - 檢查記憶體洩漏（未釋放的記憶體）  
-
-### 問題：資料遺失或損壞  
-**症狀：** 訊息遺失、檔案損毀  
-
-**解決方案：**  
-1. **SD 卡問題：**  
-   - 使用品質良好的 SD 卡（避免便宜或仿冒品）  
-   - 定期備份資料  
-   - 正確關機（避免直接拔電）  
-2. **緩衝區溢位：** 增加程式內的緩衝區大小  
-3. **網路可靠度：** 實作重試邏輯和錯誤處理  
-4. **服務品質：** 對重要訊息使用 MQTT QoS 1 或 2  
-
----
-
-## 常見錯誤訊息  
-
-### `ModuleNotFoundError: No module named 'X'`  
-**原因：** 套件未安裝或虛擬環境未啟用  
-
-**解決方案：**  
-```bash
-pip install X
-```
-請先確保虛擬環境已啟用。  
-
-### Linux/macOS 顯示 `Permission denied`  
-**原因：** 需要管理員權限或檔案權限問題  
-
-**解決方案：**  
-- 系統操作使用 `sudo`  
-- pip 不要在虛擬環境使用 sudo，請先啟用 venv  
-- 串列埠權限：將使用者加入 dialout 群組：`sudo usermod -a -G dialout $USER`，然後登出再登入  
-
-### `OSError: [Errno 98] Address already in use`  
-**原因：** 連接埠已被其他程序使用  
-
-**解決方案：**  
-1. 查找使用該埠的程序：`lsof -i :<port>` 或 `netstat -ano | findstr :<port>`  
-2. 結束該程序或在程式中使用不同連接埠  
-
-### `SSL: CERTIFICATE_VERIFY_FAILED`  
-**原因：** SSL 憑證驗證失敗  
-
-**解決方案：**  
-1. 更新憑證：`pip install --upgrade certifi`  
-2. 確認系統時間正確：`date`  
-3. 僅於開發環境（非正式環境）可在程式中關閉驗證  
-
-### `IndentationError: unexpected indent`  
-**原因：** Python 縮排問題（混用 Tab 與空白）  
-
-**解決方案：**  
-1. 使用一致縮排（Python 標準為 4 個空白）  
-2. 編輯器設定使用空白取代 Tab  
-3. VS Code 設定 `"editor.insertSpaces": true` 及 `"editor.tabSize": 4`  
-
-### `UnicodeDecodeError` 或 `UnicodeEncodeError`  
-**原因：** 字元編碼問題  
-
-**解決方案：**  
-```python
-# 讀取檔案時
-with open('file.txt', 'r', encoding='utf-8') as f:
-    content = f.read()
-
-# 寫入檔案時
-with open('file.txt', 'w', encoding='utf-8') as f:
-    f.write(content)
-```
-  
----
-
-## 尋求協助  
-
-若您已嘗試上述排除方式仍有問題：  
-
-### 1. 檢閱現有資源  
-- **文件：** 閱讀 [README](README.md) 和課程指示  
-- **硬體指南：** 查看 [hardware.md](hardware.md) 的硬體相關資訊  
-- **Seeed Studio Wiki：** [Seeed Studio Wiki](https://wiki.seeedstudio.com/) 查找 Grove 元件資訊  
-
-### 2. 搜尋類似問題  
-- **GitHub Issues：** 搜尋 [現有問題](https://github.com/microsoft/IoT-For-Beginners/issues)  
-- **Stack Overflow：** 搜尋錯誤訊息  
-- **裝置論壇：** 查詢 Raspberry Pi 論壇或 Arduino 論壇  
-
-### 3. 建立 GitHub Issue  
-若找不到解決方案：  
-1. 前往 [GitHub Issues](https://github.com/microsoft/IoT-For-Beginners/issues)  
-2. 點擊「New Issue」  
-3. 提供：  
-   - 清楚問題描述  
-   - 重現步驟  
-   - 錯誤訊息（完整）  
-   - 硬體/軟體版本  
-   - 已嘗試過的方案  
-   - 相關截圖（若有）  
-
-### 4. 加入社群  
-- **Discord:** [Microsoft Foundry Discord](https://discord.gg/nTYy5BXMWG)  
-- **Microsoft Learn:** [Microsoft Learn IoT](https://docs.microsoft.com/learn/browse/?products=azure-iot)  
-
-### 5. 提供完整的 Bug 回報  
-一份好的 Bug 回報應包含：
-- **環境:** 作業系統、Python 版本、硬體環境
-- **重現步驟:** 導致問題的準確步驟
-- **預期行為:** 應該發生的狀況
-- **實際行為:** 實際發生的狀況
-- **錯誤訊息:** 完整的錯誤文字，非截圖
-- **程式碼:** 最小化能重現問題的範例程式碼
-
----
-
-## 預防小貼士
-
-### 一般最佳實踐
-1. **保持備份:** 定期備份可用的 SD 卡/程式碼
-2. **記錄變更:** 在註解中記錄有效的方法
-3. **版本控制:** 使用 git 追蹤程式碼變更
-4. **逐步測試:** 先測試小的變更再合併
-5. **閱讀錯誤訊息:** 錯誤訊息常告訴你問題所在
-6. **定期更新:** 保持軟體/韌體最新
-7. **使用優質元件:** 避免使用低價線材/電源供應器
-8. **穩定電源:** 使用適當電源供應器（尤其是 Pi）
-
-### 開發工作流程
-1. **從簡開始:** 從可用的範例程式碼開始
-2. **一次變更一件事:** 更容易找出問題所在
-3. **經常測試:** 早期發現問題
-4. **保持整潔:** 合理組織檔案與程式碼
-5. **註解程式碼:** 未來的你會感謝這些註解
-
----
-
-*此疑難排解指南由社群維護。如果你找到此處未列出的解決方案，請考慮[貢獻](CONTRIBUTING.md)幫助其他人！*
-
----
-
-<!-- CO-OP TRANSLATOR DISCLAIMER START -->
-**免責聲明**：  
-本文件係使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們力求準確，但請注意自動翻譯可能包含錯誤或不準確之處。原文文件的母語版本應視為權威依據。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯而造成的任何誤解或誤譯負責。
-<!-- CO-OP TRANSLATOR DISCLAIMER END -->
\ No newline at end of file
diff --git a/translations/tw/attributions.md b/translations/tw/attributions.md
deleted file mode 100644
index a7c40b51f..000000000
--- a/translations/tw/attributions.md
+++ /dev/null
@@ -1,52 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "4506d33bbda7acc0ab20980172687090",
-  "translation_date": "2025-08-24T20:52:17+00:00",
-  "source_file": "attributions.md",
-  "language_code": "tw"
-}
--->
-# 圖片來源
-
-* 香蕉 - 由 abderraouf omara 提供，來自 [Noun Project](https://thenounproject.com)
-* 大腦 - 由 Icon Market 提供，來自 [Noun Project](https://thenounproject.com)
-* 廣播 - 由 RomStu 提供，來自 [Noun Project](https://thenounproject.com)
-* 按鈕 - 由 Dan Hetteix 提供，來自 [Noun Project](https://thenounproject.com)
-* C451B 小振膜電容麥克風 - 由 AKG Acoustics 製作。[Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) 在 [en.wikipedia](https://en.wikipedia.org/) / [創作共用署名-相同方式共享 3.0 未移植版](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
-* 日曆 - 由 Alice-vector 提供，來自 [Noun Project](https://thenounproject.com)
-* 證書 - 由 alimasykurm 提供，來自 [Noun Project](https://thenounproject.com)
-* 晶片 - 由 Astatine Lab 提供，來自 [Noun Project](https://thenounproject.com)
-* 雲 - 由 Debi Alpa Nugraha 提供，來自 [Noun Project](https://thenounproject.com)
-* 容器 - 由 ProSymbols 提供，來自 [Noun Project](https://thenounproject.com)
-* CPU - 由 Icon Lauk 提供，來自 [Noun Project](https://thenounproject.com)
-* 資料庫 - 由 Icons Bazaar 提供，來自 [Noun Project](https://thenounproject.com)
-* 旋鈕 - 由 Jamie Dickinson 提供，來自 [Noun Project](https://thenounproject.com)
-* GPS - 由 mim studio 提供，來自 [Noun Project](https://thenounproject.com)
-* 加熱器 - 由 Pascal Heß 提供，來自 [Noun Project](https://thenounproject.com)
-* 想法 - 由 Pause08 提供，來自 [Noun Project](https://thenounproject.com)
-* 物聯網 - 由 Adrien Coquet 提供，來自 [Noun Project](https://thenounproject.com)
-* LED - 由 abderraouf omara 提供，來自 [Noun Project](https://thenounproject.com)
-* 光敏電阻 - 由 Eucalyp 提供，來自 [Noun Project](https://thenounproject.com)
-* 燈泡 - 由 Maxim Kulikov 提供，來自 [Noun Project](https://thenounproject.com)
-* 微控制器 - 由 Template 提供，來自 [Noun Project](https://thenounproject.com)
-* 手機 - 由 Alice-vector 提供，來自 [Noun Project](https://thenounproject.com)
-* 馬達 - 由 Bakunetsu Kaito 提供，來自 [Noun Project](https://thenounproject.com)
-* Patti Smith 使用 Shure SM58（動圈心型）麥克風演唱。Beni Köhler / [創作共用署名-相同方式共享 3.0 未移植版](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
-* 植物 - 由 Alex Muravev 提供，來自 [Noun Project](https://thenounproject.com)
-* 植物細胞 - 由 Léa Lortal 提供，來自 [Noun Project](https://thenounproject.com)
-* 探針 - 由 Adnen Kadri 提供，來自 [Noun Project](https://thenounproject.com)
-* 記憶體 - 由 Atif Arshad 提供，來自 [Noun Project](https://thenounproject.com)
-* Raspberry Pi 4 - Michael Henzler / [Wikimedia Commons](https://commons.wikimedia.org/wiki/Main_Page) / [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/)
-* 錄音 - 由 Aybige Speaker 提供，來自 [Noun Project](https://thenounproject.com)
-* 衛星 - 由 Noura Mbarki 提供，來自 [Noun Project](https://thenounproject.com)
-* 智能感測器 - 由 Andrei Yushchenko 提供，來自 [Noun Project](https://thenounproject.com)
-* 揚聲器 - 由 Gregor Cresnar 提供，來自 [Noun Project](https://thenounproject.com)
-* 開關 - 由 Chattapat 提供，來自 [Noun Project](https://thenounproject.com)
-* 溫度 - 由 Vectors Market 提供，來自 [Noun Project](https://thenounproject.com)
-* 番茄 - 由 parkjisun 提供，來自 [Noun Project](https://thenounproject.com)
-* 灑水壺 - 由 Daria Moskvina 提供，來自 [Noun Project](https://thenounproject.com)
-* 天氣 - 由 Adrien Coquet 提供，來自 [Noun Project](https://thenounproject.com)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/clean-up.md b/translations/tw/clean-up.md
deleted file mode 100644
index 516e96b2c..000000000
--- a/translations/tw/clean-up.md
+++ /dev/null
@@ -1,53 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
-  "translation_date": "2025-08-24T21:00:35+00:00",
-  "source_file": "clean-up.md",
-  "language_code": "tw"
-}
--->
-# 清理您的專案
-
-完成每個專案後，建議刪除您的雲端資源。
-
-在每個專案的課程中，您可能已經建立了以下一些資源：
-
-* 資源群組 (Resource Group)
-* IoT 中樞 (IoT Hub)
-* IoT 裝置註冊
-* 儲存帳戶 (Storage Account)
-* Functions 應用程式
-* Azure Maps 帳戶
-* 自訂視覺專案 (Custom Vision Project)
-* Azure 容器註冊表 (Azure Container Registry)
-* 認知服務資源 (Cognitive Services Resource)
-
-這些資源中的大多數不會產生費用——它們要麼完全免費，要麼您使用的是免費層級。對於需要付費層級的服務，您可能使用的是免費配額內的層級，或者只需支付幾分錢。
-
-即使成本相對較低，完成後刪除這些資源仍然是值得的。例如，您只能有一個使用免費層級的 IoT 中樞，如果您想建立另一個，就需要使用付費層級。
-
-所有的服務都建立在資源群組內，這使得管理更加方便。您可以刪除資源群組，該資源群組內的所有服務也會一併刪除。
-
-要刪除資源群組，請在終端機或命令提示字元中執行以下指令：
-
-```sh
-az group delete --name <resource-group-name>
-```
-
-將 `<resource-group-name>` 替換為您感興趣的資源群組名稱。
-
-接著會出現確認提示：
-
-```output
-Are you sure you want to perform this operation? (y/n): 
-```
-
-輸入 `y` 以確認並刪除資源群組。
-
-刪除所有服務需要一些時間。
-
-> 💁 您可以在 [Microsoft Docs 上的 Azure 資源管理器資源群組與資源刪除文件](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli) 閱讀更多有關刪除資源群組的資訊。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/docs/_sidebar.md b/translations/tw/docs/_sidebar.md
deleted file mode 100644
index 847ad40e5..000000000
--- a/translations/tw/docs/_sidebar.md
+++ /dev/null
@@ -1,47 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
-  "translation_date": "2025-08-24T22:58:40+00:00",
-  "source_file": "docs/_sidebar.md",
-  "language_code": "tw"
-}
--->
-- 介紹
-  - [1](../1-getting-started/lessons/1-introduction-to-iot/README.md)
-  - [2](../1-getting-started/lessons/2-deeper-dive/README.md)
-  - [3](../1-getting-started/lessons/3-sensors-and-actuators/README.md)
-  - [4](../1-getting-started/lessons/4-connect-internet/README.md)
-  
-- 農場
-  - [5](../2-farm/lessons/1-predict-plant-growth/README.md)
-  - [6](../2-farm/lessons/2-detect-soil-moisture/README.md)
-  - [7](../2-farm/lessons/3-automated-plant-watering/README.md)
-  - [8](../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)
-  - [9](../2-farm/lessons/5-migrate-application-to-the-cloud/README.md)
-  - [10](../2-farm/lessons/6-keep-your-plant-secure/README.md)
-  
-- 運輸
-  - [11](../3-transport/lessons/1-location-tracking/README.md)
-  - [12](../3-transport/lessons/2-store-location-data/README.md)
-  - [13](../3-transport/lessons/3-visualize-location-data/README.md)
-  - [14](../3-transport/lessons/4-geofences/README.md)
-  
-- 製造
-  - [15](../4-manufacturing/lessons/1-train-fruit-detector/README.md)
-  - [16](../4-manufacturing/lessons/2-check-fruit-from-device/README.md)
-  - [17](../4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)
-  - [18](../4-manufacturing/lessons/4-trigger-fruit-detector/README.md)
-  
-- 零售
-  - [19](../5-retail/lessons/1-train-stock-detector/README.md)
-  - [20](../5-retail/lessons/2-check-stock-device/README.md)
-  
-- 消費者
-  - [21](../6-consumer/lessons/1-speech-recognition/README.md)
-  - [22](../6-consumer/lessons/2-language-understanding/README.md)
-  - [23](../6-consumer/lessons/3-spoken-feedback/README.md)
-  - [24](../6-consumer/lessons/4-multiple-language-support/README.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/docs/troubleshooting.md b/translations/tw/docs/troubleshooting.md
deleted file mode 100644
index dd66c3175..000000000
--- a/translations/tw/docs/troubleshooting.md
+++ /dev/null
@@ -1,98 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "271dcd720357806934b2f0d94e19410e",
-  "translation_date": "2026-01-05T17:46:51+00:00",
-  "source_file": "docs/troubleshooting.md",
-  "language_code": "tw"
-}
--->
-# Raspberry Pi 疑難排解指南
-
-本指南提供運行 IoT 專案時在 Raspberry Pi 裝置上遇到的常見問題解決方案。  
-它是為遵循 IoT-For-Beginners 課程的新手設計，但對一般 Pi 開發者也很有幫助。
-
----
-
-## 1. 安裝與依賴錯誤
-
-### ❗ `ModuleNotFoundError: No module named 'xyz'`
-當缺少必需的 Python 模組時會發生此錯誤。
-
-**解決方法**
-```bash
-pip3 install <module_name>
-
- Permission denied when running scripts
-
-Often caused by accessing GPIO, I2C or system hardware without elevated privileges.
-Quick fix:
-sudo python3 script.py
-
-Recommended fix (no sudo needed every time):
-sudo usermod -aG gpio,i2c,spi $USER
-sudo reboot
-
-2. GPIO / I2C / SPI Not Working
-❗ RuntimeError: No access to GPIO
-
-Add user to GPIO group:
-sudo usermod -aG gpio $USER
-sudo reboot
-
-❗ I2C / SPI devices not detected
-
-Enable interfaces:
-sudo raspi-config
-→ Interface Options
-→ Enable I2C / Enable SPI
-
-Check if I2C device appears:
-i2cdetect -y 1
-
-3. Camera / Video Issues
-❗ Camera not detected or fails to start
-
-Enable camera interface:
-sudo raspi-config
-→ Interface Options → Camera → Enable
-sudo reboot
-
-Check if camera is visible:
-vcgencmd get_camera
-
-4. Wi-Fi / SSH / Connectivity Problems
-| Problem                          | Fix                                           |
-| -------------------------------- | --------------------------------------------- |
-| SSH connection refused           | `sudo raspi-config → Interface Options → SSH` |
-| Device not showing on network    | Check IP using: `hostname -I`                 |
-| Slow Wi-Fi / unstable connection | Prefer 2.4 GHz band, update OS                |
-| Unable to access Pi headless     | Add `ssh` file to boot partition              |
-
-
-5. Performance Issues
-Raspberry Pi running slow / laggy
-
-Close unused applications
-
-Reduce background services
-
-Use Lite OS if no desktop needed
-
-Ensure sufficient power supply (5V/3A or better)
-
-Check CPU load:
-top
-htop
-
-Storage issues:
-sudo apt autoremove
-sudo apt clean
-df -h
-
----
-
-<!-- CO-OP TRANSLATOR DISCLAIMER START -->
-**免責聲明**：  
-本文件係使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們力求準確，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於重要資訊，建議採用專業人工翻譯。本公司不對因使用本翻譯而產生的任何誤解或曲解負責。
-<!-- CO-OP TRANSLATOR DISCLAIMER END -->
\ No newline at end of file
diff --git a/translations/tw/for-teachers.md b/translations/tw/for-teachers.md
deleted file mode 100644
index 5cdbe6572..000000000
--- a/translations/tw/for-teachers.md
+++ /dev/null
@@ -1,39 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
-  "translation_date": "2025-08-24T20:59:48+00:00",
-  "source_file": "for-teachers.md",
-  "language_code": "tw"
-}
--->
-# 給教育工作者
-
-您是否希望在課堂上使用這份課程？請隨意使用！
-
-事實上，您可以直接在 GitHub 上使用 GitHub Classroom 來進行。
-
-要做到這一點，請先 fork 此 repo。您需要為每個課程創建一個 repo，因此需要將每個資料夾提取到一個單獨的 repo 中。這樣，[GitHub Classroom](https://classroom.github.com/classrooms) 就能分別處理每個課程。
-
-這些[完整的指導說明](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)可以幫助您了解如何設置您的課堂。
-
-## 推薦的學習模式
-
-您可以在我們的[推薦學習模式指南](recommended-learning-model.md)中了解更多有關教授此課程的建議學習模式。
-
-## 直接使用此 repo
-
-如果您希望直接使用目前的 repo，而不使用 GitHub Classroom，也可以這樣做。您需要與您的學生溝通，告訴他們一起學習哪一課。
-
-在線上形式（如 Zoom、Teams 或其他平台）中，您可以為測驗設置分組討論室，並指導學生準備學習。然後邀請學生參加測驗，並在指定時間以 "issues" 的形式提交答案。如果您希望學生公開合作，也可以用同樣的方式進行作業。
-
-如果您更喜歡更私密的形式，可以要求您的學生逐課 fork 此課程到他們自己的 GitHub 私人 repo，並授予您訪問權限。然後他們可以私下完成測驗和作業，並通過 classroom repo 的 issues 提交給您。
-
-在線課堂有許多不同的運作方式。請告訴我們哪種方式最適合您！
-
-## 請提供您的意見！
-
-我們希望這份課程能夠滿足您和您的學生的需求。請提供您的[反饋](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u)。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/hardware.md b/translations/tw/hardware.md
deleted file mode 100644
index 3c4c29c27..000000000
--- a/translations/tw/hardware.md
+++ /dev/null
@@ -1,119 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
-  "translation_date": "2025-08-24T21:01:56+00:00",
-  "source_file": "hardware.md",
-  "language_code": "tw"
-}
--->
-# 硬體
-
-在物聯網 (IoT) 中，**T** 代表 **Things**，指的是與周圍世界互動的設備。每個專案都基於學生和愛好者可用的實體硬體。我們提供了兩種物聯網硬體選擇，根據個人偏好、程式語言知識或喜好、學習目標以及可用性進行選擇。此外，我們還提供了「虛擬硬體」版本，適合那些無法取得硬體或希望在購買前進一步了解的人。
-
-> 💁 您不需要購買任何物聯網硬體即可完成作業。您可以使用虛擬物聯網硬體完成所有內容。
-
-實體硬體選擇包括 Arduino 和 Raspberry Pi。每個平台都有其優勢和劣勢，這些都會在初期課程中進行介紹。如果您尚未決定使用哪個硬體平台，可以查看[第一個專案的第二課](./1-getting-started/lessons/2-deeper-dive/README.md)，以決定您最感興趣的硬體平台。
-
-我們選擇特定硬體以降低課程和作業的複雜性。雖然其他硬體可能也能運作，但我們無法保證所有作業都能在您的設備上支援，除非額外添加硬體。例如，許多 Arduino 設備不具備 WiFi 功能，而 WiFi 是連接雲端所需的功能——因此我們選擇了內建 WiFi 的 Wio Terminal。
-
-此外，您還需要一些非技術性物品，例如土壤或盆栽植物，以及水果或蔬菜。
-
-## 購買套件
-
-![Seeed Studios 的標誌](../../translated_images/zh-TW/seeed-logo.74732b6b482b6e8e.webp)
-
-Seeed Studios 非常貼心地將所有硬體整合成易於購買的套件：
-
-### Arduino - Wio Terminal
-
-**[Seeed 與 Microsoft 合作的物聯網入門 - Wio Terminal 初學者套件](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
-
-[![Wio Terminal 硬體套件](../../translated_images/zh-TW/wio-hardware-kit.4c70c48b85e4283a.webp)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
-
-### Raspberry Pi
-
-**[Seeed 與 Microsoft 合作的物聯網入門 - Raspberry Pi 4 初學者套件](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
-
-[![Raspberry Pi 硬體套件](../../translated_images/zh-TW/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
-
-## Arduino
-
-所有 Arduino 的設備程式碼均使用 C++ 編寫。要完成所有作業，您需要以下物品：
-
-### Arduino 硬體
-
-* [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
-* *可選* - USB-C 連接線或 USB-A 至 USB-C 轉接器。Wio Terminal 配備 USB-C 端口，並附帶 USB-C 至 USB-A 連接線。如果您的 PC 或 Mac 只有 USB-C 端口，您需要 USB-C 連接線或 USB-A 至 USB-C 轉接器。
-
-### Arduino 特定感測器與致動器
-
-這些是專門用於 Wio Terminal Arduino 設備的，與 Raspberry Pi 無關。
-
-* [ArduCam Mini 2MP Plus - OV2640](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)
-* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
-* [麵包板跳線](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
-* 耳機或其他帶 3.5mm 插孔的揚聲器，或 JST 揚聲器，例如：
-  * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
-* microSD 卡（16GB 或以下），以及一個連接器以便在電腦上使用 SD 卡（如果您的電腦沒有內建 SD 卡插槽）。**注意** - Wio Terminal 僅支援容量不超過 16GB 的 SD 卡。
-
-## Raspberry Pi
-
-所有 Raspberry Pi 的設備程式碼均使用 Python 編寫。要完成所有作業，您需要以下物品：
-
-### Raspberry Pi 硬體
-
-* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
-  > 💁 從 Pi 2B 及以上版本應該都能完成這些課程中的作業。如果您計劃直接在 Pi 上運行 VS Code，則需要 Pi 4 並配備 2GB 或以上的 RAM。如果您打算遠端存取 Pi，則任何 Pi 2B 及以上版本都可以使用。
-* microSD 卡（您可以購買附帶 microSD 卡的 Raspberry Pi 套件），以及一個連接器以便在電腦上使用 SD 卡（如果您的電腦沒有內建 SD 卡插槽）。
-* USB 電源供應器（您可以購買附帶電源供應器的 Raspberry Pi 4 套件）。如果您使用 Raspberry Pi 4，則需要 USB-C 電源供應器，早期版本則需要 micro-USB 電源供應器。
-
-### Raspberry Pi 特定感測器與致動器
-
-這些是專門用於 Raspberry Pi 的，與 Arduino 設備無關。
-
-* [Grove Pi 基座帽](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
-* [Raspberry Pi 相機模組](https://www.raspberrypi.org/products/camera-module-v2/)
-* 麥克風與揚聲器：
-
-  使用以下任一選項（或同等設備）：
-  * 任意 USB 麥克風搭配任意 USB 揚聲器，或帶 3.5mm 插孔的揚聲器，或使用 HDMI 音頻輸出（如果您的 Raspberry Pi 連接到帶揚聲器的顯示器或電視）
-  * 任意內建麥克風的 USB 耳機
-  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) 搭配
-    * 耳機或其他帶 3.5mm 插孔的揚聲器，或 JST 揚聲器，例如：
-    * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
-  * [USB Speakerphone](https://www.amazon.com/USB-Speakerphone-Conference-Business-Microphones/dp/B07Q3D7F8S/ref=sr_1_1?dchild=1&keywords=m0&qid=1614647389&sr=8-1)
-* [Grove 光感測器](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
-* [Grove 按鈕](https://www.seeedstudio.com/Grove-Button.html)
-
-## 感測器與致動器
-
-大多數所需的感測器與致動器可用於 Arduino 和 Raspberry Pi 學習路徑：
-
-* [Grove LED](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
-* [Grove 濕度與溫度感測器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
-* [Grove 電容式土壤濕度感測器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
-* [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)
-* [Grove GPS (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
-* [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
-
-## 可選硬體
-
-自動澆水課程使用繼電器。作為選項，您可以將此繼電器連接到 USB 供電的水泵，使用以下硬體：
-
-* [6V 水泵](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
-* [USB 端子](https://www.adafruit.com/product/3628)
-* 矽膠管
-* 紅色與黑色電線
-* 小型平頭螺絲起子
-
-## 虛擬硬體
-
-虛擬硬體路徑提供感測器與致動器的模擬器，使用 Python 實現。根據您的硬體可用性，您可以在正常的開發設備（例如 Mac、PC）上運行，或在 Raspberry Pi 上運行並僅模擬您缺少的硬體。例如，如果您有 Raspberry Pi 相機但沒有 Grove 感測器，您可以在 Pi 上運行虛擬設備程式碼，模擬 Grove 感測器，但使用實體相機。
-
-虛擬硬體將使用 [CounterFit 專案](https://github.com/CounterFit-IoT/CounterFit)。
-
-要完成這些課程，您需要擁有網路攝影機、麥克風和音頻輸出設備，例如揚聲器或耳機。這些設備可以是內建或外接的，並需要配置為與您的操作系統兼容，且可供所有應用程式使用。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/tw/images/README.md b/translations/tw/images/README.md
deleted file mode 100644
index ca51269c4..000000000
--- a/translations/tw/images/README.md
+++ /dev/null
@@ -1,19 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
-  "translation_date": "2025-08-24T21:05:21+00:00",
-  "source_file": "images/README.md",
-  "language_code": "tw"
-}
--->
-# 圖片
-
-[icons](../../../images/icons) 資料夾中的圖片來自 [Noun Project](https://thenounproject.com)，需要標註來源。每張圖片都列出了所需的標註資訊。這些圖片應用於任何需要它們的圖表，以保持圖像的一致性。
-
-[Diagrams.sketch](../../../images/Diagrams.sketch) 文件是一個 [Sketch](https://www.sketch.com) 文件，包含課程和專案中使用的所有圖表。如果您參與翻譯，請同時翻譯這些圖表，可以通過複製並更新文件，或者在 GitHub 問題中提供需要翻譯的詞彙清單。
-
-其餘的圖片則用於課程和專案的各個部分。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/lesson-template/README.md b/translations/tw/lesson-template/README.md
deleted file mode 100644
index c71420533..000000000
--- a/translations/tw/lesson-template/README.md
+++ /dev/null
@@ -1,63 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
-  "translation_date": "2025-08-25T01:07:59+00:00",
-  "source_file": "lesson-template/README.md",
-  "language_code": "tw"
-}
--->
-# [課程主題]
-
-![嵌入影片](../../../lesson-template/video-url)
-
-## [課前測驗](../../../lesson-template/quiz-url)
-
-[描述我們將學習的內容]
-
-### 介紹
-
-描述將涵蓋的內容
-
-> 注意事項
-
-### 先決條件
-
-在本課程之前應完成哪些步驟？
-
-### 準備工作
-
-開始本課程的準備步驟
-
----
-
-[逐步瀏覽內容區塊]
-
-## [主題 1]
-
-### 任務：
-
-共同合作逐步改進你的代碼庫，以使用共享代碼構建專案：
-
-```html
-code blocks
-```
-
-✅ 知識檢查 - 利用這個時機通過開放性問題擴展學生的知識
-
-## [主題 2]
-
-## [主題 3]
-
-🚀 挑戰：為學生設計一個課堂合作挑戰，以改進專案
-
-可選：如果合適，添加完成課程後的 UI 截圖
-
-## [課後測驗](../../../lesson-template/quiz-url)
-
-## 回顧與自學
-
-**作業截止日期 [MM/YY]**: [作業名稱](assignment.md)
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/tw/lesson-template/assignment.md b/translations/tw/lesson-template/assignment.md
deleted file mode 100644
index c2857f800..000000000
--- a/translations/tw/lesson-template/assignment.md
+++ /dev/null
@@ -1,21 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
-  "translation_date": "2025-08-25T01:08:35+00:00",
-  "source_file": "lesson-template/assignment.md",
-  "language_code": "tw"
-}
--->
-# [Assignment Name]
-
-## 說明
-
-## 評分標準
-
-| 評分標準 | 優秀 | 合格 | 需要改進 |
-| -------- | ---- | ---- | -------- | 
-|          |      |      |          | 
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/quiz-app/README.md b/translations/tw/quiz-app/README.md
deleted file mode 100644
index d003073b6..000000000
--- a/translations/tw/quiz-app/README.md
+++ /dev/null
@@ -1,125 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
-  "translation_date": "2025-08-25T01:09:04+00:00",
-  "source_file": "quiz-app/README.md",
-  "language_code": "tw"
-}
--->
-# 測驗
-
-這些測驗是 IoT 初學者課程（https://aka.ms/iot-beginners）的課前和課後測驗。
-
-## 專案設置
-
-```
-npm install
-```
-
-### 編譯並熱加載以進行開發
-
-```
-npm run serve
-```
-
-### 編譯並壓縮以進行生產環境
-
-```
-npm run build
-```
-
-### 檢查並修復文件
-
-```
-npm run lint
-```
-
-### 自定義配置
-
-請參閱 [配置參考](https://cli.vuejs.org/config/)。
-
-致謝：感謝此測驗應用的原始版本：https://github.com/arpan45/simple-quiz-vue
-
-## 部署到 Azure
-
-以下是幫助您開始的逐步指南：
-
-1. Fork 一個 GitHub 儲存庫  
-確保您的靜態網站應用程式代碼在您的 GitHub 儲存庫中。Fork 此儲存庫。
-
-2. 建立 Azure 靜態網站應用程式  
-- 建立一個 [Azure 帳戶](http://azure.microsoft.com)  
-- 前往 [Azure 入口網站](https://portal.azure.com)  
-- 點擊「建立資源」，然後搜尋「靜態網站應用程式」。  
-- 點擊「建立」。  
-
-3. 配置靜態網站應用程式  
-- 基本設定：  
-  - 訂閱：選擇您的 Azure 訂閱。  
-  - 資源群組：建立一個新的資源群組或使用現有的資源群組。  
-  - 名稱：為您的靜態網站應用程式提供一個名稱。  
-  - 區域：選擇最接近您用戶的區域。  
-
-- #### 部署詳細資訊：  
-  - 原始碼來源：選擇「GitHub」。  
-  - GitHub 帳戶：授權 Azure 訪問您的 GitHub 帳戶。  
-  - 組織：選擇您的 GitHub 組織。  
-  - 儲存庫：選擇包含靜態網站應用程式的儲存庫。  
-  - 分支：選擇您要部署的分支。  
-
-- #### 構建詳細資訊：  
-  - 構建預設：選擇您的應用程式所使用的框架（例如 React、Angular、Vue 等）。  
-  - 應用程式位置：指定包含應用程式代碼的文件夾（例如，如果在根目錄，則為 /）。  
-  - API 位置：如果有 API，請指定其位置（可選）。  
-  - 輸出位置：指定生成輸出文件的文件夾（例如 build 或 dist）。  
-
-4. 檢查並建立  
-檢查您的設置，然後點擊「建立」。Azure 將設置必要的資源，並在您的儲存庫中建立一個 GitHub Actions 工作流程。
-
-5. GitHub Actions 工作流程  
-Azure 將自動在您的儲存庫中建立一個 GitHub Actions 工作流程文件（.github/workflows/azure-static-web-apps-<name>.yml）。此工作流程將處理構建和部署過程。
-
-6. 監控部署  
-前往您的 GitHub 儲存庫中的「Actions」標籤。  
-您應該會看到一個正在運行的工作流程。此工作流程將構建並部署您的靜態網站應用程式到 Azure。  
-一旦工作流程完成，您的應用程式將在提供的 Azure URL 上線。
-
-### 範例工作流程文件
-
-以下是 GitHub Actions 工作流程文件的範例：  
-name: Azure Static Web Apps CI/CD  
-```
-on:
-  push:
-    branches:
-      - main
-  pull_request:
-    types: [opened, synchronize, reopened, closed]
-    branches:
-      - main
-
-jobs:
-  build_and_deploy_job:
-    runs-on: ubuntu-latest
-    name: Build and Deploy Job
-    steps:
-      - uses: actions/checkout@v2
-      - name: Build And Deploy
-        id: builddeploy
-        uses: Azure/static-web-apps-deploy@v1
-        with:
-          azure_static_web_apps_api_token: ${{ secrets.AZURE_STATIC_WEB_APPS_API_TOKEN }}
-          repo_token: ${{ secrets.GITHUB_TOKEN }}
-          action: "upload"
-          app_location: "quiz-app" #App source code path
-          api_location: ""API source code path optional
-          output_location: "dist" #Built app content directory - optional
-```
-
-### 其他資源
-- [Azure 靜態網站應用程式文件](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
-- [GitHub Actions 文件](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
\ No newline at end of file
diff --git a/translations/tw/recommended-learning-model.md b/translations/tw/recommended-learning-model.md
deleted file mode 100644
index dc2ed7e32..000000000
--- a/translations/tw/recommended-learning-model.md
+++ /dev/null
@@ -1,53 +0,0 @@
-<!--
-CO_OP_TRANSLATOR_METADATA:
-{
-  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
-  "translation_date": "2025-08-24T20:53:32+00:00",
-  "source_file": "recommended-learning-model.md",
-  "language_code": "tw"
-}
--->
-# 推薦的學習模式
-
-為了達到最有效的學習成果，**我們建議採用「翻轉教學模式」**，類似於科學實驗室：學生在課堂上進行專案，並有機會進行討論、提問和獲得專案協助，而將講課部分作為課前自學的內容。
-
-## 為什麼選擇翻轉學習？
-
-1. 這種教學模式結合了多種學習方法——視覺、聽覺、實作、問題解決等。[[1]](../..)
-2. 翻轉教室已被證明能提高專注力、參與度、動機、自主性、知識保留以及溝通能力（包括師生之間和學生之間的溝通）。[[2,3]](../..)
-3. 作為教師，您可以花更多時間幫助有困難的學生，同時讓進度較快的學生自由地提前學習。[[4]](../..)
-
-我們還建議教師扮演**「共同促進者」**的角色，與學生一起學習，並在他們基於自己的興趣和見解進行探索和提問時提供支持。
-
-在這裡，沒有「正確的方式」來完成某件事。有時候，您可能無法回答所有問題。有些學生可能無法完成所有專案。您的目標是幫助學生自然地找到解決問題的方法，這些方法可能比他們最初預期的更具趣味性、更具合作性或更具自主性。
-
-## 有用的促進技巧：
-
-* 反思您觀察到的內容，提出問題並做出觀察。
-* 使用像「我注意到……」和「我想知道……」這樣的語句。
-* 將遇到困難的學生與已經找到解決方案的學生聯繫起來。
-* 如果學生卡住了，指向元件和部分，或者建議嘗試不同的方法。請學生一次改變一個變量，並觀察結果。
-* 承認挫折並肯定努力。
-* 除非學生需要實際協助，否則避免為學生構建或編碼。
-
-## 範例促進語言：
-
-* 「在問我之前，先問兩位其他同學。」
-* 「再試兩分鐘……」
-* 「我們試著先暫時放下這個問題。也許你可以幫助其他同學解決他們的電路連接問題，因為你已經解決了這部分？」
-* 「我想知道是否有其他學生遇到過同樣的問題。我們來看看吧！」
-* 「你真的投入了很多努力並解決了這個問題！我可以推薦其他同學向你請教嗎？」
-* 「這很奇怪，我也覺得不太合理。也許我們可以問問其他同學，或者如果你解決了，能否與全班分享？」
-
-## 參考資料
-
-[1] [An empirical study on the effectiveness of College English Reading classroom teaching in the flipped classroom paradigm (researchgate.net)](https://www.researchgate.net/publication/322264495_An_empirical_study_on_the_effectiveness_of_College_English_Reading_classroom_teaching_in_the_flipped_classroom_paradigm). 取用日期：2021/4/21。
-
-[2] [Flipped Classroom adapted to the ARCS Model of Motivation and applied to a Physics Course (ejmste.com)](https://www.ejmste.com/article/flipped-classroom-adapted-to-the-arcs-model-of-motivation-and-applied-to-a-physics-course-4562). 取用日期：2021/4/21。
-
-[3] [How Does Flipping Classroom Foster the STEM Education: A Case Study of the FPD Model | SpringerLink](https://link.springer.com/article/10.1007/s10758-020-09443-9). 取用日期：2021/4/21。
-
-[4] [An Introduction to Flipped Learning | Lesley University](https://lesley.edu/article/an-introduction-to-flipped-learning#:~:text=An%20Introduction%20to%20Flipped%20Learning.%20Flipped%20learning%20is,advancements%20in%20the%20modern%20classroom%20is%20flipped%20learning.). 取用日期：2021/4/21。
-
-**免責聲明**：  
-本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file